مع تزايد استخدام نماذج اللغات الضخمة (Large Language Models - LLMs) في الفصول الدراسية، تسلط دراسة جديدة الضوء على قدرتها في حل مسائل ثابتة، وذلك في سياق التعليم الهندسي، خاصة في مجال الهندسة الميكانيكية.

تتطرق الدراسة إلى أن البحث السابق عن تأثير نماذج اللغات الضخمة في التعليم كان يعتمد غالباً على مجموعات بيانات عامة أو مفتوحة، مما يجعل التحليل الموضوعي محدوداً. لذلك، اعتمد فريق البحث على عملية تقطير نموذجية لتقييم أداء LLM في حل المسائل الثابتة.

استخدم الباحثون نموذج ChatGPT لاستخراج 25 سؤالاً نصياً فقط، ومن ثم أنشؤوا مجموعتين إضافيتين من البيانات تتضمن المخططات ونماذج محورية معدلة.

أظهرت النتائج التجريبية أن نماذج اللغات الضخمة تؤدي بشكل جيد في المسائل الثابتة النصية فقط، لكن دقتها تتراجع مع استخدام المخططات أو عندما تتطلب الحلول خطوات متعددة. أظهرت التحليلات الإضافية أن هذا التراجع في الأداء لم يكن ناتجاً عن قيود في التعرف على الصور، بل بسبب صعوبات في التفكير متعدد الخطوات وتطبيق المعلومات المرئية المستخرجة باستمرار عبر مراحل الحل المختلفة.

تقدم نتائج هذه الدراسة رؤى مهمة حول كفاءة نماذج اللغات الضخمة في حل المشكلات الهندسية، مما يثير تساؤلات حول كيفية تحسين أداء هذه النماذج في المستقبل. هل نحن على أعتاب ثورة تكنولوجية جديدة في التعليم الهندسي؟