تتقدم تقنيات الذكاء الاصطناعي يوماً بعد يوم، حيث يقدم الجيل الجديد من الذكاء الاصطناعي فرصاً مذهلة للتعلم الشخصي والتكيف، ومن بين هذه التقنيات، يأتي نظام التغذية الراجعة المعتمد على نماذج لغوية ضخمة (LLMs) لاستكشاف حل المشكلات في الفيزياء.

تبحث الدراسة الحديثة التي تم نشرها على موقع arXiv في كيفية تصميم وتنفيذ نظام تغذية راجعة يعزز من تجربة التعلم في حل مشكلات الفيزياء، مستندةً على تصميم مستند إلى الأدلة (Evidence-Centered Design). وقد تم تقييم هذا النظام في إطار أولمبياد الفيزياء الألماني.

تقييم المشاركين أبدى تقديراً عالياً لفائدة ودقة التغذية الراجعة المقدمة لكل مشكلة ضمن المنهج، حيث اعتُبرت التغذية الراجعة عمومًا مفيدة وصحيحة. لكن التحليل الدقيق أظهر أن 20% من التغذية الراجعة تضمنت أخطاء غالبًا ما لم يلاحظها الطلاب. وهذا مثير للاهتمام، حيث يطرح تساؤلات حول مدى الثقة التي يمكن اعتمادها في مثل هذه الأنظمة.

يتجه النقاش حالياً إلى المخاطر المرتبطة بالاعتماد غير النقدي على التغذية الراجعة المعتمدة على النماذج اللغوية الضخمة، ويستكشف الباحثون الاتجاهات المستقبلية لتوليد تغذية راجعة أكثر تكيفًا وموثوقية في المستقبل. كيف ترى مستقبل الذكاء الاصطناعي في مجال التعليم؟

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.