في عالم يتسارع تطور تكنولوجيا التعليم، يتزايد الاهتمام بدور الحوار في تعزيز فهم الأفراد وتنسيق عملهم. وقد أظهرت الأبحاث أن الحوار يعد عملية تفاعلية تسهم في بناء فهم مشترك، لكنها تتطلب في كثير من الأحيان جهدًا كبيرًا في التحليل والتقييم. هنا، تظهر نماذج اللغات الضخمة (Large Language Models) كحل مبتكر يمكنه أتمتة تحليل الحوار، مما يفتح آفاقًا جديدة لتطوير بيئات التعلم المتعاون.

تجلب النماذج اللغوية العديد من المزايا، حيث أظهرت الدراسات الحديثة إمكانية تقارب دقة تصنيف الإنسان من خلال الطريقة المعروفة بـFew-shot prompting. ومع ذلك، فإن التركيز في هذه الدراسات كان غالبًا على إعادة إنتاج دقة تصنيفات البشر لأغراض البحث، بينما يتعين علينا التفكير في سؤال أكثر أهمية: كيف نصمم العبارات بشكل يسمح للنموذج اللغوي بتمييز حوارات الفرق بدقة وسرعة كافية لتكون مفيدة في المجالات العمليه مثل محاكاة الرعاية الصحية؟

تسعى الورقة البحثية الحالية إلى استكشاف كيفية تحسين تصميم العبارات واستراتيجيات التجميع لتحقيق توازن بين دقة التصنيف، وسرعة المعالجة، والأثر البيئي في تقييم الأداء في محاكاة الرعاية الصحية. باستخدام مجموعة بيانات تضم 11,647 عبارة مقسمة على 6 هياكل حوار مختلفة، تم مقارنة 4 تصميمات للعبارات عبر أحجام تجميع متنوعة، وتم تقييم الأداء من حيث دقة التصنيف، ووقت المعالجة، واستهلاك الطاقة.

تشير النتائج إلى أن زيادة حجم التجمّع تُحسن السرعة وتقلل من استخدام الطاقة، لكنها تؤثر سلبًا على أداء التصنيف. وبالتالي، لا تُظهر هذه الدراسة مجرد جدوى التحليل الكيفي المعتمد على نماذج اللغات الضخمة، بل تُقدم أيضًا توجيهات عملية لتوسيع نطاق تحليل الحوار في السياقات التي تُعتبر فيها السرعة، والخصوصية، والاستدامة أمورًا حيوية.