في عالم التعليم الحديث، يُعتبر تقديم ملاحظات فعّالة للطلاب من العناصر الأساسية التي تُعزز من تعلمهم. لكن، لا شك أن إنتاج هذه التعليقات على نطاق واسع يُعتبر تحدياً يتطلب جهداً كبيراً. هنا يأتي دور نماذج اللغات الضخمة (Large Language Models) التي تُعتبر حلاً طبيعياً لتوسيع الدعم الكتابي.

لكن، تواجه هذه العملية عائقين: قلة البيانات العامة التي توضح كيف يقدم المعلمون تعليقاتهم في الفصول الدراسية، وغياب طريقة موثوقة لقياس مدى تطابق التعليقات المُنتجة مع ما كان ليكتبه المعلمون.

لذا، تم تطوير سيفورا (SEFORA)، وهي قاعدة بيانات عامة تجمع التعليقات المباشرة من المعلمين مع مهام الكتابة، والمعايير (rubrics)، والتقييمات، والتعديلات المتعددة عبر أنواع مختلفة من الكتابة في الجامعات. تحتوي سيفورا على 564 مسودة و8240 تعليقاً من المعلمين، مما يتيح للباحثين والمطورين فهم كيفية تحسين التعليقات المقدمة للطلاب بشكل أفضل.

بالإضافة إلى ذلك، ظهر إطار UniMatch كمعيار يعتمد على التقييم المرجعي لتوليد التعليقات المفتوحة. يقوم هذا الإطار بتجزئة التعليقات إلى وحدات تقييم، ويقوم بتقييمها بناءً على معايير مستمدة من المعلمين، مع ضمان مطابقة مثالية للحصول على دقة، واسترجاع، وF1 القابلة للتفسير.

ومع ذلك، أظهرت التجارب أن الأداء لم يتجاوز 0.4 F1 عبر 74 تكويناً تجريبياً تمت عبر نماذج لغوية مختلفة. كما أوضح إطار UniMatch أن النماذج تواجه صعوبة في تحديد التعليقات التي يُفضلها المعلمون، مما يُظهر الحاجة لتطوير تلك النماذج لتحسين جودة التعليقات التي توفرها للطلاب.

في ختام هذا المقال، يبقى التساؤل: هل ستعيد مثل هذه التطورات في الذكاء الاصطناعي تعريف تجارب التعلم لدى الطلاب؟ شاركونا آراءكم في التعليقات.