في عصر يتزايد فيه الاعتماد على الذكاء الاصطناعي التوليدي (GenAI) في مجالات التعليم، يصبح من الضروري تنمية كفاءة الطلاب في التعامل معه. ومع ذلك، فإن التقييمات الحالية تعتمد أساسًا على مقاييس ذاتية، مما يفتقر إلى الرؤى الحقيقية حول كيفية تجسد هذه الكفاءة في العمليات التعليمية الفعلية.

تأخذ هذه الدراسة خطوة جديدة لتسليط الضوء على هذا الجانب من خلال الاستفادة من تحليلات التعلم (Learning Analytics) لتوضيح الصورة. حيث تم جمع سجلات تفاعل من 162 طالبًا جامعيًا شاركوا في مهمة كتابة ملخصات باستخدام أدوات الذكاء الاصطناعي. وباستخدام تحليل الشبكات المعرفية (Epistemic Network Analysis - ENA)، تم نمذجة ومقارنة استراتيجيات الاستفسار بين الطلاب الذين يتمتعون بمستويات مختلفة من الكفاءة في استخدام الذكاء الاصطناعي.

أظهرت النتائج الأولية وجود توقيعات تفاعلية واضحة: الطلاب ذوو الكفاءة العالية في الذكاء الاصطناعي يقومون بتكرار Refinement استراتيجياً ويسألون أسئلة مدروسة، بينما يعتمد الطلاب ذوو الكفاءة المنخفضة على الأوامر المباشرة للتوليد.

تُساهم هذه الدراسة بشكل كبير في الورشة، حيث تُظهر كيف يمكن للبيانات المعالجة أن تصف كفاءة الذكاء الاصطناعي، مما يمهد الطريق لتقييم الكفاءة المعتمد على البيانات والتدخلات الفورية في الوقت الحقيقي.

ما رأيكم في تأثير الذكاء الاصطناعي على أساليب التعلم الأكاديمية؟ شاركونا في التعليقات.