في عصر تكنولوجيا المعلومات والذكاء الاصطناعي (AI)، تبرز الحاجة المستمرة لتحسين التعليم والتعلم. وقد أظهرت الأبحاث الجديدة فائدةً ملحوظةً لنماذج الـ Transformer في تعزيز الفهم القرائي باللغة الإنجليزية، حيث تواجه النماذج التقليدية تحديات كبيرة تتعلق بالتفسير والإنصاف.

تقوم هذه الدراسة بإدخال نماذج تعتمد على الـ Transformer، والتي تتضمن آليات انتباه متقدمة (Attention Mechanisms) وتحليل الميزات المعتمد على التدرجات (Gradient-Based Feature Attribution). أحد أبرز العوائق التي واجهت التعلم اللغوي هو عدم وجود تفسير كافٍ لأداء النماذج، بالإضافة إلى تقليل انحيازات الخوارزميات.

صُممت عملية تقنية موحدة تشمل طرق تصحيح الانحياز العداوني، وتحليل نسبة استخدام الرموز، وتصوير خرائط حرارة الانتباه متعددة الرأس. وقد أظهرت التجارب الميدانية باستخدام مجموعة بيانات كبيرة مؤشرة للفهم القرائي وجود تحسن كبير في دقة النماذج، حيث تفوقت على العديد من النماذج المعتمدة حالياً في هذا المجال.

وبالإضافة إلى ذلك، أظهرت تجارب المستخدمين التي استمرت لعدة أسابيع أن النموذج القابل للتفسير عزز من ثقة المعلمين وكفاءتهم في تقييم الأداء. تهدف هذه المنهجية إلى ضمان دقة تنبؤية عالية وإنصاف مختلف المتعلمين، مما يجعلها تطبيقًا واقعيًا له تأثير كبير على التعليم المبني على الذكاء الاصطناعي.

من خلال تحسين تجربة المستخدم في أنظمة الفهم القرائي المدعومة بالذكاء الاصطناعي، تهدف هذه الدراسة إلى التعامل مع انحيازات البيانات وتعزيز تفاصيل التفسير من خلال نماذج الـ Transformer.