الفصل العاشر: أدوات الذكاء الاصطناعي التوليدي لدعم المعلمين: حوار مع دوروتيا ديمسكي
هذا الفصل مقابلة بين دوروتيا (دورا) ديمسكي، الأستاذة المساعدة في علم البيانات التربوية بجامعة ستانفورد في الولايات المتحدة، وأمانة منظمة التعاون الاقتصادي والتنمية. ويتناول الحوار البحوث المتعلقة بالأدلة الناشئة على إمكانات أدوات الذكاء الاصطناعي التوليدي في دعم بعض مهام المعلمين: التخطيط للدروس، والتطوير المهني القائم على تدريسهم الفعلي، والدعم الآني للتدريس الخصوصي، وتقديم التغذية الراجعة لتلاميذهم وطلبتهم. ويُختتم بتأمل في مدى إتاحة هذه الأدوات لمهنة التدريس في أنحاء العالم.
التخطيط للدروس وتطوير المواد المنهجية
منظمة التعاون الاقتصادي والتنمية: ما الذي يقدمه الذكاء الاصطناعي التوليدي في رأيك للمعلمين لدعم تدريسهم وتعلم طلبتهم، ولا سيما حين تكون الأدوات موجهة إلى المعلمين؟
دورا ديمسكي: يركز مختبري، مختبر معالجة اللغة الطبيعية في التعليم، أساساً على هذا السؤال: كيف تستطيع أدوات الذكاء الاصطناعي، ومنها الذكاء الاصطناعي التوليدي، دعم المعلمين بطرق مختلفة، وثمة بطبيعة الحال مشهد أوسع من الأدوات في هذا المجال. وهناك أربعة مجالات على الأقل يستطيع فيها الذكاء الاصطناعي التوليدي تقديم الدعم: التخطيط للدروس، والتطوير المهني القائم على تدريسهم الفعلي، والدعم الآني للتدريس الخصوصي، وتقديم التغذية الراجعة لتلاميذهم وطلبتهم.
منظمة التعاون الاقتصادي والتنمية: رائع. لنتناولها بالترتيب، ولنبدأ بالتخطيط للدروس وتطوير المواد المنهجية.
دورا ديمسكي: من التحديات الرئيسية أمام المعلمين العملية الصعبة والمستهلكة للوقت المتمثلة في تصميم خطط دروس عالية الجودة لطلبة ذوي احتياجات متنوعة. فالمناهج تتفاوت تفاوتاً كبيراً في الولايات المتحدة، وهو أمر ينطبق كذلك على بعض البلدان الأخرى. وحتى حين لا تتفاوت، كثيراً ما يحتاج المعلمون إلى تكييف المواد التدريسية لملاقاة الطلبة حيث هم، سواء كانوا دون مستوى صفهم، أو وافدين جدداً متعددي اللغات يحتاجون إلى دعم لغوي، أو طلبة ذوي احتياجات خاصة يحتاجون إلى أدوات بصرية أو أنواع أخرى من الأدوات. والمعلمون ليسوا مدربين بالضرورة على هذه المهمة.
ومن مجالات العمل الرئيسية، في القطاع الصناعي والبحث على السواء، معالجة تحدي تكييف المناهج. وثمة إمكانات كثيرة، وإن كانت بعض المقاربات أفضل من غيرها. فمن الضروري مراعاة عوامل مختلفة، كالحفاظ على الصرامة وصون المكونات الجوهرية للمناهج الخبيرة المصممة بعناية، بدلاً من الاكتفاء بتبسيط المحتوى. ويبحث مشروعنا ScaffGen كيف يستطيع الذكاء الاصطناعي التوليدي دعم المعلمين في تكييف المناهج، مع مراعاة المواد التدريسية العالية الجودة والسياقات الخاصة بالمعلمين، ككون الطلبة دون مستوى الإتقان المتوقع في صفهم. وينطوي ذلك على مساعدة المعلمين في تكييف السقالات وإنشائها للطلبة بما يظل متسقاً مع منهجهم.
وتشمل المجالات المحددة إعداد مزيد من مهام التدريب وتوليد الوسائل البصرية، كالطرق المختلفة لتمثيل المسألة ذاتها. ونركز على التوليد المتعدد الوسائط، الذي يتفوق فيه الذكاء الاصطناعي التوليدي، ونستخدم حالياً لغة LaTeX لتوليد المخططات. وقد قيّمنا السقالات التي تولدها النماذج اللغوية الكبيرة للمواد التدريسية العالية الجودة مقارنةً بتلك التي يعدها الخبراء، ووجدنا أن ما تنتجه النماذج اللغوية الكبيرة مماثل لها، بل يفضله المعلمون أحياناً على ما يعده الخبراء، مما يُظهر وعوداً. ولا تزال هناك فجوات، ولا سيما في توليد الوسائل البصرية. وثمة ورقة مرتقبة أخرى تمثل معياراً مرجعياً مع مجموعة بيانات تضم آلاف المخططات وشيفرات LaTeX من منهج Illustrative Mathematics، وهو منهج رائد للرياضيات من رياض الأطفال حتى الصف الثاني عشر في الولايات المتحدة. ونحن بصدد نشر مجموعة البيانات هذه ودراسات المعيار المرجعي لفهم أداء الذكاء الاصطناعي في هذا المجال.
منظمة التعاون الاقتصادي والتنمية: ماذا نعرف عن فاعلية خطط الدروس المولدة بالذكاء الاصطناعي وعن أداتكم لتوليد المخططات؟
دورا ديمسكي: بنى أحد طلبتي السابقين أداة CoTeach.AI، وهي أداة لتكييف المناهج مدعومة بالذكاء الاصطناعي ومؤسسة على منهج Illustrative Mathematics. وبعد إطلاقها لأسبوع واحد فقط في تجربة صغيرة، اكتسبت الأداة زخماً كبيراً مع آلاف المستخدمين المنتظمين. ونقدّر أن نحو 10% من جميع المعلمين الذين يستخدمون منهج Illustrative Mathematics يستخدمون الآن CoTeach.AI، وهي نسبة كبيرة. وفيما يتعلق بالفاعلية، ندرسها حالياً ونخطط لتجربة تركز على أداتنا لتوليد المخططات. وسنختبر جودة خطط الدروس لدى المعلمين الذين يستخدمونها مقارنةً بمن لا يستخدمونها، مع التركيز تحديداً على فكرة التمثيلات المتعددة. ونريد أن نرى ما إذا كانت قدرة الأداة على توليد المخططات تدعم فهم الطلبة للروابط بين التمثيلات المختلفة، كتصور الكسور المجردة. فالمنهج يقدم تمثيلات محدودة، ونعتقد أن أداتنا قادرة على دعم المعلمين في ذلك دعماً كبيراً.
وبوجه أعم، لم أرَ أي دراسات للفاعلية حول أدوات التخطيط للدروس الأوسع مثل Magic School أو School.ai؛ فمعظم ما هو متاح قائم على الاستخدام أو التصورات المعلنة ذاتياً. وتقييم الفاعلية صعب لأنه يتطلب مقاييس صارمة لجودة خطط الدروس، والأمثل أن يقيس نواتج الطلبة. وجمع بيانات نواتج الطلبة بطيء ومكلف وصعب لوجستياً، وكثيراً ما يقع على عاتق الباحثين لغياب الحوافز في قطاع التقنيات التعليمية. ونحن نعمل على ذلك، لكنها عملية بطيئة.
منظمة التعاون الاقتصادي والتنمية: لا أعرف أنا أيضاً دراسات حول فاعلية خطط الدروس في تعلم الطلبة. فبعض الدراسات تقيّم جودة خطط الدروس المولدة عبر الحكم البشري والوقت الموفَّر، مركزة على الإنتاجية لا على ما إذا كان الدرس قد أفضى إلى جودة تدريس أفضل. ويبدو أن مشروعكم ScaffGen أكثر تفصيلاً من خطط الدروس الكاملة.
دورا ديمسكي: تستطيع CoTeach توليد خطط دروس كاملة، لكنها كثيراً ما تولد أنشطة. ويركز مختبري، ضمن مشروع ScaffGen، على أعمال البحث والتطوير الجوهرية التي يفتقر كثير من مزودي القطاع الصناعي إلى القدرة على إنجازها، كتوليد المخططات الذي يتطلب هندسة وتقييمات ومعايير مرجعية وبنية تحتية متأنية. فكثير من الأدوات القائمة ليست في جوهرها سوى أغلفة للنماذج اللغوية الكبيرة، أي طبقات برمجية أو واجهات مبنية حول نموذج لغوي كبير، ولا تملك القدرة على بناء هذه الخصائص الصعبة لكن الضرورية. ونحن نركز على التقنيات الأساسية وعلى التقييم، وإن كان الأخير معقداً ويتطلب شراكات. ونعمل على سلم تقدير لجودة خطط الدروس لدراسات الفاعلية. ومن الصعب أيضاً أخلاقياً حجب هذه الأدوات عن المعلمين لتكوين مجموعة ضابطة. ونحن مهتمون بجمع الأدلة رغم هذه الأسئلة المفتوحة.
منظمة التعاون الاقتصادي والتنمية: ذكرتِ أن المعلمين فضّلوا أحياناً ما تنتجه النماذج اللغوية الكبيرة على ما ينتجه الخبراء، فهل يمكنك التوسع في ذلك؟
دورا ديمسكي: في مشروع عام 2023، وباستخدام نماذج لغوية كبيرة أقدم من النماذج الحالية، قيّمنا جودة خطط الدروس بناءً على أبعاد محددة سلفاً، كالجاهزية للاستخدام الصفي، والاتساق مع أهداف الدرس، والتفضيل، والاتساق مع احتياجات الطلبة. وقارن المعلمون النشاط التمهيدي الأصلي في منهج Illustrative Mathematics بخطتين مختلفتين للدرس، إحداهما مولدة بالنموذج اللغوي الكبير والأخرى معدة من الخبراء. وحظي ما أنتجته النماذج اللغوية الكبيرة والخبراء بتفضيل أكبر بكثير في جميع المعايير مقارنةً بالمادة الأصلية وبفارق هائل، بل تفوقت النماذج اللغوية الكبيرة على الخبراء في بعض الأبعاد. وهذا واعد، لكنه يحتاج إلى تفسير متأنٍّ.
تحليلات الصف
منظمة التعاون الاقتصادي والتنمية: ينتمي تطبيق ثانٍ ذكرتِه إلى فئة تطبيقات «تحليلات الصف» التي تدعم التطوير المهني للمعلمين أو الإدارة الصفية الآنية. وقد وجدت دائماً هذا الاستخدام للذكاء الاصطناعي مثيراً للاهتمام وواعداً. فما الذي يضيفه الذكاء الاصطناعي التوليدي إلى هذه الأدوات؟
دورا ديمسكي: يستطيع الذكاء الاصطناعي التوليدي دعم المعلمين في استخدام «حركات حوارية» وممارسات خطابية سليمة تربوياً تسبر تفكير الطلبة، بدلاً من الاكتفاء بتوجيههم إلى حل محدد سلفاً أو إلى التدريب الآلي. وينطوي ذلك على ممارسات حوارية تشجع تعبير الطلبة. ويستطيع الذكاء الاصطناعي التوليدي المساعدة في تحليل الخطاب الصفي وتفاعلات الطلبة. ويمكن فعل ذلك بعد الجلسة؛ فبعد درس حضوري أو إلكتروني، يُحلل نص الدرس، ويستطيع الذكاء الاصطناعي التوليدي، أو نماذج ذكاء اصطناعي أبسط، تقديم مقترحات صريحة حول كيفية تحسين الممارسة التدريسية أو الحركات الحوارية التي يمكن تجربتها لاحقاً لدعم التعلم النشط.
وقد أجرينا أكثر من أربع تجارب عشوائية مضبوطة اختبرت كيف تدعم هذه التغذية الراجعة المؤتمتة بعد الجلسات تحسين التدريس. ولدينا أداة تسمى Empowering Teachers؛ إذ يدرّس المعلمون صفوفهم، ثم يتلقون تقريراً أو تغذية راجعة تركز على حركات حوارية مختلفة، كدعوة الطلبة إلى التعبير عن تفكيرهم. ويتضمن التقرير أعداداً ووقت الحديث، كما تتضمن الورقة البحثية مقترحات من ChatGPT. وتُرصد هذه الحركات الحوارية بمصنفات قائمة على النماذج اللغوية، لا بالذكاء الاصطناعي التوليدي ذاته.
ووجدنا أن المعلمين الذين تلقوا هذه التغذية الراجعة المؤتمتة من المصنفات استخدموا الحركة الحوارية المستهدفة، كأسئلة التركيز أو البناء على أفكار الطلبة أو استدعائها، بنسبة تصل إلى 20% أكثر بعد جلستين فقط من التغذية الراجعة، مقارنةً بمجموعة ضابطة لم تتلق هذه التغذية الراجعة. ومن القيود غياب التقييم الصارم لنواتج تعلم الطلبة، لكن لدينا إمكانية الوصول إلى مقاييس انخراط الطلبة، كالتحدث أكثر وحضور الحصص وإكمال الواجبات. ووجدنا أن الطلبة الذين تلقى معلموهم هذه التغذية الراجعة كانوا أرجح في تقديم الواجبات وحضور الحصص.
ثمة مجال للتحسين، لكن هذا واعد. فالذكاء الاصطناعي التوليدي بارع في تلخيص المحادثات، لكنه يجد صعوبة في التحديد الدقيق للممارسات التدريسية العالية التأثير، لأن ذلك يتطلب قدراً كبيراً من السياق وفهم الصفوف. وحتى مع الصياغة المتأنية للأوامر النصية، فإنه يهلوس أحياناً أو يخطئ في تصنيف التفاعلات الصفية. ومع ذلك نرى إمكانات كبيرة في هذا المجال، ولا سيما للمبتدئين كالمعلمين الخصوصيين المتطوعين أو المعلمين الجدد الذين يتلقون تدريباً محدوداً، إذ سيوفر لهم ذلك تعلماً مهنياً.
وأرى نشاطاً أقل للقطاع الصناعي في مقترحات الحركات الحوارية، ربما لانخفاض ربحيتها. والأكثر شيوعاً أنظمة التدريس المؤتمتة بالكامل مثل Khanmigo، وإن كانت فاعليتها لا تزال بحاجة إلى أدلة. ويركز مختبرنا على دعم المعلمين الخصوصيين والمعلمين البشريين، ولذلك نطور هذه الأنواع من الأدوات الموجهة إلى المعلمين ونبحث فيها.
منظمة التعاون الاقتصادي والتنمية: إلى أي مدى يحب المعلمون هذه الأدوات؟ فالتبني عادةً من مشكلاتها.
دورا ديمسكي: من التحديات العملية أن بعض المعلمين يجدون صعوبة في العمل بموجب هذه التغذية الراجعة، لأنها تتطلب التأمل ومن ثم الوقت. فمع أنها ترفع الوعي، فإن التغيير العميق كثيراً ما يدعمه موجّه بشري على نحو أفضل. وقد نشرنا للتو ورقة عمل ساعد فيها موجهون تدريسيون المعلمين على تفسير هذه التغذية الراجعة، وكان ذلك مفيداً جداً. فقد دُعم الموجهون في استخلاص أدلة محددة، وشعر المعلمون بحكم أقل عليهم من الموجه لأنهم كانوا ينظرون معاً إلى دليل صادر عن طرف ثالث.
الدعم الآني
منظمة التعاون الاقتصادي والتنمية: من دراساتك المثيرة للاهتمام جداً دراسة تتعلق بتقديم الدعم للمعلمين الخصوصيين البشريين في الوقت الفعلي. هل يمكنك أن تحدثينا عنها؟
دورا ديمسكي: نعم، في مجال المقترحات الآنية لدينا مشروع Tutor CoPilot، وهو تعاون مع مبادرة SCALE في ستانفورد. وقد عقد هذا المشروع شراكة مع مزود للتدريس الخصوصي يدعم طلبة من الأسر المنخفضة الدخل في تدريس خصوصي نصي داخل المدرسة. وتتيح الأداة للمعلمين الخصوصيين تفعيلها في أثناء جلسات التدريس الإلكترونية حين يرتكب الطلبة أخطاء في الرياضيات ويحتاجون إلى معالجة. فهي تقترح استراتيجيات استجابة مختلفة وردوداً فعلية قابلة للتحرير، فتمنح المعلمين الخصوصيين الفاعلية وتخدم في الوقت ذاته غرضاً تعليمياً. وأظهرت تجربة عشوائية مضبوطة أن المعلمين الخصوصيين الذين أتيحت لهم الأداة استخدموا ممارسات تدريسية أفضل، وأتقن طلبتهم الدروس بسرعة أكبر. وكان ذلك مفيداً بوجه خاص للمعلمين الخصوصيين ذوي تقييمات الجودة الأولية الأدنى أو الخبرة الأقل؛ إذ شهد المعلمون الأدنى تقييماً زيادة بتسع نقاط مئوية في نسبة الطلبة الناجحين في بطاقة الخروج، من 56% في المجموعة الضابطة إلى 65% في المجموعة التجريبية، ولوحظت آثار مماثلة لدى المعلمين الخصوصيين الأقل خبرة.
كما تبيّن أن المعلمين الخصوصيين في المجموعة الضابطة مالوا إلى الاعتماد على استراتيجيات سلبية تركز على تقديم الحل، في حين استخدم المعلمون الخصوصيون في المجموعة التجريبية بتواتر أكبر استراتيجيات تعزز انخراط الطلبة وفهمهم على نحو أعمق، كحث الطالب على الشرح وطرح الأسئلة التي توجه تفكيره.
منظمة التعاون الاقتصادي والتنمية: ما رأيك في مدى ملاءمة اختيار نماذج لغوية كبيرة عامة مقارنةً بنماذج أكثر تركيزاً على التعليم؟ وكيف يمكن التأكد من أن استخدام الذكاء الاصطناعي التوليدي ملائم تعليمياً؟
دورا ديمسكي: هذا سؤال كبير جداً، وهو من الأسئلة المحورية التي نطرحها على المعلمين: كيف يحدد المعلمون الملاءمة؟ فالنماذج المحددة، مثل GPT وClaude وGemini، في تغير مستمر، ولم نجد فروقاً هائلة بينها، وقد يتغير النموذج الأفضل في الأسبوع المقبل... ومعايير الملاءمة التعليمية تتفاوت كثيراً بحسب السياق والمعلم والمشروع، ومن المهم التعرف إلى هذه المعايير. وقد استضفنا هذا الصيف في ستانفورد قمة «أصوات الممارسين» لمعلمي الرياضيات، وكان من أهدافنا الرئيسية التعرف إلى معاييرهم في تقييم أدوات الذكاء الاصطناعي. ويمكن الاطلاع على تقريرنا الموجز عبر الإنترنت، وسننشر ورقة أطول قريباً.
منظمة التعاون الاقتصادي والتنمية: في حالة Tutor CoPilot، دُرِّب النظام بتزويده ببيانات مستندة إلى ملاحظة معلمين خبراء والعمل معهم. فهل تعتقدين أن GPT4 آنذاك كان سيقدم قياسات مماثلة دون هذا العنصر التعليمي المخصص؟
دورا ديمسكي: لا، فقد احتجنا صراحة إلى مدخلات المعلمين الخبراء لتحسين النموذج. فمن دون ذلك «التحليل المعرفي للمهام المستنير بالخبراء»، حيث نبيّن للنموذج كيف يعالج المعلم الخبير خطأ الطالب، كان أداؤه أسوأ بكثير. ونفعل شيئاً مماثلاً مع ScaffGen، بتزويد النموذج بهذه العمليات المستنيرة بالخبراء. ويتصل ذلك بمعايير التقييم التي تحدد ما إذا كانت الأداة جيدة، وإن كان يختلف عنها قليلاً، ويمكن لكل منهما أن يغذي الآخر.
منظمة التعاون الاقتصادي والتنمية: هل يمكن لهذه الأدوات أن تكمل المعلمين وتعززهم لتحسين جودة التعليم، ولا سيما في البلدان أو السياقات التي تعاني نقصاً في المعلمين أو افتقاراً لدى المعلمين إلى الخبرة؟
دورا ديمسكي: أود أن أسائل الفرضية القائلة بأنه لا يتوافر لدينا معلمون بشريون. فمن الخطر قبول أن التقنية ينبغي، أو يمكن، أن تحل محل دور المعلم البشري، لأن ذلك قد يفاقم أوجه عدم المساواة في الوصول إلى المعلمين البشريين، لا في البلدان المنخفضة الدخل فحسب، بل داخل الولايات المتحدة ودول المنظمة أيضاً. وإذا كانت هناك مواقف تفتقر فعلاً إلى معلم بشري، فعلينا أن نفكر بعناية في الأدوار التي يمكن لهذه الأدوات أداؤها. فجانب بناء العلاقات لا يمكن للتقنية أن تحل محله، وإن كانت جوانب أخرى قد يمكن ذلك فيها، وهو ما يظل بحاجة إلى اختبار.
منظمة التعاون الاقتصادي والتنمية: لم أكن أفكر في استبدال المعلمين، بل بالأحرى، إذا كان لديك معلمون قليلو الخبرة أو متدنو الجودة أو أشخاص ذوو معرفة قليلة بالمادة وبالتربية، فهل يمكن لهذه الأدوات مساعدتهم على تحسين أدائهم؟ ففي بلدان كثيرة، سيكون عدد المعلمين المطلوب تدريبهم كبيراً جداً، ولذلك قد يساعد التمكن من إلحاق الشخص التالي بالتدريس أو التدريس الخصوصي. فإذا كان البشر لا يعرفون بعد ما يفعلونه حقاً، فهل يمكن لأدوات مثل Tutor CoPilot أن تساعد؟
دورا ديمسكي: لا يتمثل تركيزنا المحوري في هذه التقنيات في توفير الوقت، بل في العنصر التعليمي، أي دعم التعلم المهني للمعلمين؛ فجميع المعلمين لديهم مجال للنمو. ويمكن تصميم نسخ مختلفة من الأدوات وفق مستوى خبرة المستخدم؛ فالمعلم المبتدئ مثلاً قد يُثقل بكثرة القرارات أو المعلومات قبل أن يحصل على مزيد من التدريب. وقد اختبرنا بعض الأدوات مع مبتدئين تماماً؛ ففي المقرر العالمي للبرمجة «Code in Place» الذي تديره جامعة ستانفورد، طبقنا أداة التغذية الراجعة للمعلمين مع آلاف من قادة الشعب المتطوعين، ومعظمهم بلا أي خبرة تدريسية. وقد ساعدتهم هذه الأداة، ومن ثم فهذه قاعدة مستخدمين كبيرة نستهدفها. لكننا سنحتاج إلى عمل تمهيدي لضمان ملاءمة هذه التقنيات للغات المختلفة والاحتياجات المحلية إذا أردنا استخدامها في السياقات التي ذكرتها.
منظمة التعاون الاقتصادي والتنمية: ما الذي تعتقدين أن الذكاء الاصطناعي التوليدي لن يستطيع أبداً فعله بالجودة التي يفعله بها الإنسان، إن وُجد، ولا سيما فيما يتعلق بالبعد الإنساني في التعليم؟
دورا ديمسكي: التحفيز وبناء العلاقات عنصران رئيسيان قد لا يؤديهما الذكاء الاصطناعي التوليدي أبداً بجودة البشر. ومع أن الحاجة قائمة إلى مزيد من البحث، فإن خبراء التعليم متفقون على ذلك، وهو أمر منطقي بديهياً. فالذكاء الاصطناعي لن يُنظر إليه بوصفه قدوة. وقد يشارك الطلبة الذكاء الاصطناعي أموراً لا يشاركونها البشر لأنهم أقل خوفاً من إظهار ضعفهم، غير أن الإنسان أقدر على دعم الرفاه الانفعالي وإيجاد المساءلة. فمع الذكاء الاصطناعي لا توجد مساءلة؛ فقد لا يكترث الطالب بما يفعله لأن الذكاء الاصطناعي لن يتأذى. والمهارات الاجتماعية الوجدانية مثلاً تُتعلم على نحو أفضل مع معلم بشري وأقران بشريين. فالتعلم ينطوي على ما هو أكثر بكثير من مجرد المعرفة أو جمع المعلومات.
التغذية الراجعة على أعمال الطلبة
التطبيق في الواقع
منظمة التعاون الاقتصادي والتنمية: لننتقل إلى المجال الأخير الذي ذكرتِه في البداية: التغذية الراجعة للطلبة. نعرف أنها أساسية للتعلم، للمعلمين كما ذكرنا، وللطلبة أيضاً. فما الذي يمكن للذكاء الاصطناعي التوليدي أن يقدمه في هذا الشأن؟
دورا ديمسكي: من المجالات المهمة للبحث والتطوير في القطاع الصناعي والأوساط الأكاديمية على السواء تقديم المعلمين تغذية راجعة للطلبة على أعمالهم. فالمعلمون كثيراً ما يفتقرون إلى الوقت، فلنتخيل أن لديهم 150 طالباً، وكذلك إلى التدريب على تقديم تغذية راجعة عالية الجودة. ولأننا نسعى إلى تجاوز مجرد الإنتاجية وتوفير الوقت، فإن التركيز على تحسين جودة التدريس والتغذية الراجعة أمر أساسي. وثمة بعض الأدوات، مثل Brisk، تدعم التغذية الراجعة المدفوعة بالذكاء الاصطناعي التوليدي، ولا سيما في الكتابة. ونحن نعمل على أدوات جرى التحقق من صلاحيتها بصرامة، تدعم أيضاً التعلم المهني المتعلق بتقديم التغذية الراجعة.
منظمة التعاون الاقتصادي والتنمية: هل تتحدثين عن التقييم التكويني، حيث تُقدَّم التغذية الراجعة على الواجبات المكتوبة للطلبة؟ أم أن الأمر مرتبط بتطبيقات التغذية الراجعة الآنية والممارسة الحوارية التي حدثتنا عنها؟ وكيف يرتبط الأمران، وماذا نعرف عن فاعلية الأدوات التي يجري تطويرها؟
دورا ديمسكي: يركز عملنا على التغذية الراجعة التكوينية التي يستطيع المعلمون تقديمها على واجبات الطلبة، مع تركيز قوي على المراجعة. فمن أهداف التغذية الراجعة مساعدة الطلبة على تحسين أعمالهم ومراجعتها، والطلبة أقل ميلاً إلى قراءة التغذية الراجعة إذا لم تتح لهم فرصة المراجعة. ونركز على المجالات التي يوجد فيها مجال لتحسن الطلبة وتكون مخاطرها أدنى. ولا تزال فاعلية أدوات التغذية الراجعة الجديدة هذه غير معروفة لأنها جديدة جداً، لكن التصميم يبدو سليماً من الناحية المفاهيمية.
وكثيراً ما يقبل المعلمون مقترحات الذكاء الاصطناعي التوليدي دون تحرير، وهذه مشكلة. ونحن نصمم أدواتنا صراحة لدعم المعلمين في إعداد التغذية الراجعة لا للحلول محل تغذيتهم الراجعة، لأن البحوث تشير إلى أن الطلبة أقل ميلاً إلى العمل بتغذية راجعة يرون أنها صادرة عن الذكاء الاصطناعي لا عن معلمهم. ومن الضروري أن يشعر الطلبة بأن التغذية الراجعة صادرة عن معلمهم. ونعمل على تطوير معيار مرجعي لجودة التغذية الراجعة، أي مجموعة من المقاييس لتقييم التغذية الراجعة الصادرة عن المعلمين أو عن أدوات الذكاء الاصطناعي، ونأمل أن يتبناه القطاع الصناعي.
ولدينا ورقة عمل تقارن التغذية الراجعة التي يكتبها الخبراء بتلك التي تولدها النماذج اللغوية الكبيرة. فمع أن النماذج اللغوية الكبيرة ليست سيئة، فإنها تتخلف كثيراً عن الخبراء في مجالات رئيسية. فهي مثلاً أقل حوارية بكثير، إذ تميل إلى تقديم مقترحات محددة لإعادة الكتابة، من قبيل «هذا لم يكن صحيحاً، وإليك كيفية إعادة صياغته»، بدلاً من التعامل مع الحجج الكلية أو سبر تفكير الطلبة لتشجيع المراجعة. كما قد تكون تعليقاتها مفككة، على خلاف التغذية الراجعة المتماسكة للمعلم التي يبني فيها كل تعليق على سابقه. ونحن نعمل بنشاط على تحسين استخدام أدوات الذكاء الاصطناعي التوليدي وتقييمه.
ولا يرتبط مساران من المشروعات ارتباطاً مباشراً حالياً: التغذية الراجعة الموجهة إلى المعلم على الحديث الصفي، التي تركز على الرياضيات ومجالات العلوم والتقنية والهندسة والرياضيات، والتغذية الراجعة الموجهة إلى الطالب على الكتابة. غير أننا نتصور دمجهما؛ فعلى سبيل المثال، يمكن للمعلمين تلقي تقرير بعد الدرس يلخص واجبات الطلبة والنقاشات الصفية، ويقدم مقترحات للتغذية الراجعة على الواجبات، ويوجه التخطيط للدروس المقبلة. وقد يكون ذلك نظاماً تكاملياً في المستقبل.
منظمة التعاون الاقتصادي والتنمية: إذن، هل جميع الأدوات التي ذكرتِها قابلة للاستخدام في الواقع في الصفوف أو بيئات التدريس الحضورية، باستثناء Tutor CoPilot المخصص للمنصات الافتراضية؟ فهل يمكنك مثلاً تصور استخدامات له في بيئة حضورية؟
دورا ديمسكي: علينا أن نحرص على ألا تصبح أدوات المقترحات الآنية مشتتة في السياقات الافتراضية أو الحضورية المادية، وألا تسلب المربين فاعليتهم. ومن الأفكار التي نستكشفها إظهار التغذية الراجعة في اللحظات العالية التأثير في صف آني، كحين يعمل الطلبة على حل المسائل ويكون ثمة توقف، بدلاً من تقديم المقترحات باستمرار. وقد يكون تحديد هذه الفترات غير المشتتة مفيداً جداً.
وفعل ذلك في سياق افتراضي أمر مباشر؛ إذ يمكنك توقع متى قد تحدث هذه اللحظات وإظهار التغذية الراجعة فيها. أما في الصف المادي فالأمر أصعب، بسبب التحديات المتعلقة بالرصد الدقيق لأصوات الطلبة، وإظهار التغذية الراجعة الآنية للمعلمين، عبر جهاز لوحي مثلاً، والتجهيزات اللازمة. وعلينا أن نتحدث مع المعلمين في هذا الشأن. وكان من الأسئلة المطروحة على المشاركين في قمة «أصوات الممارسين» كيف يمكن لهذه الأدوات دعم المعلمين في الصف المادي، سواء بتحليل العمل الجماعي أو خطاب المعلم. وقد يساعدوننا على تصور التطبيق العملي. وقد يكون هناك تفاوت، إذ يفضل بعض المعلمين التغذية الراجعة بعد التدريس بينما يقدّر آخرون الأدوات الآنية. وسيعرض تقريرنا الأطول ما تعلمناه من المعلمين.
