ملخص: تتناول هذه الدراسة كيف يُعيد الذكاء الاصطناعي تشكيل البحث العلمي في الجامعات، موضحةً أنه لم يعد مجرد أداة مساعدة بل قوة قادرة على تحويل كل مراحل البحث من اكتشاف المعرفة إلى نشرها. وتبيّن أن دمج الذكاء الاصطناعي بشكل مسؤول يمكن أن يضاعف الإنتاجية ويعزز الابتكار والتعاون بين التخصصات، شرط أن ترافقه سياسات واضحة، وتدريب منهجي، وبنية رقمية قوية تضمن النزاهة والإنصاف في استخدام البيانات، ليصبح الذكاء الاصطناعي محفزًا لتطور البحث لا تهديدًا له.
مسرد المصطلحات
الذكاء الاصطناعي (AI): مصطلح عام للتقنيات التي يمكنها تحليل بيئتها والتصرّف بدرجة من الاستقلالية لتحقيق أهداف محددة. ويشمل نطاقًا واسعًا من التطبيقات.
الذكاء الاصطناعي متعدد الوسائط: أنظمة ذكاء اصطناعي يمكنها معالجة المعلومات وفهمها وتوليدها عبر وسائط متعددة مثل النصوص والصور والصوت والفيديو.
الذكاء الاصطناعي التوليدي (GenAI): فرع من الذكاء الاصطناعي قادر على إنتاج محتوى جديد مثل النصوص أو الصور أو وسائط أخرى. من أمثلته ChatGPT من OpenAI، وCoPilot من Microsoft Office، وGemini من Google، وClaude من Anthropic.
تعلّم الآلة: حقل فرعي من الذكاء الاصطناعي يركّز على بناء خوارزميات يمكنها "التعلّم" والتحسّن تلقائيًا من البيانات دون برمجتها صراحةً لكل مهمة. بدلًا من أن يكتب الإنسان قواعد محددة، يقوم الحاسوب بتحليل مجموعات بيانات كبيرة لاكتشاف الأنماط وإجراء تنبؤات أو اتخاذ قرارات.
النماذج اللغوية الكبيرة (LLMs): نوع محدّد من الذكاء الاصطناعي التوليدي صُمّم لفهم النص البشري وإنتاجه بالاستناد إلى كميات هائلة من البيانات. على سبيل المثال، يتمتع ChatGPT بقدرة لافتة على توليد مخرجات مترابطة، لكنه يمتلك أيضًا قابلية "الهلوسة" (إنتاج معلومات مقنعة لكنها غير صحيحة).
تقديم
بقلم السيدة ويندي هول والدكتور جايلز كاردِن
تأتي هذه المقالات في لحظة محورية، إذ تقدّم استكشافًا متعدّد الأوجه للأثر العميق للذكاء الاصطناعي على المشهد الأكاديمي. فبعيدًا عن كونه مستقبلًا بعيدًا، فإن "ثورة الذكاء الاصطناعي هنا والآن"، كما تذكّرنا جانيس كاي وديرفِل أوين، الأمر الذي يقتضي انخراطًا فوريًا ومدروسًا من المؤسسات والمعلمين والطلاب على حدّ سواء. يعمل هذا المجلّد كبوصلةٍ ترشد القرّاء عبر تضاريس دمج الذكاء الاصطناعي في التعليم العالي، مبرِزًا موضوعات رئيسية، ووجوهًا متباينة في الرؤى، ومجالات تقاطع وافتراق. إن وتيرة تقدّم قدرات الذكاء الاصطناعي وتغلغله في كل جوانب المجتمع تتطلب استجابة استباقية ومستنيرة، ما يجعل هذا العمل ليس آنيًا فحسب، بل ذا قيمة لكل من يضطلع بتشكيل مستقبل التعلّم.
في قلب هذا النقاش تتبدّى التعريفات والتوقعات المتفاوتة للذكاء الاصطناعي ذاته. فمن منظور كيت بورثويك البراغماتي ترى الذكاء التوليدي أداةً متاحةً على نطاق واسع وتتقدّم سريعًا، وقد أُدمجت على نحوٍ متزايد في برمجيات مألوفة مثل CoPilot في Microsoft Office وGrammarly؛ في حين تتناول روز لوكن الذكاء الاصطناعي من زاوية أكثر فلسفية بوصفه تكنولوجيا "تحلّل بيئتها وتتصرف بدرجة من الاستقلالية لتحقيق أهداف محددة". تصف لوكن هذه اللحظة بأنها "عاصفة مثالية" نتجت عن تقاطع البيانات الهائلة، وخوارزميات تعلّم الآلة المتقدمة، وقوة معالجة غير مسبوقة، بما يتحدّى مفاهيمنا التقليدية للذكاء.
يركّز فينتون ج. سيرف، أحد آباء الإنترنت ونائب رئيس Google، في مساهمته "النماذج اللغوية الكبيرة والتعليم وتطور الحوار الرقمي" على LLMs تحديدًا، مبرزًا "قدرتها اللافتة على توليد مخرجات مترابطة وصحيحة" إلى جانب قابليتها لـ"الهلوسة": أي إنتاج معلومات مقنعة لكنها مخالفة للواقع. ويؤكد سيرف أن هذا يبرز الحاجة الحرجة لتطبيق الفطنة والتثبت من الحقائق، تفاديًا لسيناريوهات عبثية كأن يوصي روبوت "بتناول حصى صغيرة لإضافة معادن إلى النظام الغذائي". إن هذا التباين في تعريف الذكاء الاصطناعي—بوصفه أداةً عملية، أو تحديًا فلسفيًا، أو تقدّمًا تقنيًا محدّدًا—يغذّي تنوّع مقاربات تطبيقه وما يُنظر إليه من فرص وتهديدات.
وتتكرر في هذه المقالات سمةٌ مركزية: الإلحاح على "محورية محو الأمية بالذكاء الاصطناعي". تدافع بورثويك عن تطويرها باعتبارها "مهارات أساسية للموظفين والطلاب"، مؤكدةً ستة مبادئ موجِّهة: المعرفة (فهم كيفية عمل LLMs)، التعاون (التشارُك في تصميم تدريب فعّال)، الاتصال (بيان دور الذكاء الاصطناعي في مخرجات التعلم)، الشفافية (نموذجية الاستخدام المسؤول)، الأخلاقيات (نقاش الآثار المجتمعية)، والتعلّم المستمر (التكيّف السريع مع التغير). ويشدد كاي وأوين على نهج "ثلاثي المحاور للطلاقَة في الذكاء الاصطناعي" ضمن القوى العاملة: تقييم الكفاءات الراهنة، والتطوير المستمر للمهارات، وتنمية قادة تربويين في الذكاء الاصطناعي. يبرز هذا التقاطع في محو الأمية بالذكاء الاصطناعي فهماً مشتركًا بأن الاعتراف بوجود الذكاء الاصطناعي غير كافٍ؛ بل لا بدّ من انخراطٍ واعٍ ومنهجي في بناء المهارات لضمان بقاء الجامعات ذات صلة وفاعلية.
مع ذلك، تتبدّى رؤى متباينة حول وتيرة وطبيعة التكيّف المطلوب. فبينما يؤكد كاي وأوين "رهبة" الاندماج والحاجة إلى أن تنمّي الجامعات "شهيةً للرشاقة والمخاطرة"، تعترف بورثويك بعدم اليقين بشأن مسار تطوّر الذكاء الاصطناعي والحاجة إلى تغييرات "مدروسة بعناية" في السياسات والممارسات لتجنب "ضرر غير مقصود أو لا مساواة". يعكس هذا التوتر—بين التغيير التحويلي السريع والتنفيذ المتأنّي الأخلاقي—تعقيدات إدخال تقنية تتطور سريعًا في أنظمة تعليمية راسخة. كما تواجه الجامعات—المعروفة بالتروّي والوتيرة المنظمة وضمان الجودة الصارم—تحدّي تسريع التغيير مع صون النزاهة الأكاديمية وضمان الوصول العادل، خاصةً في ظل فجوات رقمية مقلقة في استخدام الذكاء التوليدي مرتبطة بالنوع الاجتماعي والثروة والتخصص.
وتتلاقى الآراء على الاعتراف بتداعيات الذكاء الاصطناعي العميقة على التقييم. تشير بورثويك إلى أن الذكاء التوليدي بات "جيدًا جدًا" في إنجاز الأنشطة التي نطلبها عادةً من الطلاب لإظهار تعلّمهم، ما يطرح "تحديات كبيرة" على عملياتنا الراهنة. يمكن للذكاء الاصطناعي اليوم إنتاج مقالات رفيعة، وحل مسائل معقدة، وحتى محاكاة مخرجات إبداعية، ما يجعل التمييز بين عمل الآلة والإنسان أكثر صعوبة. وتضيف لوكن أن أساليب التقييم التقليدية باتت "موضع تدقيق متزايد"، داعيةً إلى إعادة تخيّل أطر التقييم بحيث تركّز على "تفكير وتعلم متقدّمين مثل فوق-المعرفية والتعلّم المنظّم ذاتيًا" وعلى "قدرات بشرية خالصة" مثل الإبداع والذكاء العاطفي والتفكير النقدي. والسؤال المفصلي: كيف نقيس التعلّم بدقة حين يستطيع الذكاء الاصطناعي محاكاة مخرجات بشرية بإتقان، وكيف ننقل التركيز من المخرَج إلى عملية التعلّم ذاتها؟
في مقاله "الذكاء الاصطناعي ومستقبل الاستراتيجية"، يقدّم جايلز كاردِن منظورًا جديدًا لدور الذكاء الاصطناعي في إدارة المؤسسات، متجاوزًا البيداغوجيا لبحث كيفية "أتمتة وتعزيز عمليات الاستراتيجية". يتصور الذكاء الاصطناعي وهو يقدّم "تحليلات سريعة وواسعة للبيئة الخارجية"، مع رؤى فورية حول ظروف السوق، والتموضع التنافسي، والاتجاهات العالمية التي كان الحصول عليها سابقًا صعبًا. يمكّن ذلك من تخطيط سيناريوهات أكثر تطورًا ونمذجة تنبؤية، بما يتيح "نهجًا أكثر ديناميكية وفورية في إدارة تنفيذ الاستراتيجية". ويتقاطع هذا مع النقاشات المتمحورة حول الطلاب والموظفين في فكرة الذكاء الاصطناعي كأداة قوية للكفاءة والبصيرة، مع ضرورة مراعاة "خيارات التكنولوجيا واقتصادياتها" (مثل تكاليف النماذج المتقدمة المتباينة) و"نضج البيانات" (الحاجة إلى بنية بيانات راسخة).
أما آنت باغشو، ففي "حان الوقت لخدمات الجامعات المهنية لاحتضان الذكاء التوليدي (حتى لو كان مؤلمًا)" يبرز قدرة الذكاء التوليدي على تبسيط المهام الإدارية كصياغة التقارير، وإعداد الردود الاستشارية، وتفسير اللوائح، ما يخلق "مكاسب إنتاجية ملموسة". وبينما يعترف باحتمال "تقليص الوظائف" بفعل الأتمتة، يجادل بأن هذا الانتقال المؤلم يفتح الطريق أمام "نظام تعليمي أفضل" عبر إعادة توجيه الموارد وخلق أدوار جديدة أكثر أثرًا تستثمر الإبداع البشري والرقيّ المعرفي. ويتناول سود باروانا كيفية توظيف الذكاء الاصطناعي بنجاح في الخدمات المهنية، مقترحًا "تحديد حالات استخدام عالية الأثر تستهدف العمليات المتكررة القائمة على القواعد واستفسارات الطلاب عالية الحجم"، مع التشديد على ضوابط أخلاقية، والامتثال للوائح البيانات، واستخدام أدوات تدقيق للتخفيف من التحيّز والضرر.
وربما كان القاسم الأعمق—والغاية الجامعة لهذا المجلّد—هو الدعوة إلى إعادة تعريف وتعزيز الذكاء البشري في عصر الذكاء الاصطناعي. تؤكد لوكن بحماسة أن "البشر بحاجة لأن يصبحوا أكثر ذكاءً، لا أقل"، مستخدمين الذكاء الاصطناعي "لتعزيز—لا لاستبدال—الذكاء البشري". وتتماهى المقالات ضمنيًا مع هذا: ينبغي ألا ينتقص الذكاء الاصطناعي من العمل المعرفي البشري بل أن يوسّعه كـ"امتداد ذهني". ويرى الكُتّاب أن دور التعليم العالي ليس مجرد التكيّف مع الذكاء الاصطناعي، بل تسخيره محفّزًا لصقل القدرات البشرية الفريدة—التفكير النقدي، الإبداع، الذكاء العاطفي، فوق-المعرفية (القدرة على فهم التفكير وتنظيمه)، والقدرة على التكيّف السياقي. والتحدي هو إعادة تصميم التعليم لتنمية هذه السمات المميزة، لضمان أن يكون الطلاب سادة نظمٍ ذكية قادرين على التقييم النقدي والتعاون الاستراتيجي، لا مجرد مستهلكين لمحتوى مُوَلَّد.
أما المقال الأخير في المجلد "الذكاء الاصطناعي ومستقبل البحث في الجامعات" فقد صاغه ChatGPT Enterprise من OpenAI استنادًا إلى مِحث مُحكَم. ونشجّعكم على مقارنته بالمقالات الأخرى التي كتبها بشر وتكوين آرائكم حول نقاط قوته وضعفه. ليست الفصول مجرد مجموعة من مقالات حول الذكاء الاصطناعي، بل نداءٌ إلى العمل: تأطير الثورة لا كتهديد ينبغي احتواؤه، بل كفرصة لإعادة التفكير جذريًا في غاية وممارسة التعليم العالي. من خلال إبراز الموضوعات الرئيسية ووجوه التباين والتقاطع، يهدف هذا العمل إلى تحفيز الحوار النقدي، وتشجيع الممارسات المبتكرة، وتمكين المؤسسات من اجتياز هذا العصر التحويلي ببصيرة وهدف، لضمان أن يرفع الذكاء الاصطناعي—لا أن يُضعِف—سعي البشر للمعرفة والذكاء.
1. محو الأمية بالذكاء الاصطناعي: تطوير مهارات أساسية للموظفين والطلاب
الأستاذة كيت بورثويك
الكتابة بيقين حول قيمة واستخدام الذكاء الاصطناعي التوليدي في التعليم ما تزال محفوفة بالمخاطر؛ فالتقدّم التقني يبدو يوميًا، وكثير من الأبحاث يُصبح متقادمًا عند نشره. لذا نفتقر إلى قاعدة أدلة واسعة حول تأثير الذكاء الاصطناعي على تحقيق مخرجات التعلّم التي نعتمدها عادةً لإرشاد تغييرات التعليم العالي وأساليبه. في هذا الفصل أستعرض "حالة المشهد" الراهنة للذكاء الاصطناعي والتعليم وأبرز الأهمية الحاسمة لتطوير محو الأمية بالذكاء الاصطناعي.
أين نقف مطلع 2025
شهد العامان الأخيران—تعليميًا—تقدمًا في انتشار وقدرات الذكاء التوليدي. انتقلنا من وعيٍ مفاجئ بـChatGPT إلى تطوّر سريع لأدوات عامة مماثلة مثل Claude وGemini، وصولًا إلى دمج متزايد لوظائف الذكاء التوليدي في نظم مألوفة مثل Microsoft Office (CoPilot) وBlackboard وGrammarly. باتت هذه الوظائف متاحة بسهولة—وأحيانًا يصعب تجنّبها.
بالتوازي، تقدّمت قدرات الذكاء التوليدي بحيث لم يعد بوسع المعلمين التعويل على معرفة "قيود" هذه الأدوات لكشف الأعمال المُنتَجة آليًا. فالذكاء التوليدي أصبح جيدًا جدًا في إنجاز الأنشطة التي نكلّف بها طلابنا لإظهار تعلّمهم، ويمكن أن يكون مفيدًا في أي مرحلة من التعلّم: من توليد الأفكار، وتطويرها، وإنتاج المحتوى، إلى الفحص والصقل النهائي للمخرجات. هذا يوفّر فرصًا قوية لتعزيز التعلّم، لكنه يطرح كذلك تحديات كبيرة على عملياتنا وأساليبنا في التدريس والتقويم والدعم.
ومع اندفاع شركات التكنولوجيا التجارية إلى نماذج عمل قائمة على الذكاء الاصطناعي، لا مؤشرات على تباطؤ الوتيرة. ومع ذلك، يبقى مسار تطور الذكاء التوليدي غامضًا ومشحونًا باللا يقين. وقد تؤثر إجراءات الحكومة البريطانية—مثل احتمالات التنظيم وبدء تنفيذ خطة عمل للذكاء الاصطناعي—على التعليم العالي.
تشير بيانات حديثة إلى مدى استخدام الطلاب للذكاء الاصطناعي دعمًا لدراستهم الجامعية. ففي فبراير 2025، أفاد تقرير HEPI وKortext بزيادة كبيرة في استخدام الذكاء التوليدي بين طلاب المرحلة الجامعية بين 2024 و2025؛ إذ ذكر 92% أنهم يستخدمون الذكاء الاصطناعي بشكلٍ ما، و88% تحديدًا في التقييمات. وأشار التقرير ذاته إلى أن طلاب 2025 رأوا الموظفين "أفضل تجهيزًا" لدعمهم في استخدام الذكاء التوليدي (42%) مقارنةً بـ2024 (18%)، ومع ذلك فهم يريدون مزيدًا من الدعم والإرشاد. سيتخرج طلاب اليوم إلى عالمٍ ستكون فيه المهارات والمعرفة في استخدام الذكاء الاصطناعي حاسمة لتوظيفهم وستغيّر طبيعة العمل نفسها. بل إن الذكاء الاصطناعي يغيّر بالفعل الطريقة التي نبحث بها عن الوظائف ونقدّم لها.
يصطدم الذكاء الاصطناعي اصطدامًا مباشرًا بأنظمة وعمليات تعليمية صيغت قبل الذكاء الاصطناعي—وأحيانًا قبل العصر الرقمي—ما يجعل التكيّف والتحوّل أمرين ضروريين. ورغم انخراط الجامعات عبر السياسات والإرشادات وزيادة استخدام الموظفين للذكاء الاصطناعي، فثمة حاجة مستمرة لمراجعة التدريس والتقييم لضمان العدالة والجودة. ويزداد الأمر إلحاحًا مع تعمّق فهمنا لتأثير الذكاء الاصطناعي على المجتمع؛ إذ تُظهر بيانات HEPI/Kortext المشار إليها سابقًا فجوات رقمية محتملة مقلقة في استخدام الذكاء التوليدي مرتبطة بالنوع الاجتماعي والثروة والتخصص، ويتعيّن التصدي لها تفاديًا للّامساواة.
تطوير محو الأمية بالذكاء الاصطناعي
في هذا السياق، يصبح تطوير مهارات محو الأمية بالذكاء الاصطناعي للموظفين والطلاب أمرًا أساسيًا. هكذا نتناول تطويرها وممارساتها في جامعة ساوثهامبتون. ننطلق من مبادئ مجموعة رَسِل المتفق عليها بشأن استخدام الذكاء الاصطناعي في التعليم، تمكينًا لاستخدام فعّال ومسؤول. مبادئنا الموجهة هي: المعرفة، التعاون، الاتصال، الشفافية، الأخلاقيات، والتعلم المستمر. تنطبق هذه المبادئ على الذكاء التوليدي عمومًا لا على أداة بعينها، وتساعد على بناء معرفة عملية في وقت تتسارع فيه قدرات الأدوات وتتنوع.
المعرفة: إن فهمًا أساسيًا لكيفية عمل النماذج اللغوية الكبيرة وتوليدها للمخرجات يقدّم رؤى كاشفة حول لماذا يخطئ الذكاء التوليدي ويُهلوس وينتج معلومات مضللة، وكيف يمكنه أيضًا أن يكون مُبدعًا وداعمًا في إنتاج المحتوى. كما أن التعرّف إلى طيف الأدوات والوظائف يساعد في تطوير معرفة سياقية وفعّالة، ويغرس روح النقد والإبداع. لا نهج واحدًا يَصلح للجميع؛ فالخبرة في الاستخدام المسؤول والملائم ستكون سياقية تتباين باختلاف التخصصات والبرامج والمقررات.
التعاون: على الجميع أن يكون "على متن السفينة"، مع الإقرار بأن التغيير يحدث الآن وأن لدينا وكالةً في كيفية الاستجابة. يجب أن نعمل مع الزملاء والطلاب لبناء تدريب فعّال في محو الأمية بالذكاء الاصطناعي يستجيب لاحتياجاتهم الفعلية. في ساوثهامبتون شاركنا الطلاب في صياغة الإرشاد الخاص باستخدام الذكاء التوليدي في الدراسة الجامعية، وتعمل فرق متعددة معًا لتوليد تدريب للموظفين والطلاب، بما يشمل مركز الممارسة في التعليم العالي، وفريق التعلم الرقمي، ومهارات المكتبة، والفرق الأكاديمية الخاصة بالأقسام. تبادل المعرفة والخبرات يعمّق فهم الواقع والإمكان، وينشر الممارسات الجيدة.
الاتصال: لطريقة حديثنا عن التعليم العالي في سياق تعلم الآلة أهمية أيضًا—اذكر "الإنسان". وضّح للطلاب غنى التدريس الجامعي وتطوّر المعرفة والمهارات عبر الزمن. الدرجة العلمية مسار تعلّم لا مجرد مخرج نهائي. ينبغي أن يرتبط البيان الواضح لكيف ومتى ولماذا ينبغي استخدام الذكاء التوليدي—أو الامتناع عنه—بمخرجات التعلّم العامة. وهذا يحتاج نظرًا حثيثًا مع بروز بحوث حول تأثير الذكاء التوليدي المحتمل على تنمية التفكير النقدي.
الشفافية: كن شفافًا بشأن استخدام الذكاء التوليدي في دعم تقديم التعليم. ومع شروعنا في التجريب بجعل المهام الإدارية أكثر كفاءة، تتاح لنا فرصة تطوير استخدام مسؤول وهادف عبر الإفصاح عن كيفية استخدامه—سواء في إنشاء مهام تعليمية أو التصحيح أو التغذية الراجعة أو الأعمال المكتبية الروتينية. يجب أن تعكس شفافية الموظفين ما نطلبه من الطلاب.
الأخلاقيات: ضمّن نقاش القضايا الأخلاقية المتعلقة باستخدام أدوات الذكاء الاصطناعي في الممارسة الأكاديمية المسؤولة. وانظر في القضايا الأوسع، كالأثر البيئي، وخصوصية البيانات وحقوق النشر، وتأثير الذكاء الاصطناعي على طبيعة العمل.
التعلم المستمر: تقع على عاتقنا مسؤولية التعلّم السريع والمستمر حول تأثير الذكاء التوليدي في ممارساتنا التعليمية (خصوصًا التقييم). قد تُطلب تغييرات سريعة أو تدريجية صغيرة. يجب أن تكون أي تغييرات في السياسة أو الممارسة مدروسة بعناية لتجنب ضرر غير مقصود أو لا مساواة.
ماذا يحمل المستقبل؟
من المهم "الثبات" وسط اللايقين والالتباس المستمرين. تمتلك الجامعات خبرة عميقة في تقديم التعلّم واعتماده، وتتكيّف عمليات ضمان الجودة لتستوعب التغيير. ويبعث على الاطمئنان أن الزملاء عبر القطاعات والأقسام يتأمّلون ممارساتهم، ويُدخلون تغييرات، ثم يتشاركون الخبرة. المستقبل سيكون لمن يستطيع التكيّف بنجاح—تعلّم مهارات جديدة ومواصلتها، وموضَعة الذكاء التوليدي ودمجه بطرق هادفة ومتنوعة عبر تقديم التعليم. سيبدو ذلك مختلفًا جدًّا بين من يدرّس علوم الحاسوب ومن يدرّس التاريخ مثلًا، لكن الاعتراف بهذا التنوع والاستجابة له يمكّننا من تطوير استخدامٍ مسؤولٍ متمركز حول الإنسان—ومن بنائه لدى طلابنا. فالحاجة إلى احتضان التغيير ليست حقيقة مستقبلية مجردة—إنها هنا الآن والطلاب والموظفون يعيشونها. سيكون التعليم العالي المدعّم بالذكاء الاصطناعي مختلفًا، وقد بدأنا بالفعل معًا اتخاذ خطوات الوصول إليه.
2. ثورة الذكاء الاصطناعي هنا والآن: فماذا عن قوّتنا العاملة؟
جانيس كاي وديرفِل أوين
الفرص والتحديات أمام القوى العاملة في التعليم العالي
"ثورة الذكاء الاصطناعي هنا والآن". يقف التعليم العالي عند نقطة انعطاف: على المؤسسات إدماج محو الأمية بالذكاء الاصطناعي ضمن أولوياتها الاستراتيجية كي تظل فعّالة وذات صلة. غير أن احتضان الذكاء الاصطناعي أمرٌ مهيب؛ فالدمج معقّد ويتطلب قيادة متبصرة، وانخراطًا، وابتكارًا، والأهم شهيةً للرشاقة والمخاطرة—وهي خصال قد تجد الجامعات صعوبة فيها.
تكشف استطلاعات حديثة عن اعتماد سريع لأدوات الذكاء الاصطناعي بين الطلاب، بما في ذلك استطلاع HEPI/Kortext المذكور في الفصل السابق. كما يشير استطلاع Time for Class إلى أن الطلاب يعتمدون الأدوات بوتيرة أسرع من محاضريهم: 59% من طلاب الولايات المتحدة في ربيع 2024 يستخدمون أدوات الذكاء التوليدي، مقارنةً بـ36% من أساتذتهم. كما أن 36% إضافية من الأساتذة لم يستخدموا الأدوات قط، مقابل 23% من الطلاب.
في كلا الاستطلاعين، كان الطلاب فضوليين ومتحفّظين، ولم يبدُ لديهم رغبة كبيرة في الغش، بل في الاستفادة من قوة الأدوات لتسريع التعلّم. ويُعد هذا الحوار المفتوح الطريق الصحيح. يجب أن نشجّع الطلاب على الصراحة حيال مخاوفهم وتطلّعاتهم وكيفية معالجتها. وكما هو الحال دائمًا، يبقى إشراك الطلاب مفتاحًا لفهم دوافعهم وفهمهم لدوافعنا.
كما أبرز استطلاع HEPI/Kortext لعام 2025 زيادة مطمئنة في نسبة الطلاب الذين يرون أن موظفي الجامعة "مجهّزون جيدًا" للعمل مع الذكاء الاصطناعي؛ إذ ارتفعت من 18% عام 2024 إلى 42% عام 2025. وهذه إشارة قوية إلى أن الوقت مناسب لتشجيع الموظفين على الابتكار والمخاطرة، وبناء بيئة يُدعَم فيها خوض المخاطر وتُرى الإخفاقات فرصًا للتعلم وتُفسَح المساحة للأفكار التحويلية كي تزدهر. لا بد من منظومة داعمة للطلاب الراغبين في الابتكار وللمحاضرين الذين يدفعون بحدود التدريس عبر الذكاء الاصطناعي.
إن نهجًا يحتضن المخاطرة المحسوبة يشكّل انحرافًا كبيرًا عن الأعراف الراسخة في الجامعات والهيئات التنظيمية. علينا أن نتحدّى ثقافة ضمان الجودة التي بُنيت لتخفيف المخاطر وتميل إلى الفعل الحذر والتحسين التدريجي. إنها ثقافة تُدخل التغيير ببطء وعلى دورات—مثل جداول نشر نشرات البرامج التي تقيد الجامعات بالتزامات أشبه بالتعاقد لتقديم ما نُشر. وقد يكون لذلك وجاهته، لكن بصراحة: أيهما أفضل للطلاب ولمؤسساتهم؟ عدم الالتزام بأساليب تقييم نُشرت قبل عامين؟ أم عدم التكيّف مع حقيقة أن طرائق الوصول إلى المعلومات وهضمها وعرضها انقلبت رأسًا على عقب خلال العامين الماضيين؟
تفرض وتيرة التغيير أن نتحرك بشكل أكثر إلحاحًا لدعم طلابنا في استخدام هذه الأدوات. يجب حل هذا التوتر بالشراكة بين الطلاب والموظفين. وفي خطوة مرحّب بها، لاحظنا أن مكتب الطلاب Shas حضّ القطاع مؤخرًا على إجراء "تغييرات جريئة للتكيّف مع هذا السياق الآخذ في التحدي". ويجب أن يترافق ذلك مع تركيز مستمر على تنظيم قائم على المخاطر يشمل محو الأمية بالذكاء الاصطناعي ويعترف صراحةً بمخاطر عدم الفعل.
في ثقافة متينة لمحو الأمية بالذكاء الاصطناعي، يصبح تطوير الموظفين الفعّال ضرورة استراتيجية. غالبًا ما تتكئ نماذج التغيير التقليدية على "المتبنين الأوائل" لنشر الممارسات الجيدة، لكن هذا غير كافٍ بالنظر إلى سرعة تبنّي مقاربات الذكاء الاصطناعي والحاجة الملحّة إلى تمكين الموظفين لإرشاد الطلاب نحو الاستخدام المسؤول. علينا الانتقال من التكيّف التدريجي إلى تخطيط مؤسسي للقوى العاملة يضمن كفاءة الموظفين في استخدام الذكاء الاصطناعي وقدرتهم على الانخراط نقديًا مع تبعاته على البيداغوجيا والتقييم والنزاهة الأكاديمية. يجب أن يكون التخطيط الاستباقي الذي يرسّخ كفاءة الذكاء الاصطناعي عبر قاعدة الموظفين أولوية مؤسسية.
نهج ثلاثي الأضلاع للطلاقَة في الذكاء الاصطناعي
1) تحديد مستويات الكفاءة في مؤسستك: ينبغي للجامعات قياس مهارات الذكاء الاصطناعي لدى قوتها العاملة. على الجميع امتلاك مستوى ما من الكفاءة يتفاوت بحسب الدور والمهام. تختلف مهارات المعلّم عن الإداري المهني. لذا يجب أولًا تحديد مستويات المهارات المطلوبة عبر المؤسسة—بما في ذلك تحديد حدود دنيا للكفاءة من خلال استقصاءات واختبارات وتحليلات فجوات—وتخصيص وقت في أعباء العمل لبناء الكفاءات وإتاحة التجريب.
2) صيانة المهارات وتعزيزها لضمان الإتقان: بعد تحديد المستويات، ينبغي دمج الذكاء الاصطناعي في التطوير المهني المستمر بحسب الأدوار. على المؤسسات وضع حوافز تشجّع المشاركة في الارتقاء بالمهارات—مثل الشهادات الجزئية، واعتمادات التطوير المهني، أو الاعتراف ضمن معايير الترقية—لضمان دعم اكتساب الكفاءات. ويجب منح المعلّمين وقتًا ضمن أعباء عملهم لتطوير المهارات، وجعل الإتقان توقعًا لا خيارًا. ونشير إلى أن الإطار الأوروبي للكفاءة الرقمية للمعلمين يقسم الإتقان إلى ستة مستويات: مبتدئ، مستكشف، مُدْمِج، خبير، قائد، رائد—وهو إطار مفيد لاستخدام الذكاء الاصطناعي. كما قدّمت هيئة ضمان الجودة (QAA) تمهيدًا قائمًا على الكفاءات لدعم الموظفين في مرافقة تعلم الطلاب للذكاء الاصطناعي.
3) تطوير قادة في بيداغوجيا الذكاء الاصطناعي: يدفع القادة والروّاد عجلة الابتكار ويكسرون الحدود في أساليب التعلم والتقييم المعززة بالذكاء الاصطناعي، ويُمكنهم إرشاد الزملاء عبر الأدوار المتنوعة، والمساهمة في الاستراتيجية المؤسسية. يجب ألّا يُترك بروز هؤلاء للصدفة؛ بل تُصمَّم برامج لاحتضانهم وخلافاتهم. على الجامعات تمكين تربويين ومحترفين قادرين على تقييم التقنيات الناشئة بعيون نقدية ودمجها ضمن أطر بيداغوجية منضبطة وأخلاقية وخاصة بالتخصص. لا ينبغي أن تقتصر الطلاقة على المهارات التقنية، بل تتناغم مع علوم التعلّم ونزاهة التقييم وأخلاقيات البيانات. يتطلب ذلك استثمارًا منظمًا في بحث الذكاء الاصطناعي التربوي، وبرامج محو الأمية، وتعاونًا بين التخصصات.
خلاصة القول: المؤسسات التي تُدمج محو الأمية والكفاءة في الذكاء الاصطناعي ضمن أولوياتها الاستراتيجية ستبرز قادةً للابتكار التربوي. أما التي تواصل الاتكال على تدريبات مجزأة قصيرة الأجل فستجد نفسها تكافح للحفاظ على المصداقية الأكاديمية وراهنيّة التدريس. السؤال ليس إن كانت الجامعات تستطيع تحمّل كلفة التحول؛ بل هل تستطيع تحمّل كلفة عدمه؟
3. الذكاء الاصطناعي ومستقبل الاستراتيجية
الدكتور جايلز كاردِن
يصعب تحديد اللحظة الدقيقة التي ترسخت فيها الاستراتيجية كمفهوم وتخصص في عالم الأعمال، لكن يمكن القول إن جذورها تعود إلى أعمال بعض العلماء في خمسينيات وستينيات القرن الماضي. فقد قدّم بيتر دراكر عام 1954 مفهوم «الإدارة بالأهداف»، وهو نهج استراتيجي يتعاون فيه المديرون والموظفون على تحديد أهداف الأداء، ووضع خطط العمل، ومراقبة التقدم نحو تحقيق هذه الأهداف بانتظام. وسلط ألفريد تشاندلر عام 1962 الضوء على أهمية الاستراتيجية المنسقة طويلة الأجل في تشكيل البنية التنظيمية وتوجيهها. أما إيغور أنسوف فطرح عام 1965 «تحليل الفجوة»، لمساعدة المؤسسات على تحديد الفجوة بين وضعها الحالي ووضعها المنشود وصياغة استراتيجيات لردم هذه الفجوة.
عندما بدأتُ أول دور مهني لي في قطاع التعليم العالي عام 1997، كانت قلة من الجامعات تمتلك استراتيجيات واضحة منشورة. وقد تطورت الاستراتيجية وتخصص «الإدارة الاستراتيجية» ــ أي عملية تنفيذ الاستراتيجيات وإدارتها لتحقيق أهداف المؤسسة ــ على نحو كبير خلال العقود الثلاثة الماضية. وبعد تعيين نائب رئيس جديد للجامعة بات من المألوف أن يضع استراتيجية جديدة، وأن تدعمَه في ذلك وظيفةٌ متخصصة بالاستراتيجية ضمن خدمات الجامعة المهنية.
الخطوة التالية في تطور الاستراتيجية ستكون تطبيق الذكاء الاصطناعي. فمستجدات الذكاء الاصطناعي تمنحه اليوم قدرة كبيرة على تحويل الطريقة التي تُنجَز بها الاستراتيجية في الجامعات، سواء على صعيد الصياغة أو التنفيذ. ولا يعني هذا أن الذكاء الاصطناعي سيتولى «تقرير» الاستراتيجية، بل يتعلق بكيف يمكن للتكنولوجيا أن تؤتمت وتعزّز عملياتها.
صياغة الاستراتيجية
عند تقطير صياغة الاستراتيجية إلى مكوناتها الأساسية نجد الخطوات الآتية:
i) النظر إلى البيئة الخارجية.
ii) تحليل القطاع أو الصناعة وفحص الوضع التنافسي.
iii) النظر في الوضع والنوايا المستقبلية.
iv) اتخاذ الخيارات الاستراتيجية وتحديد الأهداف.
تشمل هذه الخطوات تحليلات وتشخيصات استراتيجية كمية ونوعية واسعة النطاق، تُعلِم وضع الأهداف والتخطيط. وفي عالم متقلب كالذي نعيشه اليوم، يستطيع الذكاء الاصطناعي تقديم تحليلات سريعة وعريضة للبيئة الخارجية وتزويدنا بمعلومات حول القوى الخارجية التي ينبغي أخذها بالحسبان عند صياغة الاستراتيجية. فضلًا عن ذلك، يمكن للذكاء الاصطناعي تسريع تحليل البيانات والارتقاء به وتقديم رؤى أكثر شمولًا وسرعة حول خصائص الأداء الحالية للجامعة وأداء منافسيها.
ورغم أن التعليم العالي في المملكة المتحدة يتمتع ببعض أشمل عمليات جمع البيانات في العالم، ظل من الصعب قياس الأداء مقارنةً عالميًا. كثيرًا ما تعتمد الجامعات على تصنيفات عالمية توفر مجموعة غير مثالية من المقاييس البديلة. من المرجح أن يُحدث الذكاء الاصطناعي ثورة في الرؤى العالمية، إذ يمكنه جمع وتحليل كميات هائلة من البيانات المنظمة وغير المنظمة بسرعة وفي الزمن الحقيقي، ما يوضح أوضاع السوق والاتجاهات، ويُسرّع إنتاج الرؤى الحاسمة.
وتتضمن التحليلات الاستراتيجية أيضًا أساليب مثل تخطيط السيناريوهات والنمذجة التنبؤية والتوقعات. سيؤتمت الذكاء الاصطناعي هذه التحليلات ويُنتجها بوتيرة أسرع وبمستوى أعلى من التعقيد. ومع ذلك يجب التعامل بحذر مع الذكاء الاصطناعي التنبؤي. فلا ينبغي الاعتماد التام على مخرجاته، بل اختبارها للتحقق من موثوقيتها. في المقابل، يوفر الذكاء الاصطناعي التوليدي وجهة نظر أخرى أمام صانعي القرار التنفيذيين، بينما سيبقى الحكم البشري أساسيًا في تشكيل الاستراتيجية المستقبلية للمؤسسات. ولأن البشر قد يحملون تحيزات واعية أو غير واعية، فبوسع الذكاء الاصطناعي أن يساعد في معالجة هذه المسألة.
نهج ديناميكي ومتكيّف لتنفيذ الاستراتيجية
سيكون للذكاء الاصطناعي تأثير عميق أيضًا على تنفيذ الاستراتيجية. فخلال تنفيذ الاستراتيجية المؤسسية سيُمكّن الذكاء الاصطناعي من فهم أفضل وأكثر ديناميكية لأداء المؤسسة في الزمن الحقيقي. وعلى صعيد دعم القرار سيقدم مؤشرات أداء رئيسية وتحليلات أداء يمكن مراقبتها بوتيرة أعلى، بما يسمح بنهج أكثر تطورًا لمتابعة تنفيذ الاستراتيجية. كما سيزودنا بمخرجات لإعلام قرارات تخصيص الموارد، وتقديم معلومات عن الخطوة التالية للمنافسين، وإظهار اتجاهات القطاع وطنيًا وعالميًا بصورة نشطة. هذا يسمح بتعديل الخطط على نحوٍ أكثر تكرارًا، ويساعد على تحديد القوى العالمية التي قد تؤثر في تحقيق الأهداف الاستراتيجية الرئيسية، بما يسهل اتخاذ إجراءات تصحيحية أسرع.
وفي المشاريع التحولية الكبرى يستطيع الذكاء الاصطناعي أتمتة المهام المتكررة مثل الجدولة، وتتبع التقدم، والتقارير. ويمكن لمساعدي المشاريع الافتراضيين المدعومين بالذكاء الاصطناعي دعم مديري المشاريع عبر تولي المهام الإدارية، وتقديم التذكيرات، وحتى اقتراح أفكار بالاستناد إلى بيانات المشروع، بما يتيح للمديرين التركيز على الجوانب الأكثر استراتيجية. كما يمكن لخوارزميات تعلم الآلة تحسين دقة تقديرات المشاريع وجداولها الزمنية من خلال التعلم من بيانات مشاريع سابقة، ما يقود إلى تخطيط وتنفيذ أكثر موثوقية.
وباختصار سيقود الذكاء الاصطناعي حتمًا إلى نهج أكثر ديناميكية وفورية لإدارة تنفيذ الاستراتيجية في الجامعات. وتقدم نتفليكس مثالًا لشركة تستخدم الذكاء الاصطناعي لمراقبة استراتيجيتها ديناميكيًا وإجراء تدخلات تصحيحية سريعة. فمحرك التوصية لديها، إلى جانب اقتراح الأفلام أو المسلسلات، يراقب أداء استراتيجيات المحتوى المختلفة. ويتتبع الذكاء الاصطناعي عادات المشاهدة ومعدلات الإكمال وسلوكيات البحث وفاعلية الصور المصغرة في الزمن الحقيقي، ما يتيح للشركة أن ترى فورًا ما إذا كان عرضٌ ما يحقق هدفه في رفع التفاعل في منطقة معينة أو إن كانت هناك حاجة لتحويل الاستثمارات التسويقية أو إنتاج المحتوى.
التحديات
i) خيارات التكنولوجيا واقتصاديات الذكاء الاصطناعي
اختيار التكنولوجيا عامل حاسم، وستحتاج الجامعات إلى استراتيجية وخارطة طريق تضمن نهجًا مترابطًا لتنفيذ الذكاء الاصطناعي. كما ينبغي تقييم اقتصاديات القدرات بعناية. يجادل الباحث أندرو فيليف بأنه بدفع 200 دولار شهريًا لاشتراك ChatGPT Pro من OpenAI بدل 20 دولارًا، يوفّر آلاف الدولارات، لأن النسخة الاحترافية تقدم معرفة متخصصة مقارنةً باستشارة خبير تقليدي تكلفته لا تقل عن 500 دولار. ويضيف أننا وإن اعتدنا انخفاض تكلفة الحوسبة أسيًا، إلا أن ما قد يبدو زيادة طفيفة في «الذكاء» للمراقب قد يتطلب قفزة كبيرة في التكلفة الحاسوبية. فعلى سبيل المثال يكلف نموذج OpenAI o1 مبلغ 60 دولارًا لكل مليون «رمز مخرجات»، بينما يكلف o1-pro، وهو أغلاها، 600 دولار لكل مليون «رمز مخرجات». و«رموز المخرجات» هي الوحدات الأساسية التي تستخدمها النماذج لمعالجة النص وتوليده. يوضح ذلك أن المستخدمين سيواجهون معضلة عند الشراء، وقد يجدون صعوبة في موازنة السعر مقابل القيمة عند اقتناء أدوات الذكاء الاصطناعي.
ii) نضج البيانات
قد لا تكون بنى البيانات في عديد من الجامعات ناضجة بما يكفي لدمج بعض أدوات الذكاء الاصطناعي، ما يستلزم الاستثمار في تقنيات تنظيم البيانات وإنشائها والوصول إلى المصادر الداخلية والخارجية المملوكة.
iii) ترشيح الإشارات
تشير «مجموعة بوسطن الاستشارية» إلى استخدام البيانات تنافسيًا لتوليد «أفضلية الإشارة» أي القدرة على التقاط الإشارات المستخلصة من بيانات غنية وديناميكية وتفسيرها والتصرف بناءً عليها بسرعة. ومع احتمال سيلٍ من البيانات التي ينتجها الذكاء الاصطناعي، سيغدو من المهم تمييز الإشارات المهمة والقيمة والأصيلة. الذكاء الاصطناعي غير كامل، ورغم قوته في معالجة البيانات المنظمة وغير المنظمة لتوليد رؤى، سيتعين على صناع القرار غربلة «الحَبّ عن القش». وستتحسن جودة الرؤى حتمًا مع نضج التقنية. ومثال ذلك تقدم «الاستدلال القائم على الوكلاء» Agentic Reasoning في الذكاء الاصطناعي. فنحن معتادون على طرح سؤال على نموذج لغوي كبير كأننا نكتب مقالة في جلسة واحدة من دون ضغط زر الرجوع. أما الاستدلال القائم على الوكلاء فهو أكثر تطورًا وتكرارًا: تكتب مسودة حول موضوع ما، تحدد إن كان البحث على الويب مطلوبًا، تنشئ مسودة أولى، تفكر في الأجزاء التي تحتاج مراجعة وبحثًا إضافيًا، ثم تعيد الصياغة.
iv) المهارات
مع توسيع استخدام الذكاء الاصطناعي في وظائف دعم الاستراتيجية ستبرز حاجة إلى مهارات وأدوار جديدة لإدارة مدخلات التقنية ومخرجاتها. وينبغي أن تركز هذه المهارات على صياغة الأسئلة التي يُراد من الذكاء الاصطناعي الإجابة عنها، وفهم حدود التقنية، ونقل المخرجات بدقة وموثوقية ليستفيد منها صانعو القرار.
يوفر الذكاء الاصطناعي فرصًا كبيرة للطريقة التي تُمارس بها الاستراتيجية في الجامعات. العالم الذي نعيشه شديد التعقيد، وهذا يفرض تحديات على الاستراتيجيين، غير أن الذكاء الاصطناعي يمكن أن يساعدنا على فهم هذه التعقيدات بصورة أفضل. وبوصفي استراتيجيًا أنظر بحكمٍ شديد إلى التطبيق من زاوية التموضع التنافسي. ومع إدراك التحديات التي ستواجه الجامعات عند تبني الذكاء الاصطناعي، فإن تلك التي ستتمكن من اعتماده ودمجه بفعالية وكلفة مناسبة في صياغة الاستراتيجية، وتوسيع استخدامه عبر مجالاتها التشغيلية، وتسخيره لتيسير التنفيذ، تملك فرصة التفوق على نظيراتها الأبطأ في التبني.
4. لقد حان الوقت لتبنّي الخدمات الجامعية المهنية للذكاء الاصطناعي التوليدي
الدكتور آنت باغشو
ما الذي تجيده أدوات الذكاء الاصطناعي التوليدي حقًا؟
إن النماذج اللغوية الكبيرة – مثل ChatGPT من OpenAI، وGemini من Google، وClaude من Anthropic – تتعامل ببراعة مع الكلمات. فهي قادرة على إنتاج محتوى مكتوب بسرعة تفوق العديد من الكتّاب ذوي الخبرة، وغالبًا بجودة أفضل. أستخدم هذه الأدوات لتلخيص الوثائق الطويلة، وصياغة المسودات الأولى للتقارير، والحصول على تغذية راجعة حول ما أكتبه. نعم، استخدمت هذه الأدوات لمساعدتي في إعداد هذا المقال، رغم أن الكلمات هنا كُتبت بيدي شخصيًا.
مهمتي المفضلة هي أن أطلب من إحدى هذه الأدوات – التي استوعبت خلال تدريبها عشر سنوات من مواقف المنظمة وسياساتها وإصداراتها الإعلامية – أن تكتب ردّ المجموعة على أحدث وثيقة استشارة حكومية. النتيجة عادةً جيدة جدًا، ليس فقط لأن القضايا نفسها تتكرر في هذا القطاع باستمرار، بل لأن للمجموعة مواقف سابقة حولها. عادةً ما أحصل على إجابة تمثّل نحو 80% من المطلوب، ويمكنني تقييمها بثقة لأن لدي تصورًا واضحًا عمّا ستكون عليه "الإجابة الصحيحة". فمخرجات الأداة ليست الموقف النهائي، بل مدخل لعملية العمل. وهذا يمثل مكسبًا ماديًا في الإنتاجية، إذ مكّن مجموعة صغيرة من الوصول إلى ذاكرة مؤسسية كانت قد فُقدت بسبب تغيّرات الموظفين أو لصعوبة الوصول إليها عبر أدوات البحث التقليدية.
إن إعداد الردود على الاستشارات الحكومية أو صياغة البيانات الصحفية ليس سوى جزء ضئيل مما يجري في الجامعات. لكن من خلال عملي في وظائف الخدمات المهنية داخل المؤسسات الجامعية، وبصفتي مستشارًا للعديد من الجامعات، أرى عددًا هائلًا من المهام التي يمكن للذكاء الاصطناعي التوليدي المساعدة فيها. فالجامعات، عادةً، مؤسسات يغلب عليها الطابع الورقي. التقارير، جداول الأعمال، السياسات، والمحاضر جميعها نصوص قياسية تصلح تمامًا لاستخدام الذكاء التوليدي. وحتى تفسير اللوائح والأنظمة لم يعد بحاجة إلى اختصاصيين نادرين، إذ يمكن الوصول إليها الآن عبر أدوات مفتوحة وسهلة الاستخدام. العديد من المهارات والمعارف والعمليات التي كانت تُعدّ ثمينة داخل الجامعات لم تعد نادرة كما كانت.
تحوّل طبيعة العمل المعرفي
توجد تقارير كثيرة من كبريات شركات الاستشارات تتنبأ بدور الذكاء الاصطناعي في تغيير طبيعة العمل. فقد أشار تقرير "ماكينزي" لعام 2023 بعنوان الذكاء الاصطناعي التوليدي ومستقبل العمل في أمريكا إلى أن 30% من ساعات العمل الحالية يمكن أتمتتها بحلول عام 2030. وتشير التحليلات إلى أن الفئات التي ستحقق أكبر مكاسب إنتاجية ستكون العاملين في مجالات العلوم والتكنولوجيا والهندسة والرياضيات (STEM)، والتعليم والتدريب، يليهم العاملون في الفنون والإبداع، والأعمال، والمهن القانونية، والإدارة.
الذكاء الاصطناعي التوليدي قادم ليؤثر في أعمال كل من يساهم في استمرار تشغيل الجامعات. من غير المعقول أن تعمل الجامعات من دون موظفين بشريين، لأن هناك أدوارًا تعتمد على التفاعل الجسدي أو التواصل الإنساني المباشر الذي يُحدث أثرًا إيجابيًا لا يمكن استبداله. لكن علينا أن ندرك أن للذكاء الاصطناعي تداعيات هائلة على الجامعات، وأن النتيجة الصافية ستكون على الأرجح تقليص عدد الوظائف.
إن وعد الأتمتة لا يتعلق فقط بتحسين الكفاءة، بل أيضًا بجودة أفضل. الآلات ترتكب أخطاء، ولكن البشر يخطئون أيضًا. ومع ذلك يمكننا بناء أدوات تقدّم استشارات للطلاب على مدار الساعة، وبجميع اللغات، وبتحيز أقل من كثير من الناس. يجب أن ننطلق من فرضية أننا بحاجة إلى "الأفضل والأرخص" في آن واحد. وفي ظل الضغوط الهائلة على ميزانيات الجامعات، فإن المكان الوحيد الذي يمكن أن تتحقق فيه وفورات حقيقية ومستدامة هو تقليص عدد الموظفين. سيكون هذا مؤلمًا وصعبًا، لكنه أيضًا يفتح الطريق أمام نظام تعليم عالٍ أفضل وأكثر كفاءة في استخدام موارده المحدودة.
الجامعة لا تُوجد لتخدم موظفيها، بل لتكون مكانًا يتلقى فيه الطلاب تعليمًا عالي الجودة ونافعًا، ولتكون مصدرًا لبحوث تؤثر إيجابيًا في العالم. وتحقيق طموح نظام تعليم جماهيري قائم على موارد محدودة لا يمكن أن يتحقق إلا بتحسين الإنتاجية.
كيف نصل إلى ذلك؟
لدينا اليوم الدافع الملح للتغيير، ولدينا الأدوات التي تمكننا من إعادة تشكيل العمل الجامعي. تكمن العقبات في الثقافة أكثر من التكنولوجيا. فصورة الجامعة كمجتمع إنساني للتفاعل المباشر محببة لكثيرين في القطاع، لكن التوسّع الكبير في أعداد الطلاب والموظفين جعل جزءًا كبيرًا من التجربة غير شخصي: أنظمة بلا وجوه، صناديق بريد عامة، ومعايير متكررة أصبحت أكثر شيوعًا من التفاعل الإنساني الحقيقي. قد يبدو الأمر قاسيًا للبعض، لكن التعليم العالي واسع النطاق واقع لا رجعة فيه – وينبغي أن يكون بجودة أعلى. ولن يتحقق "الأفضل وللجميع" إلا إذا استُخدمت الموارد بأفضل شكل ممكن، أي بتطبيق التكنولوجيا المتاحة وتحقيق وفوراتها.
إن تبنّي الذكاء الاصطناعي على نطاق واسع في وظائف الخدمات المهنية لن يكون مجانيًا، لكن لا حاجة لأن نسلم شيكات مفتوحة لشركات التكنولوجيا الكبرى. يوجد داخل القطاع خبرات كافية، كما أن هناك منافسة سوقية يمكن الاستفادة منها لعقد الصفقات المناسبة. الأدوات الحالية ليست مثالية – فهي لا تخلو من التحيز أو مشكلات الملكية الفكرية أو الأخطاء أو الهلوسة – لكن النظام الحالي ليس مثاليًا أيضًا. وإذا كان علينا أن نختار بين نظامين معيبين، فالأجدر اختيار الأقل تكلفة.
التغيير صعب، ويجب أن ندعم الناس خلال مرحلة الانتقال. فهناك وظائف جديدة تُخلق اليوم، والجامعات يمكنها أن تكون أيضًا مكانًا لإعادة تأهيل زملاء تضرروا من هذه التحولات. إن مساعدة الزملاء على الانتقال إلى أدوار جديدة الآن أكثر إنسانية من الإصرار على الحفاظ على وظائف يمكن للآلات أن تؤديها بكفاءة أكبر وتكلفة أقل. الإبقاء على مثل هذه الوظائف سيكون ظلمًا للموظفين وإضرارًا برسالة الجامعة.
المضي قدمًا بخطى واثقة
سيُحدث الذكاء الاصطناعي تغييرًا جذريًا في طبيعة العمل، مُلغِيًا بعض الأدوار ومُنشئًا فرصًا جديدة. يجب أن تكون استجابتنا استباقية لا دفاعية. مصدر الحماس للجامعات يجب أن يكون خلق وظائف جديدة وأفضل داخلها – وظائف تمنح العاملين القدرة على أداء أعمال مؤثرة وإبداعية ومتقدمة، بفضل أدوات عالية الجودة. إنها فرصة للقادة في الخدمات المهنية ليتحمّلوا مسؤولية قيادة أنماط جديدة من العمل.
تجربتي تقول إن معظم العاملين في الأدوار المهنية داخل الجامعات يؤمنون برسالتها. فهم يريدون دعم بحوث تغيّر العالم، وتمكين أكبر عدد من الطلاب من الاستفادة من تعليم تحويلي. وبالطبع، يريدون الحفاظ على وظائفهم أيضًا. ينبغي أن نغتنم هذا الإيمان ونحدّد بوضوح مستقبل الخدمات المهنية، ونوضح كيف يمكن للتطبيق واسع النطاق للذكاء الاصطناعي أن يخدم جميع الأطراف.
الطريق أمامنا مليء بالتحديات، لكن الجامعات لطالما كانت قادرة على الإصلاح وإعادة التشكّل كلما ظهرت تكنولوجيا جديدة أو تغيرت توقعات المجتمع. لقد حان وقت احتضان التغيير.
5. النماذج اللغوية الكبيرة، التعليم وتطور الحوار الرقمي
فينتون ج. سيرف
كُتب الكثير وسيُكتب أكثر عن استخدام الذكاء الاصطناعي في التعليم. ما إن اتّضحت القدرة التوليدية للنماذج اللغوية الكبيرة المتزايدة حجمًا (النماذج اللغوية الكبيرة هي نوع من الذكاء الاصطناعي صُمم لفهم النص البشري وتوليده بالاعتماد على كميات هائلة من البيانات – ويُعد ChatGPT مثالًا عليها) حتى ارتفعت أصوات القلق. قد يستخدم الطلاب روبوتات الدردشة لكتابة موضوعاتهم، ولن يستطيع المعلمون تمييز ما إذا كان الطلاب يتعلمون حقًا أم يمارسون فقط أساليب تلميح ذكية لتوليد المخرجات بطريقة «سحرية». أطلقت جهود لتدريب روبوتات على كشف النصوص المؤلفة بواسطة روبوتات أخرى. لم تكن هذه الجهود موثوقة دائمًا. فبينما لا يتعلم الطلاب بالضرورة مادة المقرر، فإنهم يتعلمون ضمنيًا كيف يوجهون الروبوتات لإنتاج المخرجات.
تشير كل الأدلة حتى الآن إلى أن النماذج اللغوية الكبيرة مدهشة في قدرتها على توليد مخرجات مترابطة وصحيحة، وهي في الوقت ذاته قادرة تمامًا على إنتاج مخرجات مقنعة لكنها منافية للواقع. يُطلق الخبراء على الحالة الأخيرة أحيانًا «الهلوسة».
تُذكرني هذه الحالة بتجربة سابقة حين التقى الويب العالمي والتعليم داخل الصف. اشتكت لي معلمة قائلة إنها «تكره الإنترنت». سألتها: «لِمَ ذلك؟» قالت: «الطلاب يجلبون حواسيبهم المحمولة إلى الصف ويستخدمونها بينما ألقي المحاضرة!» سألت: «وماذا يفعلون؟» ظننت أنهم على تويتر أو لينكدإن أو تيك توك أو أي موقع ترفيهي آخر. قالت: «إنهم يبحثون عمّا أتحدث عنه!» فقلت: «لحظة! أنتِ غير راضية لأن الطلاب مهتمون بمحاضرتك بما يكفي للبحث عن الموضوع عبر الإنترنت؟» قالت: «أنا المعلمة، وأحيانًا يتحدون ما أدرّسه!»
اقترحت عليها تمرينًا: اختاري عشرة مواقع وامنحي الطلاب مهمة انتقاء واحد منها ثم تقييم الموقع من حيث الوضوح والدقة. أخبريهم أنهم لن يحصلوا على الدرجة الكاملة ما لم يرجعوا إلى مصادر مطبوعة إضافة إلى المصادر الرقمية. هناك أماكن تُدعى مكتبات، وفيها أشياء تُدعى كتب قد تحتوي على معلومات ذات صلة بالمهمة.
في عالم اليوم، النماذج اللغوية الكبيرة عناصر جديدة ضمن النظام الرقمي بما فيه الويب. افترضي أن المعلمين يسمحون باستخدام هذه النماذج في إنجاز المهام الكتابية، لكن يشترطون على الطلاب إظهار جهد العناية الواجبة في التحقق من صحة المعلومات في المخرج الناتج. أي يقدّمون إحالات تدعم ادعاءات الحقائق، ومراجع لمصادر على الإنترنت وخارجها. هل يمكن للنماذج اللغوية الكبيرة أن تصبح نمطًا سقراطيًا جديدًا للتعلم؟ كلما فكرت في هذا زاد انجذابي إلى التبادلات النصية والشفهية مع هذه النماذج، مع تعزيزها بطرائق البحث التقليدية في المكتبات وعلى الويب لأغراض التحقق. بالطبع يجب تطبيق التحقق الفطري. هناك قصة عن روبوت نصح الناس بأكل حصى صغيرة لإضافة معادن إلى حميتهم الغذائية... هنا ينطبق «المنطق السليم».
وإذا تركنا جانبًا احتمالات الهلوسة، فإن للنماذج اللغوية الكبيرة قدرة استرجاع لافتة. فهي قادرة على تذكر كميات هائلة من التفاصيل على نحو موثوق، بينما قد لا يستطيع البشر ذلك. بمرور الوقت يميل البشر إلى النسيان، لكن النماذج لا تفعل ذلك إلا إذا وقع فشل في الذاكرة الحاسوبية. بالطبع قد يقود هذا الاسترجاع الممتاز، في غياب السياق أثناء التدريب، إلى إنتاج مخرجات مخالفة للواقع. إن تدقيق الحقائق لهذه النماذج وإضافة «حس مشترك» إليها قد يرجّح الكفة نحو زيادة فائدتها. وكان هذا «الحس المشترك» بمثابة الكأس المقدسة للذكاء الاصطناعي منذ نشأته في خمسينيات القرن الماضي.
عودة إلى الفكرة السقراطية، من الواضح أن النماذج اللغوية الكبيرة تزداد قدرة على خوض حوار منطوق ومكتوب. تمثل هذه الواجهات اللغوية الطبيعية واجهة برمجة تطبيقات أكثر مرونة ربما من الواجهات المُنظّمة تقليديًا. وهذا يوحي بإمكانية استخدام اللغة الطبيعية كواجهة بين نماذج لغوية كبيرة نفسها! بالطبع اللغة الطبيعية هي وسيلة البشر للتواصل مع بعضهم، لكن – مهما بلغ ذكاؤنا – فإن هذا النمط من تبادل المعلومات عرضة للغموض وسوء الفهم.
في عملي المبكر على الإنترنت مع زميلي وصديقي روبرت كان، كنا ندخل أحيانًا في نقاشات حادة (غالبًا كنتُ أنا من يبدأها). قد أصرخ: «ماذا؟ لا يمكن أن يعمل الأمر بهذه الطريقة!» سرعان ما اكتشفنا أن مصدر دهشتي ليس أن «بوب» مخطئ، بل أننا نحمل نماذج ذهنية غير متوافقة للمشكلة التي نناقشها. على سبيل المثال ربما افترضتُ أن مهمة ما ينبغي إنجازها خلال أسابيع قليلة – وهو ما يستحيل عمليًا – بينما كان لدى بوب منظور أطول بكثير – ربما خمس سنوات. تعلمنا أن نتوقف ونقارن نماذجنا الذهنية للمشكلة موضوع النقاش. بعد أن نسوي أوجه عدم التطابق يمكننا العودة للتعاون من دون جدال حاد، مع افتراض أننا نتحدث عن النموذج نفسه.
قد يتطلب استخدام واجهات اللغة الطبيعية بين النماذج اللغوية الكبيرة مزيدًا من التحديد الدلالي من أجل الدقة. توجد بالفعل خدمات تستخدم اللغة الطبيعية الشفهية أو النصية كواجهة برمجة تطبيقات، ومثال ذلك «مساعد Google». يمكن للنماذج أن تطلب من نماذج أخرى تنفيذ مهام أو الإجابة عن استفسارات. سيكون ذلك أشبه باللجوء إلى مساعد لطلب العون أو إلى زميل طلبًا للمشورة أو المعلومات. وبذلك يمكن أن تصبح النماذج اللغوية الكبيرة وهذه الواجهة اللغوية الطبيعية وسيلةً لإنجاز البحث أو أداء وظائف داعمة.
منذ خمسة وثلاثين عامًا، تكهّنا – أنا وروبرت كان – بمفهوم ذي صلة: «روبوت المعرفة» أو اختصارًا «نوبوت». في هذا التصور، يمكن إنشاء «نوبوت» (ربما عبر حوار مع تطبيق مساعد) يُطلق على الإنترنت لإنجاز مهام بحثية (أو غيرها). سيزور «النوبوت» مواقع على الإنترنت (تذكر أن هذا كان عام 1988 قبل ظهور الويب)، ويحلّ فيما كنتُ أتصوره «فندق النوبوت»، ويسأل «الكونسيرج» عن الخدمات المتاحة وكيفية تفعيلها. وباستخدام هذه الوظائف يُنجز «النوبوت» مهمته. ويمكن لـ«النوبوتات» أن تستنسخ نفسها لإنجاز جوانب من مهامها على التوازي، ثم تعود النسخ في النهاية بالمعلومات المطلوبة إلى الموقع الأصلي. قد تُطوّر اليوم طرق لتوثيق «لغة» التبادل بين «الكونسيرج» و«النوبوت» الزائر على موقع مثل: schema.org.
في الويب اليوم، المتصفحات وسطاء يشبهون «النوبوت». فالمتصفح – تحت تحكم شخص أو ربما نموذج لغوي كبير – يلتهم صفحات HTML (لغة ترميز النص الفائق التي تُنشئ بها صفحات الويب ومحتواها) أو XML (لغة ترميز قابلة للتمديد تُستخدم لتنظيم البيانات) ويفسرها ويتصرف بناءً عليها. ويتوقع خادم الويب طلبات HTTP (بروتوكول نقل النص الفائق) تمامًا كما يتوقع «كونسيرج النوبوت» الاستعلامات وطلبات المعاملات من «النوبوت» القادم. يجيب خادم الويب، ويعالج مستخدم المتصفح الاستجابة. وإذا أمكن للنماذج اللغوية الكبيرة أن تصبح «مستخدمي متصفح» عبر واجهات حوارية باللغة الطبيعية والبنية الرسمية لبروتوكول HTTP، فقد نكون أقرب إلى عالم «النوبوت» مما توقعت.
6. الذكاء الاصطناعي والذكاء البشري
الأستاذة روز لوكن
في هذا المقال أستعرض كيف يُعيد الذكاء الاصطناعي تشكيل فهمنا للذكاء، وما يترتب على ذلك من آثار على التعليم العالي، والحاجة الملحّة إلى سياسات تضمن أن يُستخدم الذكاء الاصطناعي كأداة لتعزيز الذكاء البشري، لا لاستبداله.
«العاصفة المثالية» لتطور الذكاء الاصطناعي
يُشير الذكاء الاصطناعي إلى التقنيات التي «تحلل بيئتها وتتصرف بدرجة من الاستقلالية لتحقيق أهداف محددة». ويشمل ذلك كل شيء من تطبيقات التعرف على الصوت إلى نماذج الذكاء الاصطناعي التوليدي المتقدمة مثل ChatGPT.
لكن ما يجعل الثورة الحالية في الذكاء الاصطناعي فريدة هو التقاء ثلاثة عوامل تشكل ما يمكن تسميته بـ«العاصفة المثالية»:
كميات هائلة من البيانات – فكل ما نفعله في حياتنا اليومية يُرصد ويُحوّل إلى بيانات تُجمع عنّا باستمرار.
خوارزميات تعلّم آلي متقدمة قادرة على معالجة تلك البيانات والتعلّم منها.
قدرة حوسبة غير مسبوقة تمكّن من تحليل كمّ هائل من المعلومات بسرعة هائلة.
هذا التلاقي أحدث تحولًا جذريًا في إمكانات الذكاء الاصطناعي، وجعلنا نعيش لحظة أصبح فيها الوصول إلى أدوات ذكية ومتقدمة متاحًا على نطاق واسع. ومن هنا بدأ التحدي الحقيقي لفهم ما يعنيه أن نكون «أذكياء».
الذكاء البشري في عصر الذكاء الاصطناعي
نحن نواجه مفارقة حاسمة في علاقتنا مع الذكاء الاصطناعي. فبينما نطوّر أدوات أكثر تقدمًا يومًا بعد يوم، يجب على البشر أن يصبحوا أكثر ذكاءً، لا أقل. وهذه مهمة صعبة أمام المربين، لأن تحويل الذكاء الاصطناعي إلى منتج استهلاكي – أي جعله جزءًا من الخدمات اليومية – يبعث برسائل مضللة للطلاب.
تُسوّق الشركات التكنولوجيا على أنها «تجعل الحياة أسهل» و«التعلّم بلا جهد»، لكن هذه الرسائل، في رأيي، تُسيء فهم جوهر التعليم. فالتعلّم الحقيقي يحتاج إلى جهدٍ ذهنيّ صادق، ويجب استخدام الذكاء الاصطناعي لا لتقليص هذا الجهد بل لتوسيعه وتعميقه.
الذكاء الاصطناعي يعالج المعلومات بسرعة ودقة مذهلتين، لكنه يفتقر إلى الفهم التأملي والسياقي الذي يميّز الذكاء البشري، ذلك الفهم المتعدد الأبعاد الذي يجمع بين التفكير النقدي، والذكاء العاطفي، والإبداع، والمعرفة الأكاديمية.
ومع ازدياد قدرة الذكاء الاصطناعي على محاكاة الذكاء الأكاديمي، علينا أن نتساءل: ما الذي يجعل ذكاءنا البشري فريدًا؟
في أبحاثي، حددتُ عدة أبعاد يتفوّق فيها البشر، مثل:
فهم طبيعة المعرفة وكيف نحكم على صدقيّتها؛
الوعي بتفكيرنا وقدرتنا على تنظيمه؛
والتخطيط والمراقبة والتأمل في ما نفكر ونفعله بهدف التحسين المستمر.
تُعرف هذه القدرة باسم فوق-المعرفية (Metacognition)، وهي أساسية لتعلّمنا ونمونا الذهني.
ورغم أن تطوير الذكاء الاصطناعي يدفعنا إلى رفع مستوى ذكائنا البشري، فإن الذكاء الاصطناعي نفسه يمكن أن يكون أداة في هذه الرحلة. أرى إمكانات هائلة في التحليلات الذكية (Intelligent Analytics). فأنظمة التعليم التقليدية تقيس عادةً مؤشرات محدودة مثل الدرجات ومعدلات التخرج، متجاهلة التطورات الدقيقة في القدرات الإدراكية. والسبب أن الأدوات السابقة لم تكن قادرة على قياسها.
اليوم يمكن للذكاء الاصطناعي أن يساعدنا على فهم أعمق لكيفية تعلّم الطلاب.
فمن خلال بيانات دقيقة وخوارزميات جيدة التصميم، يمكن للذكاء الاصطناعي تتبع أنماط تفاعل الطلاب مع الملاحظات، وطريقتهم في حل المشكلات، وتقلّبات حافزهم أثناء رحلة التعلم. هذه المعلومات تتيح لنا معرفة أوسع من مجرد مخرجاتهم، وتمكّننا من تقديم دعمٍ أكثر تخصيصًا ودقة. كما تُساعد الطلاب على بناء فهمٍ أفضل لأنفسهم كمتعلمين.
البيانات هي الأساس الذي يُبنى عليه تعلّم الذكاء الاصطناعي. وبالتالي، فإن جودة البيانات وشمولها وتكاملها تحدد ما يمكن أن يقدّمه الذكاء الاصطناعي في التعليم، وكيف يمكنه تعزيز الذكاء البشري.
تحدي البيانات في التعليم العالي
لكي تستفيد الجامعات فعليًا من الذكاء الاصطناعي، عليها مواجهة تحديات بيانات كبرى. وتشير أبحاثي إلى أربع قضايا رئيسية:
جودة البيانات وشمولها – كثير من المؤسسات لا تملك بيانات كافية وعالية الجودة لتدريب نماذج فعالة.
تكامل مجموعات البيانات المنعزلة – إذ تعيق الأنظمة المنفصلة الحصول على رؤية شاملة لتعلّم الطالب.
الاعتبارات الأخلاقية – خصوصية الطلاب، والموافقة المسبقة، والتحيز يجب أن تُدار بحذر.
بناء ثقافة الوعي بالبيانات – يحتاج أعضاء هيئة التدريس والإداريون إلى مهارات في تفسير وتحليل نتائج الذكاء الاصطناعي بمسؤولية.
أستخدم هنا استعارة «الأنابيب والقصائد» لتوضيح هذه الفكرة.
فالـ«قصائد» ترمز إلى التجارب التعليمية التحولية التي يمكن للذكاء الاصطناعي تمكينها، وإلى القدرات الفكرية الرفيعة التي نريد للطلاب تطويرها، أما «الأنابيب» فتمثل البنية التحتية للبيانات التي تجعل تلك التجارب ممكنة.
بدون أنابيب قوية، تبقى القصائد مجرد أحلام.
التوصية السياسية الأولى
يجب على مؤسسات التعليم العالي وضع استراتيجيات بيانات شاملة تتضمن:
تحديد التحديات التعليمية التي يمكن للذكاء الاصطناعي المساعدة في حلها؛
تحديد القدرات الفكرية المعقدة التي ينبغي تتبعها وتطويرها؛
وضع مبادئ واضحة لأخلاقيات استخدام بيانات الطلاب؛
وضمان قابلية تكامل الأنظمة عبر الأقسام والمؤسسات المختلفة.
إعادة تصور التقييم في عصر الذكاء الاصطناعي
تتعرض طرق التقييم التقليدية اليوم لتساؤلات كبيرة، لأن أدوات الذكاء الاصطناعي قادرة على إنتاج إجابات متقنة لأسئلة الامتحانات. لكن هذه ليست أزمة، بل فرصة لإعادة التفكير في كيفية قياس التعلّم.
يمكن للذكاء الاصطناعي تحليل أنماط تعلّم الطلاب، وتتبع تطور مهاراتهم في حل المشكلات، وفهم كيفية تفاعلهم مع الملاحظات.
بدلًا من الاعتماد الكامل على الامتحانات الموحّدة، يمكن للمؤسسات تبني:
تقييم تكويني مدعوم بالذكاء الاصطناعي لتتبع تقدّم التعلم؛
تقييم قائم على المشاريع والمحافظ لقياس القدرة على حل المشكلات الواقعية؛
آليات تقييم ذاتي وتقييم الأقران مدعومة بتحليلات الذكاء الاصطناعي.
فعلى سبيل المثال، استخدمت جامعة ولاية أريزونا الذكاء الاصطناعي لتحليل ما إذا كان الطلاب يطوّرون مهارات «التعلّم من أجل التعلّم» (LTL) أثناء دراستهم.
ويمثل ذلك تحسّنًا في التعلّم المنظم ذاتيًا، حيث يشارك الطلاب بنشاط في تعلمهم إدراكيًا وتحفيزيًا وسلوكيًا. وترتبط هذه المهارة بتحسن الأداء الأكاديمي واكتساب المعرفة.
التوصية السياسية الثانية
ينبغي للتعليم العالي أن يطوّر أطر تقييم جديدة تركز على:
قياس مهارات التفكير المتقدمة مثل فوق-المعرفية والتعلّم الذاتي؛
استخدام الذكاء الاصطناعي لتتبع تطور الطلاب المعرفي بمرور الوقت؛
وإعطاء الأولوية للقدرات البشرية الأصيلة مثل الإبداع والذكاء العاطفي والتفكير النقدي.
ويجب ملاحظة أن الذكاء الاصطناعي بات «يبدو» وكأنه يمتلك هذه الصفات البشرية، بل يمكن أن يدعم الإنسان في تطويرها، مما يجعل مهمة التقييم أكثر تعقيدًا.
تطوير الذكاء البشري لا الذكاء الاصطناعي فقط
يجب على التعليم العالي أن يركّز على رفع مستوى ذكائنا البشري، باستخدام الذكاء الاصطناعي لتعزيز قدراتنا الإدراكية لا لاستبدالها.
وهذا يتطلب تعليم الطلاب كيفية تقييم محتوى الذكاء الاصطناعي نقديًا، وفهم حدوده، وتطوير استراتيجيات للتعامل الفعّال معه كشريك ذكي.
الخاتمة
تمثل ثورة الذكاء الاصطناعي لحظة حاسمة حيث يحتاج البشر إلى أن يصبحوا أكثر ذكاءً في الوقت الذي تتطور فيه الأدوات من حولهم بسرعة.
بالنسبة للتعليم العالي، لا ينبغي أن يقتصر القلق على الغش الأكاديمي، بل يجب أن يمتد إلى إعادة النظر في ماهية التعليم نفسه، وكيف يمكن لكل ما ندرّسه أن يُنمّي ذكاء طلابنا البشري بطرق جديدة ومعقدة.
لا تزال التخصصات الأكاديمية ضرورية، لكنها أصبحت وسيلة لتطوير مهارات التفكير العميق التي ستمكّن الطلاب من الازدهار في عالمٍ تدعمه الأنظمة الذكية.
كما أؤكد دائمًا: علينا أن نستثمر في قدراتنا الإنسانية الفريدة – مثل فوق-المعرفية، والتعلّم الاجتماعي، والقدرة على التكيّف السياقي – وأن نستخدم الذكاء الاصطناعي لتعزيزها لا لاستبدالها.
إن التحدي أمام التعليم العالي ليس تقنيًا فقط، بل إنساني في جوهره. علينا أن نعيد التفكير في مفهوم الذكاء ذاته، وأن نعيد تصميم التعليم ليغذي القدرات البشرية الأصيلة التي ستبقى جوهرية في عصر الذكاء الاصطناعي.
7. تحويل الخدمات المهنية في التعليم العالي بالذكاء الاصطناعي
الدكتور سودير باروانا
لقد أثار الذكاء الاصطناعي خيال قادة التعليم العالي، خصوصًا لما يملكه من قدرة تحوّلية في مجالات التدريس والبحث والتقييم. غير أن بعض التطبيقات الأكثر فورية وتأثيرًا قد تكون في الخدمات المهنية، أي العمود الفقري الإداري والتشغيلي للجامعة. فمن القبول إلى الشؤون المالية، ومن دعم الطلاب إلى الموارد البشرية، تشكّل هذه الخدمات التجربة اليومية للطلاب والموظفين على حد سواء. ومع ذلك غالبًا ما تعوقها أنظمة قديمة، وفرق مثقلة بالأعباء، وعمليات يدوية. يقدّم الذكاء الاصطناعي فرصة لمعالجة هذه التحديات، لا باستبدال الموظفين، بل بإعادة التفكير في طريقة عملهم.
يشكّل موظفو الخدمات المهنية نحو نصف القوى العاملة في التعليم العالي في المملكة المتحدة. وهم يدعمون رحلة الطالب، يجيبون عن الاستفسارات، ويعالجون النماذج، ويديرون البيانات، ويضمنون سلاسة العمليات. غير أن تجميد الرسوم الدراسية المحلية لمرحلة البكالوريوس، مع تزايد أعداد الطلاب وارتفاع التوقعات بشأن الخدمات الرقمية الشخصية، قد وضع كثيرًا من الفرق تحت ضغط. والنتيجة هي تباين في مستوى الخدمات، وتراكم الأعمال، وأخطاء، وتجربة ضعيفة للطلاب والموظفين.
يمكن للذكاء الاصطناعي أن يساعد الجامعات على تحقيق أكثر من مجرد "التحول إلى الرقمنة". فهو قادر على تبسيط العمليات، وتوسيع نطاق الدعم، وتخصيص الخدمات بطريقة تعجز عنها الفرق البشرية وحدها. وتشير خبرات المتبنين الأوائل إلى أن هذا ليس ضجيجًا تسويقيًا، بل فرصة عملية للإصلاح.
فعلى سبيل المثال، استخدمت جامعة غلاسكو الأتمتة الروبوتية للعمليات لمعالجة المهام الإدارية المتكررة ومرتفعة الحجم. يشمل ذلك أتمتة معالجة الوثائق ونقل البيانات عبر الأنظمة، وهي مهام كانت تستهلك قدرًا كبيرًا من وقت الموظفين. والنتيجة: أخطاء أقل، وأزمنة إنجاز أسرع، وتحرير الموظفين للتركيز على التفاعل مع الطلاب والعمل الاستراتيجي. والأهم أن الموظفين أُشركوا مبكرًا في العملية، لضمان رؤية الأتمتة بوصفها مساعدة لا مهدِّدة. هذا النهج المتمحور حول الإنسان ضروري إذا أُريد للذكاء الاصطناعي أن يُحتضن بدل أن يُقاوَم.
منطق مشابه يدعم استخدام الذكاء الاصطناعي في خدمات مواجهة الطلاب. فقد قدّمت جامعة ستافوردشاير مساعدًا رقميًا يتيح للطلاب الوصول إلى جداولهم، وطلب الوثائق، والتفاعل مع جمعيات الطلبة، وحتى الاطمئنان إلى صحتهم النفسية. يعمل روبوت الدردشة على مدار الساعة، فيقدّم ردودًا فورية ويخفف العبء عن فرق الخطوط الأمامية. وبدلًا من استبدال المستشارين البشريين، يقوم الذكاء الاصطناعي بدور فرز أولي، محررًا الموظفين للتركيز على الحالات المعقدة أو الحساسة التي تتطلب تعاطفًا وحسن تقدير.
وبعيدًا عن الأتمتة وروبوتات الدردشة، يمكن للذكاء الاصطناعي تحسين صنع القرار. إذ تُستخدم نماذج التحليلات التنبؤية، بالاعتماد على بيانات تاريخية وآنية، لتحديد الطلاب المعرّضين لخطر الانسحاب. وفي جامعة نوتنغهام ترنت يتيح نظام لوحات متابعة قياس مؤشرات الاندماج والتدخل المبكر. تساعد هذه الأدوات فرق الدعم على التحرك استباقيًا، والوصول إلى الطلاب قبل تفاقم المشكلات. كما تمكّن المؤسسات من توزيع الدعم بكفاءة أعلى، عبر تركيز الجهود حيث تشتد الحاجة.
وتمتد الفوائد المحتملة إلى التسويق والقبول. فالنماذج المدفوعة بالذكاء الاصطناعي يمكن أن تتنبأ باتجاهات التقديم وسلوك المتقدمين، ما يمكّن من تخطيط أفضل ووصول أكثر استهدافًا. وتستخدم بعض الجامعات تعلّم الآلة لتخصيص الاتصالات مع الطلبة المحتملين أو لإثراء قرارات تخصيص المنح. وتقدّم هذه التطبيقات سبيلاً لتحسين معدلات التحويل ودعم توسيع المشاركة، إذا صُمّمت ورُوقبت بعناية.
ومع ذلك فطريق الخدمات المهنية المُمكّنة بالذكاء الاصطناعي ليس خاليًا من العقبات. أحدها تحدّي النضج في الذكاء الاصطناعي. فلا تزال مؤسسات كثيرة في المراحل الأولى لاعتماد الأدوات، وقد يفتقر الموظفون إلى المهارات أو الثقة اللازمة لاستخدامها بفاعلية. ووفق استطلاع دولي حديث، لا تقدّم سوى نسبة محدودة من مؤسسات التعليم العالي تدريبًا متعلقًا بالذكاء الاصطناعي للموظفين، ونسبة أقل بكثير استحدثت مواهب جديدة متخصصة في الذكاء الاصطناعي. وقد استثمرت منظمات الخدمات المهنية، ومنها شركات استشارية كبرى، استثمارات مهمة في رفع مهارات القوى العاملة في الذكاء الاصطناعي، عبر مبادرات من قبيل "أكاديميات الذكاء الاصطناعي" وفعاليات التعلم الاجتماعي لبناء الطلاقة الرقمية بسرعة. ويوفّر إطار "الذكاء الاصطناعي المسؤول" نموذجًا منظمًا لاعتماد آمن وأخلاقي وشفاف للذكاء الاصطناعي، مع التأكيد على الحوكمة وتخفيف التحيز والمساءلة، وهي مبادئ ملائمة بالقدر نفسه للخدمات المهنية داخل التعليم العالي.
لكن رفع المهارات ليس سوى جزء من الحل. إذ تحتاج المؤسسات أيضًا إلى إشراك موظفي الخدمات المهنية في تصميم أدوات الذكاء الاصطناعي وتنفيذها. فبدون رؤاهم، تخاطر الجامعات بإدخال أنظمة لا تعكس تدفقات العمل الحقيقية أو تعزز عمليات غير سليمة. الذكاء الاصطناعي ليس حلًا سحريًا، بل يجب أن يكون جزءًا من تحوّل أوسع نحو تحسين العمليات، وتكامل البيانات، ونهج أكثر تمحورًا حول المستخدم في تقديم الخدمة.
هناك أيضًا اعتبارات أخلاقية وتنظيمية. إذ تعمل فرق الخدمات المهنية غالبًا مع بيانات حساسة عن الطلاب، بما فيها السجلات الصحية والمعلومات المالية. يجب أن تلتزم الأنظمة باللوائح العامة لحماية البيانات، وأن تُصمَّم مع قدر عالٍ من الشفافية والإنصاف. كما لا ينبغي أبدًا استخدام الأدوات التنبؤية التي تُشير إلى الطلاب "المعرّضين للخطر" بطريقة عقابية، ويجب أن يظل اتخاذ القرار تحت إشراف بشري. وهناك خطر إضافي يتمثّل في إمكانية أن يُفاقم الذكاء الاصطناعي حالات عدم المساواة القائمة، خصوصًا إذا عكست بيانات التدريب تحيزات الماضي. فعلى سبيل المثال قد تضر أدوات التوظيف التي تتعلم من بيانات تاريخية بفئات معينة ما لم تُصحَّح صراحة. لذا يجب على الجامعات التأكد من تدقيق أنظمة الذكاء الاصطناعي بانتظام للكشف عن التحيز، وأن يعكس تصميمها قيم المؤسسة في الشمول والإنصاف.
وعلى الرغم من هذه التحديات، تبقى حجة إصلاح الخدمات المهنية بالذكاء الاصطناعي قوية. فالأمر لا يتعلق بمجرد خفض التكاليف أو تحسين الكفاءة، رغم أهمية ذلك في بيئة تمويل مقيدة. بل يتعلق بتمكين خدمات أكثر استجابة ومتانة وتمحورًا حول الطالب. ويتعلق بالسماح للمهنيين الموهوبين بالتركيز حيث يضيفون أكبر قيمة، وبضمان حصول الطلاب على دعم مناسب وفي الوقت المناسب طوال رحلتهم.
ولتحقيق هذا الإمكان، ينبغي للمؤسسات أن تبدأ بالآتي:
i) تحديد حالات الاستخدام عالية التأثير، مع استهداف العمليات المتكررة القائمة على القواعد واستفسارات الطلاب مرتفعة الحجم.
ii) إشراك الموظفين في التصميم المشترك، لضمان أن تعكس أدوات الذكاء الاصطناعي تدفقات العمل الحقيقية وتُرى كعوامل تمكين لا تهديد.
iii) الاستثمار في المهارات الرقمية، عبر توفير تدريب مستمر ودعم لجميع فرق الخدمات المهنية.
iv) اعتماد ضمانات أخلاقية، تشمل الامتثال للوائح البيانات وتدقيق الأدوات لاكتشاف التحيز أو الضرر.
v) مشاركة قصص النجاح، لبناء ثقافة التجريب والتعاون عبر القطاع.
قد تفتقر الخدمات المهنية إلى بريق الابتكار الأكاديمي، لكنها محورية في تجربة الطالب، وتدعم البحث والابتكار ونقل المعرفة، وكذلك استدامة القطاع. ومع ما يواجهه التعليم العالي في المملكة المتحدة من تعقيد وضغوط متزايدة، قد يثبت الإصلاح الذكي لهذه الخدمات باستخدام الذكاء الاصطناعي أنه ليس مجرد خيار مفيد، بل ضرورة.
8. الذكاء الاصطناعي ومستقبل البحث في الجامعات
ChatGPT
مقدمة
يُعيد الذكاء الاصطناعي تشكيل الطريقة التي يُنشأ بها العلم ويُفسَّر ويُنشر في المجتمع. وبالنسبة لقطاع التعليم العالي، ولا سيما المؤسسات البحثية، فإن ذلك يمثل فرصة وتحديًا في الوقت نفسه. فبينما تُحسن أدوات الذكاء الاصطناعي بالفعل من إنتاجية البحث وتفتح آفاقًا جديدة للاستقصاء العلمي، إلا أنها تُثير أيضًا مخاطر تتعلق بالإنصاف ونزاهة البحث واستعداد المؤسسات.
يستعرض هذا الفصل كيف يُحوِّل الذكاء الاصطناعي دورة البحث العلمي في الجامعات، ويناقش آثاره على السياسات المؤسسية والوطنية، ويقترح توصيات للقادة وصنّاع القرار في التعليم العالي من أجل تبني هذا التحول بطريقة مسؤولة وشاملة.
تواجه الجامعات ضغوطًا متزايدة لتقديم أبحاث أكثر تأثيرًا، وتعزيز الابتكار، والحفاظ على القدرة التنافسية في عالم رقمي سريع التطور. وفي الوقت نفسه، يتزايد حجم المخرجات البحثية ومصادر البيانات والمهام الإدارية على الأكاديميين. وهنا يبرز الذكاء الاصطناعي كمجموعة حلول قوية: فهو يُسرّع المراجعات الأدبية وتحليل البيانات، ويدعم الكتابة والتحكيم العلمي والتواصل العام. لكن من دون رؤية استراتيجية، يمكن أن تؤدي هذه التقنيات نفسها إلى تفاقم الفوارق، وتقويض الثقة، وتجاوز المبادئ الأخلاقية الأساسية.
السؤال ليس ما إذا كان الذكاء الاصطناعي سيؤثر على البحث العلمي، بل مدى استعداد الجامعات لتوجيه هذا التأثير. ومن ثم أصبح من الضروري صياغة استجابة سياسية منسقة.
الذكاء الاصطناعي عبر دورة البحث العلمي
تؤثر تقنيات الذكاء الاصطناعي في جميع مراحل البحث الأكاديمي الأساسية:
مرحلة الاكتشاف: أدوات معالجة اللغة الطبيعية مثل Elicit وSemantic Scholar تمكّن الباحثين من إيجاد وتلخيص الأدبيات بسرعة ودقة، مما يقلل الوقت اللازم لتحديد نطاق البحث ويُحسّن صياغة المشكلات البحثية.
جمع البيانات ومعالجتها: يمكن لنماذج الذكاء الاصطناعي تنظيف ودمج واستخلاص رؤى من مجموعات بيانات ضخمة ومتنوعة، تتراوح من بيانات أجهزة الاستشعار الحيوية إلى محتوى وسائل التواصل الاجتماعي، وبسرعة غير مسبوقة.
التحليل والنمذجة: تقنيات التعلّم الآلي والتعلّم العميق تمكّن من التعرف على الأنماط والتنبؤ بشكل يتجاوز القدرات الإحصائية التقليدية، ما أتاح اكتشافات جديدة في مجالات مثل علوم المناخ، وسياسات التعليم، والعلوم الإنسانية الرقمية.
الكتابة والنشر: النماذج اللغوية الكبيرة مثل GPT-4 تُستخدم الآن في تلخيص الأوراق البحثية، وهيكلتها، وترجمتها، وإنتاج نسخ موجهة للجمهور العام. كما يُجرَّب الذكاء الاصطناعي في التحكيم العلمي لاكتشاف التكرار أو العيوب المنهجية.
هذه القدرات ليست تحسينات تدريجية فحسب، بل تغييرات جذرية في كيفية إجراء البحث، خاصة في المجالات متعددة التخصصات والمعتمدة على البيانات.
الفوائد للجامعات والنظام البحثي الوطني
يوفر استخدام الذكاء الاصطناعي في البحث العلمي مجموعة من المزايا على مستوى النظام ككل:
زيادة الإنتاجية البحثية: من خلال أتمتة المهام الروتينية، يتيح الذكاء الاصطناعي للباحثين التفرغ للأنشطة ذات القيمة العالية، ما يساعد المؤسسات على تحقيق أهداف الأداء في أطر مثل REF وKEF.
تسريع تحويل المعرفة إلى أثر: يمكن للذكاء الاصطناعي تقليص الفجوة بين الاكتشاف العلمي وتطبيقه المجتمعي، خصوصًا في المجالات التي تتطلب بيانات فورية أو استجابة سياسية سريعة.
تشجيع الابتكار متعدد التخصصات: بوصفه تكنولوجيا عامة، يسهل الذكاء الاصطناعي التعاون بين مجالات كانت تعمل بمعزل، مما يتيح نهجًا تكامليًا لمواجهة التحديات العالمية.
تعزيز العدالة في الوصول: يمكن للأدوات مفتوحة المصدر ومتعددة اللغات أن تُمكّن الباحثين والمؤسسات محدودة الموارد، لا سيما في الجنوب العالمي، من المشاركة بفاعلية أكبر في البحث الدولي.
المخاطر الناشئة والتحديات الهيكلية
رغم ما يعد به الذكاء الاصطناعي، يجب توخي الحذر في تطبيقه داخل البحث الجامعي، نظرًا لعدة مخاطر:
التحيّز وغياب الشفافية: النماذج المدرَّبة على بيانات تاريخية قد تُعيد إنتاج تحيّزات أكاديمية أو اجتماعية قائمة، كما أن الأنظمة "الصندوق الأسود" تُضعف مبدأ الشفافية وقابلية التكرار العلمي.
نزاهة البحث وحقوق التأليف: يثير استخدام الذكاء الاصطناعي التوليدي في كتابة النصوص تساؤلات حول الأصالة وسلوك البحث ودور الإبداع البشري.
الامتثال الأخلاقي والقانوني: البحث الذي يستخدم بيانات شخصية أو حساسة يواجه تحديات معقدة تتعلق باللوائح مثل اللائحة العامة لحماية البيانات (GDPR) وتشريعات الذكاء الاصطناعي الجديدة.
فجوات القدرات: تختلف مهارات الباحثين في استخدام الذكاء الاصطناعي تفاوتًا كبيرًا، وقد يؤدي غياب الاستثمار في التدريب إلى نشوء فجوة رقمية جديدة داخل المؤسسات وبينها.
التوصيات الاستراتيجية لقطاع التعليم العالي
ينبغي للقطاع أن يتجاوز التجارب المتفرقة نحو استجابة شاملة ومنهجية. وفيما يلي ست توصيات لتحقيق تبنٍ مسؤول وشامل للذكاء الاصطناعي في البحث:
الاستثمار في البنية التحتية البحثية المتوافقة مع الذكاء الاصطناعي
ينبغي توفير بنية رقمية قوية تشمل الحوسبة عالية الأداء، والمنصات السحابية، وبيئات البيانات الآمنة، والوصول الموحد إلى قواعد البيانات الوطنية. ويُستحسن أن تتماشى الخطط المؤسسية مع برنامج البنية الرقمية للبحث التابع لـUKRI وأن تستكشف الخدمات المشتركة بين الجامعات.إنشاء وحدات دعم بحثية متخصصة في الذكاء الاصطناعي
على الجامعات أن تؤسس فرقًا ضمن مكاتبها البحثية تقدم المشورة بشأن استخدام الذكاء الاصطناعي، وتنظم الأدوات المعتمدة، وتربط بين الخبرة التقنية والمعرفية، على غرار وحدات الدعم الإحصائي أو التمويلي.وضع سياسات وحوكمة مسؤولة للذكاء الاصطناعي
ينبغي للمؤسسات إصدار سياسات واضحة بشأن: استخدام النماذج اللغوية في التأليف، وأخلاقيات البيانات والموافقة في مشاريع الذكاء الاصطناعي، وضمان الشفافية وإمكانية التكرار في النتائج البحثية. ويجب أن تُبنى هذه السياسات على أطر مثل «إطار أخلاقيات أبحاث الذكاء الاصطناعي في المملكة المتحدة».دمج محو الأمية الرقمية والذكاء الاصطناعي في التدريب البحثي
يجب على الممولين والجامعات تضمين التدريب على الذكاء الاصطناعي في برامج الدكتوراه وتطوير الموظفين ومناهج أساليب البحث، مع تغطية الجوانب التقنية والأخلاقية والاجتماعية والقانونية.تشجيع إنشاء مجموعات بحثية بينية في الذكاء الاصطناعي
إن إنشاء مراكز بحثية تجمع بين العلوم الاجتماعية وعلوم الحاسوب والإنسانيات والسياسات سيدفع نحو مشروعات عالية الأثر. وينبغي للممولين دعم التعاونات التجريبية والأبحاث الموجهة بالتحديات.التفاعل مع الشركاء الوطنيين والعالميين
على الجامعات بناء شراكات استراتيجية مع شركات الذكاء الاصطناعي والناشرين والمجتمع المدني لصياغة معايير حوكمة البيانات والابتكار المسؤول، وضمان أن تسهم التقدمات التقنية في الصالح العام وتحافظ على القيم الأكاديمية.
الآثار السياسية والخطوات المقبلة
إذا أرادت المملكة المتحدة أن تجعل الذكاء الاصطناعي مصدرًا للتميز والابتكار في البحث، فيجب أن تتبنى الوكالات الوطنية موقفًا داعمًا.
تشمل الخطوات المطلوبة:
تمويل برامج بناء القدرات في مؤسسات التعليم العالي، خصوصًا خارج مجموعة راسل.
وضع معايير للتأليف القائم على الذكاء الاصطناعي ومراجعة الأخلاقيات والتقارير التنظيمية.
إنشاء أنظمة بيانات قابلة للتشغيل البيني تتيح تبادل البيانات عالية الجودة بين الجامعات والحكومة تحت شروط موثوقة.
إن التعاون الوثيق بين الجامعات والجهات التنظيمية والممولين والصناعة ضروري لتحقيق تكامل آمن وشامل وقائم على القيم للذكاء الاصطناعي في البحث العلمي.
الخاتمة
يقدّم الذكاء الاصطناعي واحدة من أعظم الفرص في جيلنا لتعزيز كفاءة وشمولية وتأثير البحث الأكاديمي. لكن تحقيق هذا الإمكان لا يتطلب أدوات جديدة فحسب، بل عقليات واستراتيجيات جديدة تعيد تعريف ماهية البحث ولمن يخدم.
من خلال الاستثمار في المهارات والبنية التحتية وأطر الحوكمة اليوم، يمكن لقطاع التعليم العالي البريطاني أن يصبح ليس فقط مستخدمًا للذكاء الاصطناعي، بل رائدًا عالميًا في تطبيقه المسؤول والمحوِّل.
