آلات التدريس لاكتشاف الأخطاء البشرية في واجبات الرياضيات

عند حل مسائل الرياضيات، غالبًا ما يتعين على الطلاب إظهار أعمالهم. إنها طريقة يستخدمها المعلمون لاكتشاف الأخطاء في التفكير، للتأكد من أن الطلاب يستوعبون المفاهيم الرياضية بشكل صحيح.

تهدف مشاريع الذكاء الاصطناعي الجديدة قيد التطوير إلى أتمتة هذه العملية. وتتمثل الفكرة في تدريب الآلات على التقاط الأخطاء التي يرتكبها الطلاب عند دراسة الرياضيات والتنبؤ بها، لتمكين المعلمين بشكل أفضل من تصحيح المفاهيم الخاطئة لدى الطلاب في الوقت الفعلي.

ولأول مرة على الإطلاق، يمكن للمطورين الآن بناء خوارزميات رائعة في منتجات من شأنها أن تساعد المعلمين دون مطالبتهم بفهم التعلم الآلي، كما تقول سارة جونسون، الرئيس التنفيذي في مختبر التدريس، الذي يوفر التطوير المهني للمعلمين.

تعود بعض هذه الجهود إلى منصة Eedi Labs للتكنولوجيا التعليمية ومقرها المملكة المتحدة، والتي عقدت سلسلة من مسابقات البرمجة منذ عام 2020 بهدف استكشاف طرق استخدام الذكاء الاصطناعي لتعزيز أداء الرياضيات. تم عقد آخرها في وقت سابق من هذا العام، وحاول استخدام الذكاء الاصطناعي لالتقاط المفاهيم الخاطئة من أسئلة الاختيار من متعدد وتفسيرات الطلاب المصاحبة لها. اعتمدت على بيانات Eedi Labs ولكن كانت تديرها The Learning Agency، وهي شركة استشارات تعليمية في الولايات المتحدة. وقد تلقت المسابقة مشروعًا مشتركًا مع جامعة فاندربيلت – وباستخدام منصة Kaggle لعلم البيانات – دعمًا من مؤسسة Gates Foundation ومؤسسة Walton Family Foundation، وتنافست فرق البرمجة على جوائز بقيمة 55000 دولار.

وحققت المسابقة الأخيرة دقة “مذهلة” في التنبؤ بالمفاهيم الخاطئة لدى الطلاب في الرياضيات، بحسب شركة Eedi Labs.

ويأمل الباحثون ومطورو تكنولوجيا التعليم أن يساعد هذا النوع من التقدم في جلب تطبيقات الذكاء الاصطناعي المفيدة إلى فصول الرياضيات – التي تخلفت في اعتماد الذكاء الاصطناعي، حتى عندما كان على مدرسي اللغة الإنجليزية إعادة التفكير في مهام الكتابة الخاصة بهم لمراعاة استخدام الطلاب للذكاء الاصطناعي. وقد زعم بعض الناس أنه حتى الآن كانت هناك مشكلة مفاهيمية مع “روبوتات الرياضيات”.

ربما يؤدي تدريب الخوارزميات لتحديد المفاهيم الخاطئة الشائعة لدى الطلاب إلى تطوير أدوات متطورة لمساعدة المعلمين على استهداف التدريس.

ولكن هل هذا كاف لتحسين درجات الطلاب المتدنية في الرياضيات؟

حل مسألة (الرياضيات).

حتى الآن، لا يتوقف طوفان الأموال المتدفقة على الذكاء الاصطناعي. على الرغم من المخاوف من أن الاقتصاد يعيش “فقاعة الذكاء الاصطناعي”، يأمل قادة تكنولوجيا التعليم أن تؤدي الاستخدامات الذكية المدعومة بالأبحاث للتكنولوجيا إلى تحقيق مكاسب للطلاب.

في الأيام الأولى للذكاء الاصطناعي التوليدي، اعتقد الناس أنه يمكنك الحصول على نتائج جيدة بمجرد ربط منصة تعليمية بنموذج لغوي كبير، كما يقول جونسون، من مختبر التدريس. ظهرت جميع أغلفة برامج الدردشة الآلية هذه، واعدة بأن المعلمين يمكنهم إنشاء أفضل خطط الدروس باستخدام ChatGPT في أنظمة إدارة التعلم الخاصة بهم.

وتقول إن هذا ليس صحيحا. وتضيف قائلة: إنك بحاجة إلى التركيز على تطبيقات التكنولوجيا التي يتم تدريبها على البيانات الخاصة بالتعليم لمساعدة معلمي الفصول الدراسية فعليًا.

هذا هو المكان الذي تحاول فيه Eedi Labs إحداث فرق.

حاليًا، تبيع شركة Eedi Labs خدمة دروس الذكاء الاصطناعي للرياضيات. النموذج، الذي تسميه الشركة “الإنسان في الحلقة”، يقوم على معلمين بشريين بفحص الرسائل التي يتم إنشاؤها تلقائيًا بواسطة نظامها الأساسي قبل إرسالها إلى الطلاب، وإجراء التعديلات عند الضرورة.

بالإضافة إلى ذلك، من خلال جهود مثل المنافسة الأخيرة، يعتقد قادة المنصة أن بإمكانهم تدريب الآلات على التقاط الأخطاء التي يرتكبها الطلاب والتنبؤ بها عند دراسة الرياضيات، مما يزيد من تسريع عملية التعلم.

لكن تدريب خوارزميات التعلم الآلي لتحديد المفاهيم الرياضية الخاطئة الشائعة التي يحملها الطالب ليس بالأمر السهل.

المتطور والحديث؟

إن مدى فائدة هذه المحاولات لاستخدام الذكاء الاصطناعي لرسم خريطة للمفاهيم الخاطئة لدى الطلاب يعتمد على ما يسميه علماء الكمبيوتر “الحقيقة الأساسية”، أي جودة البيانات المستخدمة لتدريب الخوارزميات في المقام الأول. وهذا يعني أن الأمر يعتمد على جودة أسئلة مسائل الرياضيات ذات الاختيار المتعدد، وكذلك على المفاهيم الخاطئة التي تكشفها تلك الأسئلة، كما يقول جيم مالاموت، باحث ما بعد الدكتوراه في كلية الدراسات العليا للتعليم بجامعة ستانفورد. Malamut ليس تابعًا لـ Eedi Labs أو لمنافسة وكالة التعلم.

ويقول إن النهج المتبع في المنافسة الأخيرة ليس رائدا.

قامت مجموعة البيانات المستخدمة في مسابقة المفاهيم الخاطئة لهذا العام بفرز إجابات الطلاب من خلال أسئلة الاختيار من متعدد مع مبررات موجزة من الطلاب. بالنسبة للشركة، يعد هذا تقدمًا، نظرًا لأن الإصدارات السابقة من التكنولوجيا اعتمدت على أسئلة الاختيار من متعدد وحدها.

ومع ذلك، يصف مالاموت استخدام أسئلة الاختيار من متعدد بأنه “غريب” لأنه يعتقد أن المنافسة اختارت العمل “بشكل مبسط” عندما تكون الأدوات التي يختبرونها أكثر ملاءمة لتمييز الأنماط في إجابات أكثر تعقيدًا ومفتوحة من الطلاب. ويقول مالاموت إن هذه، في نهاية المطاف، هي ميزة النماذج اللغوية الكبيرة. في مجال التعليم، اعتمد علماء القياس النفسي وغيرهم من الباحثين على أسئلة الاختيار من متعدد لفترة طويلة لأنها أسهل في القياس، ولكن مع الذكاء الاصطناعي لا ينبغي أن يشكل ذلك عائقًا كبيرًا، كما يقول مالاموت.

وبسبب انخفاض درجات الولايات المتحدة في التقييمات الدولية، تحولت البلاد في العقد الماضي وما فوق نحو “تقييمات الجيل القادم” التي تهدف إلى اختبار المهارات المفاهيمية. إنه جزء من تحول أكبر من جانب الباحثين إلى فكرة “التقييم من أجل التعلم”، والتي تنص على أن أدوات التقييم تركز على الحصول على المعلومات المفيدة للتدريس بدلاً من التركيز على ما هو مناسب للباحثين لقياسه، وفقًا لمالاموت.

ومع ذلك، تعتمد المنافسة على أسئلة تسبق بوضوح هذا الاتجاه، كما يقول مالاموت، بطريقة قد لا تتناسب مع اللحظة الحالية.

على سبيل المثال، طلبت بعض الأسئلة من الطلاب معرفة أي كسر عشري هو الأكبر، مما يلقي القليل من الضوء على الفهم المفاهيمي. بدلاً من ذلك، تشير الأبحاث الحالية إلى أنه من الأفضل مطالبة الطلاب بكتابة رقم عشري باستخدام كتل ذات أساس 10 أو الإشارة إلى الكسور العشرية المفقودة على خط أرقام محدد. يقول مالاموت: تاريخيًا، لم يكن من الممكن استخدام هذا النوع من الأسئلة في تقييم واسع النطاق؛ لأنها ذات نهاية مفتوحة للغاية. ويضيف مالاموت أن تطبيق الذكاء الاصطناعي على التفكير الحالي حول أبحاث التعليم هو على وجه التحديد المكان الذي يمكن أن يضيف فيه الذكاء الاصطناعي أكبر قيمة.

ولكن بالنسبة للشركة التي تعمل على تطوير هذه التقنيات، فإن “الحلول الشاملة” مهمة.

يقول المؤسس المشارك سايمون وودهيد، إن شركة Eedi Labs تمزج بين أسئلة الاختيار من متعدد والتقييمات التكيفية والاستجابات المفتوحة من أجل تشخيص شامل. ويضيف أن هذه المنافسة الأخيرة كانت الأولى التي دمجت استجابات الطلاب، مما أتاح إجراء تحليل أعمق.

يقول وودهيد إن هناك مفاضلة بين الوقت الذي يستغرقه إعطاء الطلاب هذه التقييمات والأفكار التي يقدمونها للمعلمين. لذلك يعتقد فريق Eedi أن النظام الذي يستخدم أسئلة الاختيار من متعدد مفيد لفحص فهم الطلاب داخل الفصل الدراسي. ويقول وودهيد إنه باستخدام جهاز واحد فقط في مقدمة الفصل الدراسي، يستطيع المعلم اكتشاف المفاهيم الخاطئة بسرعة. وفي المقابل، تساعد تفسيرات الطلاب والتقييمات التكيفية في إجراء تحليل أعمق للمفاهيم الخاطئة. ويقول وودهيد إن مزج هذه العناصر يمنح المعلمين أقصى فائدة. ويضيف وودهيد أن نجاح هذه المنافسة الأخيرة أقنع الشركة بالمزيد من الاستكشاف باستخدام استجابات الطلاب.

ومع ذلك، يعتقد البعض أن الأسئلة المستخدمة في المسابقة لم تكن دقيقة بما فيه الكفاية.

يشير وودهيد إلى أن المنافسة اعتمدت على تعريفات أوسع لما يمكن اعتباره “مفهومًا خاطئًا” مما تفعله شركة Eedi Labs عادةً. ومع ذلك، فقد أعجبت الشركة بدقة تنبؤات الذكاء الاصطناعي في المنافسة، كما يقول.

والبعض الآخر أقل ثقة من أنه يجسد بالفعل سوء فهم الطلاب.

يقول مالاموت إن الباحثين في مجال التعليم يعرفون الآن الكثير عن أنواع الأسئلة التي يمكن أن تصل إلى جوهر تفكير الطلاب وتكشف عن المفاهيم الخاطئة التي قد تكون لدى الطلاب أكثر مما اعتادوا عليه. لكن العديد من الأسئلة الواردة في مجموعة بيانات المسابقة لا تنجز هذا الأمر بشكل جيد، كما يقول. على الرغم من أن الأسئلة تضمنت خيارات متعددة الاختيارات وإجابات قصيرة، إلا أنه كان من الممكن استخدام أسئلة ذات صياغة أفضل، كما يعتقد مالاموت. هناك طرق لطرح الأسئلة التي يمكن أن تبرز أفكار الطلاب. بدلاً من مطالبة الطلاب بالإجابة على سؤال حول الكسور، يمكنك أن تطلب من الطلاب انتقاد عمليات التفكير التي يقوم بها الآخرون. على سبيل المثال: “أضاف جيم هذه الكسور بهذه الطريقة، موضحًا عمله بهذا الشكل. هل تتفق معه؟ لماذا أم لا؟ أين أخطأ؟”

سواء تم التوصل إلى شكله النهائي، فهناك اهتمام متزايد بهذه المحاولات لاستخدام الذكاء الاصطناعي، ويأتي ذلك مع الأموال اللازمة لاستكشاف أدوات جديدة.

من الكمبيوتر إلى الإنسان

تراهن إدارة ترامب بشكل كبير على الذكاء الاصطناعي كاستراتيجية للتعليم، مما يجعل الدولارات الفيدرالية متاحة. بعض الباحثين في مجال التعليم متحمسون أيضًا، مدعومين بتمويل قدره 26 مليون دولار من برنامج Digital Promise الذي يهدف إلى المساعدة في تضييق المسافة بين أفضل الممارسات في التعليم والذكاء الاصطناعي.

ولا تزال هذه الأساليب مبكرة، ولا تزال الأدوات بحاجة إلى البناء والاختبار. ومع ذلك، يرى البعض أنها بدأت تؤتي ثمارها بالفعل.

وجدت تجربة عشوائية محكومة أجرتها Eedi Labs وGoogle DeepMind أن تدريس الرياضيات الذي أدمج منصة Eedi للذكاء الاصطناعي عزز تعلم الطلاب في سن 11 و12 عامًا في المملكة المتحدة. ركزت الدراسة على نهج الشركة “الإنسان في الحلقة” – باستخدام دروس الذكاء الاصطناعي تحت إشراف الإنسان – المستخدمة حاليًا في بعض الفصول الدراسية. داخل الولايات المتحدة، يتم استخدام المنصة من قبل 4955 طالبًا عبر 39 مدرسة وكلية وشبكات تعليمية من الروضة إلى الصف الثاني عشر. وتقول شركة Eedi Labs إنها ستجري تجربة عشوائية محكومة أخرى في عام 2026 بالتعاون مع Imagine Learning في الولايات المتحدة

وقد تبنى آخرون نهجا مماثلا. على سبيل المثال، تشارك شركة Learning Lab بنشاط في العمل المتعلق بالذكاء الاصطناعي لاستخدامه في الفصول الدراسية، حيث أخبر جونسون EdSurge أنهم يختبرون نموذجًا يعتمد أيضًا على البيانات المستعارة من Eedi وشركة تدعى Anet. وفقًا لجونسون، يتم حاليًا اختبار مشروع نموذج البيانات هذا مع الطلاب.

تتطلب العديد من هذه الجهود مشاركة الرؤى والبيانات التقنية. وهذا يتعارض مع الممارسات النموذجية للعديد من الشركات لحماية الملكية الفكرية، وفقًا للرئيس التنفيذي لشركة Eedi Labs. لكنه يعتقد أن هذه الممارسة ستؤتي ثمارها. وكتب في رسالة بالبريد الإلكتروني: “نحن حريصون جدًا على أن نكون في الطليعة، وهذا يعني التعامل مع الباحثين، ونرى أن مشاركة بعض البيانات هي طريقة رائعة حقًا للقيام بذلك”.

ومع ذلك، بمجرد تدريب الخوارزميات، يبدو أن الجميع متفقون على أن تحويلها إلى نجاح في الفصول الدراسية يمثل تحديًا آخر.

كيف قد يبدو ذلك؟

يقول جونسون إنه يمكن دمج البنية التحتية للبيانات في منتجات تتيح للمدرسين تعديل المناهج الدراسية بناءً على سياق الفصل الدراسي. وتضيف أنه إذا كان بإمكانك ربط البنية التحتية ببيانات الطلاب والسماح لها بإجراء استنتاجات، فقد يوفر ذلك للمعلمين نصائح مفيدة.

تشير ميج بينر، المدير الإداري لوكالة التعلم، وهي المنظمة التي أدارت مسابقة المفاهيم الخاطئة، إلى أنه يمكن استخدام هذا لتزويد المعلمين بالمعلومات حول المفاهيم الخاطئة التي يرتكبها طلابهم، أو حتى لتحفيز درس على طراز برنامج الدردشة الآلي لمساعدتهم على التغلب على تلك المفاهيم الخاطئة.

يقول جونسون، من مختبر التدريس: إنه مشروع بحث مثير للاهتمام. وتضيف، ولكن بمجرد بناء هذا النموذج بالكامل، سيظل بحاجة إلى الاختبار لمعرفة ما إذا كان التشخيص المكرر يؤدي بالفعل إلى تدخلات أفضل أمام المعلمين والطلاب.

يشكك البعض في أن الطرق التي ستحول بها الشركات هذه المنتجات إلى منتجات قد لا تعزز التعلم كثيرًا. بعد كل شيء، فإن وجود نظام تعليمي على طراز chatbot يستنتج أن الطلاب يقومون بإجراء التفكير الإضافي عندما يكون التفكير الضربي مطلوبًا قد لا يغير تعليم الرياضيات. في الواقع، أظهرت بعض الأبحاث أن الطلاب لا يستجيبون بشكل جيد لروبوتات الدردشة. على سبيل المثال، كشفت مسألة الـ 5 بالمائة الشهيرة أن الطلاب المتفوقين فقط هم الذين عادة ما يشاهدون نتائج معظم برامج الرياضيات الرقمية. وبدلاً من ذلك، يتعين على المعلمين التعامل مع المفاهيم الخاطئة عند ظهورها، كما يقول البعض. وهذا يعني أن الطلاب لديهم تجربة أو محادثة تكشف حدود الأفكار القديمة وقوة التفكير الواضح. يكمن التحدي إذن في معرفة كيفية إيصال الرؤى من التحليل الحاسوبي والآلي إلى الطلاب.

لكن آخرين يعتقدون أن هذه اللحظة مثيرة، حتى لو كان هناك بعض الضجيج.

يقول مالاموت، طالب ما بعد الدكتوراه في جامعة ستانفورد: «أنا متفائل بحذر». ويقول إن التقييمات التكوينية وأدوات التشخيص موجودة الآن، لكنها ليست آلية. صحيح أن بيانات التقييم التي يسهل جمعها ليست دائمًا الأكثر فائدة للمعلمين. ولكن إذا تم استخدامها بشكل صحيح، فمن المحتمل أن تتمكن أدوات الذكاء الاصطناعي من سد هذه الفجوة.