الذكاء الاصطناعي في تقييم إمكانات التعلم لدى الطلاب المستجدين في مقررات التربية العمالية

يمثل الذكاء الاصطناعي موجة جديدة من ثورة تقنية المعلومات، وقد تغلغل في قطاعات شتى بوصفه أداة لا غنى عنها في تحليل البيانات والتنبؤ واتخاذ القرار، غير أن توظيفه في الارتقاء بالتربية العمالية لدى طلاب الجامعات ما يزال محدود التناول في البحث العلمي، إذ غالبًا ما تعجز الأساليب التقليدية في التدريس عن تقدير المعرفة الأساسية للطلاب تقديرًا دقيقًا، وهو ما يعيق التعلم الشخصي الملائم لخصائص كل طالب وقدراته، فالتقدير الخاطئ لمستوى الطالب قد يفضي إلى إثقاله بمهام تفوق قدرته أو إلى إهمال طاقاته الكامنة، وكلاهما يضر بحصيلة تعلمه وبناء اتجاهاته الإيجابية نحو العمل

وتنبع أهمية التنبؤ الدقيق بإمكانات تعلم الطلاب من كونه مدخلًا لتحسين كفاءة التدريس وتصميم تدخلات تربوية ملائمة لكل طالب على حدة، فحين يعرف المعلم مستوى الاستعداد لدى طلابه منذ بداية دراستهم الجامعية أمكنه توجيه الجهود وتوزيع الموارد بصورة أرشد، ويتباين الطلاب في مقررات ذات طبيعة عملية تطبيقية كالتربية العمالية في خبراتهم السابقة واتجاهاتهم نحو العمل تباينًا واسعًا يصعب على المعلم رصده بالملاحظة وحدها، وتعرض هذه الدراسة إطارًا للذكاء الاصطناعي قادرًا على التنبؤ الموثوق بقدرة الطلاب على التعلم، بما يفيد الباحثين في التقنية التعليمية وطلاب الدراسات العليا المهتمين بتطبيقات التعلم الآلي في التعليم العالي

أولًا: أهداف الدراسة ومنهجيتها

بنى الباحثان نموذجًا متعدد الأبعاد من الخصائص الرتبية اعتمادًا على بيانات الأداء الدراسي للطلاب خلال سنواتهم في المرحلة المتوسطة وعلى مدى استعدادهم للمشاركة في التربية العمالية على مستوى الجامعة، ووظفا آلة المتجهات الداعمة لتقييم إمكانات تعلم الطلاب بفاعلية، وللتحقق من كفاءة النموذج التنبؤي استخدما اختبار التحقق المتقاطع بأسلوب جاكنايف القائم على استبعاد حالة واحدة في كل مرة وإعادة تقدير النموذج واختبار قدرته على تصنيف الحالة المستبعدة، وتعد آلة المتجهات الداعمة من خوارزميات التعلم الآلي الشائعة في مهام التصنيف والتنبؤ لقدرتها على التعامل مع البيانات متعددة الأبعاد وتحقيق دقة تصنيف عالية

ثانيًا: أبرز النتائج

1. حقق النموذج المقترح دقة كلية لافتة بلغت 97.75 في المئة في التنبؤ بإمكانات تعلم الطلاب المستجدين في مقررات التربية العمالية

2. بلغ متوسط الحساسية في النموذج 93.90 في المئة، وهو ما يعني قدرة عالية على التعرف الصحيح إلى الحالات المستهدفة بالتصنيف

3. بلغ متوسط النوعية 95.12 في المئة، بما يعكس دقة النموذج في استبعاد الحالات غير المنتمية إلى الفئة المستهدفة وتوازن أدائه بين مؤشري الحساسية والنوعية

4. أكدت مؤشرات الأداء مجتمعة صلاحية الجمع بين بيانات الأداء الدراسي السابق ومؤشرات الاستعداد للمشاركة مدخلًا موثوقًا لبناء نموذج تنبؤي بقدرة الطالب على التعلم في بيئة جامعية جديدة

ثالثًا: دلالات الدراسة وتطبيقاتها

تبين هذه النتائج أن الطريقة المقترحة قادرة على أداء دور مهم في رفع كفاءة التدريس في مقررات التربية العمالية، إذ تمكن المعلم من التعرف المبكر إلى إمكانات طلابه وتصميم تدخلات مصممة خصيصًا لتناسب كل طالب بحسب مستواه واستعداده، كما تفتح الدراسة آفاقًا لتوظيف خوارزميات التعلم الآلي في مجالات تربوية أخرى يعسر فيها التقدير التقليدي، وتلفت نظر الباحثين العرب إلى إمكان الاستفادة من البيانات المدرسية السابقة للطلاب في بناء نماذج تنبؤية تدعم التعلم الشخصي في الجامعات، وينبغي مع ذلك التعامل مع مخرجات هذه النماذج بوصفها أدوات مساعدة لقرار المعلم لا بديلًا عنه، مع مراعاة أخلاقيات استخدام بيانات الطلاب وخصوصيتها عند توسيع نطاق التطبيق

وتستوقف هذه النتائج الباحثين العرب وطلاب الدراسات العليا في مجال تقنيات التعليم، إذ تبين كيف يمكن تحويل السجلات الدراسية المتراكمة إلى معرفة تنبؤية تخدم القرار التربوي، وتفتح الباب أمام دراسات عربية توظف خوارزميات مماثلة في التنبؤ بالتعثر الدراسي أو بالاحتياجات التعليمية الخاصة، مع ما يتطلبه ذلك من بنى بيانات موثوقة وأطر أخلاقية واضحة تحكم جمع بيانات الطلاب وتوظيفها

وخلاصة القول إن توظيف آلة المتجهات الداعمة في ضوء خصائص رتبية مستمدة من مسيرة الطلاب الدراسية يقدم أداة دقيقة وموثوقة لتقييم إمكانات التعلم، وأن تعميم مثل هذه النماذج بحذر منهجي قد يمثل خطوة مهمة نحو تعليم جامعي أكثر تخصيصًا وفاعلية