يُعد التعلم عملية متعددة الوسائط بطبيعتها، إذ يتعلم الأفراد عبر القنوات السمعية والبصرية والحركية والتفاعلية في آن واحد، ويستطيع باحثو تحليلات التعلم اليوم الوصول إلى بيانات غنية عن عمليات التعلم من وسائط متعددة، تشمل التسجيلات الصوتية والمرئية أو النصوص المفرغة للتفاعلات الحضورية، وملفات السجلات والرسائل الناتجة عن الأنشطة عبر الإنترنت، والقياسات الحيوية مثل تتبع حركة العين والحركة واستجابة الجلد الغلفانية، غير أن نمذجة هذه البيانات المتعددة الوسائط تمثل تحديًا منهجيًا كبيرًا، لأن الطرائق السائدة تعتمد على دمج البيانات في صيغة أحادية تفقد معها الوسائط خصوصيتها، وهنا يقترح الباحثون إطارًا جديدًا يعالج هذه المشكلة دون دمج
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى اقتراح التحليل عابر الوسائط بوصفه إطارًا رياضيًا وحاسوبيًا يعالج تحديات نمذجة البيانات متعددة الوسائط في تحليلات التعلم، فمعظم التقنيات المستخدمة في نمذجة بيانات عمليات التعلم هي مقاربات معتمدة على الحالة، تنمذج عملية التعلم في أي لحظة بوصفها دالة في الأحداث السابقة، لكن بناء النماذج متعددة الوسائط اعتمد حتى الآن على دمج مسارات البيانات المختلفة وتحويلها إلى صيغة أحادية الوسيط، ويخلق هذا الدمج مشكلات جوهرية، أهمها أنه يعامل الوسائط المختلفة بوصفها متكافئة، فلا تستطيع النماذج المعتمدة على الحالة للبيانات المدمجة أن تراعي بسهولة أن الأحداث قد تؤثر في الأحداث اللاحقة بصورة مختلفة تبعًا لطبيعة تلك الأحداث والسياق الذي تقع فيه، ولا كيف تؤثر الأحداث في مجموعات مختلفة من المتعلمين بصورة متفاوتة، ولا أي الأحداث ظاهرة لأي من الطلاب وبالتالي قد تكون مؤثرة فيهم، ويقدم البحث وصفًا مفاهيميًا ومنهجيًا للإطار المقترح، مع ملحق يتضمن مثالًا تطبيقيًا مفصلًا بوصفه إثباتًا للمفهوم
ثانيًا: أبرز النتائج
توضح الدراسة أن التحليل عابر الوسائط ليس طريقة لتحليل البيانات في حد ذاته، بل هو مقاربة للنمذجة يمكنها تعزيز النماذج القائمة المعتمدة على الحالة لعمليات التعلم، بحيث تراعي البيانات متعددة الوسائط دون الحاجة إلى دمجها في صيغة واحدة، وبهذا يحافظ الإطار على خصوصية كل وسيط من وسائط البيانات وما يحمله من دلالات مميزة، ويتيح تمثيل التأثيرات المتباينة للأحداث في الأحداث اللاحقة بحسب طبيعتها وسياقها، وتمثيل اختلاف تأثر مجموعات المتعلمين بالأحداث ذاتها، ومراعاة مدى ظهور كل حدث لكل طالب وإمكان تأثيره فيه، ويبين المثال التطبيقي المفصل الوارد في ملحق البحث قابلية الإطار للتطبيق العملي بوصفه إثباتًا أوليًا للمفهوم، رغم أن هذه المقاربة ما تزال في مراحل مبكرة من التطوير
ويوضح البحث بصورة أدق لماذا يعجز الدمج عن معالجة هذه الإشكالات، فحين تتحول البيانات الصوتية والمرئية وسجلات التفاعل والقياسات الحيوية إلى تيار واحد متجانس، تضيع المعلومات الخاصة بكل وسيط حول مصدر كل حدث وقناة حدوثه، ويصبح من العسير تتبع كيف يرتبط حدث بعينه بما يليه، فتأثير إيماءة أو نظرة في التفاعل الحضوري يختلف عن تأثير رسالة في سجل رقمي، وتأثير حدث ما في متعلم يراه ويعيشه يختلف عن تأثيره في زميل لم يكن ظاهرًا له، كما تتباين الجماعات في حساسيتها للأحداث ذاتها، وهذه الفروق الدقيقة هي ما صُمم التحليل عابر الوسائط لالتقاطها وتمثيلها داخل النموذج نفسه دون التضحية بها في مرحلة الدمج
ثالثًا: دلالات الدراسة وتطبيقاتها
يحمل الإطار المقترح إمكانات واعدة لتحسين تحليلات عمليات التعلم متعددة الوسائط من حيث السهولة والكفاءة والعدالة، فبدل إخضاع البيانات المتنوعة لقالب واحد يطمس فروقها، يصبح بوسع الباحثين بناء نماذج أدق تعكس ثراء التفاعلات الحضورية والرقمية والقياسات الحيوية كما تحدث فعلًا، وتنعكس هذه الدقة على عدالة التحليل حين تُراعى الفروق بين مجموعات المتعلمين وتباين ما يظهر لكل طالب من أحداث، وتفيد هذه المقاربة مصممي بيئات التعلم والباحثين في فهم عمليات التعلم فهمًا أعمق، وإن ظلت الحاجة قائمة إلى مزيد من التطوير والاختبار الميداني قبل تعميم استخدامها
وتفتح هذه المقاربة آفاقًا تطبيقية في تصميم بيئات التعلم الذكية وأنظمة الدعم التكيفية، إذ يمكن للنماذج الأكثر دقة في تمثيل عمليات التعلم أن تحسن توقيت التدخلات التعليمية ونوعها، وتراعي الفروق بين المتعلمين بدل معاملتهم كتلة متجانسة، غير أن البحث يؤكد أن الإطار ما يزال في مراحل التطوير المبكرة، وأن قيمته الكاملة ستتضح مع تراكم التطبيقات والاختبارات في سياقات تعليمية حقيقية، ومع تطوير الأدوات الحاسوبية التي تسهل على الباحثين توظيفه دون أعباء تقنية مفرطة
وخلاصة القول إن التحليل عابر الوسائط يقدم مقاربة نمذجة جديدة تعزز النماذج المعتمدة على الحالة وتراعي البيانات متعددة الوسائط دون دمجها، بما يحافظ على خصوصية كل وسيط ويفتح الباب أمام تحليلات لعمليات التعلم أكثر دقة وسهولة وعدالة
