تولد نظم إدارة التعلم كميات ضخمة من بيانات تيار النقر التي تفتح آفاقًا جديدة للتنبؤ بأداء المتعلمين، غير أن التحليلات التنبؤية التقليدية في هذه النظم اعتمدت إما على التعلم الآلي الخاضع للإشراف أو على نماذج ماركوف في تصنيف المتعلمين بحسب نواتجهم المتوقعة، ولكل مقاربة حدودها، فالتعلم الآلي يتفوق في التعرف إلى الأنماط لكنه كثيرًا ما يغفل الديناميات الزمنية للتعلم ويحجب منطق التنبؤ بسبب طبيعة الصندوق الأسود في كثير من خوارزمياته، أما نماذج ماركوف فتلتقط الديناميات الزمنية وتكشف أنماطًا مميزة بين مرتفعي الأداء ومنخفضيه لكن تصنيفها يعاني من تباين تسلسلات التعلم، وتقترح هذه الدراسة إطارًا هجينًا يجسر الهوة بين المقاربتين
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تقديم إطار هجين جديد هو تصنيف التعلم الآلي بماركوف القائم على التسلسل، يجمع بين قدرة التعلم الآلي على التعرف إلى الأنماط وقدرة نماذج ماركوف على التقاط الديناميات الزمنية، مع الحفاظ على قابلية التفسير التي تفتقر إليها النماذج المعتمة، ويوظف الإطار بيانات تيار النقر في المراحل المبكرة من المقرر ليقدم طريقة قابلة للتفسير لتصنيف التسلسلات تلتقط الانتقالات السلوكية الحرجة وتحدد أنماط التعلم المميزة عبر مجموعات الأداء، واختبر الباحثون الإطار على ست عينات من نظم إدارة التعلم، وقاسوا قدرته على تحديد الطلاب المعرضين للخطر رغم تباين التسلسلات، وعلى التعميم للتنبؤ بطلاب المستقبل اعتمادًا على بيانات تاريخية
ويقوم المنطق التصميمي للإطار على أن تسلسل نقرات المتعلم ليس مجرد أثر رقمي بل سرد سلوكي له بنية زمنية تحمل معنى، فالانتقال من متابعة محاضرة إلى محاولة اختبار ثم العودة إلى منتدى النقاش تسلسل يختلف دلاليًا عن انتقالات أخرى، وتلتقط نماذج ماركوف احتمالات هذه الانتقالات بينما يتعلم التعلم الآلي كيف تميز بين فئات الأداء، وبجمعهما يصبح بالإمكان تصنيف تسلسلات جديدة وبيان الانتقالات التي قادت إلى هذا التصنيف، وهو ما يعيد للتفسير التربوي مكانته داخل خط التحليل التنبوي
ثانيًا: أبرز النتائج
أظهرت النتائج أن الإطار المقترح حدد بفاعلية الطلاب المعرضين للخطر رغم تباين تسلسلات التعلم التي كانت تعيق تصنيف نماذج ماركوف التقليدية، وكشف عن ديناميات تعلم تنبؤية رئيسة تميز بين مجموعات الأداء المختلفة، فصارت الانتقالات السلوكية المبكرة إشارات مفهومة يمكن للمعلم تتبع معناها لا مجرد مخرجات رقمية غامضة، وأبدى الإطار أيضًا قدرة واعدة على التعميم، إذ حدد بدقة طلابًا مستقبليين معرضين للخطر اعتمادًا على بيانات تيار نقر تاريخية، بما يعني إمكان بناء أنظمة إنذار مبكر تستند إلى مقررات سابقة وتعمل منذ الأسابيع الأولى للمقررات الجديدة
ثالثًا: دلالات الدراسة وتطبيقاتها
تكمن دلالة هذه الدراسة في أنها تعالج معضلة مزمنة في تحليلات التعلم هي المفاضلة بين الدقة التنبؤية وقابلية التفسير، فالمعلمون والمؤسسات لا يحتاجون إلى تنبؤ فحسب بل إلى فهم أسباب هذا التنبؤ حتى يصمموا تدخلًا مناسبًا، ويقدم الإطار المقترح مسارًا يجمع الميزتين معًا، كما أن اعتماده على البيانات المبكرة يمنح المؤسسات نافذة زمنية كافية للتدخل قبل تفاقم التعثر، ويمكن توظيفه في لوحات متابعة نظم إدارة التعلم وأنظمة دعم الطلاب المعرضين للخطر، ويشجع نجاحه على تطوير نماذج هجينة أخرى في تحليلات التعلم توازن بين قوة الخوارزميات وشفافية الاستدلال التربوي
ومن الناحية المؤسسية، يشجع نجاح الإطار على إعادة النظر في أنظمة الإنذار المبكر القائمة التي تعتمد نماذج معتمة قد يتردد المعلمون في الوثوق بها أو التصرف بناء عليها، فحين يستطيع المعلم أن يرى الانتقالات السلوكية التي جعلت النظام يصنف طالبًا ما ضمن المعرضين للخطر يصبح التدخل قرارًا تربويًا مفهومًا لا استجابة آلية لدرجة رقمية، كما أن قابلية الإطار للعمل ببيانات تاريخية تعني أن المؤسسات لا تحتاج إلى انتظار اكتمال بيانات كل مقرر جديد لتبدأ الحماية، بل تستطيع نقل ما تعلمته من مقرراتها السابقة إلى دفعة جديدة منذ أسابيعها الأولى
وخلاصة القول إن الجمع بين نماذج ماركوف والتعلم الآلي في إطار واحد قائم على التسلسل يقدم تحليلات تنبؤية قابلة للتفسير تلتقط إيقاع التعلم الزمني وتحدد المعرضين للخطر مبكرًا، وإن هذا التوازن بين الدقة والشفافية شرط عملي لكي تتحول التنبؤات إلى تدخلات تربوية يثق بها المعلمون ويستفيد منها المتعلمون
