يستغرق تقويم أعمال الطلاب العملية في مقررات هندسة البرمجيات جهدًا كبيرًا من المعلمين، ولا سيما تقويم مخططات لغة النمذجة الموحدة التي ينتجها الطلاب في صورة رسوم متعددة الأنواع، وقد فتحت الشبكات العصبية بابًا لأتمتة جانب من هذا التقويم عبر تصنيف المخططات آليًا والتحقق من مطابقتها للغة القياسية، بما يفيد المعلم والطالب معًا، وتكتسب هذه الأتمتة أهمية إضافية حين ترتبط بتغذية راجعة تساعد الطلاب على التقويم الذاتي، ومن هنا تناولت الدراسة توظيف تصنيف مخططات لغة النمذجة الموحدة القائم على الشبكات العصبية في دعم التقويم الآلي في تعليم هندسة البرمجيات، عبر دراسة حالة واسعة على دفعات متعاقبة من الطلاب
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء برنامج يصنف نماذج لغة النمذجة الموحدة المطابقة للغة القياسية تصنيفًا آليًا باستخدام شبكات عصبية دُربت على مجموعة بيانات مستقلة مكونة من مستودعات عامة لنماذج اللغة ومن نماذج طلاب جُمعت لهذا الغرض، بحيث يميز البرنامج، انطلاقًا من نماذج يقدمها الطلاب في صورة صور، بين أنواع مخططات اللغة المختلفة، ويكشف ما إذا كانت لا تطابق اللغة القياسية، وشملت دراسة الحالة تحليلًا مفصلًا لثلاث دفعات تضم في مجموعها 237 طالبًا، لتحديد التقويمات الصحيحة والأخطاء المتكررة وأثر جودة المخطط والعناصر المفقودة والتكرارات والترميزات غير القياسية، وطُبقت في التقويم مقاييس المتوسط الكلي الملائمة لبيانات غير متوازنة، شملت الدقة والاستدعاء والنوعية ومقياس إف واحد
ثانيًا: أبرز النتائج
عبر مجموعة بيانات التقويم الكاملة المكونة من 881 عملًا طلابيًا مقدمًا، حقق برنامج التقويم متوسطًا كليًا لمقياس إف واحد بلغ 0.96 عبر الفئات الأربع القابلة للتقويم ذات الحقيقة المرجعية، وهي مخططات الفئات والتسلسل والحالة وغيرها من مخططات لغة النمذجة الموحدة، واستُبعدت فئة النماذج غير المنتمية إلى اللغة من هذا المتوسط الكلي لأن مجموعة بيانات الفصل الدراسي لم تضم أعمالًا مرجعية من هذه الفئة، وأظهرت النتائج جدوى التقويم القائم على الذكاء الاصطناعي لأعمال النمذجة العملية لدى الطلاب وحدوده في الوقت ذاته، ووثقت الدراسة أنماط الأخطاء المتكررة في مخططات الطلاب وأثر جودة المخطط واكتمال عناصره في دقة التصنيف الآلي
ثالثًا: دلالات الدراسة وتطبيقاتها
تفتح نتائج الدراسة فرصًا مستقبلية لدمج التقويم الآلي لمخططات لغة النمذجة الموحدة في أدوات التقويم الذاتي للطلاب وأنظمة التدريس الذكية، بما يتيح للطالب فحص عمله قبل تسليمه والوقوف على مواضع الخلل فيه، ويخفف عن المعلم عبء الفحص الأولي ليتفرغ للتغذية الراجعة المعمقة، كما تفيد النتائج مصممي مقررات هندسة البرمجيات في توجيه انتباه الطلاب إلى الأخطاء المتكررة التي رصدتها الدراسة ومعالجتها تدريسيًا، وتنبه إلى حدود الاعتماد على التصنيف الآلي وحده، ولا سيما مع المخططات منخفضة الجودة أو الناقصة العناصر أو ذات الترميزات غير القياسية، بما يستدعي بقاء إشراف المعلم عنصرًا مكملًا للتقويم الآلي
ويقوم منطق التقويم الآلي في هذه الدراسة على معالجة النموذج المقدم في صورة صورة رقمية، إذ تستقبل الشبكة العصبية صورة المخطط الذي رسمه الطالب وتحلل ملامحه لتصنيفه ضمن أنواع مخططات اللغة المعروفة أو للحكم بعدم مطابقته للغة القياسية، وتطلب بناء هذه القدرة تدريب الشبكات على مجموعة بيانات مستقلة تجمع بين مستودعات عامة متاحة لنماذج اللغة ونماذج واقعية من أعمال الطلاب، بحيث تتعرض الخوارزمية لتنوع واسع في أساليب الرسم وجودة الإخراج قبل أن تواجه أعمال الدفعات محل دراسة الحالة، وهو ما يعزز واقعية النتائج وقابليتها للنقل إلى سياقات تعليمية مماثلة، واعتنت الدراسة كذلك بضبط تقويم الأداء في ظل بيانات غير متوازنة تتفاوت فيها أعداد الأعمال المقدمة بين فئات المخططات تفاوتًا ملحوظًا، فاعتمدت مقاييس المتوسط الكلي التي تمنح كل فئة وزنًا متساويًا بصرف النظر عن حجمها، وشملت الدقة في التنبؤات الصحيحة والاستدعاء لقدرة النموذج على التقاط أعمال كل فئة والنوعية في استبعاد ما لا ينتمي إليها ومقياس إف واحد الجامع بين الدقة والاستدعاء، وبذلك جاء الحكم على أداء البرنامج منصفًا للفئات القليلة الأعداد لا محكومًا بالفئات الغالبة، وهو اعتبار منهجي مهم في كل تطبيق تعليمي تتباين فيه أعداد مخرجات الطلاب بين موضوع وآخر
وخلاصة القول إن الدراسة برهنت عمليًا على قدرة الشبكات العصبية على تصنيف مخططات لغة النمذجة الموحدة التي ينتجها الطلاب بدقة عالية تدعم التقويم الآلي في تعليم هندسة البرمجيات، وقدمت في الوقت ذاته خريطة واضحة للأخطاء الشائعة وحدود الأداء، بما يجعلها أساسًا عمليًا لتطوير أدوات تقويم ذكية تعين المعلم والطالب على حد سواء
هل تحتاج إلى دعم متخصص في بحثك؟
يمكنك طلب الخدمة مباشرة عبر حساب الباحث، وسيتابع معك فريق مؤسسة النظم طلبك خطوة بخطوة حتى اكتمال الإنجاز
