كشفت دراسة حديثة نُشرت في دورية “فرونتيرز إن سايكولوجي” (Frontiers in Psychology) أن الفائدة الحقيقية لأدوات الذكاء الاصطناعي التوليدي في المرحلة الجامعية لا ترتبط بمدى كثافة استخدامها أو تكراره، بل بكيفية توظيف الطلاب لها في دعم عملية التعلّم. وتوصّل الباحثون إلى أن اتباع أسلوب واعٍ وموجّه في التعامل مع هذه التقنيات يساهم بوضوح في الحد من التسويف الدراسي ويزيد من اندماج الطلاب وإقبالهم الأكاديمي.
ليس مجرد وتيرة: نوعية الاستخدام تصنع الفارق
أوضح الباحثون أن مجرد قياس معدلات الاستخدام أو النوايا العامة للطلاب لا يفسر ما إذا كان الذكاء الاصطناعي يخدم التحصيل العلمي بالفعل. وبناءً على ذلك، ركزت الدراسة على ما أطلقت عليه “الاستخدام المتمحور حول التعلم” (LCU)، وهو نمط يتجاوز استهلاك الإجابات الجاهزة نحو تفاعل بنّاء مع التكنولوجيا.
يقوم هذا النمط السلوكي على ثلاثة مبادئ أساسية: التركيز على المهمة الدراسية بدقة، والتحقق المستمر والنقدي من صحة وموثوقية مخرجات النماذج الذكية، وعدم استبدال التفكير البشري بالآلة؛ بحيث تظل المهارات الذهنية والتحليلية الخاصة بالطالب هي المحرك الرئيسي للعمل الأكاديمي.
المسار النفسي: كيف يعزز الذكاء الاصطناعي الإنجاز الدراسي؟
أظهرت نتائج التحليل أن الأثر الإيجابي للاستخدام المتمحور حول التعلم لا يحدث بمعزل عن الآليات النفسية للطالب، بل يمر عبر تعزيز مهارات التنظيم الذاتي للتعلم (Self-Regulated Learning)، التي تتضمن التخطيط المستقل والمراقبة الواعية لمسار التقدم الدراسي، بالإضافة إلى رفع مستوى الكفاءة الذاتية الأكاديمية لدى الطالب وثقته في قدراته الذهنية.
وبحسب الدراسة، قادت هذه المهارات التنظيمية والشعور بالكفاءة إلى تراجع ملموس في مشكلة التسويف الدراسي، ودفعت الطلاب إلى إبداء التزام واندماج أكبر في أنشطتهم ومقرراتهم العلمية في مراحل لاحقة، مما يؤكد أن الذكاء الاصطناعي يصبح نافعاً حين يتحول إلى أداة تنظيمية تخدم استقلالية الطالب.
منهجية دقيقة: تتبع الطلاب عبر 3 مراحل زمنية
استندت النتائج إلى دراسة طولية حللت بيانات 1,200 طالب جامعي في الصين خلال مرحلة خط الأساس الأولى. وامتدت المتابعة على مدار ثلاث موجات زمنية متعاقبة لضمان قياس التغير بمرور الوقت، حيث احتفظت الموجة الثانية بـ 984 طالباً قِيست لديهم مؤشرات التنظيم الذاتي والكفاءة الأكاديمية، بينما اكتملت بيانات 788 طالباً في الموجة الثالثة لتقييم مستويات التسويف والاندماج.
واعتمد الباحثون على نماذج مسارية متقدمة تحكّمت في الفروق الديموغرافية ومستويات الإنجاز والتنظيم الذاتي السابقة لخط الأساس، إلى جانب فحوصات حساسية متطورة، للتأكد من أن التحسن في الأداء الأكاديمي يعود بشكل منهجي لطريقة التعامل مع الذكاء الاصطناعي وليس لمجرد عوامل فردية أو عشوائية سابقة.
توصيات للتعليم العالي: توجيه وليس منعاً
تخلص الدراسة إلى أن تحقيق القيمة المضافة لتقنيات الذكاء الاصطناعي يتطلب دمجها ضمن ممارسات تنظيمية تعزز مثابرة المتعلم بدلاً من الاتكالية السلبية. لذا، يدعو الباحثون إدارات الجامعات وأعضاء هيئة التدريس إلى تفضيل التوجيه الإرشادي على سياسات المنع أو القيود غير المجدية.
ويكمن الهدف المنشود في تعليم الطلاب كيفية وضع استراتيجيات واضحة للمهام، وفحص مخرجات الآلة بحس نقدي، واستخدام هذه المنصات كوسيلة مساعدة تعزز التخطيط والمراجعة، بما يضمن بقاء الإنسان في موقع القيادة خلال رحلته التعليمية.
المصدر
- Learning-centred use of generative AI and later academic functioning: a baseline-adjusted three-wave panel study
- الباحثون: Yang Zhao, Jian Chen, Wei Dai, Yuan Gu
- المجلة: Frontiers in Psychology
- قراءة الدراسة الأصلية