استبيان محو أمية الذكاء الاصطناعي

الملخص

يُمثّل استبيان محو أمية الذكاء الاصطناعي (Artificial Intelligence Literacy Questionnaire – AILQ)، الذي طوّره ديفي تز كيت نغ وزملاؤه (Ng et al., 2024)، أداة سيكومترية متقدمة لتقييم كفايات محو أمية الذكاء الاصطناعي لدى طلاب المدارس الثانوية (الذين تتراوح أعمارهم بين 12 و17 عاماً). يستند المقياس إلى نموذج رباعي الأبعاد يجمع بين الأبعاد الوجدانية، والسلوكية، والمعرفية، والأخلاقية (Affective, Behavioral, Cognitive, and Ethical – ABCE framework). يتألف المقياس في صورته النهائية المعايرة من 32 فقرة موزعة على أربعة محاور رئيسية، وتُقاس الاستجابات وفق مقياس ليكرت الخماسي المتدرج من (1 = أعارض بشدة) إلى (5 = أوافق بشدة).

مرّ بناء المقياس بعدة مراحل منهجية بدأت بصياغة مسودة أولية مكونة من 60 فقرة، خضعت للتحكيم الخبراء والمقابلات النوعية ودراسة استطلاعية مكثفة، أعقبها إجراء تحليلات عاملية استكشافية وتوكيدية أدّت إلى استخلاص 32 فقرة ذات كفاءة سيكومترية عالية. أظهرت النتائج ثباتاً اتساقياً داخلياً مرتفعاً حيث بلغ معامل ألفا كرونباخ الكلي 0.93. كما أكد التحليل العاملي التوكيدي ملاءمة نموذج الدرجة الثانية للمقياس، محققاً مؤشرات مطابقة جيدة تشمل جذر متوسط مربعات خطأ التقريب (RMSEA = 0.06)، ومؤشر المطابقة المقارن (CFI = 0.92)، ومؤشر توكر-لويس (TLI = 0.91). يُعد هذا المقياس من أوائل الأدوات الموجهة للتعليم المدرسي التي تراعي الجوانب السلوكية والأخلاقية جنباً إلى جنب مع المعارف التقنية والدافعية الذاتية في بيئات التعلم الرقمية الحديثة.

الكلمات المفتاحية

محو أمية الذكاء الاصطناعي، التعلم الوجداني، التعلم السلوكي، التعلم المعرفي، أخلاقيات الذكاء الاصطناعي، القياس التربوي، طلاب المرحلة الثانوية، التحليل العاملي التوكيدي، الكفاءة الرقمية، الخصائص السيكومترية.

المؤلفون

تم تطوير هذا المقياس بواسطة فريق بحثي متخصص في تكنولوجيا التعليم والتربية الحاسوبية في هونغ كونغ:

• ديفي تز كيت نغ (Davy Tsz Kit Ng): كلية التربية، جامعة هونغ كونغ (The University of Hong Kong) – المعرّف الأكاديمي (ORCID: 0000-0002-2380-7814). البريد الإلكتروني للمراسلة: [email protected].
• وينجي وو (Wenjie Wu): كلية التربية، الجامعة الصينية في هونغ كونغ (The Chinese University of Hong Kong).
• جاك كا لوك ليونغ (Jac Ka Lok Leung): قسم الأنظمة والتصميم التكاملي، جامعة هونغ كونغ للعلوم والتكنولوجيا (Hong Kong University of Science and Technology) – المعرّف الأكاديمي (ORCID: 0000-0001-6490-7005).
• توماس كين فونغ تشيو (Thomas Kin Fung Chiu): كلية التربية، الجامعة الصينية في هونغ كونغ (The Chinese University of Hong Kong) – المعرّف الأكاديمي (ORCID: 0000-0003-2887-5477).
• صامويل كاي واه تشو (Samuel Kai Wah Chu): كلية التمريض والدراسات الصحية، جامعة هونغ كونغ الحضرية (Hong Kong Metropolitan University) – المعرّف الأكاديمي (ORCID: 0000-0003-1557-2776).

الغرض

يهدف استبيان محو أمية الذكاء الاصطناعي (AILQ) إلى سد الفجوة القائمة في أدوات التقييم التربوي التي تقيس استعداد واستيعاب اليافعين لتقنيات الذكاء الاصطناعي. فمع الانتشار المتسارع للخوارزميات والأنظمة الذكية ونماذج الذكاء الاصطناعي التوليدي، برزت حاجة ملحة إلى تجاوز مفهوم محو الأمية الرقمية التقليدي (Digital Literacy) إلى مفهوم أعمق يركز بشكل محدد على محو أمية الذكاء الاصطناعي (AI Literacy). صُمم المقياس لقياس مدى امتلاك طلاب المرحلة الثانوية (الفئة العمرية 12-17 عاماً) للمهارات الشاملة الضرورية للتفاعل الآمن، الفعال، والنقدي مع أنظمة الذكاء الاصطناعي في بيئتهم اليومية والمدرسية.

تنبع أهمية الأداة من التزامها بمنظور تكاملي يربط بين البنية المعرفية النظرية، والقدرة التطبيقية الإجرائية، والموقف الوجداني والشغف المهني، والوعي الأخلاقي الصارم. ويُعد المقياس ذا فائدة محورية في مجالات متعددة:

• البحث التربوي وتطوير المناهج: تزويد الباحثين ومطوري المناهج بأداة قياس موثوقة لتقييم فعالية البرامج التعليمية الموجهة نحو تدريس مفاهيم الذكاء الاصطناعي للناشئة، وتحديد مواطن القوة والقصور في الممارسات التدريسية.
• التشخيص الصفي والتقييم القبلي/البعدي: تمكين المعلمين والتربويين من تشخيص التصورات القبلية لدى الطلاب ومستويات كفاءتهم الذاتية حيال تكنولوجيا الذكاء الاصطناعي، مما يتيح تكييف الأنشطة التعليمية وتخصيصها لتلائم الاحتياجات الفردية.
• التوجيه المهني والأكاديمي: رصد اهتمامات الطلاب المهنية نحو مسارات العلوم والتكنولوجيا والهندسة والرياضيات (STEM)، وتحفيز انخراطهم المستقبلي في الوظائف المرتبطة بالحوسبة والذكاء الاصطناعي.
• الرصد القيمي والأخلاقي: قياس مستوى استيعاب الطلاب للمخاطر الأخلاقية المترتبة على استخدام الخوارزميات، مثل التحيز، وحماية الخصوصية، والملكية الفكرية، مما يدعم جهود التربية الرقمية المسؤولة.

البناء النفسي

يقوم استبيان (AILQ) على بناء متعدد الأبعاد يدمج النطاقات الأساسية لعملية التعلم وفق نموذج (ABCE). يتألف هذا البناء النفسي من أربعة أبعاد كبرى تنبثق منها مقاييس فرعية محددة:

1. التعلم الوجداني (Affective Learning)

يركز هذا البعد على المنظومة الانفعالية والدافعية المرتبطة بتفاعل المتعلم مع تقنيات الذكاء الاصطناعي، ويشمل أربعة أبعاد فرعية:

• الدافعية الذاتية (Intrinsic Motivation): تعكس الرغبة الداخلية لدى الطالب لتعلم الذكاء الاصطناعي بدافع المتعة والفضول الفكري، دون الحاجة إلى معززات خارجية أو درجات أكاديمية.
• الكفاءة الذاتية (Self-Efficacy): تستند إلى ثقة الطالب في قدرته الذاتية على إتقان المفاهيم المرتبطة بالذكاء الاصطناعي وتجاوز التحديات التقنية التي قد تواجهه أثناء التعامل مع هذه الأنظمة.
• الثقة (Confidence): تشير إلى شعور الطالب بالاطمئنان واليقين عند استخدامه لأدوات الذكاء الاصطناعي، والتحرر من مشاعر القلق الحاسوبي أو التردد التقني.
• الاهتمام المهني (Career Interest): رغبة الطالب وتطلعه المستقبلي للالتحاق بتخصصات جامعية أو وظائف مهنية ترتبط بمجالات الذكاء الاصطناعي وعلوم البيانات.

2. التعلم السلوكي (Behavioral Learning)

يقيس الممارسات الإجرائية الفعلية ومستوى الانخراط العملي للطالب في سياقات تعلم الذكاء الاصطناعي، متضمناً بعدين فرعيين:

• الالتزام السلوكي (Behavioral Commitment): مدى تخصيص الطالب لوقته وجهده بصورة منتظمة للمشاركة في دورات، وقراءة مواد تدريبية، والمثابرة في حل المشكلات التقنية المعقدة المرتبطة بالذكاء الاصطناعي.
• التعاون والتشارك (Collaboration): استعداد الطالب وقدرته على العمل ضمن فرق طلابية لتبادل الأفكار، وتطوير مشاريع ذكاء اصطناعي، والتفاعل المشترك لحل المعضلات البرمجية.

3. التعلم المعرفي (Cognitive Learning)

يتناول العمليات العقلية والمهارات الذهنية العليا المعنية بالتعامل مع المفاهيم والبيانات، وينقسم إلى ثلاثة أبعاد فرعية:

• تطبيق المعرفة (Knowledge Application): قدرة الطالب على توظيف خوارزميات ومفاهيم الذكاء الاصطناعي في مواقف عملية وحياتية جديدة.
• التقييم (Evaluation): مهارة التحليل الناقد لمخرجات أنظمة الذكاء الاصطناعي، واختبار دقة القرارات التي تنتجها النماذج الحاسوبية مقارنة بالبيانات الواقعية.
• الابتكار والإبداع (Creation): تصميم وبناء نماذج وأدوات ذكاء اصطناعي جديدة، وتكييف الحلول الخوارزمية لإنتاج أعمال إبداعية مبتكرة.

4. التعلم الأخلاقي (Ethical Learning)

يختص بتقييم الوعي بالآثار المجتمعية والحقوقية للتقنيات الذكية (AI Ethics). يشمل ذلك إدراك مفاهيم العدالة والإنصاف، وفهم كيفية نشوء التحيز الخوارزمي، وحماية خصوصية البيانات الشخصية، والمساءلة القانونية والأخلاقية عند اتخاذ القرارات المؤتمتة، إلى جانب التفكير في تبعات الذكاء الاصطناعي على مستقبل العمل والمجتمع البشري.

الإطار النظري

تأسس استبيان محو أمية الذكاء الاصطناعي (AILQ) على أرضية مفاهيمية تستلهم النظريات النفسية والتربوية الكبرى وتدمجها في سياق التعليم التكنولوجي الرقمي:

أولاً، يستند البعد الوجداني والسلوكي إلى نظرية الكفاءة الذاتية (Self-Efficacy Theory) لعالم النفس ألبرت باندورا (Albert Bandura)، والتي تفترض أن معتقدات الفرد حول قدراته وإمكاناته تشكل المحرك الأساسي لمستوى الدافعية لديه ونوعية السلوك الذي ينتهجه. كما يتصل ذلك بمبادئ نظرية تقرير المصير (Self-Determination Theory) لديكي ورايان (Deci & Ryan)، حيث تُعد الدافعية الذاتية والاهتمام الوظيفي محددين حاسمين لاستدامة التعلم والالتزام السلوكي لدى المراهقين في البيئات التعليمية التكنولوجية.

ثانياً، يستلهم البعد المعرفي تصنيف بلوم المعدل للأهداف التعليمية (Revised Bloom’s Taxonomy) الذي طوّره أندرسون وكراثوول (Anderson & Krathwohl). يعكس التدرج المعرفي في المقياس الانتقال من المستويات التطبيقية المباشرة (Application) مروراً بالمستويات التحليلية والتقييمية الناقدة (Evaluation)، وصولاً إلى أعلى مستويات التفكير المتمثلة في الابتكار والتصميم (Creation). ويتماشى هذا التدرج مع النظرية البنائية في التعلم (Constructivism) التي تؤكد أن اكتساب المفاهيم التكنولوجية المتقدمة يتحقق بصورة أمثل حينما يُشارك المتعلم بنشاط في صياغة الحلول وبناء النماذج بنفسه.

ثالثاً، ينطلق البعد الأخلاقي من الأطر المعيارية الدولية الصادرة عن منظمات رائدة مثل منظمة اليونسكو (UNESCO) والمفوضية الأوروبية بشأن أخلاقيات الذكاء الاصطناعي والمسؤولية الرقمية. يفترض الإطار النظري للمقياس أن المعرفة التقنية المجردة غير كافية لتحقيق محو أمية حقيقي في الذكاء الاصطناعي دون وجود حس نقدي وأخلاقي يُمكّن المتعلم من تقييم الآثار الإنسانية والاجتماعية لهذه التكنولوجيا وحماية حقوق الأفراد والبيئة من الاستخدامات الجائرة.

الصدق

أخضع الباحثون استبيان (AILQ) لسلسلة من الإجراءات المنهجية الصارمة للتحقق من مختلف أنواع الصدق السيكومتري:

1. صدق المحتوى والصدق الظاهري (Content & Face Validity)

بدأ بناء المقياس بصياغة مسودة موسعة تضم 60 فقرة تم اشتقاقها من مراجعة شاملة للأدبيات العلمية المتعلقة بمحو الأمية الرقمية والذكاء الاصطناعي. عُرضت الفقرات على لجان تحكيم تضم خبراء أكاديميين في مجال تكنولوجيا التعليم وعلوم الحاسوب والقياس النفسي للتأكد من وضوح الصياغة اللغوية وملاءمة الفقرات للفئة العمرية المستهدفة والتمثيل الدقيق للأبعاد النظرية. كما أُجريت مقابلات نوعية ودراسة استطلاعية (Pilot Study) مع عينات طلابية للتحقق من سهولة الفهم وعدم وجود أي غموض في تعليمات الإجابة.

2. الصدق التقاربي (Convergent Validity)

تم تقييم الصدق التقاربي من خلال حساب متوسط التباين المستخلص (Average Variance Extracted – AVE) لكل عامل كامن ضمن النموذج. ووفقاً لمعايير فورنيل ولاركر (Fornell & Larcker)، يجب أن تتجاوز قيمة AVE عتبة 0.50 لتقديم دليل قوي على الصدق التقاربي. أظهرت النتائج أن قيم AVE تجاوزت 0.50 لغالبية العوامل الكامنة في المقياس، فيما سجل بعد الدافعية الذاتية (Intrinsic Motivation) قيمة بلغت 0.44، وبعد أخلاقيات الذكاء الاصطناعي (AI Ethics) قيمة بلغت 0.46؛ واعتُبرت هذه القيم مقبولة في الدراسات الاستكشافية التربوية نظراً لارتفاع قيم الثبات المركب والتشبعات العاملية لتلك الأبعاد.

3. الصدق التمايزي (Discriminant Validity)

تم فحص الصدق التمايزي باستخدام معيار نسبة الارتباطات بين السمات المختلفة والمتماثلة (Heterotrait-Monotrait Ratio of Correlations – HTMT)، وهو أحد أدق المعايير المعاصرة للكشف عن التمايز بين المتغيرات الكامنة. أظهرت التحليلات أن جميع قيم HTMT كانت أدنى من القيمة الحرجة المحددة بـ 0.85، مما يثبت بشكل قاطع أن أبعاد المقياس متمايزة مفاهيمياً وإحصائياً ولا يوجد تداخل مفرط أو ازدواجية بين النطاقات المقاسة.

الثبات

أظهرت التحليلات الإحصائية مستويات رفيعة من الثبات الإحصائي للمقياس بصيغته النهائية المكونة من 32 فقرة:

• الاتساق الداخلي الكلي (Internal Consistency): بلغ معامل ألفا كرونباخ للمقياس الكلي 0.93، وهي قيمة تدل على اتساق داخلي ممتاز وقدرة قياسية عالية الأداء، بما يتجاوز المعايير الدولية الموصى بها في الأوساط الأكاديمية (والتي تحدد 0.70 كحد أدنى و0.80 للمقاييس البحثية المتقدمة).
• ثبات المقاييس الفرعية: حققت جميع المقاييس الفرعية للنموذج (سواء في أبعاد التعلم الوجداني، السلوكي، المعرفي، أو الأخلاقي) معاملات اتساق داخلي تراوحت بين المقبولة والمرتفعة جداً، مما يؤكد تماسك الفقرات المكونة لكل بعد في قياس السمة الفرعية المحددة لها.
• الثبات المركب (Composite Reliability – CR): دعمت قيم الثبات المركب الاتساق الداخلي للبنى الكامنة، حيث تخطت الحدود القياسية المقبولة (CR > 0.70)، مما يوفر موثوقية عالية للنتائج المستخلصة عند تطبيق الأداة على عينات مختلفة من طلاب المدارس.

التحليل العاملي

استخدم الباحثون منهجية متكاملة تضمنت التحليل العاملي الاستكشرافي (EFA) والتحليل العاملي التوكيدي (CFA) لترسيخ البنية العاملية للمقياس:

1. التحليل العاملي الاستكشافي (Exploratory Factor Analysis – EFA)

طُبق التحليل العاملي الاستكشافي على مسودة المقياس الأولية لتقليص الفقرات وتنقية البنية المفاهيمية. كشفت نتائج التحليل عن وجود أربعة عوامل جوهرية فسّرت ما نسبته 51.41% من إجمالي التباين الكلي في البيانات. أدّت هذه المرحلة إلى استبعاد الفقرات الضعيفة ذات التشبعات المنخفضة أو المتداخلة، وتخفيض عدد الفقرات من 60 إلى 32 فقرة نقية عاملية تتشبع بوضوح على أبعادها النظرية المقررة.

2. التحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA)

تم إجراء التحليل العاملي التوكيدي لاختبار النموذج البنائي ومقارنة نماذج نظرية متعددة (النموذج أحادي العامل، نموذج العوامل المرتبطة، نموذج الدرجة الثانية، ونموذج الدرجة الثالثة). كشفت المقارنة الإحصائية تفوق نموذج الدرجة الثانية (Second-order Model) الذي يفترض أن محو أمية الذكاء الاصطناعي يمثل عاملاً رئيسياً عاماً تنبثق منه الأبعاد الأربعة (ABCE)، على بقية النماذج المنافسة.

سجل نموذج الدرجة الثانية مؤشرات مطابقة ممتازة تمثلت في الآتي:

• قيمة كاي تربيع ودرجات الحرية: χ²(452) = 1001.54 بمستوى دلالة (p < 0.01).
• جذر متوسط مربعات خطأ التقريب: RMSEA = 0.06 (وهو ما يشير إلى مطابقة جيدة ضمن النطاق المقبول إحصائياً الذي يقل عن 0.08).
• مؤشر المطابقة المقارن: CFI = 0.92 (متجاوزاً حد القبول القياسي 0.90).
• مؤشر توكر-لويس: TLI = 0.91 (مؤشراً على ملاءمة تامة للنموذج).
• جذر متوسط مربعات المتبقيات القياسي: SRMR = 0.06 (أقل من العتبة القصوى 0.08).

أداة القياس

تتميز أداة (AILQ) بخصائص بنائية وإجرائية محددة تجعلها سهلة التطبيق والاستجابة في الميدان المدرسي:

• نوع الاختبار: استبانة تقرير ذاتي (Self-report questionnaire).
• الفئة المستهدفة: طلاب المدارس الثانوية من الفئة العمرية (12-17 سنة) من كلا الجنسين.
• عدد الفقرات: 32 فقرة بصيغتها النهائية المستقرة.
• تنسيق الاستجابة: مقياس ليكرت خماسي النقاط (5-point Likert Scale) مصنف على النحو الآتي:
  • 1 = أعارض بشدة (Strongly Disagree)
  • 2 = أعارض (Disagree)
  • 3 = محايد (Neutral)
  • 4 = أوافق (Agree)
  • 5 = أوافق بشدة (Strongly Agree)
• طريقة التصحيح واحتساب الدرجات: تُجمع الدرجات للحصول على مجموع فرعي لكل بعد من الأبعاد الأربعة، أو تُحسب الدرجة الكلية كمتوسط حسابي أو مجموع تراكمي يعكس المستوى الإجمالي لمحو أمية الذكاء الاصطناعي؛ حيث تشير الدرجات المرتفعة إلى مستويات أعلى من الكفاءة والمعرفة والأخلاقيات والدافعية الإيجابية نحو الذكاء الاصطناعي.
• الفقرات المعكوسة: صُممت فقرات المقياس بصياغة مباشرة وتوكيدية لتيسير فهم الطلاب الصغار وتقليل التشتت الإدراكي، ولا تتضمن فقرات مقلوبة الدرجات بصورة معقدة، مع التأكيد على التحقق من اتساق استجابات أفراد العينة قبل إدخالها في التحليل.
• الزمن المقدر للإجابة: يستغرق تطبيق المقياس قرابة 10 إلى 15 دقيقة، وهو ما يلائم أوقات الحصص المدرسية.

الأذونات والرسوم وسنة الاختبار

نُشر استبيان محو أمية الذكاء الاصطناعي في صورته المعايرة رسمياً في عام 2024 ضمن مجلة British Journal of Educational Technology الصادرة عن دار النشر Wiley بالتعاون مع الجمعية البريطانية لتكنولوجيا التعليم (BERA).

تخضع أدوات القياس المنشورة في الدوريات التابعة لدار وايلي لحقوق النشر والملكية الفكرية؛ ولذلك يُتاح استخدام المقياس للأغراض البحثية والأكاديمية غير التجارية بشرط الإشارة المرجعية الكاملة والواضحة للورقة الأصلية للباحثين (Ng et al., 2024). وفي حالات الاستخدام المؤسسي التجاري أو التطوير البرمجي المنفصل، يجب التواصل مع المؤلف المراسل، الدكتور ديفي تز كيت نغ ([email protected])، أو تقديم طلب الحصول على إذن عبر مركز تصفية حقوق النشر (Copyright Clearance Center – RightsLink) التابع لدار النشر المنظمة.

المراجع

• Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
• Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the AI Literacy Questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology, 55(3), 1082–1104. https://doi.org/10.1111/bjet.13411
• UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000376709

فقرات المقياس

إن النصوص الكاملة الرسمية لفقرات استبيان محو أمية الذكاء الاصطناعي (AILQ) البالغة 32 فقرة محمية بحقوق الطبع والنشر لصالح المؤلفين والناشر (British Journal of Educational Technology / John Wiley & Sons, Inc.)، وليست متاحة في النطاق العام المجاني لإعادة الإنتاج الحرفي غير المصرح به. وبناءً على التقاليد المنهجية والأكاديمية، يتوجب على الباحثين الراغبين في الاطلاع على القائمة الكاملة للفقرات بعباراتها الأصلية الرجوع إلى الملحق الإحصائي في الدراسة المنشورة (Ng et al., 2024) أو التواصل مباشرة مع المؤلف المسؤول عن المراسلة.

وفيما يلي توضيح الهيكل التنظيمي لمقاييس الأداة ومحاورها الفرعية ونظام التدريج المستخدم في قياس استجابات الأفراد: