يمثل دمج الذكاء الاصطناعي، وخاصة النماذج التوليدية مثل ChatGPT، في علم أصول التدريس اللغوي تحولاً كبيراً. تبحث هذه الورقة في تطبيق محدد: استخدام ChatGPT للمساعدة في تصميم مهام تواصلية قائمة على الصراع لمقرر التعبير الشفهي على مستوى الجامعة في تعليم اللغة الصينية للناطقين بغيرها. يعتمد البحث منهجاً وصفياً لتحليل تفاعل المعلم مع الذكاء الاصطناعي أثناء عملية تطوير المنهج وتقييم تأثيره على البرنامج التعليمي النهائي.
تقع الدراسة ضمن التطوير العملي لمنهج تعليم اللغة الصينية للناطقين بغيرها في التعبير الشفهي، حيث سعى المدرس إلى إنشاء مهام تحفز التفاعل الحقيقي.
كان التحدي الأساسي يتمثل في تصميم مهام تتجاوز الحوارات النصية الجاهزة لتعزيز التفاعل الشفهي التلقائي ذي المعنى. كان الخيار التربوي هو بناء المهام على سيناريوهات صراع (مثل الخلافات، والمفاوضات، وحل المشكلات)، والتي تتطلب بطبيعتها من المتعلمين استخدام لغة إقناعية، وإدارة الأدوار، والتعبير عن الآراء – وهي مكونات رئيسية لكفاءة التفاعل الشفهي.
يتبع البحث منهجية وصفية (أوليفييه دي ساردان، 2008؛ كاترو، 2018). يتكون المتن اللغوي الأساسي من سجل التفاعلات بين الباحث-المعلم وChatGPT خلال مرحلة تصميم المهمة. يتم تحليل هذا السجل لتحديد السمات البارزة للتفاعل وتتبع كيفية دمج اقتراحات الذكاء الاصطناعي أو تعديلها أو رفضها في المنهج النهائي.
يُعرّف المهمة التواصلية على أنها نشاط يكون المعنى فيه أساسياً، ويوجد هدف تواصلي، ويتم تقييم النجاح من حيث النتيجة. يوفر دمج نظرية الصراع إطاراً قوياً لتصميم المهام. تخلق سيناريوهات الصراع "فجوة معلوماتية" و"سبباً للتواصل"، مما يدفع المتعلمين لاستخدام اللغة بشكل استراتيجي لتحقيق هدف (مثل حل نزاع، أو الفوز في جدال، أو إيجاد حل وسط)، وبالتالي تطوير الكفاءة التداولية والتفاعلية.
يأخذ تصميم هذه المهام في الاعتبار عدة معايير: مصداقية سيناريو الصراع، والمتطلبات المعرفية واللغوية المناسبة لمستوى المتعلم، والأدوار والأهداف الواضحة للمشاركين، ونتيجة محددة لتقييم نجاح المهمة. تم الاستفادة من ChatGPT للعصف الذهني، وتحسين، وتقييم السيناريوهات وفقاً لهذه المعايير.
كان التفاعل تكرارياً وحوارياً. بدأ المعلم العملية بأوامر نصية محددة (مثل: "أنشئ سيناريو صراع لمتعلمي اللغة الصينية المتوسطين حول تخطيط رحلة جماعية"). رد ChatGPT بمخططات سردية، وبدايات حوار محتملة، ووصف للأدوار. ثم قام المعلم بتعديل الأوامر النصية بناءً على الردود، طالباً تنويعات، أو تبسيطات، أو تعديلات ثقافية. عمل الذكاء الاصطناعي كـ شريك في العصف الذهني التعاوني وكـ مولد سريع للنماذج الأولية.
يشير التحليل إلى أن تأثير ChatGPT كان متعدد الأوجه: 1) الكفاءة: تسريع مرحلة توليد الأفكار والصياغة. 2) التنوع: زيادة تنوع وإبداع سيناريوهات الصراع المقترحة. 3) السقالات التعليمية: توفير نقطة انطلاق يمكن للمعلم الخبير تقييمها بشكل نقدي وتكييفها. عكس البرنامج النهائي توليفاً بين الأفكار المولدة بالذكاء الاصطناعي والحكم التربوي الخبير، وليس اعتماداً مباشراً لمخرجات الذكاء الاصطناعي.
المدخلات (الأمر النصي للمعلم) → معالجة الذكاء الاصطناعي (توليد السيناريو) → التقييم والتكيف البشري → المخرجات المتكاملة (المهمة النهائية). عمل المرشح النقدي لخبرة المعلم على ضمان سلامة تربوية وملاءمة ثقافية.
هذه الورقة ليست عن استبدال الذكاء الاصطناعي للمعلمين؛ بل عن تعزيز الذكاء الاصطناعي للحمل الإبداعي والمعرفي لتصميم المناهج الخبير. القصة الحقيقية هي ظهور تربية قائمة على وجود الإنسان في الحلقة ومدفوعة بهندسة الأوامر النصية. القيمة ليست في المخرجات الخام لـ ChatGPT، بل في قدرة المعلم على صياغة أوامر نصية توجهه نحو تركيبات تربوية صحيحة – مثل المهام القائمة على الصراع – ثم انتقاء النتائج بشكل نقدي. يعكس هذا النتائج في الصناعات الإبداعية حيث تكون أدوات الذكاء الاصطناعي مثل DALL-E أو GPT-3 أقوى عندما يوجهها مخرج إبداعي بشري قوي (أمانابرولو وآخرون، 2021، حول توليد السرد).
منطق الورقة سليم ولكنه يكشف عن توتر: فهو يتبنى نهجاً وصفياً لإظهار "ما حدث"، لكن الوعد الكامن هو توجيهي – مما يعني أن هذا نموذج قابل للتكرار. ينتقل التسلسل من السياق (الذكاء الاصطناعي في التعليم) إلى مشكلة محددة (تصميم المهام)، ثم يفصل المنهجية (تحليل سجلات الدردشة)، وأخيراً يقيم التأثير. ومع ذلك، فإنه يتوقف دون تقديم إطار رسمي لعملية هندسة الأوامر النصية نفسها، والتي هي المنتج المعرفي الأكثر قابلية للنقل.
نقاط القوة: التركيز على مهمة تدريس عالية القيمة ومتطلبة معرفياً (التصميم، وليس مجرد تقديم المحتوى) حاد الذكاء. اختيار المهام القائمة على الصراع ممتاز، لأنه يختبر قدرة الذكاء الاصطناعي على التعامل مع الفروق الدقيقة والديناميكيات البشرية. المنهجية الوصفية مناسبة لهذا الاستكشاف في مراحله المبكرة.
نقاط الضعف: التحليل بطبيعته لاحق للحدث وذاتي، استناداً إلى سجل تفاعل معلم واحد. لا توجد مجموعة ضابطة (تصميم بدون ذكاء اصطناعي) أو بيانات نتائج تعلم قابلة للقياس لدعم ادعاء "التأثير" الإيجابي. يظل نقاش "التأثيرات" تخمينياً فيما يتعلق بمكاسب التعلم الفعلية للطلاب. هناك خطر من الخلط بين كفاءة عملية التصميم والفعالية التربوية.
للمعلمين والمؤسسات: 1) الاستثمار في معرفة الأوامر النصية: يجب أن يتحول تدريب المعلمين من "كيفية استخدام الذكاء الاصطناعي" إلى "كيفية صياغة أوامر نصية تربوية". 2) تطوير قواعد تقييم: إنشاء معايير مشتركة لتقييم المحتوى التعليمي المولد بالذكاء الاصطناعي، مع التركيز على المبادئ التربوية، وليس فقط الصحة اللغوية. 3) التجريب بفرضية واضحة: لا تكتفي بوصف العملية؛ صمم اختبارات A/B تقارن بين طرق التصميم بمساعدة الذكاء الاصطناعي والتقليدية من حيث مقاييس الكفاءة، والأهم، مشاركة الطلاب اللاحقة/أدائهم. 4) توثيق سلسلة الأوامر النصية: الملكية الفكرية الحقيقية هي تسلسل الأوامر النصية التي أنتجت أفضل النتائج. يجب أرشفة هذا ومشاركته بشكل منهجي.
يمكن نمذجة التعاون بين الإنسان والذكاء الاصطناعي كسلسلة من الدورات التكرارية. أحد الجوانب التقنية الرئيسية هو تطور الأمر النصي. يتم تحسين الأمر النصي الأولي $P_0$ (مثل: "سيناريو صراع") بناءً على المخرجات $O_n$ والأهداف التربوية $G$. يمكن تصور هذا على النحو: $P_{n+1} = f(P_n, O_n, G, C)$، حيث تمثل $C$ القيود (المستوى اللغوي، السياق الثقافي). الدالة $f$ هي مهارة المعلم في هندسة الأوامر النصية. جودة المهمة النهائية $T_{final}$ هي دالة للمخرجات الأولية للذكاء الاصطناعي وعدد وتكرارات التحسين وجودتها: $T_{final} \approx \sum_{i=1}^{n} (\alpha \cdot O_i + \beta \cdot H_i)$، حيث $\alpha$ هو وزن الذكاء الاصطناعي، $\beta$ هو وزن الخبير البشري، و $H_i$ هو المدخل البشري في التكرار $i$.
السيناريو: تصميم مهمة لمتعلمي المستوى B1 حول "التفاوض على جدول العمل".
الإطار التحليلي المطبق:
1. تفكيك الأمر النصي: أمر المعلم: "أنشئ حواراً حيث يختلف زميلان على جداول نوبات عطلة نهاية الأسبوع. ضمّن تعبيرات عن التفضيل، والاقتراح، والاختلاف المعتدل. استخدم مفردات المستوى B1." يحدد هذا الأمر السياق، الصراع، الوظائف اللغوية، والمستوى.
2. مصفوفة تقييم المخرجات: يتم تقييم مخرجات الذكاء الاصطناعي مقابل:
- الملاءمة التربوية: هل الوظائف اللغوية المستهدفة موجودة؟
- الملاءمة اللغوية: هل المفردات/التركيب النحوي متوافق مع B1؟
- مصداقية السيناريو: هل الصراع معقول؟
- إمكانية المهمة: هل يمكن تحويل هذا إلى تمثيل أدوار بأهداف واضحة؟
3. تتبع التكرار: يلاحظ المعلم أن المسودة الأولى للذكاء الاصطناعي استخدمت عبارات اختلاف رسمية أكثر من اللازم. يقوم الأمر النصي التالي بالتحسين: "...استخدم عبارات عامية أكثر شيوعاً للاختلاف مثل '我觉得可能不太行' (أعتقد أن هذا قد لا ينجح) بدلاً من '我坚决反对' (أنا أعارض بشدة)." يوضح هذا الإطار أثناء العمل.
يشير المسار إلى ما هو أبعد من تصميم المهام. تشمل التطبيقات المستقبلية: 1) ضبط الصعوبة الديناميكي: يمكن للذكاء الاصطناعي توليد نسخ متعددة من سيناريو صراع في الوقت الفعلي بناءً على أداء المتعلم. 2) سيناريوهات صراع مخصصة: استخدام اهتمامات المتعلم (المستمدة من استبيانات أو تفاعلات سابقة) لبدء توليد السيناريو. 3) الذكاء الاصطناعي كمحاكي للتمثيل الأدائي: يتدرب المتعلمون على التفاوض مع شخصية ذكاء اصطناعي، تتكيف استراتيجيتها بناءً على كفاءة المتعلم اللغوية وقدرته على الإقناع، وهو مفهوم قريب من العمل على الذكاء الاصطناعي للسرد التفاعلي (ريدل وبوليتكو، 2012).
اتجاهات البحث الحرجة: دراسات طولية تقيس نتائج التعلم؛ تطوير "مكتبات أوامر نصية تربوية" موحدة؛ استكشاف تصميم مهام متعددة الوسائط (دمج الصور/الفيديوهات المولدة بالذكاء الاصطناعي في السيناريوهات)؛ والتحقيق الجاد في القضايا الأخلاقية – ضمان ألا يعزز الذكاء الاصطناعي الصور النمطية في سرديات الصراع التي يولدها.