يمكن لأداة أن تحسّن ناتج المهمة وفي الوقت نفسه تضعف القدرة التي كان يفترض أن تنمّيها تلك المهمة.
هذا هو التوتر الذي تكشفه دراسة حديثة على 26,811 طالبًا صينيًا في المرحلة الثانوية. بعد تبني أدوات الذكاء الاصطناعي التوليدي، ارتفعت درجات الواجبات 18% وانخفض وقت إنجازها 30%. وبعد ستة أشهر، تراجعت نتائج امتحاناتهم الشهرية التي أُجريت من دون ذكاء اصطناعي 20%.
الاستنتاج السهل هو أن الذكاء الاصطناعي يضر بالتعلّم. أما الاستنتاج المفيد فأدق: عندما نحسّن الناتج المرئي، قد نزيل من دون قصد العملية الذهنية التي أعطت المهمة قيمتها.
ما الذي قاسَته الدراسة فعلًا؟
استخدم ديفيد سترومبرغ وفيكتور لي ويانهوي وو بيانات تمتد 30 شهرًا لطلاب من الصف السابع إلى الثاني عشر في مقاطعة بوسط الصين. تربط البيانات درجات الواجبات وأوقات إنجازها في تسع مواد بامتحانات شهرية مغلقة الكتاب وامتحانات قبول للمدرسة الثانوية والجامعة.
تبنى الطلاب الذكاء الاصطناعي في أوقات مختلفة، واستفاد الباحثون من ذلك في تصميم «الفروق في الفروق». لم تكن تجربة عشوائية؛ فالطلاب اختاروا استخدام الأدوات. يحاول التحليل التحقق من تشابه الاتجاهات السابقة وعزل التغير المرتبط بالتبني، لكنه لا يوفر درجة التحكم السببي نفسها التي توفرها التجربة.
مع ذلك، يصعب تجاهل النتائج:
- ارتفعت درجات الواجبات 18%؛
- انخفض متوسط وقت الإنجاز 30%؛
- تراجعت الامتحانات الشهرية 20% خلال ستة أشهر؛
- انخفضت امتحانات القبول بين 18% و24%، وظهر الأثر الكامل بعد نحو عامين.
تغطي الدراسة مقاطعة واحدة ونظامًا تعليميًا واحدًا. وهي ورقة نقاش لم تكمل بعد مراجعة مجلة علمية. لذلك لا يصح نقل نسبها آليًا إلى كل بلد أو عمر أو طريقة استخدام.
الإنتاجية والتعلّم ليسا المقياس نفسه
في كثير من الأنشطة، تعني نتيجة أفضل في وقت أقل إنتاجية أعلى. أما في التعلّم فقد تعني العكس.
لا يوجد التمرين فقط لإنتاج إجابة صحيحة. فهو يجبر المتعلم على استدعاء المعرفة وربط المفاهيم واكتشاف الخطأ وتجربة استراتيجية وتصحيحها. يحدث جزء من التعلّم داخل هذا الاحتكاك. إذا قدمت الأداة الإجابة قبل أن يمر الطالب بالعملية، فإنها تحسّن التسليم وتزيل التدريب.
كانت درجة الواجب مؤشرًا غير مباشر على المعرفة. يضعف الذكاء الاصطناعي هذه العلاقة: قد تتحسن الوثيقة بينما يعرف مقدمها أقل.
يحدث الانفصال نفسه خارج الصف. لم يعد تقرير أو ترجمة أو برنامج مكتمل دليلًا كافيًا على أن صاحبه يستطيع شرح القرارات أو اكتشاف خلل أو إعادة العمل عندما يتغير السياق.
التفصيل الحاسم هو الوقت المبذول
أهم ما في الدراسة ليس المتوسط، بل موضع تركز الخسارة.
يرصد الباحثون لدى نحو 80% من مستخدمي الذكاء الاصطناعي نمطًا يتوافق مع تفويض الواجبات: أوقات قصيرة بصورة استثنائية مع درجات مرتفعة. تركزت خسائر التعلّم في هذه المجموعة. أما من استخدموا الذكاء الاصطناعي وحافظوا على وقت عمل قريب من غير المستخدمين، فكانت خسائرهم صغيرة.
الوقت وحده لا يثبت أن شخصًا يتعلّم. لكنه هنا إشارة إلى مقدار الجهد الذي أزاحته الأداة. قد لا يكون الفرق الأهم بين من يستخدم الذكاء الاصطناعي ومن لا يستخدمه، بل بين من يستخدمه لعبور المشكلة ومن يستخدمه لتجنبها.
روبوت المحادثة ليس معلّمًا بالضرورة
اختبرت دراسة أخرى منشورة في PNAS عام 2025 هذه الآلية بتصميم تجريبي.
وُزّع نحو ألف طالب ثانوي في الرياضيات بتركيا بين مجموعة من دون ذكاء اصطناعي، ومجموعة تستخدم واجهة شبيهة بروبوت محادثة عام، وثالثة تستخدم معلّمًا قائمًا على GPT-4 صُمم لتقديم تلميحات والحد من الإجابات المباشرة.
أدت المجموعتان اللتان استخدمتا الأدوات أداء أفضل في التمارين أثناء توفرها. وعند سحبها، حصل مستخدمو روبوت المحادثة غير المقيد على نتائج أقل 17% من مجموعة الضبط. أما المعلّم الموجّه فخفف معظم هذه الخسارة.
كانت التقنية الأساسية متشابهة، لكن التفاعل لم يكن كذلك. الواجهة المصممة للإجابة تجعل التفويض رخيصًا. أما الواجهة المصممة للتعليم فيمكنها طلب محاولة أولى، وطرح سؤال وسيط، والإشارة إلى خطأ، وتحديد مقدار المساعدة.
لا يعني ذلك أن كل معلّم ذكاء اصطناعي منتج تعليمي جيد. لكنه يثبت أن الحديث عن «استخدام الذكاء الاصطناعي» كتدخل واحد يخفي المتغير الحاسم: السلوك الذي يشجعه المنتج.
يجب أن يقيس التقييم القدرة لا الناتج فقط
قد يحمي منع الأدوات شكلًا من أشكال الاختبار مؤقتًا، لكنه لا يحدد القدرات المطلوبة في عالم توجد فيه هذه الأدوات. والسماح بأي استخدام يخلط بين الحصول على إجابة وإتقان المعرفة اللازمة للحكم عليها.
يفصل التصميم الأقوى بين ثلاثة أهداف على الأقل:
- قدرة بلا مساعدة: ما يجب أن يتذكره الشخص أو يستدل عليه أو ينفذه من دون الأداة.
- قدرة بمساعدة: كيف يطلب ويتحقق ويجمع ويصحح العمل المنتج بالذكاء الاصطناعي.
- النقل: هل يستطيع حل مشكلة جديدة أو شرح قرار أو اكتشاف إجابة معقولة لكنها خاطئة؟
قد يتطلب ذلك آثارًا للعملية، أو دفاعًا شفهيًا، أو نسخًا مشروحة، أو تمارين تحت الإشراف، أو مهمة جديدة تطبق المبدأ نفسه في سياق آخر. الهدف ليس مراقبة كل نقرة، بل التوقف عن اعتبار الوثيقة النهائية دليلًا كافيًا على التعلّم.
تصميم الذكاء الاصطناعي من دون إزالة العمل المفيد
قبل إدخال الذكاء الاصطناعي في عملية تعليمية، ينبغي الإجابة عن خمسة أسئلة:
- أي جهد نريد تقليله لأنه آلي، وأي جهد نريد الحفاظ عليه لأنه يبني مهارة؟
- هل تعطي الأداة إجابات أم توجه القرارات؟
- هل تتطلب محاولة مستقلة قبل كشف الحل؟
- هل نستطيع قياس ما يمكن للشخص فعله بعد ذلك بلا مساعدة؟
- هل تكافئ الحوافز التعلّم أم مجرد التسليم؟
يمكن للذكاء الاصطناعي أن يكون معلّمًا جيدًا ومحاكيًا صبورًا ومصدرًا لتغذية راجعة فورية. ويمكنه أيضًا إنتاج نتائج صحيحة بينما يخفي تراجع القدرة الأساسية.
الفرق ليس في النموذج وحده، بل في تصميم المنتج والنشاط والتقييم. إذا قسنا الناتج النهائي فقط، فسيبدو أن الذكاء الاصطناعي حسّن النظام قبل وقت طويل من اكتشاف ما توقف النظام عن تدريبه.
