دراسة حالة: مسارات هندسة الأوامر لطلاب المرحلة الثانوية (EFL) باستخدام ChatGPT في مهام الكتابة

1. المقدمة

يشير الانتشار غير المسبوق لـ ChatGPT إلى تحول نموذجي في كيفية تفاعل الأفراد مع التكنولوجيا لأغراض تعليمية. تبحث هذه الورقة في المهارة الناشئة لهندسة الأوامر بين طلاب المرحلة الثانوية الذين يدرسون اللغة الإنجليزية كلغة أجنبية (EFL). بينما تقدم النماذج اللغوية الكبيرة (LLMs) مثل ChatGPT إمكانات هائلة لدعم تطوير الكتابة، فإن فعاليتها تعتمد على قدرة المستخدم على صياغة تعليمات دقيقة وفعالة. تلتقط هذه الدراسة عمليات التجربة والخطأ الفورية للمستخدمين المبتدئين، وتحلل محتوى وجودة وتطور أوامرهم لإنجاز مهمة كتابة محددة. تكشف النتائج عن مسارات سلوكية متميزة، مؤكدة على الحاجة الملحة لتعليم منظم لهندسة الأوامر ضمن مناهج تعليم اللغة الإنجليزية كلغة أجنبية (EFL) لتحويل الطلاب من التجريب غير الفعال إلى التعاون الاستراتيجي مع الذكاء الاصطناعي.

2. المراجعة الأدبية والخلفية

3. المنهجية

4. النتائج: أربعة مسارات لهندسة الأوامر

كشف تحليل تسجيلات الشاشة عن أربعة مسارات نمطية، تمثل مجموعات مختلفة من النهج الاستراتيجي وتطور الأوامر.

5. المناقشة والتداعيات

6. التحليل التقني والإطار

الفكرة الأساسية، التدفق المنطقي، نقاط القوة والضعف، الرؤى القابلة للتطبيق

الفكرة الأساسية: تقدم هذه الورقة حقيقة حاسمة وغالبًا ما يتم تجاهلها: إن دمقرطة أدوات الذكاء الاصطناعي مثل ChatGPT لا تعني دمقرطة الكفاءة تلقائيًا. الواجهة بسيطة بشكل مخادع، لكن الحمل المعرفي للتفاعل الفعال مرتفع. الاختناق الحقيقي في "الفصل الدراسي المعزز بالذكاء الاصطناعي" ليس الوصول إلى التكنولوجيا؛ بل هو نقص الثقافة التفاعلية. تحول الدراسة التركيز ببراعة من ناتج الذكاء الاصطناعي إلى مدخلات الإنسان، مما يكشف عن منحنى التعلم الخام وغير المزين.

التدفق المنطقي: الحجة منهجية ومقنعة. تبدأ بتأسيس المشكلة (روبوتات الدردشة المتطورة (SOTA) تتطلب صياغة ماهرة للأوامر)، تقدم فجوة المعرفة (كيف يفعل المبتدئون ذلك فعليًا؟)، تقدم أدلة تجريبية مفصلة (المسارات الأربعة)، وتختتم بدعوة قوية للعمل (يجب أن يتكيف التعليم). استخدام دراسات الحالة يرسخ النظرية في الواقع المعقد.

نقاط القوة والضعف: القوة الرئيسية هي الصلاحية البيئية. استخدام تسجيلات الشاشة لمستخدمين لأول مرة في سياق مهمة حقيقية يوفر بيانات أصيلة تفتقر إليها الدراسات المعملية غالبًا. تصنيف المسارات الأربعة بديهي ويوفر إطارًا قويًا للمعلمين لتشخيص سلوك الطالب. العيب الأساسي، كما اعترف المؤلفون، هو النطاق. هذه دراسة حالة متعمقة، وليست مسحًا واسعًا. المسارات توضيحية، وليست قابلة للتعميم إحصائيًا. علاوة على ذلك، تركز الدراسة على العملية، وليس قياس جودة المنتج الكتابي النهائي بدقة عبر المسارات - وهي خطوة تالية حاسمة.

الرؤى القابلة للتطبيق: بالنسبة للمعلمين ومصممي المناهج، هذه الورقة هي دعوة للاستيقاظ. تقدم تفويضًا واضحًا: هندسة الأوامر هي مهارة معرفية أساسية في القرن الحادي والعشرين ويجب تعليمها، وليس اكتسابها بالصدفة. يجب على المدارس تطوير دروس مصغرة تدمج أطرًا مثل نموذج التسلسل الهرمي للأوامر، الذي ينتقل من الأوامر الأساسية ($P_{cmd}$) إلى أوامر التفكير التكراري المعقدة ($P_{reason}$). على سبيل المثال، تعليم الطلاب صيغة الأمر عالي الجودة: $P_{optimal} = R + T + C + E$، حيث $R$ هو الدور، $T$ هو المهمة، $C$ هي القيود، و $E$ هي الأمثلة. يجب على شركات تكنولوجيا التعليم بناء هذه السقالات التربوية مباشرة في واجهاتها، وتقديم قوالب موجهة لبناء الأوامر وتغذية راجعة، متجاوزة مربع النص الفارغ.

التفاصيل التقنية والصياغة الرياضية

من منظور تعلم الآلة، يعمل أمر المستخدم $p$ كسياق شرطي للنموذج اللغوي $M$. يولد النموذج تسلسل مخرجات $o$ بناءً على توزيع الاحتمال $P(o | p, \theta)$، حيث $\theta$ يمثل معلمات النموذج. يقلل الأمر الفعال من إنتروبيا توزيع المخرجات هذا، موجهاً إياه نحو الهدف المقصود للمستخدم $t$. تحدي الطالب هو تقليل التباين بين توزيع المخرجات المحتملة وهدفه، ويتم صياغته رياضياً كتقليل $D_{KL}(P(o|p, \theta) \,||\, P(o|t))$، حيث $D_{KL}$ هو تباعد كولباك-ليبلر. يقوم المستخدمون المبتدئون، من خلال التجربة والخطأ، بإجراء تحسين تقريبي، مع وجود الإنسان في الحلقة، للأمر $p$ لتحقيق ذلك.

مثال حالة باستخدام إطار التحليل

السيناريو: يجب على طالب كتابة خطاب إقناعي لمدير المدرسة حول بدء برنامج إعادة التدوير.

المسار البسيط (غير فعال):
الأمر 1: "اكتب خطابًا عن إعادة التدوير."
الناتج: خطاب عام وغير مميز.
إجراء الطالب: يقدم الناتج مع تعديلات طفيفة.

مسار المخطط المنظم (فعال - باستخدام إطار RTF):
الأمر 1: "تصرف كطالب في الصف العاشر قلق. اكتب خطابًا إقناعيًا رسميًا لمدير مدرسة ثانوية. الهدف هو إقناعه بتنفيذ برنامج شامل لإعادة تدوير البلاستيك والورق في الكافتيريا والفصول الدراسية. استخدم نبرة محترمة ولكن عاجلة. أدرج ثلاث حجج: 1) الأثر البيئي، 2) فرص مشاركة/قيادة الطلاب، 3) إمكانية توفير التكاليف أو المنح. قم بتنسيق الخطاب بتاريخ، وترحيب، وفقرات جسم لكل حجة، وتوقيع ختامي."
الناتج: خطاب منظم جيدًا، مستهدف، ومقنع.
إجراء الطالب: يراجع الناتج، وقد يطلب تحسينًا: "اجعل الحجة الثالثة حول توفير التكاليف أقوى بإضافة إحصائية."

يُظهر هذا التباين كيف أن تطبيق إطار منظم بسيط (الدور: طالب، المهمة: كتابة خطاب، التنسيق: رسمي بحجج محددة) يحسن بشكل كبير كفاءة وجودة التعاون مع الذكاء الاصطناعي.

النتائج التجريبية ووصف الرسم البياني

النتائج الرئيسية للدراسة نوعية، مذكورة في أوصاف المسارات. يمكن أن ينتج عن امتداد كمي افتراضي رسم بياني مثل: "الشكل 1: كفاءة التفاعل مقابل جودة الناتج حسب المسار." سيمثل المحور السيني عدد جولات الأمر (معكوس الكفاءة)، وسيمثل المحور الصادي درجة جودة النص النهائي (مقيمة عبر معايير). نتوقع:
- أن يتجمع المسار البسيط في ربع الكفاءة العالية (جولات قليلة) ولكن الجودة المنخفضة.
- أن يُظهر المحسّن التكراري جولات متوسطة إلى عالية مع جودة متغيرة.
- أن يشغل المخطط المنظم ربع الكفاءة العالية والجودة العالية (جولات قليلة، درجة عالية).
- أن يكون المستكشف الحواري في ربع الكفاءة المنخفضة (جولات عالية) مع جودة متغيرة، وربما عالية إذا كان الاستكشاف مركزًا. ستجادل هذه التصورات بقوة أن مسار المخطط المنظم يمثل الهدف الأمثل للتعليم.

7. التطبيقات المستقبلية والاتجاهات

تمتد تداعيات هذا البحث إلى ما هو أبعد من فصل تعليم اللغة الإنجليزية كلغة أجنبية (EFL):

• معلمو الأوامر التكيفية: تطوير معلمين مدعومين بالذكاء الاصطناعي يحللون تاريخ أوامر الطالب، يشخصون مساره، ويقدمون تغذية راجعة موجهة في الوقت الفعلي لتوجيههم نحو استراتيجيات أكثر فعالية (مثل، "حاول تحديد جمهورك في الأمر التالي").
• المهارات المعرفية عبر التخصصات: دمج هندسة الأوامر في تعليم العلوم والتكنولوجيا والهندسة والرياضيات (STEM) لتوليد الكود، واستعلامات تحليل البيانات، والتفسير العلمي، كما تدعو إليه مؤسسات مثل مبادرة RAISE في معهد ماساتشوستس للتكنولوجيا (MIT).
• إعداد القوى العاملة: كما لوحظ في تقارير منتدى الاقتصادي العالمي، أصبحت هندسة الأوامر بسرعة مهارة قيمة عبر المهن. يجب أن يعد التعليم الثانوي الطلاب لهذا الواقع.
• الدراسات الطولية: تتبع كيفية تطور مهارات هندسة الأوامر مع مرور الوقت مع التعليم، وكيفية ارتباطها بتحسينات في مهارات الكتابة التقليدية والتفكير النقدي.
• الأوامر متعددة الوسائط: يجب أن يستكشف البحث المستقبلي هندسة الأوامر للذكاء الاصطناعي متعدد الوسائط (مثل DALL-E، Sora)، حيث تتضمن التعليمات قيودًا بصرية وزمنية وأسلوبية - وهي حدود معرفية أكثر تعقيدًا.

8. المراجع

1. Caldarini, G., Jaf, S., & McGarry, K. (2022). A Literature Survey of Recent Advances in Chatbots. Information, 13(1), 41.
2. Woo, D. J., Guo, K., & Susanto, H. (2023). Cases of EFL Secondary Students’ Prompt Engineering Pathways to Complete a Writing Task with ChatGPT. [Manuscript in preparation].
3. Zhao, W. X., et al. (2023). A Survey of Large Language Models. arXiv preprint arXiv:2303.18223.
4. Moor, J. (2006). The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years. AI Magazine, 27(4), 87–91.
5. MIT RAISE. (2023). Day of AI Curriculum. Massachusetts Institute of Technology. Retrieved from [https://www.dayofai.org/]
6. World Economic Forum. (2023). Future of Jobs Report 2023.
7. Reynolds, L., & McDonell, K. (2021). Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm. Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems.