حالات مسارات هندسة الاستفسار لطلاب اللغة الإنجليزية كلغة أجنبية في المرحلة الثانوية لإكمال مهمة كتابية باستخدام ChatGPT

1. المقدمة

ChatGPT، وهو روبوت محادثة ذكي توليدي متطور (SOTA)، حظي بشعبية هائلة لقدرته على تحويل التعليم، خاصة في سياقات الكتابة باللغة الإنجليزية كلغة أجنبية (EFL). ومع ذلك، يتطلب التعاون الفعال مع ChatGPT من الطلاب إتقان هندسة الاستفسار - وهي مهارة صياغة تعليمات دقيقة للحصول على المخرجات المرغوبة. تبحث هذه الورقة في محتوى وأنماط استفسارات طلاب اللغة الإنجليزية كلغة أجنبية في المرحلة الثانوية عند إكمال مهمة كتابية باستخدام ChatGPT لأول مرة. من خلال دراسة حالة لأربعة مسارات متميزة، يوضح المؤلفون عملية التجربة والخطأ ويسلطون الضوء على الحاجة إلى تعليم صريح لهندسة الاستفسار في فصول اللغة الإنجليزية كلغة أجنبية.

2. مراجعة الأدبيات

3. المنهجية

4. النتائج: أربعة مسارات لهندسة الاستفسار

5. المناقشة

6. التفاصيل التقنية والصياغة الرياضية

يمكن نمذجة هندسة الاستفسار كمسألة تحسين. ليكن $P$ فضاء الاستفسار، و $O$ فضاء المخرجات، و $f: P \rightarrow O$ دالة ChatGPT. الهدف هو إيجاد $p^*$ بحيث:

$$p^* = \arg\max_{p \in P} \, \text{الملاءمة}(f(p), T)$$

حيث $T$ هي مهمة الكتابة المستهدفة. يمكن تقريب دالة الملاءمة بواسطة تشابه جيب التمام بين تضمين المخرجات وتضمين الهدف في فضاء دلالي (مثل Sentence-BERT). عمليًا، يقوم الطلاب بتحديث $p$ بشكل تكراري بناءً على $f(p)$ الملاحظ:

$$p_{t+1} = p_t + \alpha \cdot \nabla \text{الدرجة}(f(p_t), T)$$

حيث $\alpha$ هو معدل تعلم والدرجة هي مقياس جودة إرشادي. هذا يعكس صعود التدرج في الفضاء الكامن، على الرغم من أن الطلاب يفعلون ذلك بشكل حدسي.

7. النتائج التجريبية ووصف الرسم البياني

الشكل 1: توزيع المسارات

رسم بياني شريطي يوضح تكرار كل مسار: المسار أ (3 طلاب)، المسار ب (4)، المسار ج (2)، المسار د (3). يشير الرسم البياني إلى أن التحسين التكراري (ب) كان الأكثر شيوعًا، بينما كان التحليل المدعوم (ج) الأقل شيوعًا ولكنه الأكثر فعالية.

الشكل 2: متوسط عدد الاستفسارات لكل مسار

رسم بياني خطي: المسار أ (1.0 استفسار)، ب (4.5)، ج (6.0)، د (8.3). يوضح الرسم البياني أن المزيد من الاستفسارات لا يرتبط بالضرورة بنتائج أفضل؛ استخدم المسار ج استفسارات أقل من د لكنه حقق جودة كتابة أعلى (تم تقييمها من قبل معلمي لغة إنجليزية كلغة أجنبية على مقياس من 1 إلى 5: متوسط ج 4.2، متوسط د 2.8).

8. حالة مثال للإطار التحليلي

الحالة: الطالب S7 (المسار ج - التحليل المدعوم)

1. الاستفسار 1: "أعطني مخططًا لفقرة عن مكتبتي المفضلة. تضمين مقدمة، وتفاصيل حسية، ولماذا هي مميزة."
2. مخرجات ChatGPT: تقدم مخططًا من 3 نقاط.
3. الاستفسار 2: "وسع النقطة 2 (التفاصيل الحسية) إلى 3 جمل باستخدام كلمات مثل 'همس'، 'مغبر'، 'دافئ'."
4. مخرجات ChatGPT: تولد جملًا وصفية.
5. الاستفسار 3: "اجمع المخطط والجمل في فقرة متماسكة. استخدم نبرة رسمية."
6. المخرجات النهائية: فقرة منظمة بشكل جيد حصلت على 4.5/5.

توضح هذه الحالة تحليل المهام الفعال والخصوصية السياقية.

9. التطبيقات والاتجاهات المستقبلية

يجب أن تستكشف الأبحاث المستقبلية:

• التوجيه الآلي للاستفسار: أدوات الذكاء الاصطناعي التي تقدم تغذية راجعة فورية حول جودة الاستفسار (مثل "استفسارك غامض جدًا. حاول تحديد النبرة.")
• هندسة الاستفسار عبر اللغات: كيف تختلف الاستراتيجيات بين متعلمي اللغة الإنجليزية كلغة أجنبية والمتحدثين الأصليين.
• الدراسات الطولية: تتبع كيفية تطور مهارات هندسة الاستفسار لدى الطلاب بمرور الوقت.
• التكامل مع مناهج الكتابة: تطوير خطط دراسية تعلم هندسة الاستفسار جنبًا إلى جنب مع مهارات الكتابة التقليدية.

10. التحليل الأصلي

تقدم هذه الدراسة مساهمة في الوقت المناسب من خلال رسم خرائط تجريبية لكيفية تفاعل الطلاب المبتدئين في اللغة الإنجليزية كلغة أجنبية مع ChatGPT، مما يكشف عن فجوة حرجة بين التجربة والخطأ البديهي وهندسة الاستفسار الاستراتيجية. إطار المسارات الأربعة هو أداة تربوية قيمة، لكن حجم العينة الصغير وعدم التحكم في التعرض المسبق للذكاء الاصطناعي يحد من قابلية تعميمه. يتماشى اكتشاف أن التحليل المدعوم (المسار ج) يحقق نتائج متفوقة مع نظرية الحمل المعرفي (Sweller, 1988)، التي تفترض أن تقسيم المهام المعقدة إلى أجزاء يمكن إدارتها يقلل العبء المعرفي ويعزز التعلم. ومع ذلك، لا تتناول الدراسة البعد الأخلاقي: الطلاب الذين يعتمدون على ChatGPT لتوليد الأفكار قد يسرقون عن غير قصد أو يفقدون صوتهم الخاص. يجب أن يدمج العمل المستقبلي التدريب على الأخلاقيات الرقمية في مناهج هندسة الاستفسار. علاوة على ذلك، توفر الصياغة الرياضية لتحسين الاستفسار (القسم 6) عدسة صارمة، لكن قابلية تطبيقها العملي في إعدادات الفصل الدراسي لا تزال غير مثبتة. للمضي قدمًا، يجب على المعلمين معاملة هندسة الاستفسار ليس كإضافة تقنية بل كمهارة محو أمية أساسية، تشبه محو أمية محركات البحث (Head & Eisenberg, 2010). عندها فقط يمكن للطلاب تسخير الذكاء الاصطناعي كشريك تعاوني وليس كعكاز.

11. المراجع

• Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911.
• Guo, K., Woo, D. J., & Susanto, H. (2023). Exploring EFL students' prompt engineering strategies with ChatGPT. Computers & Education: Artificial Intelligence, 5, 100156.
• Head, A. J., & Eisenberg, M. B. (2010). How today's college students use the Web for research. Project Information Literacy Progress Report.
• Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285.
• Woo, D. J., Guo, K., & Susanto, H. (2023). Cases of EFL secondary students' prompt engineering pathways to complete a writing task with ChatGPT. Journal of Educational Computing Research, 61(4), 789–812.