في الحادية عشرة ليلًا، جلس طالب أمام محاضرة لم يفهم منها إلا القليل. كانت أمامه صفحات طويلة، وموعد الاختبار يقترب، والوقت لا يكفي ليبدأ كل شيء من جديد. نسخ المحاضرة إلى إحدى أدوات الذكاء الاصطناعي، فحصل خلال دقائق على ملخص مرتب، وأمثلة مبسطة، وأسئلة متوقعة، وإجابات نموذجية. ما كان يبدو قبل قليل كتلة مغلقة من المعلومات صار واضحًا ومنظمًا على الشاشة.
أغلق المهمة وشعر أن عبئًا ثقيلًا قد انزاح عن كتفيه. غير أن سؤالًا صغيرًا ظل معلقًا: ما الذي حدث خلال هذه الدقائق؟ هل أصبحت المحاضرة أوضح في عقله، أم أصبحت الإجابة متاحة أمامه فقط؟ وإذا أُغلق الحاسوب وطُلب منه غدًا أن يشرح الفكرة أو يستخدمها في مسألة جديدة، فماذا سيبقى معه؟
متى يساعد الذكاء الاصطناعي الطالب على التفكير، ومتى يبدأ في التفكير بدلًا منه؟ كيف نميز بين أداة تختصر الطريق وأداة تحملنا إلى النهاية من دون أن نتعلم السير؟ وهل يمكن أن نستفيد من سرعته وقدرته على الشرح من غير أن تتحول راحتنا الآن إلى عجز يظهر لحظة الامتحان؟
١. حين تصبح الإجابة أسرع من التعلّم
لم يعد المشهد السابق استثنائيًا. ففي عام 2026، أجرى معهد سياسات التعليم العالي البريطاني (Higher Education Policy Institute) مسحًا شمل 1054 طالبًا جامعيًا في المملكة المتحدة. قال 95 في المئة منهم إنهم يستخدمون الذكاء الاصطناعي بصورة ما، وقال 94 في المئة إنهم يستعينون بالذكاء الاصطناعي التوليدي في الأعمال الخاضعة للتقييم. تكشف هذه الأرقام مدى سرعة دخول الأداة إلى حياة الطلاب، لكنها لا تخبرنا وحدها بما تعلّموه منها.
يمكن للطالب أن يحصل على إجابة صحيحة ويغادر الجلسة من دون أن يكتسب القدرة التي أنتجتها. يظهر الفارق حين تختفي المساعدة: هل يستطيع شرح الفكرة بلغته، أو حل مسألة قريبة، أو اكتشاف خطأ في إجابة جديدة؟ إذا لم يستطع، فقد تحسن أداؤه أثناء وجود الأداة، لكن المعرفة لم تنتقل إليه بالقدر الذي يتصوره.
يتغير معنى المساعدة أيضًا بتغير ما يحاول الطالب تعلّمه. إذا كان يدرس التاريخ، فقد يوفر عليه الذكاء الاصطناعي وقتًا حين يرتب قائمة طويلة من التواريخ التي جمعها بالفعل. أما إذا كان هدفه أن يتعلم بناء تفسير يربط الأسباب بالنتائج، فإن طلب هذا التفسير كاملًا يسحب منه العمل الذي جاء ليتدرب عليه. وقد يكون تصحيح اللغة مساعدة نافعة لطالب يكتب تقريرًا في الأحياء، لكنه يصبح بديلًا عن التعلّم إذا كان التقرير نفسه اختبارًا لمهارته في الكتابة بلغة أجنبية.
إذن لا يمكن الحكم على الاستخدام من شكل الإجابة أو سرعتها. علينا أن نعرف أولًا ما المهارة التي يفترض أن تخرج بها من المهمة. عندها فقط يمكن تحديد الجزء الذي يجوز للأداة أن تحمله، والجزء الذي يجب أن يظل على كتفيك.
٢. أي جزء من المهمة سلّمته إلى الأداة؟
في عام 2016، جمع عالما النفس المعرفي إيفان ريسكو وسام جيلبرت أبحاثًا تتناول ما يسمى «الإسناد المعرفي» (Cognitive Offloading): استخدام فعل أو وسيلة خارجية لتقليل المتطلبات العقلية لمهمة ما. حين تكتب موعدًا في هاتفك، أو ترسم شكلًا يساعدك على الحساب، أو تستخدم قائمة كيلا تثقل ذاكرتك، فأنت تسند جزءًا من العمل إلى العالم من حولك. لا يدل ذلك في ذاته على ضعف أو كسل؛ فقد يحرر العقل للتركيز فيما هو أهم.
لكن الأدوات القديمة كانت تحمل عادة جزءًا محدودًا من المهمة. الآلة الحاسبة تجري العملية التي أدخلتها، والمفكرة تحفظ الجملة التي كتبتها. أما الذكاء الاصطناعي التوليدي فيستطيع اقتراح السؤال، وشرح الفكرة، وبناء الحجة، وحل المسألة، وكتابة الناتج النهائي. لهذا أصبح السؤال أكثر حساسية: هل أسندت إليه عبئًا جانبيًا، أم أسندت إليه القدرة التي تريد بناءها؟
لنتخيل طالبًا يقرأ فصلًا صعبًا. يمكنه أن يطلب من الأداة تحويل المصطلحات التي استخرجها إلى جدول، فيوفر وقت التنظيم ويبقى عليه فهم العلاقات. ويمكنه أن يطلب مثالًا آخر عندما يعجز عن رؤية الفكرة في المثال الأصلي. لكن إذا طلب ملخصًا قبل أن يقرأ، ثم اعتمد عليه في الإجابة، فقد سلّم الأداة اختيار المهم، وربط الأجزاء، وصياغة المعنى. تبدو النتيجة متشابهة على الصفحة، بينما يختلف ما حدث في عقل الطالب اختلافًا كبيرًا.
الإسناد النافع يزيل ما يعوق التعلّم أو يقدم سندًا مؤقتًا عند التعثر. أما الإسناد الخطر فيحذف المحاولة التي كان ينبغي أن تغيّر قدرة المتعلم. وقد خرج هذا الفرق من نطاق النظرية عندما بدأ الباحثون يقيسون ما يفعله الطلاب في وجود الذكاء الاصطناعي، ثم ما يستطيعون فعله بعد سحبه.
٣. عندما يتغير تصميم المساعدة تتغير النتيجة
في عام 2025، أرادت هَمسا بستاني وزملاؤها الإجابة عن سؤال بسيط لكنه حاسم: هل يتعلّم الطالب فعلًا عندما يستخدم الذكاء الاصطناعي، أم يبدو أداؤه أفضل فقط لأن الإجابة أصبحت قريبة منه؟
اختبر الباحثون ذلك مع قرابة ألف طالب في المرحلة الثانوية أثناء تعلّم الرياضيات. أتيح لبعض الطلاب استخدام واجهة عامة للذكاء الاصطناعي يمكنهم أن يطلبوا منها الحل مباشرة، بينما استخدم آخرون مدرسًا ذكيًا صُمم ليقدّم التلميحات ويقود الطالب خطوة خطوة. ودرست مجموعة ثالثة بالطريقة المعتادة من دون ذكاء اصطناعي.
أثناء التدريب، بدا الطلاب الذين استخدموا الذكاء الاصطناعي أفضل أداءً. لكن الصورة تغيرت عندما أُغلقت الأدوات وطُلب منهم حل اختبار مستقل. كان أداء مستخدمي الواجهة العامة أضعف من أداء الطلاب الذين تعلموا من دونها، في حين لم يظهر هذا التراجع لدى مستخدمي المدرس الموجّه.
قدّم تحليل المحادثات تفسيرًا واضحًا: حين كانت الحلول متاحة بسهولة، مال بعض الطلاب إلى طلبها ونسخها. أما المدرس الموجّه فكان يعيد الطالب إلى المسألة، ويمنحه تلميحًا بدل الإجابة، ثم يطالبه بالمحاولة. لقد ساعدته القيود على البقاء داخل عملية التعلّم.
وفي العام نفسه، وصل جريج كيستن وزملاؤه في جامعة هارفارد إلى نتيجة تكمل هذه الصورة. فقد اختبروا مدرسًا ذكيًا صُمم وفق ممارسات تعليمية واضحة داخل مقرر تمهيدي للفيزياء. تعلّم الطلاب باستخدامه قدرًا أكبر في وقت أقل، وذكروا أنهم شعروا بتفاعل ودافعية أعلى.
لا يعني ذلك أن كل محادثة مع الذكاء الاصطناعي تتحول تلقائيًا إلى درس ناجح. الفارق أن الأداة في التجربة الأولى استطاعت أن تحمل الطالب مباشرة إلى الحل، بينما صُممت في تجربة هارفارد كي تُبقيه مشاركًا في التفكير.
إذن ليست القضية أن نستخدم الذكاء الاصطناعي أو نرفضه، بل أن نحدد الدور الذي نسمح له بأدائه. فإذا قدّم لك الناتج النهائي، فقد ينجز المهمة من دون أن يبني قدرتك. أما إذا طرح سؤالًا، أو قدّم تلميحًا، أو كشف موضع الخطأ، فيمكن أن يصبح شريكًا حقيقيًا في التعلّم. ومن هنا نصل إلى القرار الأهم: أي دور ستمنحه للأداة قبل أن تبدأ؟
٤. اختر دور الذكاء الاصطناعي قبل أن تستخدمه
قد تدخل إلى المحادثة بالسؤال نفسه، ثم تحصل على تجربة مختلفة تمامًا بحسب الدور الذي منحته للأداة. عندما تطلب المنتج النهائي، تصبح الأداة منفذًا. وحين تعرض محاولتك وتطلب كشف موضع الخلل، تصبح مصححًا. وإذا طلبت منها سؤالًا أو تلميحًا ثم تركت لك بناء الإجابة، اقتربت من دور المعلم المحاور.
عند فهم مفهوم جديد
اقرأ المصدر أولًا بالقدر الذي يسمح لك بتحديد موضع الغموض. بعد ذلك اطلب شرحًا بديلًا أو مثالًا مضادًا أو مقارنة بين مفهومين تختلط عليك حدودهما. لا تبدأ بطلب تلخيص المحاضرة كلها؛ لأنك بذلك تسمح للأداة أن تختار عنك ما هو أساسي قبل أن ترى بنية المادة بنفسك.
عند حل مسألة
اعرض محاولتك واطلب تحديد أول خطوة غير صحيحة، أو اطلب تلميحًا واحدًا من دون الحل. إذا بقي العائق بعد المحاولة الثانية، انتقل إلى تلميح أوضح. هذه المساعدة المتدرجة تمنعك من البقاء عالقًا، وتحافظ في الوقت نفسه على القرارات التي يجب أن تتعلم اتخاذها.
عند البحث
يمكن للأداة اقتراح كلمات مفتاحية، وأسئلة فرعية، ومصادر محتملة، ومقارنات تستحق الفحص. أما قراءة المصادر، والتأكد من وجودها، وتحديد ما تدعمه بالفعل، فتبقى مسؤوليتك. قائمة مراجع أنيقة لا تعني أن المراجع حقيقية أو أنها تقول ما نُسب إليها.
عند الكتابة
اكتب الفكرة أو المسودة الأولى، ثم اطلب نقد الحجة، وكشف القفزات المنطقية، وتحديد الجمل الغامضة، واقتراح اعتراض لم تفكر فيه. كلما دخلت إلى الأداة وفي يدك شيء يمكن مناقشته، زادت فرصة أن تطور حكمك بدل أن تستبدله بنص جاهز.
ويؤكد إطار كفاءات الذكاء الاصطناعي للطلاب الذي أصدرته منظمة الأمم المتحدة للتربية والعلم والثقافة (اليونسكو UNESCO) عام 2024 أن الكفاءة لا تعني تشغيل الأداة فقط؛ فهي تشمل الحكم النقدي، وفهم حدود التقنية، والاستخدام المسؤول، والتعامل مع الطالب بوصفه مستخدمًا ومشاركًا واعيًا. وهذه المسؤولية تصبح أوضح عندما تنتج الأداة كلامًا يبدو موثوقًا.
٥. الإجابة المقنعة ليست دائمًا صحيحة
يمتلك النموذج اللغوي قدرة لافتة على إنتاج إجابة سلسة حتى عندما تكون بعض تفاصيلها خاطئة. وقد يصنع اسم كتاب، أو يخلط بين نتيجتي دراستين، أو يقدم خطوات منطقية تنتهي إلى جواب غير صحيح. المشكلة أن اللغة الواثقة تخفي أحيانًا المسافة بين ما يعرفه النظام وما يرجحه لغويًا.
في عام 2024، وصف المعهد الوطني الأمريكي للمعايير والتقنية (National Institute of Standards and Technology) هذا الخطر في ملفه الخاص بالذكاء الاصطناعي التوليدي باسم «الاختلاق» (Confabulation): إنتاج محتوى خاطئ أو غير دقيق وتقديمه بثقة. وأشار إلى أن الخطأ قد يظهر في المعلومة نفسها، وفي المنطق الذي يبررها، وحتى في المراجع التي تبدو كأنها تثبتها.
لذلك لا تطلب من الأداة أن تكون المعلومة والدليل على صحتها في الوقت نفسه. إذا ذكرت دراسة، افتح صفحة الناشر أو النص الأصلي، وتأكد من العنوان والمؤلفين والسنة، ثم اقرأ الجزء الذي يدعم الادعاء. وإذا شرحت مفهومًا من محاضرتك، فقارن الشرح بما اعتمده أستاذك أو كتاب المقرر. وفي المسائل، حاول إعادة الخطوات أو اختبار النتيجة بطريقة مستقلة بدل الاكتفاء بسؤال الأداة: «هل أنت متأكد؟»؛ فقد تجيبك بثقة جديدة لا بدليل جديد.
ويأتي قبل ذلك كله سؤال النزاهة. تختلف الجامعات والمدارس في الحدود المسموح بها، وقد تكون المساعدة المقبولة أثناء المذاكرة مخالفة في اختبار أو واجب يقيس عملك الفردي. اقرأ تعليمات المقرر، ولا ترفع بيانات شخصية أو مواد سرية، ولا تضع اسمك على عمل لم تتخذ قراراته ولم تستطع الدفاع عنه.
بعد هذه الحدود، يمكننا العودة إلى الطالب الذي بدأ محاضرته في الافتتاحية، لكن هذه المرة سنسير معه منذ الصفحة الأولى حتى يختبر ما بقي في عقله.
٦. من المحاضرة إلى الفهم: خريطة استخدام متكاملة
لنتخيل أن المحاضرة تتناول الانقسام المتساوي في الخلية. تحتوي على مراحل متتابعة ورسوم ومصطلحات متقاربة، والطالب مطالب بأن يشرح المراحل، ويميز بينها في الصور، ويفهم ما الذي قد يحدث إذا وقع خلل في إحداها. كيف يستخدم الذكاء الاصطناعي من دون أن تتحول الجلسة إلى ملخص يقرأه ثم ينساه؟
الخطوة الأولى: حدّد ما يجب أن تستطيع فعله وحدك
قبل فتح المحادثة، يكتب الطالب نتيجة واضحة: «بعد هذه الجلسة أريد أن أشرح مراحل الانقسام المتساوي بالترتيب، وأن أميز المرحلة من الرسم، وأن أفسر أثر خطأ في انفصال الكروموسومات». هذه الجملة تمنحه معيارًا يحاكم به كل مساعدة لاحقة. فإذا أنتجت الأداة ملخصًا جميلًا ولم تقربه من هذه القدرات، فهي لم تحقق غايته.
الخطوة الثانية: اقرأ وحدد موضع التعثر
يقرأ المحاضرة قراءة أولى، ويضع علامة أمام الجزء الذي توقف عنده. قد يكتشف أنه يعرف أسماء المراحل، لكنه يخلط بين الكروموسوم والكروماتيد، أو لا يفهم لماذا تصطف الكروموسومات في منتصف الخلية. أصبح الآن يملك سؤالًا حقيقيًا بدل طلب عام من نوع «اشرح المحاضرة».
الخطوة الثالثة: اتفق مع الأداة على طريقة المساعدة
يمكنه أن يبدأ بهذا الطلب: «سأستخدمك لمذاكرة محاضرة عن الانقسام المتساوي. اعتمد على الجزء الذي سأرسله، ولا تلخص المحاضرة كاملة. اسألني سؤالًا واحدًا في كل مرة، ولا تعطِني الحل قبل أن أحاول. إذا أخطأت، حدد موضع الخطأ وقدم تلميحًا، ثم دعني أصححه». هذا الاتفاق لا يضمن الدقة، لكنه يمنع المحادثة من الانزلاق سريعًا إلى إنتاج كل شيء نيابة عنه. كما يمنح الطالب حق التحكم في مقدار المساعدة: تلميح صغير أولًا، ثم شرح أوسع إذا ظل العائق قائمًا.
الخطوة الرابعة: عالج الفجوة لا المحاضرة كلها
يرسل الطالب الفقرة أو الرسم المرتبط بالكروموسوم والكروماتيد، ويشرح ما فهمه قبل أن يطلب التصحيح. إذا كان الخلط في علاقة الجزء بالكل، يمكنه طلب تشبيه، ثم يسأل أين ينتهي التشبيه حتى لا يحفظ صورة مضللة. بعد التصحيح، يعيد صياغة الفرق بكلماته ويطبقه على الرسم الموجود في المحاضرة. بهذه الطريقة تؤدي الأداة وظيفة محددة ثم تتراجع. لا تنتقل إلى المرحلة التالية إلا عندما يصبح الطالب قادرًا على قول الفكرة من دون نسخ عبارتها.
الخطوة الخامسة: انتقل إلى أسئلة تتدرج في الصعوبة
بعد فهم العناصر، يطلب من الأداة أن تنشئ أربع مهام من المادة التي زودها بها: ترتيب المراحل، وتحديد مرحلة من وصف، وتفسير رسم، ثم توقع نتيجة خلل في خطوة معينة. يشترط ألا تظهر الإجابات قبل أن يسجل محاولته، وأن يقتصر التصحيح أولًا على أول خطأ مؤثر. الغاية هنا أن ينتقل من متابعة الشرح إلى استخدام المعرفة. وقد ينجح في ترتيب المراحل ثم يفشل في تفسير الرسم؛ عندئذ يعرف أن المشكلة لم تعد في حفظ الأسماء، بل في رؤية ما يميز كل مرحلة.
الخطوة السادسة: اطلب الاعتراض لا الموافقة
حين يقدم تفسيرًا، لا يسأل فقط: «هل إجابتي صحيحة؟». الأفضل أن يطلب: «ما أضعف حلقة في تفسيري؟ وما السؤال الذي يمكن أن يكشف أنني أحفظ الكلمات من دون فهم العلاقة؟». يستطيع الذكاء الاصطناعي هنا أن يلعب دور الممتحن أو المعترض، بينما يظل بناء الإجابة والدفاع عنها عند الطالب.
الخطوة السابعة: تحقق وسجل الخطأ
يرجع الطالب إلى المحاضرة أو الكتاب ليتأكد من المصطلحات والتسلسل، وخاصة إذا أضافت الأداة معلومة غير موجودة في مادته. ثم يسجل في بضعة أسطر: ما الذي كان يخلط بينه؟ لماذا كان تفسيره ناقصًا؟ وما التصحيح؟ هذا السجل أنفع من نسخ المحادثة كاملة؛ لأنه يحتفظ بالنقطة التي تغير عندها فهمه.
الخطوة الثامنة: أغلق الأداة واختبر استقلالك
يغلق الطالب المحادثة، ويرسم المراحل من الذاكرة، ثم يشرحها في دقيقتين ويحل سؤالًا جديدًا. إذا توقف، لا يعيد الجلسة كلها؛ يحدد الفجوة ويعود إليها بمساعدة أصغر. أما إذا استطاع الشرح والتطبيق، فقد انتقلت القدرة إليه ولم تبق داخل الشاشة.
وللاحتفاظ بما تعلمه بعد هذه الجلسة، يمكنه استخدام مبادئ الاسترجاع والتباعد التي شرحناها في مقال «كيف تتعلّم بذكاء؟ دليل علمي للفهم السريع وتثبيت المعلومات». فوظيفة الذكاء الاصطناعي هنا هي تحسين جلسة التعلّم، بينما يحتاج تثبيت المعرفة بعد ذلك إلى عودة واختبار عبر الزمن.
هذه الخطة لا تشترط أداة بعينها ولا أمرًا سحريًا. معيارها بسيط: كلما زادت قدرة الطالب على تحديد سؤاله، وإظهار محاولته، وفحص الإجابة، والأداء بعد إغلاق الأداة، اقترب الذكاء الاصطناعي من دور المعلم. وكلما اتسع الناتج على الشاشة بينما تقلص ما يستطيع الطالب فعله منفردًا، صار إنجاز المهمة يخفي خسارة في التعلّم.
الخاتمة: ما الذي يبقى بعد إغلاق الشاشة؟
في بداية المقال، حصل الطالب على ملخص وأمثلة وأسئلة وإجابات في دقائق، لكنه لم يكن يعرف ما الذي أصبح ملكه منها. بعد اتباع الخريطة، قد يخرج بنص أقل، غير أن لديه شيئًا أهم: سؤالًا استطاع تحديده، وخطأً فهم سببه، وقدرة اختبرها بعيدًا عن الأداة.
يمكن للذكاء الاصطناعي أن يشرح ويقارن ويسأل ويصحح، وقد يمنح الطالب مساعدة لم تكن متاحة له من قبل. لكن قيمة هذه المساعدة تظهر فيما يبقى حين يصمت. إذا استطعت أن تشرح وتطبق وتحكم وحدك، فقد ساعدك على التعلّم. وإذا اختفت قدرتك باختفاء المحادثة، فقد أنجزت الأداة المهمة، وبقي تعلّمك ينتظر بداية أخرى.
المراجع العلمية
- Stephenson, R., & Armstrong, C. (2026). Student Generative Artificial Intelligence Survey 2026. Higher Education Policy Institute, Report 199. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
- Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6
- Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-students
- National Institute of Standards and Technology. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1. https://doi.org/10.6028/NIST.AI.600-1
نقاش المقال
كن أول من يعلّق
تُنشر التعليقات بعد مراجعتها للتأكد من ارتباطها بموضوع المقال.