توتور مومنتس (TutorMoments): هل يعرف معلمو الذكاء الاصطناعي متى يساعدون الطالب ومتى يتركونه يفكر؟

أطلق معهد "ألين للذكاء الاصطناعي" (Ai2) إطار تقييم جديد يحمل اسم "توتور مومنتس" (TutorMoments)، يختبر فيه قدرة نماذج اللغة الكبيرة على اتخاذ القرار التربوي الأصعب: متى تقدم الدعم للطالب، ومتى تدفعه للتفكير بعمق أكبر بدلاً من إعطائه الحل. الإطار مبني على 462 محاضرًا حقيقيًا لجلسات تدريس رياضيات فردية مع طلاب أمريكيين في الصفوف 2-7، مع أكثر من 1500 لحظة قرار حددها 27 معلمًا خبيرًا.

المشكلة التي يكشفها الإطار بسيطة وعميقة في آن: النماذج اللغوية مدربة لتكون "مساعدة" (helpful)، وفي جلسة تدريس، يعني ذلك غالبًا أنها تحل المشكلة عن الطالب: تشرح المفهوم، ترسم الخطوات، وتوصله للإجابة. هذا يقطع ما يسمى في أبحاث التعلم "الكفاح المنتج" (productive struggle)، وهو الجهد العقلي الذي يبني فهمًا راسخًا.

توتور مومنتس يوقف المحاضر عند كل "لحظة قرار": نقطة كان على المعلم البشري أن يختار فيها بين "التيسير" (scaffolding: تبسيط المشكلة لبدء الطالب) و"الدفع للصرامة" (pushing for rigor: مطالبة الطالب بتفكير أعمق). ثم يسلم الجلسة للنموذج ليكمل دور المعلم لخمس جولات مع طالب محاكي، ويقيم خطوته: هل قدم الدعم حين كان مطلوبًا؟ هل دفع للصرامة حين كان الطالب مستعدًا؟ هل تجنب "التيسير المفرط" الذي يقلل التحدي أكثر مما تستدعيه اللحظة؟

النتائج الأولية لسبعة نماذج كبرى تكشف نمطًا واضحًا: كل نموذج يتحسن عند إضافة توجيه صريح في المطالبة (prompt) يشرح المفاضلة بين التيسير والصرامة، لكن الفجوة تظل واسعة بين النماذج، ولا يغلق أي منها الفجوة مع سلوك المعلمين البشر في تلك اللحظات نفسها. المعلمون البشر، بالمناسبة، سجلوا درجات متواضعة عند تقييمهم بنفس المعيار (0.458 تيسير مناسب، 0.182 صرامة مناسبة، 0.496 تجنب تيسير مفرط): لأن البيانات ركزت على اللحظات التي كان يمكن أن يسير فيها التدريس بشكل أفضل، لا على الممارسة المثالية.

ما يعني هذا للمنطقة: السعودية (أكاديمية سدايا، معسكرات "صيف المستقبل")، الإمارات (مبادرات المهارات الرقمية، مخيمات الذكاء الاصطناعي)، ومصر (استراتيجية بناء القدرات الرقمية) تضخ استثمارات ضخمة في تعليم الذكاء الاصطناعي. الأدوات التي ستصل إلى الفصول والمدربين خلال سنة أو سنتين ستُبنى على نماذج تشبه تلك التي اختبرها توتور مومنتس. إذا كان النموذج "يساعد" الطالب بحل الواجب عنه، فالمحصلة هي طالب يجيد نسخ الإجابات ولا يجيد التفكير. المنطقة التي تريد اقتصاد معرفة لا اقتصاد نسخ تحتاج إلى معايير تقييم تشبه توتور مومنتس: تقيس الحكم التربوي، لا مجرد دقة الإجابة.

البيانات، الكود، ومحفظة التقييم مفتوحة بالكامل (ورقة تقنية، مجموعة بيانات على Hugging Face، مستودع GitHub). هذه خطوة نادرة نحو الشفافية في تقييم الذكاء الاصطناعي التربوي، وتدعو الباحثين والمطورين في المنطقة لبناء نسخ عربية، بمحتوى عربي، ومعلمين عرب، لتقييم النماذج التي ستدرّس أبناءنا.