الدورة الإقتصادية الدورة الإقتصادية
كيف يعيد الذكاء الاصطناعي تعريف السؤال ودور المعلّم؟
From Prompt Engineering to Mind Engineering
How AI Is Redefining Questions and the Teacher’s Role
بقلم: د. خالد عيتاني
رئيس لجنة الطوارئ الاقتصادية
لم يعد السؤال الذي يواجه المعلّم اليوم، سواء كان يعمل في مدرسة أو جامعة أو معهد مهني، هو ما إذا كان سيستخدم الذكاء الاصطناعي التوليدي Generative Artificial Intelligence – Generative AI؛ فهذا الاستخدام أصبح واقعًا يدخل في إعداد الدروس، وتصميم الأنشطة، وبناء الاختبارات، وتصحيح الأعمال، وإنتاج المحتوى، ومساعدة الطلاب على البحث والكتابة وحل المشكلات.
السؤال الأهم هو: كيف نستخدم الذكاء الاصطناعي من دون أن يتحول من أداة تدعم التفكير إلى بديل يقوم بالتفكير بدلًا من الطالب؟
إن قيمة هذه التكنولوجيا في التعليم لا تُقاس بعدد الصفحات التي تنتجها، ولا بسرعة إعداد خطة الدرس أو ورقة العمل، بل بقدرتها على تحسين نوعية الأسئلة، وتنظيم مسار التعلّم، وكشف المفاهيم الخاطئة، ودفع المتعلم إلى التفسير والتحليل والتحقق والمراجعة.
وكما أن امتلاك المؤسسة لأحدث التقنيات لا يضمن ارتفاع إنتاجيتها ما لم تدمجها في نموذج عمل رشيد، فإن إدخال الذكاء الاصطناعي إلى الصف أو المحاضرة أو المختبر لا يضمن تعلّمًا أفضل ما لم يوضع داخل فلسفة تربوية واضحة.
من هنا، لم تعد هندسة الأوامر Prompt Engineering مجرد مهارة لغوية للحصول على إجابة أكثر ترتيبًا؛ بل أصبحت جزءًا من تصميم التعلّم بين الإنسان والذكاء الاصطناعي Human–AI Learning Design.
فالمسألة لم تعد محصورة في ما نكتبه للآلة، بل تشمل أيضًا: ماذا يسأل النظام المتعلم؟ متى يتدخل؟ ما مقدار المساعدة التي يقدمها؟ هل يشرح مباشرة أم يطلب محاولة أولى؟ ومتى يسحب الدعم ليعيد مسؤولية التفكير إلى الإنسان؟
هنا يكمن التحول الحقيقي: من هندسة الأمر إلى هندسة الحوار، ومن هندسة الإجابة إلى هندسة التفكير، ومن استخدام الذكاء الاصطناعي لإنتاج المحتوى إلى استخدامه لبناء تعلّم أكثر عمقًا واستقلالًا.
مجال يتسع سريعًا… من دون معيار عالمي موحد
على الرغم من الانتشار الواسع لمصطلح هندسة الأوامر، لا يوجد حتى الآن إطار عالمي واحد متفق عليه لهندسة الأوامر التعليمية.
فقد كشف تحليل ببليومتري وتصنيفي شمل 1,238 دراسة عن وجود 283 تسمية مختلفة لأنواع الأوامر والحوافز الرقمية. ويعكس ذلك سرعة نمو المجال، لكنه يكشف أيضًا عن تشتت مفاهيمه وافتقاره إلى لغة تصنيفية موحدة. وقد وردت هذه النتائج في الدراسة المرجعية المحكمة Digital Prompting in Education: A Design Framework and Bibliometric Analysis، المنشورة في Educational Psychology Review عام 2026. [1] (Springer)
لكن الاتجاه العام بات واضحًا. فهندسة الأوامر التعليمية لم تعد تختزل في المعادلة التقليدية:
الدور Role + المهمة Task + السياق Context + شكل المخرجات Output Format + القيود Constraints.
هذه العناصر ما زالت ضرورية، لكنها تمثل الطبقة التقنية الأولى. أما الطبقة التربوية الأعمق فتشمل:
الغاية التعليمية Learning Goal + حالة المتعلم Learner State + العملية المستهدفة Targeted Process + نوع التفكير Cognitive Demand + تسلسل الأسئلة Question Sequence + مقدار الدعم Level of Support + التحقق من الأدلة Evidence Verification + التأمل والمراجعة Reflection and Revision + نقل مسؤولية التعلّم Transfer of Learning Responsibility.
ولذلك لم يعد السؤال:
كيف نجعل الذكاء الاصطناعي يقدم إجابة أفضل؟
بل أصبح:
كيف نجعل التفاعل مع الذكاء الاصطناعي يؤدي إلى تعلّم أعمق، من دون أن يقوم الذكاء الاصطناعي بالتفكير بدلًا من المتعلم؟
من هندسة الأوامر إلى الهندسة التربوية
أحد أبرز التحولات الحديثة هو الانتقال من هندسة الأوامر إلى ما تسميه الأدبيات الناشئة الهندسة التربوية Pedagogical Engineering؛ أي تصميم سلوك النظام وفق مبادئ التعلّم، لا وفق القواعد اللغوية والتقنية وحدها.
وهذا يفرض أسئلة تتصل بكيفية تكوين الفهم، وإدارة الحمل المعرفي Cognitive Load، ودعم عقلية النمو Growth Mindset، وبناء الدافعية، والانتقال من المساعدة إلى الاستقلال.
في تجربة عشوائية شملت 125 مشاركًا، قورنت تعليمات أساسية تحكم سلوك مدرس ذكي بتعليمات تربوية متقدمة تتضمن التعلّم النشط، وإدارة الحمل المعرفي، ودعم عقلية النمو. وأدى التصميم التربوي المتقدم إلى زيادة التفاعل والدافعية والاندماج، وخفض الحمل المعرفي المدرك، فيما حققت المجموعتان مكاسب تعلمية. وقد نُشرت الدراسة المحكمة Prompt Matters: How Pedagogical Engineering Shapes Behavior and Engagement with AI Tutors في مايو 2026. [2] (Springer)
والدلالة هنا واضحة: سلوك المدرس الذكي لا تحدده قوة النموذج وحدها، بل تحدده التعليمات التربوية التي تضبط طريقة حواره ومساعدته وتغذيته الراجعة.
قد يمتلك معلّمان الأداة نفسها، لكن أحدهما يستخدمها لتوزيع الإجابات، فيما يستخدمها الآخر لبناء سلسلة من الأسئلة والتلميحات والتحديات. التقنية واحدة، لكن القيمة التعليمية مختلفة؛ لأن التصميم التربوي مختلف.
ولهذا لا يكفي أن نسأل:
هل الـPrompt واضح؟
بل ينبغي أن نسأل:
هل يجسد نظرية تعلم صحيحة؟ وما العملية التي يريد تنشيطها لدى المتعلم؟
أربع عمليات ينبغي أن يُصمَّم الـPrompt من أجلها
لا ينبغي للأمر التعليمي المتقدم أن يحدد المحتوى المطلوب فقط، بل أن يحدد العملية النفسية والتعلمية التي نريد تنشيطها.
العملية المعرفية Cognitive Process
ترتبط بفهم المعرفة وتطبيقها وتحليلها وتقييمها وإنتاج معرفة جديدة منها. وهي تنشط عندما يفسر المتعلم ظاهرة، أو يقارن بيانات، أو يكتشف علاقة، أو يقيّم استنتاجًا، أو يصمم حلًا.
العملية فوق المعرفية Metacognitive Process
تعني أن يفكر المتعلم في طريقة تفكيره: كيف وصل إلى النتيجة؟ ما الافتراض الذي اعتمد عليه؟ أين تعثر؟ وما الاستراتيجية التي ينبغي تعديلها؟
وتندرج ضمنها المعايرة المعرفية Metacognitive Calibration؛ أي مدى توافق ثقة المتعلم مع صحة أدائه الفعلي. فلا تكفي الثقة المعلنة، بل ينبغي مقارنتها بصحة الجواب حتى لا تتحول إلى يقين زائف. وتؤكد بحوث المعايرة أن تقدير المتعلم لفهمه قد يتأثر بنوع النص والسؤال ومستوى التعقيد، وأن الثقة لا تعكس دائمًا الأداء الفعلي. (Frontiers)
العملية الدافعية Motivational Process
تساعد المتعلم على المثابرة والشعور بالقدرة ورؤية الخطأ فرصة للتحسن. ولا تتحقق بالمديح العام، بل بتحدٍّ مناسب، وتغذية راجعة محددة، وإظهار التقدم، وتقديم خطوة تالية قابلة للتنفيذ.
عملية التنظيم الذاتي Self-Regulatory Process
تمكّن المتعلم من تحديد أهدافه، ووضع خطة، واختيار الاستراتيجية، ومراقبة التقدم، وتقويم النتيجة، وتعديل المسار.
ولا تمثل هذه العمليات مستويات بديلة من تصنيف بلوم؛ بل أبعادًا متداخلة في التعلّم. تقع مهارات التفكير العليا داخل البعد المعرفي، لكنها تعتمد في نجاحها على المراقبة فوق المعرفية والدافعية والتنظيم الذاتي.
من الكفاية في كتابة الأوامر إلى مساءلة الآلة
بدأت الأبحاث تستخدم مفهوم الكفاية في استخدام الأوامر Prompting Literacy بدل الاكتفاء بمهارة كتابة صيغة لغوية سليمة.
فالمستخدم قد يكتب أمرًا منظمًا، لكنه لا يعرف كيف يكتشف تحيز الإجابة، أو يطلب تفسيرًا أعمق، أو يتحقق من المصادر، أو يقرر متى يرفض المخرج الذي حصل عليه.
وتشمل هذه الكفاية:
- صياغة السؤال؛
- تحديد الهدف؛
- توفير السياق؛
- طلب الشرح لا الجواب فقط؛
- طرح أسئلة متابعة؛
- اكتشاف الغموض والنقص؛
- التحقق من المخرجات؛
- مراجعة الأمر؛
- ومعرفة متى يكون استخدام الذكاء الاصطناعي مناسبًا أو غير مناسب.
وتوصلت مراجعة منهجية محكمة إلى أن الثقافة في الذكاء الاصطناعي التوليدي Generative AI Literacy تشمل كفايات تقنية، وشخصية وتواصلية، وأخلاقية ونقدية؛ بما يؤكد أن Prompt جيدًا لا يعوض نقص المعرفة العلمية أو التفكير النقدي أو الوعي بالتحيز. وقد نُشرت الدراسة في International Journal of Educational Technology in Higher Education عام 2026. [3] (Springer)
والتحول الأهم هنا هو الانتقال من تعليم الطالب كيف يسأل الآلة إلى تعليمه كيف يسائلها Questioning the Machine.
ففي دراسة صفية ضمت 116 طالبًا من الصفين الثامن والتاسع، أدى تدريب عملي مدته ساعتان على طريقة عمل النماذج اللغوية وأوجه فشلها وتقويم مخرجاتها إلى زيادة إعادة صياغة الأسئلة، وطرح أسئلة المتابعة، وتحسين تقويم الإجابات وجودة الأعمال النهائية. وتظل النسخة المتاحة من الدراسة، حتى 27 يوليو 2026، دراسة أولية منشورة على arXiv. (arXiv)
وهكذا لا تظهر جودة استخدام الذكاء الاصطناعي في عدد الأوامر التي يعرف المتعلم كتابتها، بل في نوعية الحكم الذي يمارسه على النتائج.
فمن يسأل الآلة من دون أن يسائلها قد يمتلك مهارة تشغيلية، لكنه لا يمتلك بعد كفاية معرفية ونقدية مكتملة.
هل نريد معلّمًا ذكيًا أم آلة إجابات؟
قد يرفع الذكاء الاصطناعي جودة المنتج الظاهر من دون أن يرفع بالضرورة جودة التعلّم.
قد يقدّم الطالب تقريرًا منسقًا أو حلًا صحيحًا، لكنه يعجز عن تفسير ما كتب، أو الدفاع عن حجته، أو إعادة بناء الحل عندما تتغير المعطيات.
ليست كل إجابة صحيحة دليلًا على حدوث تعلّم.
وليست كل مساعدة سقالة تربوية نافعة.
ولهذا ينبغي التمييز بين استخدام يبحث عن الإجابة:
أعطني حل هذه المسألة.
واستخدام يبحث عن التعلّم:
لا تعطِني الحل. شخّص ما أعرفه أولًا، ثم قدّم سؤالًا أو تلميحًا متدرجًا، واطلب مني تفسير كل خطوة.
وفي تجربة عشوائية شملت 979 طالبًا، تحسنت مهارات استخدام الأوامر للتعلّم، وازدادت المكاسب كلما انتقل التدريب من المشاركة السلبية إلى النشطة ثم البنائية والتفاعلية وفق إطار ICAP. كما ارتبطت المكاسب الأعلى في مهارة التوجيه بأداء أكاديمي أفضل، وإن لم تظهر فروق مباشرة مؤكدة في الاختبار النهائي بين مجموعات التدخل. وتظل الدراسة مسودة بحثية منشورة على arXiv، لا بحثًا نهائيًا في مجلة محكمة. (arXiv)
وهذا يعني أن إعطاء الطالب قائمة من الإرشادات لا يساوي تدريبه على استخدامها. فالمعرفة النظرية بهندسة الأوامر لا تتحول تلقائيًا إلى سلوك تعلمي.
من الحوار متعدد الجولات إلى السقالات الديناميكية
لم تعد الممارسة الأكثر نضجًا تعتمد على أمر ضخم ينتج كل شيء دفعة واحدة، بل على التوجيه متعدد الجولات Multi-turn Prompting؛ أي حوار يتغير فيه السؤال والدعم بحسب استجابة المتعلم.
يمكن أن يبدأ الحوار بتشخيص المعرفة السابقة، ثم عرض المشكلة، وطلب التنبؤ والتبرير، وتقديم تلميح محدود، وعرض دليل مضاد، ومطالبة المتعلم بمراجعة تفسيره، ثم تكليفه بإنتاج إجابة مستقلة.
وهذا أقرب إلى الحوار السقراطي Socratic Dialogue منه إلى نظام السؤال والجواب التقليدي.
وقد أظهرت دراسة Socratic Mind أن التقييم التكويني القائم على الحوار السقراطي المدعوم بالذكاء الاصطناعي ارتبط بمكاسب تعلمية، ولا سيما لدى أصحاب المستويات الأولية المنخفضة، إضافة إلى تحسن مدرك في حل المشكلات والتفكير النقدي والتأمل الذاتي. وأصبحت الدراسة بحثًا أصليًا محكمًا منشورًا في Technology, Knowledge and Learning في 8 يوليو 2026. [4] (Springer)
لكن طول الحوار لا يجعله تربويًا بالضرورة؛ فقد تتعدد الجولات ويبقى النظام هو الذي يفكر ويقرر. لذلك يرتبط الحوار المتعدد بمفهوم السقالات الديناميكية Dynamic Scaffolding.
وتتحدد السقالة التعليمية بأربعة أبعاد:
- المحتوى Content: ماذا يقول السؤال أو التلميح؟
- الوظيفة Function: ما العملية التي ينشّطها؟
- طريقة العرض Presentation: هل يقدم فورًا أم تدريجيًا؟ وهل هو ثابت أم متكيف؟
- المصدر Source: هل يأتي من المعلم أم النظام أم الزميل أم المتعلم نفسه؟
وتقوم السقالة الجيدة على ثلاثة مبادئ:
- الملاءمة Contingency: توافق الدعم مع حاجة المتعلم؛
- التلاشي Fading: تقليل الدعم تدريجيًا؛
- نقل المسؤولية Transfer of Responsibility: عودة تنظيم التعلم إلى الطالب. [1]
وهنا يصبح معيار النجاح واضحًا: ليس كم ساعد النظام الطالب، بل هل أصبح الطالب أقل حاجة إلى المساعدة؟
بلوم ومهارات التفكير العليا: من تسمية المهارة إلى ممارستها
يبقى تصنيف بلوم المعدل Bloom’s Revised Taxonomy إطارًا أساسيًا، بما يتضمنه من التذكّر، والفهم، والتطبيق، والتحليل، والتقييم، والإبداع.
لكن كتابة:
أنشئ سؤال تحليل.
لا تضمن أن الطالب سيحلل فعلًا؛ فقد يبدأ السؤال بفعل «حلّل»، بينما لا يحتاج إلا إلى استرجاع فقرة محفوظة.
لذلك يجمع التصميم الحديث بين بلوم وإطار ICAP Framework، الذي يميز الانخراط السلبي والنشط والبنائي والتفاعلي، ويفترض ازدياد عمق التعلم كلما انتقل المتعلم نحو البناء والتفاعل. وقد قدمت ميشيل تشي وروث وايلي الإطار في Educational Psychologist عام 2014. [5]
أما مهارات التفكير العليا Higher-Order Thinking Skills – HOTS، فتمثل قدرة المتعلم على إعادة تنظيم المعرفة وفحصها واستخدامها في مواقف غير مألوفة لإنتاج حكم أو حل أو فكرة جديدة.
وتشمل، بصورة مترابطة:
- التحليل Analysis: اكتشاف العلاقات والأنماط والأسباب والتناقضات؛
- التقييم Evaluation: إصدار حكم مستند إلى معايير وأدلة؛
- الإبداع Creation: إنتاج فرضية أو نموذج أو تصميم جديد؛
- حل المشكلات Problem Solving: تعريف المشكلة وتحليل أسبابها واختبار البدائل؛
- اتخاذ القرار Decision-Making: اختيار بديل مع تقدير المنافع والمخاطر؛
- بناء الحجج Argumentation: تقديم ادعاء ودليل وتعليل ومناقشة الاعتراضات؛
- التفكير النقدي Critical Thinking: فحص الادعاءات والمصادر والافتراضات والتحيزات.
ولا ينبغي أن تتحول هذه المهارات إلى عناوين تضاف إلى الـPrompt، بل إلى أفعال يمارسها الطالب.
فبدل القول:
استخدم مهارات التفكير العليا.
يمكن القول:
قدّم ادعاءين متعارضين وأدلة متفاوتة القوة. اطلب من الطالب تحليل الأدلة، وتقييم موثوقيتها، وبناء حجة، واتخاذ قرار مبرر، ثم تقدير ثقته وتحديد المعلومة التي قد تغيّر حكمه.
وفي هذا الموضع تثبت وظيفتان مركزيتان للمراقبة فوق المعرفية والتفكير النقدي:
ما درجة الثقة في النتيجة؟
وما المعلومات الناقصة؟
من هندسة السياق إلى التحقق من الجودة
لم يعد الأمر النصي وحده يمثل كامل عملية التصميم. فقد ظهر مفهوم هندسة السياق Context Engineering، ويعني تزويد النموذج ببيئة متكاملة تشمل:
- أهداف المنهج؛
- مستوى المتعلم ومعرفته السابقة؛
- نماذج الأداء؛
- معايير التصحيح وسلالم التقييم؛
- المصادر الموثوقة؛
- الأمثلة الصحيحة والخاطئة؛
- تاريخ التعلم؛
- والقيود الأخلاقية والمؤسسية.
فالقول:
قيّم هذه الإجابة.
يختلف جذريًا عن القول:
قيّمها وفق الهدف التعليمي، ومستوى الطالب، وسلم التقييم المرفق، ونموذجي الأداء الجيد والضعيف، ثم قدّم تغذية راجعة تكوينية من دون إصدار حكم نهائي بدل المعلّم.
وتشير دراسة أولية في تقويم أعمال طلاب المدارس إلى أن هندسة السياق قد تدعم التغذية الراجعة والتقييم الهجين، لكنها لا تبرر إزاحة الحكم المهني للمعلم، ولا سيما في القرارات التقويمية ذات الأثر المرتفع. (arXiv)
وفي السياق نفسه، بدأت الأبحاث ببناء سلالم تقييم Rubrics لجودة الأوامر التعليمية، تشمل الارتباط بالهدف، والدقة، والوضوح، وملاءمة مستوى المتعلم، ونوع التفكير المطلوب، وجودة السقالات والتغذية الراجعة. وقد عُرض مقياس تجريبي محكم لتقييم تصميم الأوامر في مؤتمر IEEE EDUCON 2026. (Enlighten Publications)
أما التوجيه التأملي Reflective Prompting، فيطلب من النموذج تنفيذ المهمة، ثم نقد حكمه، وتعديل معياره، وإعادة المحاولة. غير أن دراسة محكمة نُشرت في أبريل 2026 وجدت أن جولة واحدة من المراجعة الذاتية لم ترفع الدقة دائمًا، بل قد تزيد عدم الاستقرار وتخفض الاتفاق مع المقيمين البشريين. [6] (Springer)
لذلك فإن عبارة:
راجع إجابتك وتأكد منها.
ليست ضمانًا للصحة.
ينبغي أن تقترن المراجعة بمعايير خارجية، ومصادر موثوقة، وأمثلة معيارية، ومقارنة مستقلة، وإشراف بشري.
فالتحقق الحقيقي لا يحدث عندما يراجع النظام نفسه بالمعايير ذاتها التي أنتجت الخطأ، بل عندما تقارن مخرجاته بمرجعية مستقلة.
النموذج الأحدث لبناء Prompt تعليمي
يمكن تلخيص الأمر التعليمي المتقدم في تسلسل عملي واحد:
- الغاية التعليمية: ماذا يجب أن يتعلم الطالب، لا ماذا ينبغي أن تنتجه الآلة؟
- حالة المتعلم: ماذا يعرف؟ وما المفهوم الخاطئ أو الحاجة الحالية؟
- العملية المستهدفة: معرفية، أم فوق معرفية، أم دافعية، أم تنظيم ذاتي؟
- نوع التفكير: فهم، أم تطبيق، أم تحليل، أم تقييم، أم حل مشكلة، أم إبداع؟
- نمط المشاركة: هل سيقرأ فقط أم سيقارن ويبرر ويبني ويتفاعل؟
- دور الذكاء الاصطناعي: مفسر، أم محاور سقراطي، أم مدرب، أم ناقد؟
- تسلسل الحوار: ما السؤال الأول؟ وكيف يتغير التالي وفق الإجابة؟
- قواعد المساعدة: متى يقدم التلميح؟ ومتى يمتنع عن الحل؟
- الدليل والتعليل: كيف سيدعم الطالب إجابته؟
- التحقق: كيف تفحص صحة المعلومة والمصدر والاستنتاج؟
- الحكم المتبصر: ما مقدار الثقة؟ وما المعلومات التي ما زالت ناقصة؟
- الاستقلال: كيف تنتهي المهمة بعمل يؤديه الطالب بنفسه؟
هذه البنية لا ترتبط بمادة واحدة؛ إذ يمكن تطبيقها في العلوم واللغات والعلوم الإنسانية والاقتصاد والتخصصات المهنية. فالذي يتغير هو المحتوى، أما منطق التعلّم فيبقى قائمًا على التشخيص، والدليل، والتحليل، والمراجعة، والاستقلال.
ماذا يعني ذلك للمؤسسات التربوية؟
لمعلّم المدرسة
يعني تشخيص المعرفة السابقة، وكشف المفاهيم الخاطئة، وتدرج الأسئلة، وتقديم التلميحات بدل الحلول، ومراعاة العمر واللغة، وحماية بيانات الطلاب، وقياس قدرة الطالب على التفسير من دون النص المولد.
للأستاذ الجامعي
يعني استخدام الذكاء الاصطناعي في تحليل الأبحاث، ونقد المنهجية، ومقارنة الأدلة، والتحقق من المراجع، وبناء الحجج، وتعزيز النزاهة الأكاديمية Academic Integrity، لا تحويله إلى كاتب خفي للبحوث.
للمدرب في المعهد المهني
يعني توظيف المحاكاة، وتحليل الأعطال، والتدريب القائم على السيناريو، وتقدير المخاطر، ومقارنة البدائل، مع مطالبة المتعلم بتفسير القرار لا حفظ الإجراء.
للمدير والمنسق التربوي
يعني الانتقال من اختيار الأداة إلى بناء حوكمة الذكاء الاصطناعي AI Governance: سياسة استخدام واضحة، وحماية للبيانات، وضوابط للتقييم الآلي، وتدريب للمعلمين، ومراجعة للتحيز، وقياس للأثر، وإبقاء الإنسان داخل دائرة القرار.
وتشير منظمة التعاون الاقتصادي والتنمية OECD إلى أن السياسات الناشئة تتجه نحو تنظيم الاستخدام المسؤول، وبناء كفايات الذكاء الاصطناعي، ووضع قواعد للامتثال والشراء، ودعم التجارب وجمع الأدلة، ومعالجة قضايا الخصوصية والنزاهة والإنصاف وموثوقية المحتوى. [7] (OECD)
ماذا يغيّر المعلّم في ممارسته ابتداءً من الغد؟
يمكن اختصار التحول العملي في ست ممارسات:
- لا تطلب من النظام تقديم الحل قبل محاولة المتعلم.
- اطلب من الطالب دليلًا وتعليلًا، لا إجابة فقط.
- استخدم أسئلة متابعة تتغير وفق استجابته.
- قدّم دعمًا متدرجًا ثم اسحبه.
- اجعل الطالب يفحص ثقته وما ينقصه من معلومات عند بناء الحكم.
- قِس أثر الذكاء الاصطناعي في فهم الطالب واستقلاله، لا في جودة النص وحدها.
فالنص المصقول قد يخفي تعلّمًا محدودًا، بينما تكشف قدرة الطالب على الشرح والنقل والتطبيق ما إذا كان التعلّم قد حدث فعلًا.
البعد الاقتصادي: من شراء الأدوات إلى الاستثمار في رأس المال البشري
لأن هذا المقال يُنشر في القسم التربوي لمجلة اقتصادية، لا بد من التمييز بين شراء التكنولوجيا Technology Acquisition وتحقيق العائد التربوي Educational Return.
قد تستثمر مؤسسة تعليمية في اشتراكات ومنصات، لكنها لا تحقق عائدًا حقيقيًا إذا بقي استخدامها محصورًا في إنتاج نصوص أسرع.
تظهر القيمة الاقتصادية عندما تسهم التكنولوجيا في:
- رفع إنتاجية المعلّم؛
- تحسين جودة التخطيط؛
- تقليل الأعمال الروتينية؛
- تخصيص التعلّم؛
- الكشف المبكر عن الفجوات؛
- تحسين التغذية الراجعة؛
- وتنمية مهارات التفكير والاستقلال واتخاذ القرار.
عندها يتحول الإنفاق على الذكاء الاصطناعي من تكلفة تقنية إلى استثمار في رأس المال البشري Human Capital.
ولا ينبغي قياس العائد على الاستثمار Return on Investment – ROI بعدد الساعات التي اختصرها المعلّم فقط، بل بجودة التعلّم المحققة مقابل الكلفة، وبمقدار ما اكتسبه المتعلم من قدرة على الأداء المستقل.
المؤسسة التي تشتري الأدوات من دون أن تستثمر في المعلّم تشبه شركة تشتري آلات متقدمة من دون تدريب العاملين أو إعادة تصميم عمليات الإنتاج.
المشكلة ليست في الآلة، بل في نموذج الاستخدام.
المعلّم لا يفقد دوره… بل يفقد احتكاره للإجابة
كثيرًا ما يُطرح النقاش بصيغة متسرعة:
هل سيحل الذكاء الاصطناعي محل المعلّم؟
لكن السؤال يفترض أن دور المعلّم قائم أساسًا على امتلاك الإجابة وتقديمها.
ما قد تفقده مهنة التعليم هو احتكار الوصول إلى المعلومات، لا الحاجة إلى المعلّم.
فالمعلّم يبقى الشخص الذي:
- يحدد ما يستحق أن يُسأل؛
- يبني التسلسل المعرفي؛
- يكشف المفهوم الخاطئ؛
- يختار التحدي المناسب؛
- يحدد العملية التي ينبغي تنشيطها؛
- يراقب الدافعية؛
- يميز بين الفهم الحقيقي والإجابة المتقنة شكليًا؛
- ويربط المعرفة بالقيم والمسؤولية والسياق الإنساني.
تستطيع الآلة أن تنتج سؤالًا، لكنها لا تعرف وحدها لماذا ينبغي طرحه على هذا المتعلم في هذه اللحظة.
وتستطيع تقديم تغذية راجعة، لكنها لا تتحمل المسؤولية الأخلاقية والتربوية عن أثرها.
من اقتصاد المعرفة إلى اقتصاد السؤال
اعتادت الاقتصادات الحديثة الحديث عن اقتصاد المعرفة Knowledge Economy، حيث تصبح المعلومات والخبرات والابتكار مصادر للقيمة.
لكن الذكاء الاصطناعي التوليدي يدفعنا نحو مرحلة يمكن تسميتها اقتصاد السؤال Question Economy.
فعندما تصبح الإجابات متاحة بسرعة وكلفة منخفضة، لا تعود الندرة في المعلومة ذاتها، بل في القدرة على:
- تحديد المشكلة الصحيحة؛
- صياغة السؤال الدقيق؛
- تحليل البدائل؛
- تقويم الأدلة؛
- اكتشاف التحيز؛
- الوعي بما لا نعرفه؛
- وبناء قرار مسؤول.
لقد كافأت أنظمة تعليمية كثيرة الطالب الذي يمتلك الإجابة. أما المرحلة المقبلة فستكافئ من يعرف كيف يصوغ المشكلة، ويفحص الدليل، ويراجع الافتراض، ويعيد بناء سؤاله عندما تكشف النتائج أن بدايته كانت خاطئة.
ولذلك لا ينبغي أن تصبح هندسة الأوامر مادة تقنية منفصلة عن التفكير النقدي وفلسفة العلم وأخلاقيات المعرفة.
إنها ليست مهارة للضغط على أزرار أكثر ذكاءً، بل مهارة لإدارة العلاقة بين الإنسان والمعرفة والآلة.
الحكم العلمي والتربوي
تشير أبرز الاتجاهات الحديثة في هندسة الأوامر التعليمية Educational Prompt Engineering إلى أنها لم تعد هندسة للأمر وحده، بل أصبحت هندسة للعملية العقلية التي ينفذها المتعلم أثناء تفاعله مع الذكاء الاصطناعي.
فالأمر التعليمي المتقدم لا يقاس فقط بقدرته على إنتاج محتوى صحيح، بل بقدرته على:
- إبقاء المتعلم فاعلًا؛
- استثارة المعرفة السابقة؛
- تنشيط التفكير والتحليل؛
- تعزيز المراقبة الذاتية والدافعية والتنظيم؛
- كشف المفاهيم الخاطئة؛
- طلب الدليل والتعليل؛
- دعم حل المشكلات؛
- تقليل الاعتماد التدريجي على الآلة؛
- وإعادة مسؤولية الحكم والتعلّم إلى الإنسان.
ولهذا فإن المصطلح الأدق للمرحلة الجديدة قد لا يكون Prompt Engineering وحده، بل:
Pedagogy-Grounded Prompting and Human–AI Learning Design
أي:
التوجيه المؤسَّس تربويًا وتصميم التعلّم التعاوني بين الإنسان والذكاء الاصطناعي.
الخطر الحقيقي ليس أن تصبح الآلة قادرة على الإجابة، بل أن يفقد الإنسان تدريجيًا قدرته على السؤال والتحقق والحكم.
والفرصة الكبرى ليست أن نستخدم الذكاء الاصطناعي لاختصار زمن إعداد الدرس فحسب، بل أن نعيد بواسطته تعريف الدرس ذاته: من مساحة لنقل الإجابة إلى مساحة لصناعة السؤال؛ ومن مكان يتلقى فيه الطالب المعرفة إلى بيئة يختبر فيها الادعاءات، ويبني الأدلة، ويصحح أفكاره، ويتعلم كيف يفكر.
في المدرسة والجامعة والمعهد المهني، لن تكون أفضل المؤسسات التعليمية هي التي تمتلك أكبر عدد من أدوات الذكاء الاصطناعي، بل التي تعرف كيف تضع هذه الأدوات داخل فلسفة تربوية تمنعها من مصادرة عقل المتعلم.
فالمستقبل التعليمي لن يصنعه من يمتلك الإجابة الأسرع، بل من يمتلك السؤال الأعمق، والدليل الأقوى، والحكم الأكثر مسؤولية.
