مراجعة عشرية للذكاء الاصطناعي في تعليم العلوم والتقنية: التحول من "الروبوتات المعلّمة" إلى التعلم القائم على الاستقصاء

مسح شامل لعقد كامل من الأدبيات العلمية حول الذكاء الاصطناعي (Artificial Intelligence) في تعليم مواد العلوم والتقنية والهندسة والرياضيات (STEM) كشف عن نقطة تحول واضحة: الحقل البحثي يتجه بعيدًا عن أنظمة التدريس الذكية الصارمة (Intelligent Tutoring Systems) نحو أدوات تُغذّي التعلم القائم على الاستقصاء (Inquiry-Based Learning) والتفكير الحاسوبي (Computational Thinking). هذه النتيجة مستخلصة من تحليل ببليومتري (Bibliometric Analysis) شمل 242 بحثًا علميًا نُشرت بين عامي 2015 و2025، وقُدّمت الورقة إلى منصة arXiv في 10 يونيو 2026، وحصلت على قبول للعرض في مؤتمر ISLS26.

الورقة البحثية لا تطرح نموذجًا جديدًا ولا تجربة صفية مبتكرة، بل تقدّم حصرًا شاملًا لكيفية دراسة الباحثين لدور الذكاء الاصطناعي في تعليم العلوم على مدار عشر سنوات. من خلال رسم أنماط الاستشهادات العلمية (Citation Patterns) والتجمعات الموضوعية عبر كمّ ضخم من الأبحاث، يتتبع المؤلفون تبدلًا في الفلسفة الكامنة خلف الذكاء الاصطناعي التعليمي: الأنظمة الأولى صُممت لتقديم تدريس منظم وقائم على قواعد جامدة، بينما الأعمال الأحدث تستند إلى النماذج اللغوية الكبيرة (Large Language Models) لدعم الاستكشاف المفتوح ومهارات حل المسائل.

من المعلّم المبرمج إلى الاستقصاء الموجّه

يتمحور جوهر الورقة حول أن صعود النماذج اللغوية الكبيرة غيّر ما يُتوقع من الذكاء الاصطناعي في الفصل الدراسي. أنظمة التدريس الذكية التقليدية كانت مصممة لتوجيه الطلاب خلال مسارات حل محددة مسبقًا، وتصحيح أخطائهم مقارنةً بمفتاح إجابة ثابت. الأدبيات المستعرضة تُظهر تراجع هذا النمط لصالح أنظمة تدعم الطلاب في صياغة الأسئلة، واختبار الفرضيات، والتفكير في المسائل الحاسوبية على طريقتهم الخاصة.

ويرى الباحثون أن الخيط الرابط بين هذه المقاربات، القديمة والجديدة، هو مفهوم "التدعيم التعليمي" أو الدعامة المعرفية (Scaffolding). ويخلص تحليلهم إلى أن أثمن مساهمة يقدمها الذكاء الاصطناعي في تعليم العلوم ليست أتمتة التدريس بذاته، بل خفض الحاجز المعرفي المطلوب لاستيعاب المادة المعقدة. بعبارة أخرى، الدعم الجيد التصميم من الذكاء الاصطناعي لا يُلغي جهد التعلم الحقيقي، بل يزيل الاحتكاك غير الضروري لكي يتمكن الطلاب من التعامل مع المفاهيم الصعبة في وقت أبكر.

لماذا يهم هذا التمييز؟

هذا فارق جوهري لكل من يبني أو يستثمر في أدوات الذكاء الاصطناعي التعليمية. فالنظام المُحسَّن فقط لدقة الإجابات والتصحيح خطوة بخطوة يمثل منتجًا مختلفًا جذريًا عن نظام مُصمم لإثارة الفضول والتفكير المنظم. الأدلة الببليومترية تشير إلى أن أولويات المجتمع البحثي انحازت بالفعل إلى الاتجاه الثاني، وهو ما يحمل تداعيات مباشرة على كيفية تسويق شركات التقنية التعليمية لمنتجات التدريس القائمة على النماذج اللغوية الكبيرة، وكيفية تقييم المؤسسات التعليمية لها.

الورقة لا تعرض نتائج تجريبية من صنعها؛ فمساهمتها تكمن في التوليف والتحليل المجمّع لا في اختبار إمبريقي جديد. قيمتها الحقيقية تنبع من تزويد المعلمين والمطورين وصناع السياسات بخارطة تمتد عبر عقد كامل توضح أين كان هذا الحقل وإلى أين يتجه مركز ثقله. وبقبولها في مؤتمر ISLS26، المخصص لعلوم التعلم، يُتوقع أن تغذي هذه النتائج النقاشات الجارية حول كيفية دمج الذكاء الاصطناعي التوليدي في مناهج العلوم والرياضيات، خصوصًا فيما يتعلق بسؤال محوري: هل يعمّق التدعيم المعرفي المقدم من الذكاء الاصطناعي الفهم الحقيقي، أم أنه يؤجله فقط؟