الطلاب يتجاوزون أساسيات الذكاء الاصطناعي.. وهذا ما يشوّه طريقة تعلّمهم له

كشف استبيان شمل 158 مشاركًا من الطلاب والأكاديميين والموظفين المتخصصين عن نمط غريب في طريقة تعلّم الناس فعليًا لاستخدام الذكاء الاصطناعي التوليدي (Generative AI): كثير من الطلاب يتقنون المهارات المتقدمة قبل أن يفهموا الأساسيات.

استخدم الباحثون نظرية قياس راش (Rasch Measurement Theory) وترتيب غوتمان (Guttman Ordering)، وهما أسلوبان إحصائيان يُستخدمان عادة في ضبط الاختبارات المعيارية، لتحليل أداة تقييم ذاتي مبنية على تصنيف هرمي (Taxonomy-based) صُممت لرصد الكفاءة المتصوَّرة في مهارات الذكاء الاصطناعي التوليدي. النتيجة، الموضحة في ورقة بحثية من 18 صفحة تضم سبعة رسوم بيانية وثلاثة جداول، قُدّمت إلى منصة arXiv في 10 يونيو 2026، هي ما وصفه الباحثون بـ"الملف المهاري المقلوب" لدى الطلاب. فبدل أن يبنوا فهمهم تدريجيًا، بدءًا من استيعاب آلية عمل النموذج وصولًا إلى إنتاج مخرجات إبداعية متقنة، يقفز كثير من الطلاب مباشرة إلى مهام التوليد المتقدمة، كتابة المقالات، وإعداد العروض التقديمية، أو توليد الأكواد البرمجية، دون أن يرسّخوا الأساس المفاهيمي الكامن خلفها.

في المقابل، أظهر الأكاديميون في الدراسة نفسها اتجاهًا معكوسًا تمامًا. فتطور مهاراتهم سار في مسار تقليدي وخطي أكثر، يبدأ من الإلمام الأساسي وينتقل تدريجيًا إلى التطبيق المعقّد، بما يتوافق مع نماذج التعلّم التقليدية. وأفرز هذا التباين رقمًا لافتًا: بلغ الارتباط بين تقييم الطلاب والأكاديميين لصعوبة مهارات الذكاء الاصطناعي التوليدي المختلفة قيمة ضعيفة جدًا، لم تتجاوز r = 0.188. وعمليًا، هذا يعني أن الفئتين لا تتفقان على ما يُعد صعبًا بالفعل في استخدام هذه الأدوات، وهو ما يعقّد أي محاولة لتصميم منهج دراسي واحد يخدم الطرفين معًا.

معضلة "تجاوز المهارات"

أهم ما توصلت إليه الورقة البحثية هو ظاهرة أسمتها "تجاوز المهارات" (Skill Bypass). فالطلاب غالبًا ما يعبّرون عن ثقة عالية في كتابة الأوامر التوجيهية (Prompting)، أي القدرة على دفع نظام الذكاء الاصطناعي لإنتاج مخرج مفيد، بينما يُظهرون إلمامًا أضعف بكثير بالآليات الأساسية التي أنتجت هذا المخرج. وهذه الفجوة في الثقة ليست تفصيلًا هامشيًا، لأنها تقوّض قدرة الطالب على تصحيح إجابة خاطئة، أو التحقق من صحة معلومة، أو تدارك خلل في الاستجابة. بعبارة أخرى، هم يعرفون قيادة السيارة لكن كثيرين منهم لا يعرفون ما يجري تحت غطاء المحرك، وهذه المعرفة الناقصة تتحول إلى مشكلة حقيقية في اللحظة التي يحدث فيها خطأ ما.

ترصد الدراسة أيضًا بُعدًا اجتماعيًا-اقتصاديًا لهذه الفجوة. فالطلاب من الفئات ذات المستوى الاجتماعي والاقتصادي الأعلى كانوا أكثر ميلًا بشكل واضح لاستخدام أدوات الذكاء الاصطناعي في مهام أكثر تعقيدًا، مثل هيكلة الحجج المنطقية أو إجراء بحوث معمّقة، بدلًا من توليد محتوى بسيط. وهذا يشير إلى أن التفاوت في الإلمام بالذكاء الاصطناعي قد يعمّق فجوات التحصيل الدراسي القائمة بدلًا من تضييقها، حتى مع تزايد انتشار هذه الأدوات وسهولة الوصول إليها بين الجميع.

بالنسبة للجامعات، النتائج ليست نظرية بل عملية بامتياز. ويشير الباحثون إلى أن بعض المؤسسات التعليمية بدأت الاستجابة فعليًا، عبر إطلاق برامج تطوير مهني لموظفيها وأكاديميّيها، ودمج مهارات الذكاء الاصطناعي التوليدي مباشرة ضمن المناهج الدراسية للطلاب، لا كإضافة اختيارية جانبية. وتوضح النتائج أن هذا النهج يجب أن يكون أكثر تعمّدًا من مجرد تعليم تقنيات كتابة الأوامر التوجيهية. فمن دون معالجة الثغرات المفاهيمية الكامنة تحت السطح، قد يستمر الطلاب في تقديم أعمال مقنعة بمساعدة الذكاء الاصطناعي دون أن يتعلموا أبدًا كيفية التشكيك فيها وفحصها نقديًا.