إطار هندسة prompts لتخصيص المساعدات التعليمية بالذكاء الاصطناعي في الشرق الأوسط

نظرة عامة

نشرت دراسة حديثة على arXiv إطارًا مبتكرًا لتخصيص المساعدات التعليمية المدعومة بالذكاء الاصطناعي، مستندة إلى هندسة prompts. يهدف الإطار إلى تحسين تجربة التعلم عبر تكييف استجابات النماذج اللغوية الكبيرة مثل Jill Watson مع احتياجات كل طالب.

آلية العمل

يعتمد الإطار على ستة أبعاد تعليمية: التقييم الذاتي، تفضيل التجريد، تفضيل الإسهاب، التوجه الإدراكي، أسلوب معالجة المعلومات، ومستوى الفهم. تتضافر هذه الأبعاد لتوليد 96 ملفًا تعليميًا فريدًا. كما يُحلل استعلامات الطلاب باستخدام تصنيف بلوم لتقدير التعقيد المعرفي.

النتائج والتقييم

أظهرت التجارب، التي شملت مقاييس NLP ودراسة بشرية مع خمسة مشاركين، اختلافات ملحوظة في أسلوب الاستجابات وبنيتها عبر ظروف التخصيص. حدد التحليل الإحصائي سمات المتعلمين المرتبطة بتغييرات قابلة للقياس في الاستجابات.

مقارنة مع الأساليب التقليدية

الأسلوب	التكلفة	المرونة	الوقت الفعلي
إعادة التدريب	عالية	منخفضة	بطيء
التخصيص عبر prompts	منخفضة	عالية	فوري

الأهمية للمنطقة

مع توجه الجامعات في الخليج نحو التعليم الرقمي، يوفر هذا الإطار حلاً عمليًا لتخصيص التعلم دون استثمارات ضخمة، مما يعزز جودة التعليم ويدعم رؤى التحول الرقمي.

---

ملاحظة للمراجعة البشرية: يجب التحقق من تفاصيل الدراسة الأصلية وتطبيقها على سياقات المنطقة قبل النشر النهائي.