أظهرت دراسة من كلية «ساودر» للأعمال بجامعة كولومبيا البريطانية، أن أدوات الذكاء الاصطناعي التوليدي، مثل «تشات جي بي تي»، يمكن أن تساعد طلاب الجامعات على تعلم اللغة الإنجليزية بصورة أسرع، لكنها لا تزال غير قادرة على أن تحل محل الأساليب التقليدية القائمة على تحليل استخدام اللغة.
وأوضح الباحثون أن أفضل استخدام للذكاء الاصطناعي في تعليم اللغات لا يمكن اعتباره بديلاً كاملاً للمعلم، وإنما أداة مساندة تعمل إلى جانب المصادر اللغوية الموثوقة، ونشرت النتائج، الثلاثاء، بدورية «New perspectives in social sciences». وتوضح الدراسة أن التعلم القائم على البيانات أصبح من الأساليب المهمة في تعليم اللغة، ويعتمد على مجموعات ضخمة ومنظمة من النصوص، تُعرف باسم «المتون اللغوية» أو «قواعد البيانات اللغوية»، لمساعدة المتعلمين على اكتشاف أنماط الاستخدام الحقيقي للكلمات.
وتعود جذور هذا النهج إلى عام 1961، عندما طورت جامعة براون «مدونة براون» (Brown Corpus)، التي ضمت نحو مليون كلمة من نصوص حقيقية باللغة الإنجليزية الأميركية في مجالات مختلفة، بينها الإعلام والدين والأدب والعلوم. وفي ثمانينيات القرن الماضي، ومع تطور الحوسبة، ظهر مفهوم التعلم القائم على البيانات، ما أتاح للمتعلمين دراسة أنماط استخدام اللغة من قواعد بيانات ضخمة بدلاً من الاكتفاء بحفظ العبارات الواردة في الكتب الدراسية.
وشهد المجال تطوراً أكبر مع إطلاق مدونة اللغة الإنجليزية الأميركية المعاصرة عام 2008، وهي قاعدة بيانات تضم نحو مليار كلمة وما يقرب من 500 ألف نص يعود تاريخها إلى الفترة بين 1990 و2019، وأتاحت للطلاب البحث عن الكلمات ودراسة استخدامها في سياقات ومجالات أكاديمية مختلفة.
لكن هذه الأدوات واجهت تحديات، أبرزها طول عمليات البحث وعدم معرفة كثير من مدرسي اللغات بوجودها أو بكيفية استخدامها، بينما تعامل بعضهم معها باعتبارها نشاطاً إضافياً وليس جزءاً أساسياً من التدريس. ومع ظهور الذكاء الاصطناعي التوليدي، أصبحت عملية البحث عن «المتلازمات اللفظية» (Collocations) أسرع وأسهل؛ إذ تستطيع أدوات مثل «تشات جي بي تي» تحديد التركيبات الشائعة وتوليد أمثلة عليها خلال ثوانٍ. والمتلازمات اللفظية هي الكلمات التي تُستخدم معاً بصورة طبيعية، مثل «strong wind» لوصف رياح قوية، بدلاً من تركيب غير مألوف مثل «muscular wind».
تحذير من الاعتماد الكامل
وتكتسب هذه التركيبات أهمية خاصة لدى الطلاب الذين يدرسون تخصصات أكاديمية ومهنية تعتمد على مصطلحات متخصصة، مثل الاقتصاد والهندسة. لكن الدراسة تحذر من الاعتماد الكامل على أدوات الذكاء الاصطناعي؛ لأن مصدر الأمثلة التي تنتجها قد لا يكون واضحاً، كما أنها قد لا تكون دقيقة دائماً أو تمثل الاستخدام الأكثر شيوعاً للغة.
وقال الباحثون إن أدوات الذكاء الاصطناعي التوليدي «ليست دقيقة مثل الأدوات التقليدية»، ولذلك فإن الحل الأفضل لا يتمثل في استبدال قواعد البيانات اللغوية بالذكاء الاصطناعي، وإنما في الجمع بين الاثنين. وراجع الباحثون الأدلة التجريبية المتاحة، بما في ذلك التحليلات التلوية والمراجعات المنهجية التي تناولت فاعلية التعلم القائم على البيانات في تعليم «المتلازمات اللفظية» لطلاب التعليم العالي. وأظهرت الأدلة أن النهج الهجين الذي يجمع بين المتون اللغوية والذكاء الاصطناعي التوليدي هو الأكثر فاعلية.
ويقترح الباحثون أن يختار مدرس اللغة مجموعة من المفردات المتخصصة، مثل الكلمات الأكاديمية في الاقتصاد، ثم يحدد التركيبات الشائعة المرتبطة بها، قبل استخدام أدوات ذكاء اصطناعي تستند إلى بيانات لغوية موثوقة لتوليد أمثلة وتمارين. ويحل الطالب التمرين أولاً اعتماداً على معرفته وتحليله، ثم يستخدم الذكاء الاصطناعي للتحقق من إجابته وتحسينها، بدلاً من الحصول على الإجابة مباشرة.
ويشير الباحثون إلى أن هذا الأسلوب يساعد الطلاب على تعلم الكلمات والتراكيب، وزيادة وعيهم بكيفية استخدام اللغة، وتحسين دقة إجاباتهم، كما يشجعهم على التعامل مع الذكاء الاصطناعي بصورة نقدية. وبذلك، لا يتعلق الأمر باستبدال طرق تعلم اللغة التقليدية، وإنما بدمج الذكاء الاصطناعي معها للاستفادة من سرعته ومرونته، مع الحفاظ على دقة المصادر اللغوية الموثوقة.
