بعد مرور ما يقارب عقداً من الزمان منذ أن قال المستثمر الأمريكي مارك أندريسن إن "البرمجيات تلتهم العالم". اليوم يبدو أن تعلم الآلة - وخوارزمياته المتخصصة تلتهم عالم البرمجيات. تعلم الآلة Machine Learning، والذي يشار له اختصارًا بـ ML، هو أحد الفروع المنبثقة عن علم الذكاء الاصطناعي (AL) القائمة على برمجة الحواسيب بمختلف أشكالها لتصبح قادرةً على أداء المهام وتنفيذ الأوامر الموكلة إليها بالاعتماد على البيانات المتوفرة لديها وتحليلها مع تقييد التدخل البشري في توجيهها أو تغييبه تمامًا. يُعرف آرثر صموئيل، وهو رائد في مجال الذكاء الاصطناعي وألعاب الكمبيوتر، مصطلح تعلم الآلة Machine Learning بأنه "مجال الدراسة الذي يمنح أجهزة الكمبيوتر القدرة على التعلم دون برمجة ". جوهر تعلم الآلة هو فكرة النمذجة واستخراج المعلومات المفيدة من البيانات. تشير الاتجاهات المجتمعية بوضوح إلى البيانات باعتبارها مورد المستقبل.
تعلم الآلة في مؤسسات التعليم العالي
الكليات والجامعات تسبح بالفعل في بحر من البيانات، وهناك المزيد في الطريق. تخيل مستقبلاً تكون فيه أجهزة الكمبيوتر في كل مكان ومترابطة مع كل شيء، من الملابس إلى الثلاجات والهواتف وآلات البيع وغير ذلك. تقول Lenka Zdeborová أستاذة الفيزياء وعلوم الكمبيوتر: "المنظمات التي تتكيف وتتبنى تعلم الآلة سيكون لها مستقبل مشرق. تعلم الآلة هو أداة جديدة في الصندوق، ومن الجدير تعلم كيفية استخدامه".
بالنظر إلى المشهد العام للمؤسسات التعليمية بصفة عامة، سنجد أن الكليات والجامعات هي السباقة في تبنى التقنيات الناشئة، وبالتالي فهي في وضع يسمح لها باستخدام تعلم الآلة لتحسين جودة مخرجات التعليم العالي.
الفوائد المحتملة لتعلم الآلة في التعليم العالي
يبتعد التعليم تدريجياً عن ممارسات الفصول الدراسية التقليدية "مقاس واحد يناسب الجميع". اليوم يقدم الذكاء الاصطناعي والبيانات الكبيرة مستويات جديدة من التخصيص، والدعم للتدريس، والتعلم والبحث. يفتح تعلم الآلة إمكانيات جديدة للمعلمين والمتعلمين. أشار بحث حديث أجرته شركة McKinsey إلى أن التكنولوجيا يمكن أن توفر على المعلمين حوالي 13 ساعة في الأسبوع لإعادة توجيههم نحو الأنشطة التي تؤدي إلى نتائج أفضل للطلاب. في هذا الجزء من المقال نطرح كيفية استخدام التعلم الآلي في التعليم والتدريب والتوظيف
يمكن للطلاب التعلم بالسرعة التي تناسبهم، وإنشاء جدولهم الزمني، والاستمتاع بكل جزء من حياتهم. لم يعودوا بحاجة إلى التضحية بحياتهم المهنية أو الشخصية والاجتماعية للحصول على شهادة أو تحسين مهاراتهم.
يتوقع متخصصو التعليم أن يساهم الذكاء الاصطناعي وتعلم الآلة في الحصول على درجات أكثر اتساقًا ودقة لأداء الطلاب. يمكن للأنظمة التي تعمل بنظام ML مساعدة المعلمين تلقائيًا على تصنيف العمل ومع تدخل بشري أقل، مما يمنح المعلمين القدرة على توفير الوقت وتقليل التحيز.
يمكن أن يساعد تعلم الآلة المعلمين على توقع معدلات الالتحاق وتحسين القدرة على تلبية الطلب. وكذلك يمكن للمؤسسات استخدام الصيانة التنبؤية التي تعمل بنظام ML لإدارة المرافق والمعدات بشكل أكثر فعالية، بالإضافة إلى إمكانية استخدام ML لمنع الاحتيال ومساعدة الطلاب والموظفين على التحكم في بياناتهم.
يساعد الذكاء الاصطناعي وتعلم الآلة في التعليم العالي الباحثين على تحسين اكتشاف المحتوى وإنشائه. تشمل التطبيقات الممكنة الكشف عن السرقة الأدبية والصورة التي تم التلاعب بها وإعادة صياغتهما، والتنبؤ بالبحوث ذات التأثير العالي والمجالات الناشئة، وزيادة عملية مراجعة الأقران، وإنشاء المحتوى الآلي أو شبه الآلي بناءً على المدخلات البشرية، واستخدام اللغة البشرية لاكتشاف وتنظيم مجموعات المحتوى.
يمكن لأنظمة تعلم الآلة تحليل المعلومات من مسار تعلم الطالب، والمقالات، ونتائج الاختبارات، والدرجات، والأنشطة اللامنهجية، وتقديم توصيات للطلاب المهتمين بمهنة معينة. ميزة أخرى لـ ML هي قدرتها على مساعدة الطلاب في طرح الأسئلة والعثور على المساعدة باللغة البشرية بدلاً من إدخال مصطلحات البحث. لذلك سيقضي الطلاب وقتًا أقل عبر الإنترنت عالقين في الموضوعات والواجبات والمهام التي يعملون عليها.
يمكن للأنظمة التي تعمل بالذكاء الاصطناعي التعبير عن المحتوى المرئي للمتعلمين ضعاف البصر وإنشاء تسميات توضيحية تلقائية بالفيديو للصم وضعاف السمع. علاوة على ذلك، يمكن للذكاء الاصطناعي المساعدة في تشغيل الماوس Computer mouse على الشاشة ولوحة المفاتيح وتحويل النص إلى كلام لمن يعانون من صعوبات في الاتصال والتنقل.
قد يكون التواصل عبر اللغات أمرًا صعبًا، خاصةً مع المفاهيم المعقدة. يصبح هذا الأمر أكثر صعوبة عندما لا يكون الأشخاص الذين لديهم مستويات مختلفة من القدرة اللغوية في نفس الموقع المادي. تعمل خوارزميات النسخ والترجمة وتحويل النص إلى كلام التي تعمل بنظام ML على تسهيل الوصول إلى المحتوى للطلاب في جميع أنحاء العالم.
يعد التخصيص أحد الفوائد المهمة لتعلم الآلة في التعليم. يتيح تعلم الآلة تجربة تعليمية أفضل - وهو عامل أساسي لسوق التعلم الإلكتروني شديد التنافسية. يوفر التخصيص المستند إلى تعلم الآلة لمنصات التعلم الإلكتروني طريقة أكثر دقة وقابلية للتطوير لتقديم تجارب تعلم فردية فريدة. يمكن أن تساعد خوارزميات ML في تحديد ما إذا كان الطالب يجد صعوبة في التعامل مع مفهوم ما ، ومن ثم ضبط محتوى التعلم الإلكتروني والوقت والسرعة وفقًا لاحتياجاتهم.
من التحديات التي غالبًا ما يواجها المعلمون في بيئات التعلم عبر الإنترنت انخفاض معدل الاستبقاء. يعاني المتعلمون عبر الإنترنت من قلة الحافز أو ضعف تصميم الدورة التدريبية أو نقص التواصل. هذه العوامل يمكن أن تؤثر على قرار الطالب بترك الفصل. باستخدام التعلم الآلي في التعليم عبر الإنترنت، يمكن للمدرسين الحصول على فهم أفضل لطلابهم، وإنشاء برامج عالية الجودة تؤدي إلى زيادة الرضا عن الدورة التدريبية. في الوقت نفسه، يمكن للتكنولوجيا أن تتنبأ بجوانب ضعف الطالب وتقترح دورات إضافية ومواد خارجة عن المناهج، مما يساعدهم على تحقيق أهدافهم المهنية. هذا ويمكن للكليات والجامعات استخدام ML لمساعدة الطلاب في الإجابة على أسئلتهم حول مواضيع مثل خدمات الحرم الجامعي والدرجات والجداول الزمنية ومتطلبات الدورة التدريبية للتخرج
أمثلة لتطبيقات تعلم الآلة
يتضمن تعلم الآلة عدداً كبيراً من التطبيقات، اخترنا لكم اثنين من التطبيقات الشهيرة :
تطبيق Duolingo، وهي منصة تعليمية شهيرة عبر الإنترنت لتعلم اللغة. تستخدم دوولينجو تعلم الآلة لتخصيص تجربة التعلم لكل طالب. يستخدم Duolingo تعلم الآلية ومعالجة اللغة الطبيعية بعدة طرق. يبدأ المستخدمون باختبار تحديد المستوى التكيفي السريع الذي يعتمد على الذكاء الاصطناعي والذي يرتبط فيه كل سؤال بالسؤال السابق وما إذا كان المستخدم قد فهمه بشكل صحيح أم خاطئ. بهذه الطريقة، يضبط Duolingo تكوين الدورة وفقًا لقدرة اللغة لكل طالب.
تم تصميم دروس Duolingo بطريقة تجعل الطلاب يراجعون المواد على فترات أطول. لهذا الغرض، يستخدم Duolingo نموذج Half-Life Regression HLR )) والذي يقوم بتتبع كل كلمة تفاعل معها المستخدم وتستخدم هذه الإحصائيات للتنبؤ بدقة بمعدلات الاستدعاء لأي كلمة معينة في أي وقت. بفضل تقديم HLR، حسّن Duolingo الاحتفاظ اليومي بالطلاب بنسبة مذهلة بلغت 12٪. يستكشف فريق Duolingo إمكانيات جديدة من خلال التعلم العميق، واستكشاف النماذج وتطويرها للتعرف على الكلام لغير الناطقين بها ، والتسجيل الآلي ، وفهم السياق ، وتحديد أولويات تحسين الدورة بناءً على تعليقات المستخدمين.
جعلت حركة MOOC التعليم في متناول أي شخص لديه اتصال بالإنترنت. وفقًا لـ Class Central، في عام 2019 ، كان هناك أكثر من مليون متعلم مسجلين في MOOCs ، ومن أهم الأنظمة الأساسية هي Coursera و edX و Udacity و FutureLearn. تستخدم MOOCs التعلم الآلي لتحليل مدخلات الطلاب، واختبارات الدرجات، والواجبات الأخرى المستندة إلى الكمبيوتر ، وفي بعض الحالات ، تستخدم قدرات رؤية الكمبيوتر. بهذه الطريقة، يسمح التعلم الآلي لـ MOOCs بدعم عدد كبير من الطلاب عبر الإنترنت وتخصيص الموارد البشرية للأنشطة الأقل روتينية.
على الرغم من انتشار التحليلات نسبيًا، إلا أننا نعتقد أن التعليم العالي بالكاد خدش سطح إمكانات تعلم الآلة . وفي هذا الصدد لا نقصد الإيحاء بعدم قيام أحد بهذا النوع من العمل. ونعتقد أن هناك مجالًا للنمو في هذا المجال.