الذكاء الاصطناعي في التعليم: أداة لتحطيم الحواجز أمام الطلاب ذوي الإعاقات
تاريخ النشر: 27th, December 2024 GMT
تواجه المدارس تحديا متزايدا حول كيفية الاستفادة من تقنيات الذكاء الاصطناعي لدعم الطلاب من ذوي الاحتياجات الخاصة، خصوصا أولئك الذين يعانون من إعاقات بصرية وسمعية ولغوية.
في الولايات المتحدة، تعطي وزارة التعليم الأولوية لتوفير أحدث التقنيات للطلاب من ذوي الاحتياجات الخاصة، حيث تم توجيه المدارس لتلبية احتياجاتهم باستخدام أدوات مثل تحويل النصوص إلى كلام عبر أجهزة التواصل البديلة.
ويثير استخدام الذكاء الاصطناعي العديد من التساؤلات بشأن تأثيره على استمرارية العملية التعليمية للطلاب الذين يعتمدون عليه. فالتقنية قادرة على تلخيص الأفكار وتبسيط النصوص المعقدة، وحتى تحويل أعمال شكسبير إلى الإنجليزية المعاصرة.
كما يمكن للأصوات المولدة بواسطة الحاسوب أن تساعد الطلاب المكفوفين أو الذين يعانون من صعوبات في القراءة.
ويشارك بن سنايدر، الطالب البالغ من العمر 14 عاماً من لارشمونت في نيويورك، والذي يعاني من صعوبات في التعلم، تجربته مع الذكاء الاصطناعي في دراسته قائلاً: "أحياناً يشرح المعلمون المسألة في الرياضيات ولكنني لا أتمكن من فهمها. لكن عندما أدخل المسألة في برنامج الذكاء الاصطناعي، يعرض لي طرقًا متعددة لشرح كيفية حلها".
يستخدم بن برنامج "سؤال الذكاء الاصطناعي" (Question AI)، الذي ساعده في إعداد مخطط لتقرير عن كتاب في 15 دقيقة، بينما كان يستغرق ساعة ونصف في السابق بسبب صعوبات الكتابة والتنظيم. ومع ذلك، يرى بن أن استخدام الذكاء الاصطناعي لكتابة التقرير بشكل كامل يعد نوعًا من الغش.
Relatedالذكاء الاصطناعي والأسواق المالية: رؤى عام 2025 وتحديات المستقبلعناق وقبلات سياسية.. فيديو ساخر بالذكاء الاصطناعي يجمع الخصوم الإسبان في أجواء عيد الميلادسعر آبل السوقي قد يصل إلى 4 تريليونات دولار.. مراهنات على الذكاء الاصطناعي لتحقيق ذلكوتحاول المدارس تحقيق التوازن بين فوائد التكنولوجيا ومخاطر اعتماد الطلاب عليها بشكل مفرط، حيث ويرى بول سانفت، مدير مركز في مينيسوتا متخصص في التقنيات المساعدة، أن هذه التقنية يمكن أن تحقق تكافؤ الفرص، رغم احتمال إساءة استخدامها من قبل البعض.
Go to accessibility shortcutsشارك هذا المقالمحادثة مواضيع إضافية الذكاء الاصطناعي في مكان العمل.. مساعد خفي أم عبء جديد؟ قواعد أمريكية جديدة لاستخدام الذكاء الاصطناعي في شبكات البنية التحتية بسبب الذكاء الاصطناعي.. ثلاثة ملايين وظيفة مهددة في بريطانيا طلبة - طلابالذكاء الاصطناعيالصحةالمصدر: euronews
كلمات دلالية: بشار الأسد روسيا ضحايا سوريا عيد الميلاد تركيا بشار الأسد روسيا ضحايا سوريا عيد الميلاد تركيا طلبة طلاب الذكاء الاصطناعي الصحة بشار الأسد روسيا ضحايا سوريا عيد الميلاد تركيا محكمة قطاع غزة أبو محمد الجولاني الصراع الإسرائيلي الفلسطيني غزة فيلم سينمائي الذکاء الاصطناعی فی یعرض الآن Next
إقرأ أيضاً:
الذكاء الاصطناعي يوجه المسيّرات رغم العوائق الطبيعية
في مهمة لإطفاء حرائق الغابات في سلسلة جبال سييرا نيفادا، قد تجد طائرة مسيّرة ذاتية التحكم نفسها تواجه رياح «سانتا آنا» العاتية التي تهدد بإخراجها عن مسارها. التكيف السريع مع مثل هذه التقلبات الجوية غير المتوقعة أثناء الطيران يمثل تحديًا هائلًا لأنظمة التحكم في وضع الطيران الخاصة بهذه الطائرات.
ولمواجهة مثل هذه التحديات، طوّر باحثون في معهد ماساتشوستس للتكنولوجيا «MIT» خوارزمية تحكم تفاعلي جديدة تعتمد على تقنيات تعلّم الآلة، قادرة على تقليل انحراف الطائرة عن مسارها المحدد حتى في مواجهة عوائق مفاجئة مثل هبوب الرياح.
وعلى عكس الطرق التقليدية، لا تتطلب هذه التقنية من المبرمج أن يكون على دراية مسبقة ببنية أو نمط هذه الاضطرابات. بدلاً من ذلك، يتعلم نموذج الذكاء الاصطناعي المستخدم في نظام التحكم كل ما يحتاجه من خلال بيانات ملاحظة تُجمع خلال 15 دقيقة فقط من الطيران.
الميزة الأبرز لهذه التقنية تكمن في أنها تحدد تلقائيًا خوارزمية التحسين الأمثل للتكيف مع هذه الاضطرابات، مما يعزز من دقة تتبع المسار. إذ تختار الخوارزمية الأنسب بحسب طبيعة الاضطرابات التي تواجهها الطائرة في كل حالة.
وقد درّب الباحثون نظامهم على تنفيذ هذين الأمرين معًا، التكيّف وتحديد الخوارزمية باستخدام تقنية تُعرف باسم التعلم الفوقي «meta-learning»، والتي تُعلّم النظام كيفية التكيّف مع أنواع مختلفة من الاضطرابات.
النتائج جاءت واعدة، إذ سجل النظام الجديد نسبة خطأ في تتبع المسار أقل بنسبة 50% مقارنة بالطرق التقليدية، سواء في المحاكاة أو في الظروف الحقيقية، كما أثبت كفاءته في التعامل مع سرعات رياح لم يسبق له مواجهتها أثناء التدريب.
يأمل الباحثون أن يُسهم هذا النظام مستقبلاً في تحسين كفاءة الطائرات المسيّرة في توصيل الطرود الثقيلة رغم الرياح القوية، أو في مراقبة المناطق المعرضة للحرائق في المحميات الطبيعية.
يقول نافيد عزيزيان، الأستاذ المساعد في قسم الهندسة الميكانيكية ومعهد البيانات والنظم والمجتمع «IDSS» بمعهد «MIT»، والباحث الرئيسي للدراسة: «قوة طريقتنا تكمن في التعلم المتزامن لمكونات النظام. من خلال الاستفادة من التعلم الفوقي، يتمكن نظامنا من اتخاذ قرارات تلقائية تحقق أفضل تكيف ممكن في وقت قصير».
شارك عزيزيان في إعداد الورقة البحثية كل من سونبوتشين تانغ، طالب دراسات عليا في قسم الطيران والفضاء، وهاويان صن، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الحاسوب. وقد عُرض البحث مؤخراً في مؤتمر «التعلم للديناميكيات والتحكم»
التعلم على التكيف
تتغير سرعات الرياح التي قد تواجهها الطائرة في كل رحلة، لكن من المفترض أن تبقى الشبكة العصبية ودالة الانحدار المستخدمة ثابتتين، لتجنّب إعادة التدريب في كل مرة.
لتحقيق هذه المرونة، اعتمد الباحثون على التعلم الفوقي، ودربوا النظام على مجموعة من سيناريوهات الرياح المختلفة أثناء مرحلة التدريب.
يوضح تانغ: «الهدف ليس فقط أن يتكيف النظام، بل أن يتعلم كيف يتعلم. عبر التعلم الفوقي، يمكننا إنشاء تمثيل مشترك من بيانات متعددة السيناريوهات بسرعة وكفاءة».
في التطبيق العملي، يقوم المستخدم بتغذية نظام التحكم بمسار الطيران المطلوب، ويقوم النظام بحساب قوة الدفع اللازم في الزمن الحقيقي لإبقاء الطائرة على المسار رغم أي اضطرابات جوية.
وقد أثبت النظام كفاءته سواء في المحاكاة أو في اختبارات حقيقية، حيث تفوق على جميع الطرق التقليدية في تتبع المسار، حتى في الظروف الجوية القاسية.
يضيف عزيزيان: «حتى عندما تجاوزت قوة الرياح مستويات لم نشهدها في التدريب، أثبتت تقنيتنا قدرتها على التعامل معها بكفاءة».
واللافت أن تفوق النظام على الطرق الأخرى ازداد كلما زادت شدة الرياح، مما يدل على قدرته على التكيف مع البيئات الصعبة.
ويجري الفريق الآن تجارب ميدانية على طائرات مسيّرة حقيقية لاختبار النظام في مواجهة ظروف جوية متنوعة.
كما يسعى الفريق لتوسيع قدرات النظام ليتعامل مع اضطرابات متعددة المصادر في وقت واحد. فعلى سبيل المثال، تغير سرعة الرياح قد يغيّر من توزيع وزن الحمولة أثناء الطيران، خصوصاً عند حمل مواد سائلة.
كما يطمح الباحثون إلى تطوير خاصية التعلم المستمر، بحيث يتمكن النظام من التكيف مع اضطرابات جديدة دون الحاجة إلى إعادة تدريبه على البيانات السابقة.
وفي تعليق على البحث، قال بروفيسور باباك حسّیبي من معهد كاليفورنيا للتكنولوجيا «Caltech»، والذي لم يشارك في المشروع: «نجح نافيد وزملاؤه في الجمع بين التعلم الفوقي والتحكم التكيفي التقليدي، لتعلم الخصائص غير الخطية من البيانات. واستخدامهم لخوارزميات الانحدار المرآتي مكّنهم من استغلال البنية الجيومترية الكامنة للمشكلة بشكل لم تفعله الطرق السابقة. وهذا العمل قد يساهم بشكل كبير في تصميم أنظمة ذاتية التشغيل تعمل بكفاءة في بيئات معقدة وغير مؤكدة».
وقد حصل هذا البحث على دعم من عدة جهات، منها شركة «MathWorks»، ومختبر «MIT-IBM Watson» للذكاء الاصطناعي، ومركز «MIT-Amazon» للعلوم، وبرنامج «MIT-Google» للابتكار في الحوسبة.
الدفاع المدني بميسان يخمد حريقًا في أشجار وأعشاب في جبل بثرة