AI بالعربي – متابعات
أظهرت ورقة بحثية حديثة صادرة عن شركة “Anthropic” أن الاعتماد المفرط على الذكاء الاصطناعي قد يؤثر سلبًا في تعلّم المهارات الجديدة لدى المبرمجين. وجاءت نتائج الدراسة لتسلّط الضوء على التوازن المطلوب بين الإنتاجية والتعلّم الفعلي في عصر الأدوات الذكية.
اعتمد الباحثون على تجربة ميدانية شملت 52 مبرمجًا محترفًا. طُلب منهم تعلّم مكتبة Python جديدة تُعرف باسم “Trio”. هدفت المهمة إلى إنجاز مجموعة من التحديات البرمجية الواقعية. استخدم نصف المشاركين مساعدات الذكاء الاصطناعي، بينما عمل النصف الآخر دون أي دعم تقني.
بعد انتهاء المهام، خضع جميع المشاركين لاختبار معرفي يقيس فهمهم للمكتبة الجديدة. كشفت النتائج أن المجموعة التي استخدمت الذكاء الاصطناعي حققت درجات أقل بنسبة 17%. بلغ مستوى الدلالة الإحصائية p=0.010، ما يعزّز موثوقية الاستنتاج العلمي. في المقابل، لم تظهر فروق إحصائية واضحة في سرعة إنجاز المهام بين المجموعتين.
توضح الدراسة أن بعض المشاركين قضوا وقتًا طويلًا في صياغة الأسئلة للمساعد الذكي. استغرق البعض ما يصل إلى 11 دقيقة في التفاعل قبل الحصول على إجابات. أدى ذلك إلى امتصاص أي مكسب إنتاجي محتمل كان يمكن تحقيقه عبر الأتمتة.
يشير الباحثون إلى أن تأثير الذكاء الاصطناعي على التعلّم لا يرتبط باستخدامه بحد ذاته. يرتبط التأثير بنمط التفاعل الذي يتبعه المستخدم أثناء العمل. رصد الفريق البحثي ستة أنماط مختلفة للتفاعل بين المبرمجين والمساعدات الذكية.
حافظت ثلاثة أنماط على مستوى التعلّم المطلوب لأنها تضمنت جهدًا ذهنيًا واضحًا. شمل ذلك طرح أسئلة مفاهيمية لفهم الأساس النظري. تضمن أيضًا طلب شرح للكود بدل الاكتفاء بالحصول عليه. كما شمل توليد الكود ثم مناقشته لفهم آلية عمله.
في المقابل، أدت ثلاثة أنماط أخرى إلى تراجع ملحوظ في اكتساب المهارات. تمثّل أبرزها في تفويض المهمة كاملة للذكاء الاصطناعي دون تحليل. اكتفى بعض المستخدمين بنسخ الحلول دون محاولة استيعابها. انعكس ذلك في ضعف واضح خلال الاختبارات المعرفية اللاحقة.
تؤكد النتائج أن مهارات التصحيح البرمجي “debugging” سجّلت أكبر فجوة بين المجموعتين. أظهر المشاركون الذين اعتمدوا على الذكاء الاصطناعي صعوبة في تحديد الأخطاء التقنية. واجهوا تحديات أكبر عند تعديل الأكواد أو تحسينها.
تكتسب هذه الدراسة أهمية خاصة مع الانتشار المتسارع لأدوات مثل ChatGPT ومنصات الذكاء الاصطناعي المختلفة. تعتمد شركات تقنية كبرى، مثل OpenAI وجوجل، على تطوير نماذج أكثر تقدمًا لدعم الإنتاجية الرقمية. إلا أن الباحثين يحذّرون من اعتبار هذه الأدوات بديلًا كاملًا عن التفكير التحليلي.
تسلّط الورقة الضوء على مفهوم التعلّم النشط في البيئات الرقمية الحديثة. يؤكد الباحثون أن بناء المهارات يتطلب مشاركة ذهنية مستمرة. لا يمكن تحقيق الفهم العميق عبر الأتمتة وحدها. يتطلب التعلّم الحقيقي تجربة مباشرة مع التحديات التقنية.
ترتبط هذه النتائج بنقاش عالمي متزايد حول تأثير الذكاء الاصطناعي في سوق العمل والتعليم التقني. يرى خبراء أن الاعتماد الذكي على الأدوات الرقمية قد يعزّز الإنتاجية دون إضعاف الكفاءات. في المقابل، قد يؤدي الاستخدام السطحي إلى فجوات معرفية طويلة الأمد.
يؤكد الفريق البحثي أن الذكاء الاصطناعي يجب أن يعمل كأداة دعم معرفي. ينبغي أن يعزّز قدرات المستخدم بدل أن يستبدلها. يعتمد ذلك على تطوير استراتيجيات تعلم توازن بين السرعة والفهم.
تشير الدراسة إلى أن الإنتاجية الرقمية لا تعني دائمًا كفاءة مستدامة. قد ينجز المستخدم المهمة بسرعة، لكنه يخسر خبرة تراكمية ضرورية. تظهر هذه المفارقة بوضوح في مجالات البرمجة وتطوير البرمجيات.
تدعو النتائج المؤسسات التعليمية والشركات التقنية إلى إعادة التفكير في أساليب التدريب. توصي بتشجيع الاستخدام النقدي للأدوات الذكية. كما توصي بتصميم بيئات تعلم تحفّز التحليل الذاتي وحل المشكلات.
في ضوء هذه المعطيات، يتوقع الباحثون أن يتزايد الاهتمام بنماذج التعلّم الهجين. يجمع هذا النموذج بين الدعم التقني والمشاركة العقلية الفعالة. قد يشكّل هذا التوجه مستقبل تطوير المهارات في عصر الذكاء الاصطناعي.
تؤكد الورقة أن الذكاء الاصطناعي يظل أداة قوية عند استخدامه بوعي. يعتمد الأثر النهائي على طريقة التفاعل ومستوى الانخراط الذهني. يعكس ذلك تحولًا مهمًا في فهم العلاقة بين الإنسان والتقنية الحديثة.
تفتح هذه الدراسة بابًا واسعًا لنقاش أعمق حول دور الذكاء الاصطناعي في التعليم الرقمي. كما تطرح تساؤلات حول كيفية الحفاظ على التوازن بين الأتمتة وتنمية المهارات. يبدو أن المستقبل سيتطلب مزيجًا دقيقًا بين الابتكار التقني والتعلّم الإنساني المستمر.
