التعرُّف الذكي على سلوك الطلاب لبيئات التعلم الذكية

لماذا تحتاج الفصول الأذكى إلى رؤية ما يفعله الطلاب

في العديد من الفصول، يضطر المدرسون إلى التخمين من يتابع الدرس، ومن تاه، ومن مشتت انتباهه بهدوء. يستكشف هذا البحث كيف يمكن للذكاء الاصطناعي أن يتعرَّف تلقائيًا على ما يفعله الطلاب—مثل القراءة أو الكتابة أو رفع اليد—من صور فصلية عادية. من خلال تحويل الصور الخام إلى مقاييس موثوقة لنشاط الفصل، يهدف النظام إلى تزويد المدرسين بتغذية راجعة في الوقت الحقيقي حول التفاعل دون الاعتماد على الملاحظات المستهلكة للوقت أو المراقبة المتطفلة.

من الصور الفوضوية إلى لقطات مركزة

الفصول الحقيقية مزدحمة ونشطة ومرئية مربكة. قد تحتوي الصورة الواحدة على عشرات الطلاب، وأجساد متداخلة، وتفاصيل خلفية مشتتة مثل الجدران والشاشات والملصقات. يعتمد المؤلفون على مجموعة صور عامة تُدعى SCB‑05، والتي تضم آلاف الصور الفصلية الموسومة بسلوكيات محددة—مثل رفع اليد، والقراءة، والكتابة، والوقوف، والتحدّث، أو التفاعل عند السبورة. بدلًا من إطعام المشاهد بأكملها إلى الحاسوب، يستخدم النظام أولًا ملفات التعليقات التوضيحية لقص المناطق المحيطة بكل طالب أو معلم فقط. تزيل خطوة المعالجة المسبقة هذه الكثير من الفوضى البصرية، بحيث يتركز النموذج على الوضعية، ومكان اليد، وإشارات أخرى تميّز سلوكًا عن آخر.

كيف يتعلم الذكاء الاصطناعي سلوكيات جديدة من أمثلة قليلة جدًا

عقبة رئيسية هي أن بعض سلوكيات الفصل شائعة في البيانات (مثل القراءة) بينما تكون أخرى نادرة (مثل التفاعلات القصيرة على المسرح). جمع صور موسومة كافية لكل سلوك ممكن مكلف ويثير مخاوف تتعلق بالخصوصية. للتغلب على ذلك، يستخدم المؤلفون استراتيجية تُسمى «التعلّم بعدد عينات قليلة»، حيث يتم تدريب النموذج على التعرف على فئات جديدة من خلال عدد ضئيل من الأمثلة فقط. ينظّمون التدريب كسلسلة من المهام الصغيرة، تحتوي كل منها على عدد قليل من السلوكيات وعدد قليل من الصور النموذجية لكل سلوك. لكل مهمة، يشكل النظام «بروتوتايب» بسيطًا لكل سلوك من خلال متوسط تمثيله الداخلي لتلك الأمثلة. ثم تُصنّف الصور الجديدة بمقارنة أي بروتوتايب هي الأقرب إليها، مما يسمح للنموذج بالتكيّف بسرعة حتى عندما تكون البيانات نادرة.

رؤية الفصل ككل، لا التفاصيل الصغيرة فقط

تميل أنظمة الصور التقليدية المسماة بالشبكات العصبونية الالتفافية إلى التركيز على أنماط محلية صغيرة، مثل الحواف أو القوام. وقد يكون ذلك مقيدًا عندما تبدو سلوكيات اثنين، مثل القراءة والكتابة، متشابهة جدًا عن قرب. يستبدل هذا العمل تلك الشبكات القديمة بمحوّل الرؤية، وهو نموذج يقسم كل صورة إلى رقع ويتعلم كيف ترتبط جميع الرقع ببعضها. تساعد هذه النظرة الشاملة النظام على فهم فروق الوضعية الدقيقة والإشارات بعيدة المدى—مثل العلاقة بين اليد المرفوعة والمعلم في مقدمة الفصل. يقوم الفريق أيضًا بشحذ النموذج عبر تدريبه على تقريب صور السلوك نفسه ودفع الصور المتشابهة لكن المختلفة بعيدًا، مع تركيز إضافي على الحالات «الصعبة» المربكة. هذا يجعل خريطة السلوكيات الداخلية أنظف وأسهل في الفصل.

ما مدى فعاليته ولماذا يهم ذلك

على معيار SCB‑05، تصل الطريقة المقترحة إلى نحو 91% دقة إجمالية ونتائج قوية على مقاييس أكثر تشددًا تأخذ في الحسبان توازن البيانات. تُعرَف السلوكيات الشائعة مثل القراءة ورفع اليد بدقة خاصة جيدة، بينما تبقى السلوكيات الأندر مثل الكتابة على السبورة أكثر تحديًا لكنها ما تزال أفضل من الأنظمة السابقة. تُظهر الفحوص البصرية لتجمعات النموذج الداخلية أن السلوكيات المختلفة تشكل مجموعات محكمة ومفصولة جيدًا، مما يدل على أن الذكاء الاصطناعي تعلّم «بصمات» مميزة لأفعال الفصل. عند اختباره على مجموعة بيانات فصلية مختلفة بزوايا كاميرا وتخطيطات جديدة، انخفض الأداء قليلًا فقط، مما يشير إلى أن التمثيل المتعلم ليس مرتبطًا بغرفة أو مدرسة واحدة.

ماذا يعني هذا للتدريس والتعلّم

بعبارات بسيطة، تُظهر الدراسة أن الحواسيب قادرة على رصد العديد من سلوكيات الطلاب الرئيسية من صور ثابتة بشكل موثوق، حتى عندما ترى فقط أمثلة قليلة من كل منها. بدلاً من استبدال المدرسين، يمكن لمثل هذه الأنظمة أن تلخّص بهدوء من هو المتفاعل، ومن غالبًا ما يطلب المساعدة، أو أي الأنشطة تميل إلى فقدان الانتباه—وكل ذلك دون تتبع هوية الطلاب. مع مزيد من العمل على الخصوصية والعدالة وتحليل الفيديو عبر الزمن، قد يصبح هذا النوع من الذكاء الاصطناعي الواعي بالسلوك حليفًا قويًا للمعلمين الذين يصممون بيئات تعلم أكثر استجابة وشمولية.

الاستشهاد: Abozeid, A., Alrashdi, I. & Al-Makhlasawy, R.M. Intelligent recognition of students’ behavior for smart learning environments. Sci Rep 16, 5674 (2026). https://doi.org/10.1038/s41598-026-36633-9

الكلمات المفتاحية: الفصل الدراسي الذكي, سلوك الطالب, رؤية الحاسوب, التعلّم بعدد عينات قليلة, محوّل الرؤية