تصميم النشاط التعليمي والممارسة النفسية لطلاب الموسيقى باستخدام شبكة عصبية التفافية ووحدة Transformer

إدخال التكنولوجيا الذكية إلى حصة الموسيقى

بالنسبة للعديد من طلاب الموسيقى، قد تبدو الحصص وكأنها روتين موحَّد: نفس المقطوعات، نفس التمارين، وقليل من الاهتمام بالتوتر قبل الأداء. تستكشف هذه الدراسة كيف يمكن للذكاء الاصطناعي الحديث أن يجعل تعلم الموسيقى أكثر تخصيصًا ودعمًا. من خلال دمج أفكار من العلوم والتكنولوجيا والهندسة والفنون والرياضيات (المعروفة اختصارًا STEAM) مع نظام توصية ذكي، يهدف الباحثون إلى مساعدة طلاب الموسيقى في العثور على المقطوعات والأنشطة المناسبة في الوقت المناسب — مع التخفيف من القلق وبناء الثقة أيضًا.

لماذا يحتاج طلاب الموسيقى لأكثر من السلالم الموسيقية

غالبًا ما يعتمد تدريس الموسيقى التقليدي في الجامعات على مناهج ثابتة، ومقطوعات يختارها المدرس، واهتمام محدود بمشاعر الطلاب. يمكن أن يؤدي ذلك إلى تجاهل الاهتمامات الفردية وسرعة التعلم ورهاب الأداء المسرحي. في الوقت نفسه، تتتبع منصات التعلم عبر الإنترنت ما ينقر عليه الطلاب، ومدة استماعهم، والمقطوعات التي يعودون إليها. رأى الباحثون فرصة: استخدام هذا الأثر الرقمي الغني، جنبًا إلى جنب مع استبيانات نفسية، لتفصيل تعليم الموسيقى لكل طالب بدلًا من إجبار الجميع على نفس المسار.

دليل ذكي يتعلم من الصوت والنوتة والمشاعر

جوهر المشروع هو نظام توصية مخصص مبني على أداتين قويتين في الذكاء الاصطناعي: الشبكات العصبية الالتفافية ووحدات Transformer. ببساطة، «يستمع» النظام إلى تسجيلات المقطوعات التعليمية، محولًا إياها إلى خرائط صوتية ملونة تلتقط النغمة والإيقاع. كما «يقرأ» النوتات الرقمية، مسجلًا عناصر مثل التوافق، تغيرات الإيقاع، والصعوبة التقنية. بالإضافة إلى ذلك، يملأ الطلاب استبيانات حول قلق الأداء، وضغوط التعلم اليومية، والثقة بالنفس. تُحوَّل كل هذه المعلومات إلى ميزات رقمية وتُدمَج في صورة موحدة توضح مدى ملاءمة كل مقطوعة لطالب معين في وقت معين.

ربط المشاريع، أفكار STEAM، والخيارات المخصصة

لمواءمة احتياجات الفصل الحقيقية، يُدمَج النظام في نموذج تعليمي قائم على المشاريع يتألف من أربع مراحل: بدء موضوع، استكشاف الأفكار، إنشاء عمل، وعرض النتائج. تُوسَم كل مقطوعة موسيقية بكيفية ارتباطها بالعلوم أو التكنولوجيا أو الهندسة أو الفن أو الرياضيات — مثل فيزياء الصوت، ممارسات التسجيل، أو نماذج إيقاعية. اعتمادًا على المرحلة، يغيّر النظام أولوياته. في المرحلة المبكرة، يوصي بمواد واسعة تثير الفضول؛ وفيما بعد يركز أكثر على الشروحات التقنية، والأدوات الإبداعية، أو أمثلة الأداء. بالنسبة للمشاريع الجماعية، يمزج ذوق وأدوار الأعضاء المختلفين، بحيث يتلقى الطلاب «المحبون للتقنية» و«المحبون للفن» موارد تناسبهم بينما تُدفَع المجموعة نحو أهداف مشتركة.

ماذا حدث عندما جرّب الطلاب النظام

اختبر الباحثون النظام مع 112 طالبًا متخصصين في الموسيقى، مقارنين مجموعة تجريبية استخدمت التوصيات الذكية بمجموعة ضابطة تُدرَّس بالطريقة التقليدية. أثبت نموذج الذكاء الاصطناعي دقة أعلى من عدة خوارزميات منافسة في توقع الموارد التي سيستخدمها الطلاب فعليًا، حيث بلغ دقته نحو 96 في المئة. والأهم من ذلك للتدريس، نقر الطلاب الذين استخدموا النظام على موارد أكثر، بقوا لفترات أطول على صفحات التعلم، وتركوا تعليقات أكثر — مؤشرات على تفاعل أعمق. كما تحسنت المقاييس النفسية: انخفض قلق الأداء الموسيقي والقلق العام من التعلم بشكل أكبر في المجموعة التجريبية، في حين ارتفعت الثقة بالنفس بشكل ملحوظ مقارنةً بالمجموعة الضابطة.

ما الذي يعنيه هذا لدروس الموسيقى المستقبلية

بشكل عملي، تُبيّن الدراسة أن مساعدًا ذكيًا مصممًا جيدًا يمكن أن يعمل كأستاذ حساس جدًا: يستمع إلى الموسيقى، يقرأ النوتة، يراقب سلوك الطلاب عبر الإنترنت، ويأخذ في الحسبان مشاعرهم. ثم يقترح مقطوعات وأنشطة ليست فقط بالمستوى المناسب، بل تدعم أيضًا الاحتياجات العاطفية للطلاب وأهداف تعلم STEAM الأوسع. وبينما يظل النظام الحالي إثبات مفهوم، فإنه يشير إلى مستقبل يتدرب فيه طلاب الموسيقى بقوائم تشغيل تهدئ أعصابهم، وتتحدى مهاراتهم، وتفتح أبوابًا للعلوم والتكنولوجيا — وكل ذلك مضبوط تلقائيًا على هويتهم وطريقة تعلمهم.

الاستشهاد: Zhuang, T., Wang, X. & Chang, D. Teaching activity design and psychological practice of music majors under a convolutional neural network and transformer module. Sci Rep 16, 14534 (2026). https://doi.org/10.1038/s41598-026-45673-0

الكلمات المفتاحية: تعليم الموسيقى, التعلّم المخصص, STEAM, نظام التوصية, قلق الطلاب