توصية تسلسلية للدورات مدركة للسياق عبر التشفيرات الذاتية المتغيرة الشرطية وهندسات المُحولات في أنظمة التعلم الإلكتروني المُمكّنة بإنترنت الأشياء

مساعدة أذكى عند اختيار الدورات عبر الإنترنت

مع تزايد منصات التعلم عبر الإنترنت، يواجه كثير من الطلاب مشكلة جديدة: وفرة الدورات وقلة الإرشاد. تستكشف هذه الدراسة طريقة أذكى لاقتراح الدورات على المنصات بحيث تتناسب ليس فقط مع ما قام به المتعلم سابقًا، بل أيضًا مع متى وأين وكيف يدرس، باستخدام إشارات من الأجهزة المتصلة وتطبيقات التعلم.

لماذا غالبًا ما تفشل اقتراحات الدورات في تحقيق الهدف

تعامل معظم أدوات التوصية الطلاب كما لو أن ميولهم ثابتة وأن ظروفهم نادراً ما تتغير. كانت الأنظمة الأولية تقارن أساسًا المستخدمين ذوي التاريخ المشابه أو تطابق وصف الدورات مع بيانات الملف الشخصي. تكافح هذه الطرق عندما يكون المتعلم جديدًا، أو عندما تكون البيانات قليلة، أو عندما يتبع كثير من الأشخاص مسارات متشابهة ويتلقون اقتراحات متقاربة جداً. كما أنها لا تتعامل مع الطبيعة المتغيرة بسرعة للدراسة عبر الإنترنت، حيث قد يشاهد شخص ما فيديوً ليلاً على حاسوب محمول، ثم يطلع على مواد عبر الهاتف أثناء التنقّل. تتسع هذه الفجوة في البيئات المزودة بأجهزة متصلة، حيث يمكن لوقت اليوم ونوع الجهاز وأنماط النشاط أن تؤثر جميعها في نوع الدورة أو الدرس الأكثر فائدة في لحظة معينة.

استخدام إشارات من التعلم المتصل

يركز المؤلفون على بيئات التعلم الإلكتروني المرتبطة بإنترنت الأشياء، مثل المنصات التي تُستخدم عبر الأجهزة القابلة للارتداء والهواتف الذكية والفصول الذكية. من منصات الدورات الحقيقية، يجمعون ليس فقط الدورات التي اختارها الطلاب أو نقروا عليها، بل أيضًا دلائل سياقية بسيطة: الجهاز الذي استخدموه، وتكرار تسجيل الدخول، ومتى يميلون إلى الدراسة. تعمل هذه الأدلة كبدائل لبيانات المستشعرات الأكثر ثراءً التي قد تصل إليها الأنظمة المستقبلية. بعد تنظيف وتنظيم هذه السجلات، يبني النظام صورًا رقمية مُكثفة لكل متعلم، ولكل دورة، ولكل سياق. وعلى الرغم من أن المنصات الخام لا توفر تدفقات حسّية مباشرة، إلا أن هذه الإشارات الوكيلة تكفي لاختبار مدى فائدة الاقتراحات المدركة للسياق.

كيف يعمل محرك التوصية الجديد

يجمع المحرك المقترح بين فكرتين متقدمتين من الذكاء الاصطناعي الحديث. الأولى مكوّن يتعلم الأنماط الكامنة وراء الطلاب والدورات مع مراعاة حالة عدم اليقين، وهو أمر مهم عندما تكون المعلومات مفقودة أو مضببة. والثانية وحدة تسلسلية تنظر في ترتيب الاختيارات السابقة لفهم كيف تتغير الاهتمامات عبر الزمن، بدلاً من معاملة كل نقرة أو تسجيل منفردًا. يُدمَج السياق المتعلق بالأجهزة وعادات الدراسة في هذه العملية عند كل خطوة، حتى يتمكن النظام من تعديل صورته الداخلية عن المتعلم مع تغير ظروفه. تُدرّب استراتيجية خاصة المحرك على الحفاظ على استقرار التمثيلات الكامنة مع الاستمرار في ترتيب الدورات بدقة، موازنة بين حاجة الاستكشاف والحاجة إلى تمييز واضح بينها.

ما أظهرته التجارب على منصات حقيقية

يختبر الباحثون إطارهم على ثلاث مجموعات بيانات كبيرة من مزوّدي الدورات عبر الإنترنت الرئيسيين. يقارنونه بعدة طرق موجودة قوية تقوم بالفعل بنمذجة التسلسلات أو تعمل جيدًا مع محتوى الدورات. عبر مقاييس متعددة، بما في ذلك مدى تطابق أفضل الاقتراحات مع ما يختاره الطلاب فعلاً ومدى جودة ترتيب النظام للدورات ذات الصلة، يتفوّق الأسلوب الجديد باستمرار. كما يقلل من أخطاء التنبؤ ويبقى فعالًا عندما تكون سجلات المستخدمين قصيرة، وهي حالة شائعة بالنسبة للقادمين الجدد. عندما يزيل المؤلفون أجزاءً من التصميم في اختبارات خاضعة للرقابة، تنخفض الجودة، مما يوضح أن كل جزء، من معالجة السياق إلى الهدف المشترك للتدريب، يلعب دورًا ذا مغزى.

ما يعنيه هذا للمتعلمين عبر الإنترنت

بعبارة بسيطة، توحي الدراسة أن توصية الدورات يجب أن تُعامل كهدف متحرّك تتشكّل كلّياً من السلوك الماضي والظروف الحالية. من خلال دمج ما قام به المتعلم، وكيف تتطور اهتماماته، وكيف يبدو بيئة دراسته الحالية، يمكن للمنصات تقديم اقتراحات تبدو أكثر ملاءمة وزمنية وشخصية. وبينما تبقى أسئلة بشأن حماية البيانات وتكاليف الحوسبة، يرسم هذا العمل طريقًا لأنظمة التعلم عبر الإنترنت ترشد الطلاب خلال رحلات تعلم طويلة الأمد بطريقة تتكيّف مع حياتهم اليومية.

الاستشهاد: Chen, G., Han, G. & Liu, S. Context-aware sequential course recommendation via conditional variational autoencoders and transformer architectures in IoT-enabled E-learning systems. Sci Rep 16, 15370 (2026). https://doi.org/10.1038/s41598-026-45764-y

الكلمات المفتاحية: توصية الدورات عبر الإنترنت, تخصيص التعلم الإلكتروني, التوصية التسلسلية, سياق التعلم بإنترنت الأشياء, منصات الدورات المفتوحة