الجامعات في عصر الإجابات الجاهزة

في البداية، يبدو السؤال وكأنه يتعلق بالغش: هل استخدم الطالب الذكاء الاصطناعي في كتابة بحثه؟ هل استعان به في حل المسألة؟ هل كتب البرنامج بنفسه أم طلب من الآلة كتابته؟ لكن اختزال المسألة في الغش يخفي سؤالًا أعمق. فالذكاء الاصطناعي لا يخلق مشكلة جديدة بالكامل، بل يكشف حدودًا كانت موجودة أصلًا في بعض أنماط التعليم والتقييم: هل كان الناتج الذي يقدّمه الطالب دليلًا كافيًا على امتلاكه المعرفة والقدرة اللتين يُفترض أن يكون التعليم قد بناهما لديه؟

اعتمد جزء كبير من التعليم الجامعي على فكرة تبدو منطقية: إذا طلبنا من الطالب كتابة بحث، أو حل مسألة، أو إنجاز برنامج، أو إعداد تقرير، فإن الناتج النهائي يسمح لنا بتقدير مستوى تعلّمه. وكان هذا الافتراض أكثر قابلية للدفاع عنه عندما كان إنتاج الناتج يتطلب من الطالب القيام بمعظم العمل الفكري بنفسه. أما اليوم، فقد يستطيع الحصول خلال ثوانٍ على نص متماسك، أو حل رياضي، أو برنامج يعمل، أو تلخيص لكتاب. وهنا يصبح من الضروري التمييز بين أمرين مختلفين: امتلاك الناتج، وامتلاك القدرة التي تسمح بفهمه وإنتاجه وتقييمه.

قد يحصل الطالب على حل صحيح من الذكاء الاصطناعي من دون أن يعرف لماذا كان صحيحًا. وقد يقدّم بحثًا ممتاز الصياغة من دون أن يكون قادرًا على الدفاع عن فكرته أو تفسير مصادره. وقد يحصل على برنامج يعمل، لكنه لا يعرف كيف يعدّله عندما تتغير شروط المشكلة. لذلك، لا تكمن القضية في أن الناتج النهائي فقد قيمته، بل في أنه لم يعد كافيًا وحده بوصفه دليلًا على التعلّم. وهذا يفرض إعادة التفكير في وظيفة التقييم نفسها.

من تقييم الإجابة إلى تقييم الفهم

لا يعني ذلك العودة إلى الامتحان التقليدي، أو إلغاء الواجبات والبحوث، أو منع استخدام الذكاء الاصطناعي بصورة مطلقة. السؤال الأهم هو: ما الذي نريد أن نقيسه؟

إذا كان المطلوب معرفة مقدار المعلومات التي يستطيع الطالب استرجاعها، فإن الذكاء الاصطناعي يجعل هذا الهدف أقل مركزية. أما إذا كان المطلوب أن يفهم الطالب المشكلة، وأن يختار منهجًا مناسبًا، ويختبر النتيجة، ويكتشف الخطأ، ويبرّر اختياره، ويتعامل مع حالة لم يسبق أن واجهها، فإن هذه القدرات تصبح أكثر أهمية.

وهنا يمكن أن يتغير مسار التقييم من سؤال يبحث عن إجابة وعلامة تثبتها، إلى مشكلة ينطلق منها البحث، ثم اختيار المنهج، واستخدام الأدوات، وفحص النتيجة ونقدها وتعديلها، وصولًا إلى التفسير والمناقشة. ليس المقصود إذًا إلغاء الناتج، بل جعله جزءًا من مسار أوسع يكشف كيف وصل الطالب إليه، وماذا يفهم منه، وما الذي يستطيع أن يفعله به.

لكن هذا التحول لا ينبغي أن يؤدي إلى وصفة واحدة لجميع التخصصات.

في العلوم الإنسانية، يستطيع الذكاء الاصطناعي كتابة مقال متماسك، وتلخيص كتاب، والمقارنة بين مفكرين، واقتراح حجج ومراجع. ولذلك قد يصبح البحث المنزلي الذي يُقيَّم من خلال النص النهائي وحده أقل قدرة على الكشف عن تعلّم الطالب. الأهم أن نعرف لماذا اختار المشكلة، وكيف صاغ السؤال، ولماذا اعتمد مصادر معينة، وكيف تعامل مع رأي مخالف، وهل يستطيع الدفاع عن تفسيره ونقد النص الذي أنتجته الأداة.

أما في الرياضيات، فإن قدرة الذكاء الاصطناعي على حل المسائل لا تجعل تعلّم الرياضيات بلا معنى. فالفرق كبير بين الحصول على الحل وفهم البرهان أو الطريقة التي قادت إليه. وقد يكون من المفيد أحيانًا أن يُعطى الطالب حلًا أنتجته الآلة، ويُطلب منه تحليل خطواته، واكتشاف أخطائه إن وُجدت، وتحديد الشروط التي تجعله صالحًا، ثم معرفة إمكان تطبيق المنهج نفسه على مسألة مختلفة.

وفي الفيزياء، يستطيع الذكاء الاصطناعي إجراء الاشتقاقات والحسابات العددية، وكتابة برامج المحاكاة، وتحليل البيانات. لكن ذلك لا يجيب بالضرورة عن الأسئلة الفيزيائية التي تسبق الحساب: ما النموذج المناسب؟ ما المعادلات التي تصف الظاهرة؟ ما الافتراضات والشروط الحدّية؟ وهل النتيجة معقولة فيزيائيًا؟ فقد يكون الحساب صحيحًا تمامًا، بينما يكون النموذج الذي بُني عليه خاطئًا.

وفي الهندسة، يمكن للذكاء الاصطناعي أن يساعد في الحساب والتصميم والمحاكاة وتحليل البيانات. لكن الحل الهندسي لا يُختزل في نتيجة عددية؛ فهو يرتبط بالكلفة والسلامة والموثوقية والطاقة والمواد والبيئة والمعايير وظروف التشغيل. وقد توجد حلول عدة صحيحة حسابيًا، بينما يتطلب اختيار أحدها حكمًا هندسيًا يستند إلى فهم المشكلة وقيودها الواقعية.

وهكذا، تتضح قيمة التعليم في بناء القدرة على تحديد المشكلة، واختيار النموذج، وتقييم الحل، والحكم على مدى صلاحيته، لا في منافسة الآلة في السرعة.

مشكلة أقدم من الذكاء الاصطناعي

تكمن أهمية الذكاء الاصطناعي في أنه جعل مشكلة قديمة أكثر وضوحًا. فالتعليم يميل، لأسباب عملية ومؤسساتية، إلى قياس ما يسهل قياسه: المعلومات المحفوظة، والمسائل النمطية، والنص المكتوب، والإجابة المحددة. وهذه مهارات حقيقية لا ينبغي التقليل من شأنها، لكن سهولة قياسها قد تمنحها أحيانًا مكانة أكبر من قدرتها الفعلية على التعبير عن التعلّم.

فالطالب قد يحفظ إجابة من دون أن يفهمها، أو يتقن طريقة لحل مسألة من دون أن يعرف متى تصبح هذه الطريقة غير صالحة. والذكاء الاصطناعي يجعل الفجوة بين مظهر المعرفة والمعرفة الفعلية أكثر وضوحًا، لأنه يستطيع إنتاج مخرجات تبدو مكتملة حتى عندما لا يمتلك مستخدمها الفهم الذي يسمح له بالحكم عليها.

لذلك، فإن القضية ليست كيف نمنع الطالب من الوصول إلى الأداة، بل كيف نجعل التقييم قادرًا على التمييز بين من حصل على الإجابة ومن فهمها.

وليس كل استخدام للذكاء الاصطناعي متشابهًا. هناك فرق بين أن يطلب الطالب من الأداة إنجاز بحث كامل ثم يقدّمه باسمه، وبين أن يستخدمها لتفسير مفهوم لم يفهمه، أو لتقديم حل أولي، ثم يفحصه ويناقشه ويصححه. بل يمكن أن تصبح هذه العملية نفسها جزءًا من التعلّم.

قد يطلب الأستاذ من الطالب، مثلًا، استخدام الذكاء الاصطناعي لإنتاج حل أولي، ثم تحديد مواطن القوة والضعف فيه، أو المقارنة بين إجابتين، أو اكتشاف خطأ في الاستدلال، أو إعادة بناء الحل بعد تغيير أحد الشروط. في هذه الحالة تصبح الآلة أداة يتعلّم الطالب كيف يتعامل معها نقديًا، لا بديلًا عن التفكير. ويتغير السؤال من «هل استخدم الطالب الذكاء الاصطناعي؟» إلى سؤال أكثر فائدة: ماذا فعل الطالب بما أنتجه الذكاء الاصطناعي؟

الخطر التربوي الأعمق: وهم المعرفة

ربما لا يكون أخطر ما يطرحه الذكاء الاصطناعي هو الغش، بل شيء أكثر خفاءً: أن يخلط الطالب بين الحصول على المعرفة وامتلاكها.

يمكن للطالب أن يحصل على شرح ممتاز لنظرية في الفيزياء، أو حل لمسألة رياضية، أو مقال حول موضوع فلسفي، فيشعر أنه فهم الموضوع. لكن الاختبار الحقيقي يظهر عندما يتغير السؤال. هل يستطيع تطبيق الفكرة في حالة جديدة؟ هل يعرف لماذا قبل هذه النتيجة؟ هل يستطيع اكتشاف خطأ في الإجابة، أو شرحها بلغته الخاصة، أو تعديلها عندما تتغير المعطيات؟

إذا لم يستطع، فقد حصل على إجابة، لكنه لم يكتسب بالضرورة المعرفة التي تسمح له باستخدامها.

ومن هنا تظهر مفارقة مهمة: كلما أصبحت الآلة أكثر قدرة على إنتاج الإجابات، ازدادت أهمية امتلاك الإنسان المعرفة اللازمة لتقييمها.

ولهذا، فإن المعرفة الأساسية لا تصبح أقل أهمية مع الذكاء الاصطناعي، بل تتغير وظيفتها. لم يعد ضروريًا أن يحفظ الإنسان كل معلومة يمكن الوصول إليها بسهولة، لكنه يحتاج إلى معرفة كافية تمكّنه من فهم ما يحصل عليه، وربطه بسياقه، واكتشاف الخطأ فيه. فلا يستطيع من لا يعرف الفيزياء أن يحكم على نموذج فيزيائي، ولا من لا يعرف الرياضيات أن يكتشف خطأ في برهان، ولا من يفتقر إلى أدوات التفكير النقدي أن يميّز بين حجة متماسكة وأخرى تبدو متماسكة.

لا يمكن نقد المعرفة من خارج المعرفة.

الطالب ليس عقلًا معزولًا عن المجتمع

لكن الحديث عن الطالب كما لو أن الجميع يبدأون من النقطة نفسها يترك جانبًا أساسيًا من المشكلة. فالطالب يأتي إلى الجامعة من أسرة وبيئة ثقافية واقتصادية واجتماعية معينة.

قد يمتلك أحد الطلاب حاسوبًا حديثًا واتصالًا سريعًا بالإنترنت وإمكان الوصول إلى أدوات مدفوعة، بينما يعتمد آخر على هاتفه أو على أجهزة الجامعة. وقد يكون أحدهما متفرغًا للدراسة، فيما يضطر الآخر إلى العمل إلى جانبها. وقد يدخل أحدهما الجامعة مزوّدًا بخبرة رقمية ولغوية واسعة اكتسبها من بيئته، بينما يحتاج الآخر إلى وقت طويل لاكتساب المهارات نفسها.

لذلك، فإن القول إن «الذكاء الاصطناعي متاح للجميع» لا يعني أن القدرة على الاستفادة منه متاحة للجميع بالشروط نفسها.

وهنا يدخل البعد الطبقي والاجتماعي إلى قلب النقاش التربوي. فالذكاء الاصطناعي قد يقلّص بعض الفوارق؛ إذ يستطيع الطالب الذي لا يملك مدرسًا خصوصيًا أن يطلب شرحًا إضافيًا، ويعيد السؤال مرات عديدة، ويتدرّب على مسائل مختلفة.

لكن الأداة نفسها قد تعمّق فوارق أخرى. فالطالب الذي يمتلك أساسًا معرفيًا قويًا يستطيع أن يطرح أسئلة أفضل، ويقارن الإجابات، ويكتشف الأخطاء، ويستخدم الذكاء الاصطناعي لتوسيع معرفته. أما الطالب الذي يفتقر إلى الأساس نفسه، فقد يتعامل معه بوصفه آلة لإنتاج الإجابات الجاهزة.

وبذلك يمكن للأداة نفسها أن تكون وسيلة لتقليص الفوارق عند بعض الطلاب، ووسيلة لتعميقها عند آخرين.

ولهذا، فإن العدالة التعليمية في عصر الذكاء الاصطناعي لا تعني مجرد توفير الوصول إلى التكنولوجيا، بل توفير المعرفة والوقت والتدريب والبيئة التعليمية التي تسمح باستخدامها بصورة نقدية ومستقلة.

هذه المسألة تقودنا إلى سؤال أوسع. فالجامعة ليست مؤسسة قائمة خارج المجتمع. إنها تنتج المعرفة وتنقلها، لكنها تؤدي أيضًا وظيفة اجتماعية: تمنح الشهادات، وتفتح أو تغلق مسارات مهنية، وتساهم في تحديد المواقع التي يشغلها الأفراد داخل المجتمع.

ومن هذه الزاوية، لا ينبغي النظر إلى الذكاء الاصطناعي في التعليم باعتباره مجرد علاقة بين الطالب والآلة. فهناك مؤسسة تعليمية، وأسرة، وسوق عمل، وموارد غير متساوية، وسياسات عامة، وشركات تنتج أدوات المعرفة وتتحكم في جزء من شروط الوصول إليها.

وهذا يطرح سؤالًا آخر: من يملك أدوات إنتاج المعرفة الجديدة، ومن يستطيع الوصول إليها، ومن يملك القدرة على استخدامها بصورة فعّالة؟

قد تعتمد الجامعات بصورة متزايدة على أدوات تنتجها شركات خارجها، وقد يصبح الوصول إلى بعض القدرات المتقدمة مرتبطًا بالاشتراك المدفوع أو بالبنية التكنولوجية المتاحة. وبذلك لا يعود السؤال فقط: «كيف نستخدم الذكاء الاصطناعي في التعليم؟»، بل أيضًا: من يحدّد شروط استخدامه؟ ومن يتحكم في الأدوات التي أصبح التعليم يعتمد عليها؟

وهذا لا يعني أن التكنولوجيا محكومة سلفًا بنتيجة واحدة، بل إن آثارها التعليمية لا يمكن فهمها بمعزل عن الشروط الاجتماعية التي تدخل فيها.

ماذا يحدث لدور الأستاذ؟

في هذا السياق، لا يبدو أن الذكاء الاصطناعي يلغي دور الأستاذ، بل يدفعه إلى التغيّر. فإذا كان الأستاذ يؤدي، في أحد النماذج التقليدية، دورًا كبيرًا في نقل المعلومات، فإن وفرة المعلومات المتاحة تجعل وظائف أخرى أكثر أهمية: تصميم المشكلات، وتوجيه البحث، وكشف سوء الفهم، وتدريب الطالب على النقد، ومناقشة النتائج.

وقد يصبح الأستاذ أقل شبهًا بمصدر وحيد للمعلومة، وأكثر شبهًا بمنظّم لعملية التعلّم، وشريك في التفكير، وناقد للنتائج.

وهذا لا يقلل من أهمية المعرفة التي يمتلكها الأستاذ، بل يجعلها أكثر ارتباطًا بقدرته على التمييز بين ما هو صحيح وما يبدو صحيحًا، وبين السؤال المهم والسؤال السطحي، وبين استخدام الأداة والاعتماد عليها.

كذلك ينبغي تجنّب رد فعل معاكس يرى أن الذكاء الاصطناعي يجعل الحفظ والحساب والكتابة أمورًا بلا قيمة. فهذه القدرات ليست مجرد وسائل لإنتاج الإجابات، بل أدوات لبناء الفهم نفسه. ولا يستطيع الطالب أن يفكر نقديًا في موضوع لا يمتلك حدًا أدنى من معارفه ومفاهيمه.

وعليه، لا تختفي المعرفة الأساسية، وإنما يتغير موقعها. لم تعد الغاية أن يحمل الإنسان في ذاكرته كل ما يمكن استرجاعه آليًا، لكنها تظل قاعدة ضرورية للفهم والحكم والربط وطرح الأسئلة.

من إعادة إنتاج الإجابات إلى إنتاج الأسئلة

إذا كانت الآلة قادرة على الإجابة عن عدد متزايد من الأسئلة، فقد تصبح قيمة الإنسان أقل ارتباطًا بقدرته على استرجاع الإجابة، وأكثر ارتباطًا بقدرته على صياغة السؤال الذي يستحق أن يُطرح.

فالآلة تستطيع أن تقترح حلولًا كثيرة، لكن تحديد المشكلة قد يكون أصعب من حلها. ويمكنها أن تقدّم تفسيرًا مقنعًا، لكن اكتشاف أن هذا التفسير لا يفسّر ظاهرة معينة قد يتطلب معرفة أعمق من مجرد إنتاجه. ويمكنها أن تكتب برنامجًا يعمل، لكن تحديد ما إذا كان يعالج المشكلة الحقيقية يبقى سؤالًا مختلفًا.

ومن هنا، قد يصبح السؤال نفسه شكلًا من أشكال المعرفة. ليس السؤال الذي يطلب معلومة جاهزة، بل الذي يفتح مشكلة، ويكشف علاقة، ويضع فرضية موضع الاختبار، ويقود إلى معرفة جديدة.

وربما نصل هنا إلى السؤال الأعمق الذي يفرضه الذكاء الاصطناعي على الجامعة: ماذا يعني أن يكون الإنسان قد تعلّم؟

هل يعني أن يعرف الإجابة؟ أم أن يعرف كيف يبحث عنها؟ أم أن يعرف كيف يختبرها؟ أم أن يعرف متى تكون خاطئة؟ أم أن يستطيع استخدامها في وضع جديد؟ وربما يعني كل ذلك معًا.

فالإنسان المتعلّم ليس من يستطيع منافسة الآلة في كمية المعلومات أو سرعة الحساب أو إنتاج النصوص، بل من يستطيع أن يفهم المشكلة، ويطرح السؤال، ويستخدم الأدوات، ويفحص النتائج، ويكتشف الخطأ، ويعدّل مساره، ويربط المعرفة بسياقها، ويطرح سؤالًا جديدًا عندما تنتهي الإجابة الجاهزة.

لكن هذا الإنسان لا يتعلّم خارج المجتمع. ولذلك، فإن مستقبل التعليم لن يتحدد بالتكنولوجيا وحدها، بل أيضًا بالشروط الاجتماعية التي توزّع فرص الوصول إلى المعرفة وأدواتها، وبالطريقة التي تنظّم بها الجامعة عمليتَي التعلّم والتقييم.

قد يجعل الذكاء الاصطناعي بعض أشكال التعليم القديمة أقل ضرورة، لكنه يستطيع في الوقت نفسه أن يفتح إمكانات جديدة للتعلّم. ويبقى السؤال ليس: كيف نمنع الآلة من القيام بما كان الطالب يقوم به؟ بل: كيف نبني تعليمًا يجعل الإنسان أكثر قدرة على الفهم والحكم والإبداع، في عالم أصبحت فيه الآلة قادرة على إنتاج عدد متزايد من الإجابات؟

وربما تكون هذه هي الفرصة التي يضعها الذكاء الاصطناعي أمام الجامعة: ألّا تكتفي بتعليم الطالب كيف يجد الإجابة، بل أن تعلّمه كيف يعرف إن كانت الإجابة تستحق أن تُقبل، ولماذا، وما السؤال الجديد الذي يمكن أن يولد منها.