في عالم التعليم اليوم، يعد تحليل أنماط التفكير لدى الطلاب في فصول العلوم أمراً بالغ الأهمية لفهم كيفية بناء المعرفة وتحسين طرق التدريس. ولكن، تبقى عملية الترميز اليدوي للمحادثات في الفصول الدراسية شاقة للغاية وتتطلب جهداً كبيراً. من هنا جاءت فكرة تقديم نظام تحليل محادثات آلي (ADAS) يهدف إلى تصنيف عبارات المعلمين والطلاب بدقة فائقة.

يستند هذا النظام إلى إطار العمل CDAT، حيث يقوم بتصنيف العبارات على محورين رئيسيين: نوع العبارة ومكونات التفكير. وتمت معالجة مشكلة عدم توازن التصنيفات في الفئات الأقل تمثيلاً من خلال طرق مبتكرة، تتضمن إعادة تقسيم البيانات المشروحة وتطبيق تعزيز البيانات الاصطناعية باستخدام نماذج اللغات الضخمة (Large Language Models).

ولكن المثير في هذه الدراسة هو أن النظام تمكّن من تحقيق نتائج مذهلة، إذ استطاعت النسخة الأساسية من GPT-5.4 تحقيق درجات عالية في تصنيف الأنماط اللغوية ومكونات التفكير، مما يقدم تقديرات بارزة لأداء النظام.

علاوة على ذلك، قام الباحثون بتحليل أنماط المحادثات باستخدام مقاييس عديدة، مثل تحليل تتابع العبارات وتحديد المؤشرات المعرفية، حيث أظهروا أن تعليقات المعلمين التي تتضمن أسئلة تعد من أبرز المحفزات للتفكير الاستنتاجي لدى الطلاب.

تظهر نتاجات هذه الدراسة أن تقنيات التعزيز المدعومة بنماذج اللغات الضخمة تُحسن عوامل التمييز في الفئات الأقل شيوعاً، وأن البساطة الهيكلية لمهمة تحليل مكونات التفكير تجعلها قابلة للتطبيق حتى مع القواعد اللغوية الأساسية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.