نموذج التغذية الراجعة الهجين دراسة استكشافية لتأثير التوأم الرقمي البيئي المدعوم بالذكاء الاصطناعي على الوعي المنظومي لدى طلاب ليبيين
DOI:
https://doi.org/10.65405/ea5sam52الكلمات المفتاحية:
توأم رقمي، ذكاء اصطناعي توليدي، تعليم بيئي، وعي منظومي، ليبياالملخص
تعاني أدوات التعليم البيئي التقليدية من فجوة تجريبية حادة تحول دون استيعاب الطلاب لتعقيدات الأنظمة البيئية وتداخلاتها. وفي حين تقدم حلول الذكاء الاصطناعي الناشئة بدائل واعدة، فإنها تظل مثقلة بإشكاليات الدقة والموثوقية وما يُعرف بـ"الهلوسة المعلوماتية". تسعى هذه الدراسة إلى اختبار جدوى "نموذج التغذية الراجعة الهجين" (HGSF) بوصفه إطاراً تكاملياً يجمع بين صرامة النماذج الرياضية الحتمية ومرونة السرديات التوليدية الذكية.
المنهجية: اعتمدت الدراسة تصميماً شبه تجريبي بثلاث مجموعات؛ مجموعة تجريبية (ن=28) استخدمت النظام الهجين GEDT، ومجموعتان ضابطتان إحداهما رقمية تقليدية (ن=25) والأخرى تعليم محاضراتي (ن=27)، وذلك في سياق جامعي بمدينة طرابلس. طُوِّر نموذج أولي (MVP) لمحاكاة إدارة المياه الجوفية في سهل الجفارة مبني على محرك Unity، مع نموذج لغوي توليدي كبير (LLM). جُمعت بيانات كمية ونوعية تشمل اختبارات الوعي ومقياس قابلية الاستخدام (SUS) وسجلات التفاعل والمقابلات المعمقة، مع متابعة تتبعية بعد شهرين.
حققت المجموعة التجريبية تحسناً دالاً إحصائياً في مستوى الوعي المنظومي مقارنةً بالمجموعتين الضابطتين (F=4.89، p=.034، d=0.67). بلغ متوسط درجة قابلية الاستخدام (SUS) 68.4 عند مستوى "مقبول". وكشف تحليل دقيق لـ420 استجابةً توليديةً أن 22% منها احتوت على أخطاء، تمكنت طبقة التحقق الآلية من تصحيح 83% منها قبل الوصول إلى الطالب. أظهرت دراسة المتابعة احتفاظاً معرفياً بلغ 90%، فضلاً عن تأثير سلوكي دال في نقل المعرفة إلى البيئة المنزلية من خلال مناقشة ترشيد المياه مع الأسرة (p=.013).
يُثبت النموذج الهجين فعاليةً معرفية ملموسة وموثوقيةً تقنية راسخة بفضل بنيته الثنائية القائمة على طبقة التحقق، غير أنه يستدعي تطوير واجهة المستخدم وإثراء التجربة بجلسات تعزيزية لترسيخ التأثير السلوكي على المدى البعيد.
التنزيلات
المراجع
1.Ajzen, I. (2020). The theory of planned behavior: Frequently asked questions. Human Behavior and Emerging Technologies, 2(4), 314–324. https://doi.org/10.1002/hbe2.195
2 Bangor, A., Kortum, P. T., & Miller, J. T. (2008). An empirical evaluation of the system usability scale. International Journal of Human–Computer Interaction, 24(6), 574–594.
3.Brooke, J. (1996). SUS: A quick and dirty usability scale. In P. Jordan, B. Thomas, & B. Weerdmeester (Eds.), Usability evaluation in industry (pp. 189–194). Taylor & Francis.
4.El-Rawy, M., Batelaan, O., & Al-Arabi, T. (2022). Groundwater depletion in North Africa. Hydrogeology Journal, 30, 1123–1141.
Alnnale, T. (2026). Predictive Governance in Digital Enterprises: An LSTM-Enhanced Deep Learning Framework for Economic Optimization of IT Incident Management Using Enriched Process Logs. Al-Farooq Journal of Sciences, 2(3), 86-113.
5 Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). Guilford Press.
6.Kolb, D. A. (2014). Experiential learning: Experience as the source of learning and development (2nd ed.). Pearson Education.
7.Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W., & Davis, T. J. (2014). Effectiveness of virtual reality-based instruction on students' learning outcomes in K-12 and higher education. Computers & Education, 70, 29–40.
8.Radianti, J., Majchrzak, T. A., Fromm, J., & Wohlgenannt, I. (2020). A systematic review of immersive virtual reality applications for higher education: Design elements, lessons learned, and research agenda. Computers & Education, 147, 103777.
Alboueishi, F. A. A. (2026). Efficacy of Curcumin on Inflammatory Biomarkers in Type 2 Diabetes: A Meta-Analysis of Clinical Trials and Animal Studies Systematic Review & Meta-Analysis (PRISMA 2020) Field: Botany & Complementary Medicine. Al-Farooq Journal of Sciences, 2(2), 15-35.
