يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

تحسين مطالبات DeepSeek لتعليم الكتابة باللغة الإنجليزية عبر الثقافات: دراسة تطبيقية للكفاءة الانتقالية

78 مشاهدة

⸱

DOI:

10.3791/71662

⸱

أغسطس 25, 2026

1Ningbo City College of Vocational Technology

في هذه المقالة

ملخص

تطوّر هذه الدراسة إطار عمل لتحسين المطالبات الطبقية استناداً إلى DeepSeek لتعزيز كفاءة نقل الكتابة باللغة الإنجليزية في السياقات عبر الثقافية. ومن خلال سلسلة مطالبات مكونة من ثلاث مراحل وتجربة شبه تجريبية شملت 60 طالباً من تخصص اللغة الإنجليزية، أظهرت النتائج تحسناً ملحوظاً في المجموعة التجريبية مقارنة بالمجموعة الضابطة.

الملخص

لمعالجة القصور في تعليم الكتابة باللغة الإنجليزية التقليدي الذي يهمل التنمية المنهجية لنقل اللغة، وفشل أطر التلقين (prompt frameworks) الحالية في ملاءمة التدريس الصفي، تقوم هذه الدراسة ببناء نظام تدريب هرمي للنقل يعتمد على نموذج DeepSeek يغطي أربعة مستويات متدرجة من المهام: الجملة، والفقرة، والخطاب، والثقافة، مع تعريف جميع المهام في شكل ثلاثي. وقد تم إنشاء مكتبة مهام خماسية الأبعاد تغطي النحو، والبنية، والثقافة، والسجل اللغوي، والمنطق، كما يتم توليد تلقينات مستهدفة تلقائياً من مسودات الكتابة الفعلية للطلاب. وبالتكامل مع بنية "خليط الخبراء" (MoE) الخاصة بالنموذج، تم تطوير سلسلة تلقينات متداخلة لتقسيم التكاليف المعقدة إلى ثلاث مراحل متسلسلة: إعادة التنظيم الدلالي، والمراجعة اللغوية، والتكيف الثقافي. ومن خلال اعتماد تصميم شبه تجريبي، استقطبت هذه الدراسة 60 طالباً من تخصص اللغة الإنجليزية في السنة الثانية من إحدى الجامعات، وتم توزيعهم على مجموعة تجريبية ومجموعة ضابطة تضم كل منهما 30 طالباً لمدة ثلاثة أسابيع من التدخل المرحلي عبر ثلاث جولات تدريبية. وكشفت نتائج ما بعد التجربة أن درجة النقل الثقافي للمجموعة التجريبية ارتفعت من 2.8 إلى 4.5، مقارنة بزيادة طفيفة قدرها 0.3 في المجموعة الضابطة؛ كما تحسن متوسط الدرجة التي قيمها المعلم من 59.1 إلى 74.4، مقارنة بزيادة المجموعة الضابطة من 60.1 إلى 64.9. وتجاوزت معظم معاملات الارتباط بين تقييم الذكاء الاصطناعي وتقييم المعلم 0.8، ووافق أكثر من 90% من المشاركين على وظائف إعادة الصياغة والتحسين الهيكلي بواسطة الذكاء الاصطناعي. ونظراً لصغر حجم العينة في هذه التجربة، فإن نهج التحسين هذا يعد قابلاً للتنفيذ في فصول كتابة اللغة الإنجليزية الجامعية.

المقدمة

في تدريس الكتابة باللغة الإنجليزية في سياق متعدد الثقافات، غالبًا ما يواجه متعلمو اللغة الإنجليزية غير الناطقين بها تحدي عدم كفاية القدرة على النقل أثناء انتقالهم من المعرفة اللغوية إلى التطبيق العملي1,2. وعلى الرغم من امتلاك الطلاب لأساس معين في القواعد والمفردات، إلا أنهم يجدون صعوبة في تحويل أنماط الجمل والبنى والتعبيرات الثقافية بفعالية إلى كتابة فعلية، مما يؤدي إلى مخرجات لغوية نمطية وتفكير محدود، وهو ما يؤثر بدوره على الجودة الشاملة للكتابة3. بالإضافة إلى ذلك، تزيد الاختلافات الثقافية في بنية اللغة والتنظيم المنطقي والمعايير التداولية من تعقيد عملية النقل في الكتابة4. وفي السنوات الأخيرة، قدمت النماذج اللغوية الكبيرة (LLMs) دعمًا تقنيًا جديدًا لتدريس الكتابة5. وقد أظهرت أدوات الكتابة الذكية، مثل DeepSeek، قدرات قوية في توليد اللغة وإعادة صياغتها. ومع ذلك، فإن استخدامها في الممارسة التدريسية يقتصر في الغالب على التصحيح اللغوي السطحي، ولم يتم دمجها بعمق بعد في العملية التدريسية التي تركز على تنمية القدرة على النقل؛ إذ تفتقر هذه الأدوات إلى التوجه نحو الأهداف التعليمية والقدرة على التحكم في سلوك التوليد6,7. كما أن تطبيقات الكتابة المدعومة بالذكاء الاصطناعي السائدة تحصر وظائفها في الغالب في التصحيح السطحي للأخطاء القواعدية بدلاً من استهداف تنمية كفاءة النقل المنهجية، مما يؤدي إلى ضعف التحكم التعليمي في مخرجات النماذج.

تنقسم الأبحاث الحالية حول المساعدة في الكتابة لمتعلمي اللغة الإنجليزية كلغة ثانية (ESL) إلى ثلاث فئات رئيسية: التغذية الراجعة التقليدية الموجهة بالمطالبات، وتدخلات تحسين النصوص العامة بواسطة الذكاء الاصطناعي، والتدريب على النقل المتمحور حول الجهد اليدوي. أولاً، تعطي أبحاث هندسة المطالبات العامة الأولوية للتحسين التقني للإجابة على الأسئلة وإعادة صياغة النصوص دون مواءمتها مع أهداف التدريس الهرمية الخاصة بالنقل8,9. ثانياً، يركز تعليم ESL التقليدي القائم على ChatGPT على تحسين الدقة العامة في الكتابة بدلاً من تنمية النقل النحوي والتركيبي والعابر للثقافات بشكل متعدد الطبقات10. ثالثاً، تفتقر طرق تدريس النقل التقليدية التي تعتمد على المحاكاة والكتابة المقارنة إلى التغذية الراجعة ذات الحلقة المغلقة والمدعومة بالأدوات الذكية11. وبخلاف الدراسات السابقة، يقوم هذا البحث بتخصيص مطالبات هرمية موجهة نحو النقل تتماشى مع أهداف تدريسية متعددة المستويات، كما يبني سير عمل للتوليد التلقائي للمطالبات القائم على النماذج، مما يشكل آلية تدريب فريدة ذات حلقة مغلقة تجمع بين توليد النموذج وتغذية المعلم الراجعة ومراجعة الطالب.

تفترض الأدبيات السابقة وجود ارتباط محتمل يمتد عبر التباعد الثقافي اللغوي، والقيود الهيكلية المتأصلة في النماذج، والممارسات الصفية المفككة، ومع ذلك، فإن هذه السلسلة السببية لا تزال غير مثبتة تجريبياً بشكل كافٍ في الدراسات التجريبية الحالية، مما يجعلها فرضية البحث المركزية التي سيتم فحصها في هذا البحث12,13. أما بالنسبة للخصائص المتأصلة في DeepSeek المذكورة في هذا البحث، فقد تم توثيق واجهة التعليمات المفتوحة وتصميم توجيه الخبراء القائم على MoE في التقارير الفنية الحالية للنماذج وأبحاث اللغة التطبيقية. وبناءً على ميزات النموذج الموثقة هذه، تصمم هذه الدراسة سلاسل مطالبات متداخلة لتفكيك مهام النقل عبر الثقافات المعقدة، وتطور قواعد جدولة ديناميكية للنماذج الفرعية لمهام النقل المتمايزة. ومن خلال التركيز على تطوير قدرة النقل المهيكلة، يستكشف هذا العمل تحسيناً موجهاً لمطالبات DeepSeek، بهدف تحويل النماذج اللغوية الكبيرة من أدوات عامة لتحرير النصوص إلى أنظمة تدريب متخصصة في النقل لتدريس الكتابة باللغة الإنجليزية في الكليات.

لطالما كانت ظاهرة النقل موضوعاً محورياً في مجال أبحاث الكتابة بلغة ثانية14,15. وتركز نظرية النقل اللغوي التقليدية بشكل أساسي على تأثيرات النقل الإيجابية والسلبية للغة الأم على عملية اكتساب اللغة الهدف، مع تركيز خاص على الصوتيات والمفردات وبناء الجملة16. وقد أشار Mirzayev E إلى أن النقل السلبي من اللغة الأولى يظل عاملاً رئيسياً يحد من تطوير مهارات الكتابة لدى الطلاب في تعليم اللغة الإنجليزية كلغة ثانية (ESL)17. ومع توسع نطاق البحث، وسّع المجتمع الأكاديمي تدريجياً تركيزه ليشمل نقل بنية الكتابة18. وغالباً ما تتضمن الكتابة باللغة البينية أخطاءً لغوية وتحجراً لغوياً نتيجة عوامل متعددة19. وفي الوقت نفسه، حظيت نظرية النقل المعرفي باهتمام متزايد20، حيث تؤكد هذه النظرية على الاختلافات في التنظيم المعرفي وأنماط التعبير في عملية الكتابة. فعلى سبيل المثال، تؤكد الكتابة الغربية على الاستنتاج الخطي والمنطق الصريح، بينما يفضل التقليد الصيني النهج الحلزوني والغموض الدلالي، مما يخلق توتراً ملحوظاً بين الاثنين. وبناءً على ذلك، لا يتضمن النقل اللغوي مجرد تحويل الوحدات اللغوية فحسب، بل يشمل أيضاً تكييف وتحويل هياكل التفكير ومعايير التعبير الثقافي على مستوى أعمق، وهو ما يمثل تحدياً هاماً في تعليم الكتابة باللغة الإنجليزية حالياً21.

في ممارسات تنمية قدرة النقل، غالبًا ما تستخدم الدراسات الحالية استراتيجيات مثل الكتابة المحاكية22، والكتابة التقابلية23، والتدريب على الترجمة24 لتعزيز فهم المتعلمين لآلية نقل اللغة الهدف وتطبيقها. تساعد الكتابة المحاكية في بناء القدرة الخطابية الأساسية، ولكنها قد تؤدي بسهولة إلى جمود بنيوي؛ بينما يمكن للكتابة التقابلية تحسين الأسلوب اللغوي والوعي الثقافي، إلا أنها تفتقر إلى تقسيم المهام بشكل منهجي والتغذية الراجعة الشخصية؛ أما التدريب على الترجمة فيمكن أن يعزز التعرف على الاستعارات الثقافية، ولكن بدون توجيه، قد يؤدي بسهولة إلى انحراف دلالي أو عدم ملاءمة تداولية. تعتمد الاستراتيجيات المذكورة أعلاه بشكل أساسي على العرض اليدوي والتوجيه التجريبي25، وتفتقر إلى البناء الصريح لاستراتيجيات النقل وآليات التغذية الراجعة المنهجية، كما يصعب تكييفها مع الفروق الفردية في الكفاءة اللغوية والأنماط المعرفية. ورغم أن بعض الدراسات حاولت توسيع نطاق التدريب على النقل من خلال مهام كتابية متنوعة26,27، إلا أن العملية التعليمية لم تشكل بعد حلقة مغلقة من "هدف النقل-توليد اللغة-التغذية الراجعة للاستراتيجية"؛ مما جعل أثر استيعاب استراتيجيات النقل محدودًا، وظل تطوير قدرة الطلاب على النقل في مهام الكتابة الواقعية غير كافٍ28.

مع تطور تقنية النماذج اللغوية الكبيرة، حظرت إمكاناتها المساعدة في تدريس اللغات اهتماماً متزايداً29. وقد استُخدمت أدوات الذكاء الاصطناعي التوليدي التي يمثلها ChatGPT (Chat Generative Pre-trained Transformer)30 وDeepSeek31 على نطاق واسع في سيناريوهات مثل صقل النصوص، وإعادة صياغة اللغة، وتعديل اللغة. ووجد Diasamidze وآخرون أن طلاب اللغة الإنجليزية كلغة ثانية (ESL) الذين استخدموا ChatGPT تفوقوا على مجموعة التدريس التقليدية من حيث الدقة النحوية، وثراء المفردات، والقدرة على تنظيم النصوص32. ومع ذلك، تظل التطبيقات الحالية محدودة في الغالب في المعالجة اللغوية السطحية وتفتقر إلى التوجيه المنهجي بشأن أهداف النقل. وأشار Ranade إلى أن المشاريع القائمة على المطالبات في السيناريوهات التعليمية الحالية تعتمد في الغالب على قوالب عامة، ويفتقر المحتوى الناتج عن هذه العملية إلى التكيف السياقي والخصوصية في أداء المهام33. بالإضافة إلى ذلك، يعتمد تدريب النماذج السائدة على مجموعة نصوص مفتوحة ويفتقر إلى النمذجة العميقة للاختلافات في التعبيرات الثقافية الصينية والإنجليزية؛ مما يجعل النصوص المولدة عرضة لعدم الملاءمة الثقافية والافتقار إلى الطبيعية في التداولية34,35، وهو ما يحد من تطبيقها المتعمق في تدريس نقل الكتابة عبر الثقافات.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

الموافقة الأخلاقية

قبل البدء في التجربة، حصل المؤلفون على موافقة (رقم الموافقة: NBCC-ETH-2026-037) من الكلية وقاموا بتوزيع مستندات الموافقة المستنيرة على جميع الطلاب المشاركين. تم إبلاغ جميع الطلاب بوضوح بأهداف البحث، والإجراءات التجريبية، ولوائح استخدام البيانات. كانت المشاركة تطوعية، وكان بإمكان المشاركين الانسحاب من الدراسة في أي وقت. تم إخفاء هوية جميع البيانات الشخصية والأعمال المكتوبة لحماية الخصوصية واستخدمت فقط للتحليل الأكاديمي. وقع جميع المشاركين الـ 60 نموذج الموافقة قبل المشاركة في البحث. تم اختيار المشاركين من فصلين متوازيين لكتابة اللغة الإنجليزية لطلاب السنة الثانية في نفس الكلية المهنية العليا، وتم استقطابهم باستخدام أسلوب العينة الميسرة. شملت معايير الاشتمال: اجتياز اختبار CET-6 بدرجة > 425، وعدم وجود غيابات في هذا الفصل الدراسي، والحصول على درجات متوسطة في آخر اختبارين كتابيين للوحدات. أما معايير الاستبعاد فشملت: الاستخدام طويل الأمد لبرمجيات الكتابة باللغة الإنجليزية المعتمدة على الذكاء الاصطناعي التجارية خارج الفصل الدراسي، والإصابة بعسر القراءة الشديد.

تم تسجيل التباين لجميع متغيرات النتائج المستمرة كمتوسط ± انحراف معياري (SD). وأجريت جميع التحليلات بحجم عينة قدره n = 30 مشاركاً لكل مجموعة (المجموعة التجريبية مقابل المجموعة الضابطة)، بإجمالي N = 60. وبالنسبة لبيانات القياسات المتكررة الطولية، استُخدم تحليل التباين للقياسات المتكررة (RM-ANOVA) لفحص التأثيرات الرئيسية للمجموعة والوقت، والتفاعل بين المجموعة والوقت. كما استُخدمت اختبارات t للعينات المستقلة لإجراء المقارنات الزوجية البعدية في نقاط زمنية فردية. تلقت المجموعة الضابطة تعليمات كتابة تقليدية بالإضافة إلى أداة كتابة عامة ومجانية وغير مخصصة تعتمد على الذكاء الاصطناعي (بدون مطالبات متدرجة، وبدون قوالب موجهة نحو النقل). وكانت ساعات التدريس، ومهام الكتابة، وتكرار التغذية الراجعة، ونصوص التدريب متطابقة مع تلك الخاصة بالمجموعة التجريبية، باستثناء غياب التدخل المتمثل في سلسلة المطالبات المتداخلة المخصصة ومكتبة المهام ذات المستويات الخمسة المستخدمة في هذه الدراسة. أما المجموعة التجريبية، فقد استخدمت تعليمات مبنية على نموذج DeepSeek لتحسين تعليم الكتابة، بما في ذلك توجيهات سلسلة المطالبات المتداخلة، ومخرجات التكيف عبر الثقافات، وآلية "التوليد-التأمل-إعادة التوليد". وفي المقابل، استخدمت المجموعة الضابطة طرق تدريس تقليدية أو أدوات مدعومة بالذكاء الاصطناعي غير محسنة. ومن خلال مقارنة تأثيرات التدريس بين المجموعتين، تم التحقق من فعالية طريقة التدريب على النقل القائمة على النموذج اللغوي الكبير في تحسين قدرة الطلاب على نقل مهارات الكتابة.

الفكرة البحثية العامة

هدفت هذه الدراسة إلى تحسين قدرة الطلاب على نقل مهارات الكتابة باللغة الإنجليزية وتطوير طرق تصميم تعليمية فعالة، مع تركيز خاص على تطويع DeepSeek للاستخدام التعليمي. أولاً، اقترحت الدراسة استراتيجية لتحسين التعليمات لإعادة تصميم مطالبات النموذج (prompts). وقد أدى ذلك إلى تحسين مواءمة المخرجات المُولدة مع أهداف نقل متعددة في تعليم الكتابة، بما في ذلك البنية النحوية، ومنطق الفقرة، والتعبير الثقافي. ثانياً، تم تحويل مهام الكتابة الخاصة بالمعلمين إلى قوالب مطالبات مهيكلة وموجهة نحو أهداف محددة، ومن ثم تم إنشاء علاقة ربط بين المهام التدريسية وسلوكيات النموذج. وقد عزز ذلك من إمكانية التحكم في النموذج وضمن أن يكون المحتوى المُولد ذا صلة تربوية. وأخيراً، طورت الدراسة عملية تدريب نقل مغلقة الحلقة، وهي "التوليد–التأمل–إعادة الكتابة–إعادة التوليد". شجعت هذه العملية الطلاب على تحديد استراتيجيات النقل وصقل تعبيراتهم اللغوية بنشاط بدعم من النموذج. ومن خلال التكرارات المتتالية، تعززت قدرات الطلاب في نقل الكتابة عبر اللغات والثقافات بشكل مستمر. تظهر خطوات تحويل بنية الجملة في الشكل 1A–D.

لتوضيح منطق التشغيل الكامل لنظام التدريب على الكتابة المدعوم بالذكاء الاصطناعي وتحسين إمكانية التكرار، تم تلخيص سير عمل التنفيذ العام في الجدول 1، والذي يغطي الروابط الأساسية بما في ذلك المدخلات الأولية، وتدخلات المعلم، وتطبيق التوجيهات (prompts)، وأنشطة الطالب، والمخرجات النهائية، ومعايير التقييم المقابلة لها.

استراتيجية بناء المهام الموجهة للنقل

ركزت هذه الدراسة على تنمية القدرة على النقل في الكتابة باللغة الإنجليزية. حيث تم بناء مسار لمهام النقل يتدرج من المستوى السطحي إلى العميق، وذلك لتوجيه الطلاب بشكل منهجي في إتقان وممارسة استراتيجيات النقل اللغوي متعددة المستويات. ولوصف هيكل هذا المسار ككل، فقد تم تعريفه كمجموعة مهام مكونة من أربعة مستويات:

T = {T1,T2,T3,T4} (1)

T1 تمثل مهمة النقل على مستوى الجملة، والتي تركز على عمليات البنية القواعدية الأساسية، مثل توسيع الجمل القصيرة، وتغيير صيغة المبني للمعلوم والمجهول، واستبدال الجمل التابعة، لمساعدة الطلاب على إتقان طرق متنوعة في بناء الجملة. T2 هي مهمة النقل على مستوى الفقرة، والتي توجه الطلاب للاهتمام بتنظيم المعلومات وترابطها داخل الفقرة، وتدربهم على تحسين الوضوح الهيكلي وتماسك التعبير في الفقرة من خلال استخلاص الجملة الرئيسية وضبط المنطق بين الجمل. T3 تمثل المهمة على مستوى الخطاب، والتي تمتد بشكل أكبر إلى التخطيط المنطقي العام وإيقاع الحجج في الفصل، وتوجه الطلاب لبناء مقال باللغة الإنجليزية ذو نظام حجاجي كامل من خلال ضبط ترتيب الفقرات وتحسين علاقة التجاور الهيكلي. T4 هي مهمة النقل على المستوى الثقافي، والتي تتطلب من الطلاب تحديد خصائص التعبير الثقافي الضمنية في الكتابة باللغة الأم، مثل الصياغات الضمنية والتلميحات الدلالية، وتحويلها إلى تعبيرات مباشرة أو صيغ منطقية صريحة تتوافق مع ثقافة اللغة الهدف. وتظهر عملية تطورها في الشكل 2. ولتعزيز القابلية للتنفيذ والتقييم في تصميم المهام، حددت هذه الدراسة كل مستوى من المهام في شكل ثلاثي:

Ti = (Si,Gi,Ei) (2)

Sj تمثل عينة مدخلات المهمة، و Gi تمثل عملية النقل المستهدفة، و Ei تمثل معايير التقييم الداعمة. ومن خلال هذا التعبير المهيكل، تم ضمان بناء كل مستوى من مستويات المهمة على إتقان الاستراتيجية من المستوى السابق، وتزويده بالعينات المقابلة، وأوصاف الأهداف، ومعايير الأداء، مما وفر آلية للتقدم الثابت في مسار النقل. وفي عملية بناء نظام التدريب على النقل، ولتحقيق تغطية منهجية لأنواع المهام وإدارة فعالة لاستدعاءات التدريس، قامت هذه الدراسة ببناء مكتبة مهام مهيكلة تغطي خمسة أنواع من أهداف النقل بناءً على أبعاد تحويل اللغة الشائعة في نقل الكتابة. وقد تم التعبير عن مكتبة المهام رسميًا كما يلي:

M = {(Dj,TDj)∣j = 1,2,3,4,5} (3)

Dj  تعبر عن خمسة أبعاد للنقل: النقل النحوي، والنقل البنيوي، والنقل الثقافي، ونقل السجل اللغوي، والنقل المنطقي؛ وتمثل مجموعة المهام TDj  المرتبطة بكل بُعد مجموعة العمليات الفرعية الخاصة به. وفي عملية تطوير مكتبة المهام، قام المؤلفون أولاً بتلخيص وتصنيف صعوبات النقل الشائعة وأنواع الأخطاء اللغوية بناءً على عدد كبير من عينات كتابات الطلاب الفعلية، وبالدمج مع الاحتياجات التدريسية الفعلية ومعايير التقييم، تم تقسيم أنواع النقل المختلفة إلى مجالات وظيفية، وتحديد أهداف التدريب الأساسية وأنماط التشغيل لكل مهمة. وقد تم تمثيل كل مهمة بشكل تجريدي وفق البنية الثلاثية التالية:

Ti,j = (Si,j,Gi,j,Ci,j) (4)

Si,j تمثل عينة مدخلات المهمة، و Gi,j هي وصف هدف النقل للمهمة، و Ci,j هو بُعد التقييم والتحكم للمهمة. في مهمة النقل النحوي، صممت هذه الدراسة تسلسلاً لإعادة تنظيم الجمل يتدرج من البسيط إلى الصعب، بحيث يغطي ربط الجمل، وتداخل الجمل الفرعية، وتحويل المبني للمجهول، والمفاهيم ذات الصلة، وذلك بهدف تحسين قدرات الطلاب في توسيع الجمل والتحويل النحوي. ركزت مهمة النقل الهيكلي على تحسين منطق الفقرة، وتعزيز تنظيم المعلومات، وتطوير القدرة على البناء المنطقي من خلال إعادة كتابة الجملة الرئيسية، وترتيب الجمل الداعمة، وإعادة بناء علاقات السبب والنتيجة والأمثلة. استندت مهمة النقل الثقافي إلى مدونة لغوية عابرة للثقافات واستهدفت الانحرافات التداولية، مثل التعبيرات الضمنية والتلطف في العبارة؛ حيث صممت تحويلات تعبيرية قريبة من السياق الواقعي لتعزيز تطوير التكيف الثقافي. وجهت مهمة نقل السجل اللغوي الطلاب في تحويل التعبيرات الشفهية إلى لغة أكاديمية وإتقان استراتيجيات تبديل السجلات اللغوية. أما مهمة النقل المنطقي، فقد ركزت على بناء سلاسل الاستدلال وضمان وضوح التعبير، مع إجراء تدريب على استخدام أدوات الربط، وتوضيح العلاقات المنطقية، والانتقالات بين الفقرات.

بناءً على عينات كتابية فعلية للطلاب، طورت هذه الدراسة عملية لتوليد المطالبات مرتبطة ارتباطاً وثيقاً بمهام التدريس، وذلك بهدف تعزيز ملاءمة التعليمات وعملية المحتوى المولد. قاد المعلمون هذه العملية، حيث قاموا باختيار مقاطع نصية ممثلة للطلاب أثناء عملية التدريس، مع التركيز على مشكلات التحويل الشائعة مثل الجمل الزائدة، والهياكل الفوضوية، والتعبيرات الثقافية غير المناسبة. ثم قاموا بتصنيف العينات وفقاً لأنواع التحويل عبر واجهة النظام لتوضيح أهداف التدريب. وبعد استلام معلومات التصنيف، قام النظام بتفعيل وحدة تحديد مهمة التحويل تلقائياً، ثم طابق المدخلات مع مكتبة المهام المحددة مسبقاً ومكتبة قوالب المطالبات. وقد أخذت عملية المطابقة في الاعتبار عوامل مثل نوع التحويل، والسمات اللغوية، وبنية النص. وبناءً على هذه العوامل، اختار النظام القالب الأكثر ملاءمة وولد مطالبة أولية. كما دعم النظام معالجة تعزيز مهيكلة، حيث تم تحويل تصنيفات المعلمين إلى تنسيق معياري يمكن للنموذج تفسيره بسهولة، وتم دمج إشارات إرشادية ذات صلة في المطالبة لمساعدة النموذج على الفهم الدقيق لكل من نوايا المعلم وأسئلة الطالب. ولتحسين مرونة التعليمات وقابلية التحكم بها، تضمن النظام وحدة مساعدة للمعلم، سمحت هذه الوحدة للمعلمين بتنقيح المطالبات من خلال تعديل التوجيهات الإرشادية، وضبط إعدادات السياق، وتخصيص النبرة والأسلوب. ونتيجة لذلك، اكتسب المعلمون تحكماً أكبر في عملية التوليد وتمكنوا من تكييفها بشكل أفضل مع سيناريوهات التدريس المختلفة.

آلية تحسين الأوامر في Deepseek

بناءً على الاحتياجات العملية للتدريب على نقل الكتابة باللغة الإنجليزية، طورت هذه الدراسة خمسة أنواع من قوالب التوجيه الموجهة نحو النقل. صُممت هذه القوالب لتوجيه وتنظيم سلوك التوليد في النموذج اللغوي الكبير. ركز قالب النقل الهيكلي على تنظيم الفقرات وبنية الخطاب؛ حيث ساعد الطلاب على إعادة تنظيم النصوص من خلال اعتماد هياكل مثل (المقدمة-العرض-الخاتمة)، وعن طريق تحسين التدفق المنطقي للأفكار. أما قالب النقل النحوي فقد ركز على التعقيد على مستوى الجملة، وشجع على استخدام تراكيب قواعدية متنوعة، بما في ذلك صيغة المبني للمجهول، والتراكيب المتوازية، والجمل المعقدة، لتعزيز رقي التعبير الكتابي. وتناول قالب النقل الثقافي الملاءمة الثقافية في الكتابة، حيث وجه الطلاب لتكييف التعبيرات المتأثرة بلغتهم وثقافتهم الأم إلى صيغ أكثر طبيعية ومقبولية في السياقات الناطقة بالإنجليزية. بينما ركز قالب نقل السجل اللغوي على تكييف الأسلوب والتحكم في مستوى اللغة، مما ساعد الطلاب على ضبط استخدامهم للغة وفقاً لأغراض الكتابة، والجمهور، والأنواع الأدبية المختلفة. وهدف قالب النقل المنطقي إلى تعزيز التنظيم المنطقي، حيث عزز الاستخدام الفعال للعلاقات مثل السبب والنتيجة، والمقارنة والتباين، والتطوير المتوازي، مما أدى إلى تحسين التماسك والرصانة الحجاجية. وبشكل مجتمعي، غطت هذه القوالب الخمسة الأبعاد الرئيسية لنقل الكتابة، ووفرت دعماً تعليمياً مهيكلاً لكل من تصميم مهام التدريس وتوليد النصوص القائم على النماذج.

اتبع كل نوع من القوالب تنسيقاً موحداً لضمان شموليتها وقابليتها للتكيف عبر مختلف المواقف التعليمية. احتوى القالب على أربعة عناصر أساسية: الأول هو هدف التعليم، والذي حدد بوضوح مهمة النقل المطلوبة؛ والثاني هو المدخلات النموذجية، التي زودت الطلاب بقطع لغوية حقيقية لتكون أساس المتن لفعالية التعليم؛ والثالث هو المخرجات المستهدفة، والتي أظهرت النمط المعياري للمخرجات اللغوية المثالية بعد عملية النقل لكي يقوم الطلاب بمقارنتها واستخدامها في ضبط النموذج؛ والرابع هو مقترح الاستخدام، الذي شرح المستوى اللغوي، ونوع النص، واستراتيجية الاستخدام القابلة للتطبيق على القالب، كما قدم إرشادات لمعلمات قابلة للتعديل لتعزيز التحكم في التوليد وتأثير التوجيه التعليمي.

لمزيد من التوضيح لمنطق التصميم والتطبيق العملي لقوالب المطالبات، تُعرض أدناه أمثلة نموذجية لخمس مطالبات موجهة للنقل. التزمت جميع القوالب بالإطار الموحد، الذي تألف من هدف التعليمات، ومدخلات عينة، والمخرجات المستهدفة، ومقترح الاستخدام. تم توجيه الطلاب لتوسيع الجمل البسيطة، وتحويل صيغ الجمل، ودمج الجمل التابعة لإثراء التنوع النحوي. على سبيل المثال، وبالنظر إلى مسودة الطالب "I study English writing. It is very important for cross-cultural communication"، كانت المخرجات المُحسّنة هي "Learning English writing plays a vital role in improving learners’ ability of cross-cultural communication". كانت هذه المطالبة مناسبة للتدريب على مستوى الجملة لطلاب تخصص اللغة الإنجليزية في السنة الثانية بمستوى صعوبة متوسط، مع التركيز على إعادة البناء النحوي الأساسي وتحويل الصيغة. استهدفت نوعية أخرى من المطالبات النقل الثقافي، بهدف تحديد تعبيرات "Chinglish" المتأثرة بالتفكير الثقافي الأصلي وإعادة كتابة الجمل إلى تعبيرات براغماتية إنجليزية طبيعية تتوافق مع المعايير الثقافية الغربية. وبأخذ جملة الطالب "Many people think you must work hard if you want to succeed" كمثال، كانت النسخة المنقحة هي "People generally believe that diligence is the key to success". طُبقت هذه المطالبة في التدريب على النقل على المستوى الثقافي، مع التركيز على القضاء على أنماط التفكير الصينية الضمنية وتعزيز التعبير الصريح في السياق الإنجليزي.

طورت هذه الدراسة أيضاً سلسلة مطالبات متداخلة مكونة من ثلاث مراحل، اعتمدت مسودات فقرات الطلاب كمدخلات موحدة وعملت في مراحل متتابعة. تمثلت المرحلة الأولى في إعادة التنظيم الدلالي، حيث تطلبت المطالبة من المشارك إعادة ترتيب جمل الفقرة المعطاة، وتحسين الترتيب المنطقي للأفكار، وتكوين فقرة كاملة بجمل افتتاحية واضحة. وكانت المرحلة الثانية هي المراجعة اللغوية، والتي طلبت إعادة كتابة الفقرة المنقحة بلغة إنجليزية أكاديمية رسمية، واستبدال الكلمات العامية، واستخدام الجمل المعقدة وبنى المبني للمجهول بشكل مناسب. أما المرحلة الثالثة فكانت التكيف الثقافي، حيث وجهت المطالبة المستخدمين للتحقق من التعبيرات الثقافية التداولية في النص، وإزالة التداخل الثقافي للغة الأم، وصقل المحتوى ليتناسب مع اتفاقيات الكتابة الإنجليزية العابرة للثقافات. وقد أظهرت الأمثلة المذكورة أعلاه بشكل كامل أنماط التشغيل لنماذج المطالبات المفردة وسلاسل المطالبات المتداخلة. وبناءً على ذلك، صممت الدراسة سلسلة مطالبات مرحلية كاملة مدمجة مع بنية MoE الخاصة بـ DeepSeek.

للتغلب على قيود المطالبات أحادية الجولة من حيث التحكم في التوليد وعمق الاستجابة للمهام، صممت هذه الدراسة بنية سلسلة مطالبات متداخلة ذات خصائص مرحلية ومستمرة، مما يتيح توجيهاً هرمياً وتوليداً تدريجياً لمهام النقل المعقدة. وعملت هذه الآلية على تفكيك مهمة نقل كاملة إلى عدة أهداف فرعية، مع تصميم قوالب مطالبات مقابلة لكل هدف فرعي، رُبطت على التوالي وفق الترتيب المنطقي لإعادة البناء الدلالي، وتعديل الأسلوب اللغوي، والتكيف التداولي الثقافي، مما شكل سلسلة توليد تعتمد على السياق. وقد نفذت هذه الدراسة تحسيناً لسلسلة المطالبات المتداخلة لنموذج DeepSeek عبر واجهة برمجة التطبيقات (API) المفتوحة القياسية الخاصة به. اعتمد نموذج DeepSeek أصلاً بنية خليط الخبراء (MoE) المزودة بنظام توجيه خبراء خلفي تلقائي، والذي يعمل كوحدة استدلال داخلية متأصلة ومستقلة عن المطالبات الخارجية. واقتصرت المطالبات المخصصة متعددة المراحل على تعديل خصائص محتوى مدخلات النموذج. وبناءً على المتطلبات الدلالية والأسلوبية والثقافية المضمنة في المدخلات المحسنة، قامت آلية توجيه MoE الأصلية في النموذج بتنشيط وحدات الخبراء الأكثر ملاءمة ذاتياً أثناء توليد النص. إن تصميم المطالبات ثلاثي المراحل الذي يركز على إعادة التنظيم الدلالي، والتعديل الأسلوبي، والتكيف الثقافي قد عمل فقط على تنقيح النصوص المدخلة ولم يتدخل في منطق اختيار وتوزيع الخبراء الداخلي للنموذج.

من حيث العملية التشغيلية، استقبل النظام نصوص الطلاب التي رفعها المعلمون، ونقل التعليقات التوضيحية المستهدفة، وحدد تلقائيًا ما إذا كان سيتم تفعيل بنية السلسلة المتداخلة. وفي حال تفعيلها، نفذ النظام ثلاث مراحل بالتسلسل: كانت المرحلة الأولى هي إعادة التنظيم الدلالي، حيث تم استدعاء قالب نقل البنية لتحسين تنظيم الفقرات والروابط المنطقية؛ وكانت المرحلة الثانية هي ضبط أسلوب اللغة، باستخدام قالب اللغة لتحويل التعبيرات العامية إلى لغة أكاديمية مكتوبة؛ أما المرحلة الثالثة فكانت التكيف الثقافي، عبر استدعاء قالب النقل الثقافي لتحديد واستبدال التعبيرات التي لا تتوافق مع ثقافة اللغة المستهدفة، مما أدى إلى توليد نص أكثر أصالة.

استغلت كل جولة توليد مخرجات الجولة السابقة كمدخلات، مع الاحتفاظ بذخيرة متجه السياق لضمان التماسك الدلالي. وقام المعلمون بتخصيص بنية سلسلة المطالبات في واجهة النظام، بما في ذلك اختيار القالب، وتعديل التعليمات، وضبط التسلسل. كما دعم النظام وظيفة "حزمة دمج القوالب"، والتي سهلت على المعلمين إعادة استخدام المهام أو تعيينها في مجموعات. بالإضافة إلى ذلك، تميز النظام بآلية مدمجة للمقاطعة الديناميكية والتغذية الراجعة توفر نتائج مرحلية بعد كل عملية توليد؛ حيث قام المعلمون بتدوين ملاحظاتهم أو تعديل التعليمات اللاحقة في الوقت الفعلي، مما شكل حلقة تعليمية مغلقة قائمة على "التوليد-التعديل-إعادة التوليد".

توليد النموذج وتقييمه

في عملية توليد النصوص وتقييمها استناداً إلى نموذج DeepSeek، صممت هذه الدراسة آلية تصحيح تلقائية متعددة الأبعاد لتحليل النصوص المولدة بشكل منهجي وتقييمها كمياً من ثلاثة جوانب: التعقيد النحوي، والنمطية الهيكلية، وتماسك الخطاب. استخدمت هذه الدراسة محلل التبعية spaCy ووحدة ملحق حل المراجع Coreferee لاستخراج سمات النص والتقييم التلقائي. قام محلل التبعية spaCy بتحليل البنية النحوية للنص الإنجليزي، واستخراج مؤشرات رئيسية مثل متوسط طول الجملة وعدد الجمل المتداخلة، مما أتاح إجراء تحليل كمي للتعقيد النحوي. أما وحدة ملحق حل المراجع Coreferee، التي تعمل ضمن إطار عمل spaCy، فقد قامت بشكل أساسي بتحديد العلاقات المرجعية الداخلية في النص وتقييم تماسك المراجع في الخطاب، مما وفر دعماً تقنياً للتسجيل التلقائي لجودة الكتابة. وبسبب قيود الشبكة، تعذر الوصول إلى المواقع الإلكترونية مفتوحة المصدر الخارجية المذكورة سابقاً.

أولاً، قام النظام بتقييم التعقيد النحوي؛ حيث استخلص سمات مثل متوسط طول الجملة، وعمق تضمين الجمل الفرعية، وتنوع الجمل. وقد تم الحصول على هذه السمات من خلال تحليل التبعية ونمذجة شجرة النحو العميق. وبناءً على النتائج، قيّم النظام ما إذا كان الطلاب قد انتقلوا بنجاح من أنماط الجمل البسيطة إلى هياكل أكثر تعقيداً. ثانياً، قيّم النظام تنظيم الفقرات؛ حيث دمج تمثيلات النصوص القائمة على BERT مع نماذج التصنيف لتحديد العناصر الأساسية للفقرة، بما في ذلك الجملة الافتتاحية (الموضوع)، والجمل الداعمة، والجمل الختامية. بعد ذلك، تم إنشاء خريطة لبنية الفقرة لتحديد ما إذا كان التنظيم يتوافق مع اصطلاحات الكتابة الأكاديمية الإنجليزية. ثالثاً، قيّم النظام التماسك النصي؛ حيث فحص استخدام الروابط المنطقية، والاتساق الدلالي بين الجمل، وجودة الروابط المرجعية في جميع أنحاء النص. واستُخدمت هذه المؤشرات لتقييم وضوح التطور المنطقي والسلاسة في تسلسل الأفكار. ولقياس اتساق الموضوع، حساب النظام التشابه الدلالي باستخدام التمثيلات القائمة على المتجهات. كما تم تقييم التماسك المرجعي من خلال تقنيات حل المراجع المشتركة، مما ساعد في تقليل الفجوات الدلالية والمراجع الغامضة. وفي النهاية، دُمجت الدرجات من جميع الأبعاد في متجه تسجيل موحد. وتم توحيد النتائج لتشكيل نظام تقييم شامل، مما يتيح إجراء مقارنة موثوقة بين عينات كتابية مختلفة.

في مرحلة التقييم اليدوي، طورت هذه الدراسة نظام تسجيل ثلاثي الأبعاد لتدريب نقل الكتابة، يشمل وضوح سلوك النقل، وطبيعية التعبير، والتكيف الثقافي، وذلك لتعزيز صلة تقييم المعلم وفعالية التغذية الراجعة التدريسية. ودمج النظام وظائفه المساعدة لتحقيق مزيج عضوي بين التسجيل الكمي والتعليقات النوعية. وفي بُعد سلوك النقل، حكم المعلمون على استخدام الطلاب لاستراتيجيات النقل في إعادة كتابة النصوص بناءً على أهداف المهام المحددة مسبقاً. وقد وفر النظام عرضاً للمقارنة جنباً إلى جنب بين النص الأصلي والنسخة المُنشأة لمساعدة المعلمين في تحديد ما إذا كانت العمليات، مثل تعديل الجمل وإعادة البناء الهيكلي، قد عكست بشكل فعال نوع النقل المطلوب.

ركز تقييم التعبير الطبيعي على طلاقة وموثوقية المخرجات اللغوية. وقد استخدم المعلمون المؤشرات اللغوية التي أنتجها النظام لتقييم مدى توافق الجمل مع عادات التعبير لدى المتحدثين الأصليين باللغة الإنجليزية، وللحكم على ما إذا كان التركيب النحوي، وتلازم الكلمات، وإيقاع الجملة طبيعيًا ومناسبًا. كما قاموا بتحديد المشكلات واقتراح تعبيرات بديلة من خلال التعليقات التوضيحية. أما بُعد التكيف الثقافي فقد ركز على ملاءمة البراغماتية عبر الثقافات؛ حيث تعين على المعلمين تحديد ما إذا كان النص يحتوي على تعبيرات غير مناسبة ناتجة عن تداخل ثقافة اللغة المصدر، مثل الغموض الدلالي، أو التضاربات البلاغية، أو الأحكام القيمية المبهمة. وقد قدم النظام أمثلة على كلمات شائعة تسبب انحرافاً ثقافياً، ودعم المعلمين في شرح أسس التعديل ومتطلبات السياق الثقافي في التعليقات، مما وجه الطلاب نحو تحسين وعيهم بالنقل الثقافي ودقة التعبير. وقد تم تسجيل الدرجات لكل بُعد وفق مقياس مكون من 5 نقاط، وتضمن ذلك وحدات للتعليقات التوضيحية الحرة والمقترحات التكميلية. وعُرضت نتائج التقييم النهائية في شكل مخطط راداري.

لتحسين كفاءة التقييم ودعم الاستخدام العملي داخل الفصول الدراسية، طورت هذه الدراسة آلية تقييم تعاونية تجمع بين التصحيح القائم على الذكاء الاصطناعي وتقييم المعلم. قام النظام أولاً بإجراء تقييم متعدد الأبعاد للنص الذي أنتجه DeepSeek، حيث تم تقييم الجوانب الرئيسية مثل التعقيد النحوي، وتنظيم الفقرات، والتماسك النصي من خلال وحدة التصحيح التلقائي. ثم عُرضت نتائج التصحيح في الوقت الفعلي على واجهة المعلم، حيث راجع المعلمون الدرجات التفصيلية لكل بُعد وقاموا بتعديلها عند الضرورة بناءً على حكمهم المهني وفهمهم لأداء الطلاب في نقل التعلم. كما أضاف المعلمون تعليقات موجهة مباشرة على النص لتقديم ملاحظات ومقترحات تعليمية قد لا يتم رصدها عبر التصحيح التلقائي. اعتمد كل بُعد من أبعاد التقييم مقياس تقدير مكوناً من خمس نقاط. وتضمنت الواجهة أيضاً وحدات لتدوين الملاحظات النصية الحرة وتقديم التوصيات لتسهيل تقديم ملاحظات مخصصة. تم تمثيل نتائج التقييم بصرياً من خلال مخطط راداري، مما أتاح للمعلمين تحديد نقاط القوة والضعف لدى الطلاب بسرعة عبر مختلف أبعاد نقل التعلم.

بالإضافة إلى ذلك، أتاح النظام للمعلمين تعديل أوزان أبعاد محددة أو الدرجات الإجمالية لتتماشى مع الأهداف التعليمية. وقد ضمنت هذه الميزة أن يعكس التقييم النهائي أداء الطلاب الفعلي واحتياجاتهم التعليمية بشكل أكثر دقة. وبعد الانتهاء من المراجعة اليدوية، قام النظام تلقائياً بدمج بيانات التقييم الناتجة عن الآلة وتلك التي أعدها المعلم، ثم أصدر تقريراً مرئياً للتغذية الراجعة. تضمن التقرير مخطط رادار لأداء النقل ومخططاً لتتبع الإصدارات. وقد أوضحت هذه التمثيلات المرئية بشكل جلي التغييرات في قدرات النقل لدى الطلاب عبر جولات متعددة من توليد النصوص ومراجعتها، مما أتاح المراقبة المستمرة للتقدم في التعلم.

عملية التدريب الانتقالي

صممت هذه الدراسة عملية تدريب متكاملة على النقل. أولاً، حدد المعلم مهام كتابة محددة باللغة الإنجليزية بناءً على الأهداف التعليمية والمستوى الفعلي للطلاب، مع توضيح نوع النقل ومحور التدريب. بعد ذلك، قام النظام تلقائياً بتوليد تعليمات توجيهية مقابلة بناءً على المهام التي وضعها المعلم، واستدعى نموذج DeepSeek لإنتاج مسودة أولى للكتابة، لتكون بمثابة المادة الأساسية لإعادة الكتابة والتدريب على النقل من قبل الطلاب. وبعد استلام المسودة الأولى، تعين على الطلاب تحديد سمات النقل المتجسدة في النص بفعالية، وإعادة كتابة المحتوى بطريقة مستهدفة، باستخدام استراتيجيات النقل التي تعلموها لتحسين ملاءمة البنية النحوية، وتنظيم الفقرات، والتعبير الثقافي. وعقب الانتهاء من إعادة الكتابة، قدم المعلم مراجعة تفصيلية للنص الذي قدمه الطالب، مسلطاً الضوء على فعالية استراتيجية النقل ومقدماً مقترحات محددة للتحسين وإرشادات للكتابة. وبناءً على ملاحظات المعلم، تمت إعادة استدعاء نموذج DeepSeek لإنتاج نسخة محسّنة، مما قدم مزيداً من الدعم للطلاب في تنقيح نصوصهم وتعميق ممارستهم لاستراتيجيات النقل. وفي الختام، أتم الطالب تسليم المسودة النهائية، وملأ جدول الإدراك النقلي، وأجرى تقييماً ذاتياً، ولخص طرق النقل وآثارها، مما ساهم في تعزيز القدرة على ما وراء المعرفة واستيعاب مهارات النقل في الكتابة. ويظهر جدول الإدراك النقلي المصمم لهذه الدراسة في جدول ٢.

اعتمدت جميع البنود مقياس تقييم من 1 إلى 5، يتراوح من 1 (عدم الإتقان) إلى 5 (الإتقان التام). جُمعت بيانات التقييم الذاتي بعد ثلاث جولات من التدريب المتسلسل؛ وتشير معايير تسجيل الدرجات إلى معايير عمليات النقل المحددة مسبقاً في مكتبة المهام خماسية الأبعاد.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

تدريس تصميم التجارب

استخدمت هذه الدراسة الإصدار الأساسي مفتوح المصدر من DeepSeek، بالاعتماد على واجهة API المفتوحة للمنصة لإجراء استدعاءات البرنامج. وقد جُمعت المجموعة الكاملة المكونة من خمسة نصوص لقوالب التلقين، وأربعة مستويات من مدخلات أمثلة المهام، وعلامات فئات التعليق التوضيحي للنقل، وقواعد مطابقة قوالب أخطاء الكتابة في الملحق التكميلي. كان للنظام معاملات استدعاء ثابتة: معامل درجة حرارة قدره 0.7، مع تحديد طول النص المولد ديناميكيًا بناءً على نوع سؤال الكتابة. واتبع النظام ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

يبني هذا البحث إطاراً لتحسين التعليمات متعدد المستويات يرتكز على بنية MoE الخاصة بـ DeepSeek لتدريس نقل الكتابة باللغة الإنجليزية عبر الثقافات. وبالتركيز على مهام تصاعدية مكونة من أربعة مستويات تتراوح من مستوى الجملة وصولاً إلى البعد الثقافي، ومكتبة مهام معيارية من خمس فئات، يحقق البحث توليداً تلقائياً للمطالبات بناءً على عينات حقيقية من كتابات الطلاب، كما يؤسس سلاسل مطالبات متداخلة من ثلاث مراحل لتفكيك مهام التكيف عبر الثقافات المعقدة. وبخلاف تصميم المطالبات العامة التقليدي المقتصر على تنقيح النصوص، يربط الحل المقترح تج...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يقر المؤلفون بعدم وجود تضارب في المصالح المالية.

شكر وتقدير

تم دعم هذا العمل من قبل مشروع تخطيط التعليم بمقاطعة تشيجيانغ لعام 2026: بحث حول إعادة بناء إطار الكفاءة التدريسية واستراتيجيات تعزيز مدرسي التعليم المهني العالي في ظل التمكين الرقمي والذكي (رقم المشروع: ZWT26024؛ رقم الموافقة: 2026SCG360).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
نموذج اللغة مسبق التدريب BERTجوجلhttps://github.com/google-research/bertيدعم كل من التمثيل النصي، والتعرف على بنية الفقرة، وحساب التشابه الدلالي، وتصنيف النصوص، عملية التصحيح الآلي لمحتوى الكتابة.
كوريفيري (Coreferee)الذكاء الاصطناعي الانفجاريhttps://github.com/explosion/corefereeيتم تحديد العلاقات المرجعية للنصوص، وتقييم التماسك المرجعي للخطاب للمساعدة في التصحيح التلقائي لجودة الكتابة.
نموذج DeepSeek اللغوي الكبيرديب سيك للذكاء الاصطناعي (DeepSeek AI)https://chat.deepseek.com/بناءً على بنية نموذج Mixture-of-Experts (MoE)، تم إجراء تحسين للتعليمات وتصميم لسلسلة الكلمات التحفيزية. يستخدم النموذج معلمات ثابتة: معامل درجة حرارة يبلغ 0.7، كما يتم تحديد طول النص المولد ديناميكياً وفقاً لنوع السؤال.
spaCyالذكاء الاصطناعي الانفجاريhttps://github.com/explosion/spaCyيتم تحليل بنية بناء الجملة التبعي للنص الإنجليزي، واستخراج مؤشرات مثل متوسط طول الجملة وعدد الجمل المتداخلة لقياس التعقيد النحوي كمياً.
SPSS 26.0IBMhttps://www.ibm.com/products/spss-statisticsتحليلات إحصائية مثل تحليل التباين للقياسات المتكررة (RM-ANOVA)، واختبار t للعينات المستقلة، وتحليل ارتباط بيرسون، وحجم التأثير (Cohen’د) وأُجريت الحسابات، واختبار الموثوقية (معامل الارتباط داخل الفئة - ICC).

المراجع

  1. Maqsood M, Zahid A, Asghar T, et al. Issues in teaching English in a cultural context. Migr Lett. 2024; 21(4): 1020–1027.
  2. Tran NT, Nguyen TT, Pham HH. Exploring the challenges of L1 negative transfer among Vietnamese English language learners: a qualitative study. rEFLections. 2024; 31(2): 837–857.
  3. Zhu P. Cultural dimensions as guidelines in handling language problems for effective written communication across cultures. Int J Linguist Lit Transl. 2023; 6(12): 85–95.
  4. Zeng Z, Nair SM, Wider W. A comparative study of Chinese EFL undergraduates' pragmatic competence in English letter writing between urban and suburban universities. World J Engl Lang. 2022; 12(6): 377–388.
  5. Litvinova TA, Mikros GK, Dekhnich OV. Writing in the era of large language models: a bibliometric analysis of the research field. Nauchnyi Rezultat Voprosy Teoreticheskoi i Prikladnoi Lingvistiki. 2024; 10(4): 5–16.
  6. Long M. Cultivating interdisciplinary foreign language talents through interdisciplinary synergy of on-campus teaching and off-campus practices under the new liberal arts. Educ Rev USA. 2025; 9(5): 520–526.
  7. Voss E, Cushing ST, Ockey GJ, et al. The use of assistive technologies including generative AI by test takers in language assessment: a debate of theory and practice. Lang Assess Q. 2023; 20(4-5): 520-532.
  8. Manyasa J. When language transfer is negative: analysis of morpho-syntactic interference errors by learners of French in Tanzanian higher learning institutions. J Foreign Lang. 2021; 13(1): 165-190.
  9. Fikri N. The study of language transfer in EFL students' translation work. J Pendidik Nonformal. 2023; 1(1): 9.
  10. Ahmat A, Yang Y, Ma B, et al. Cross-lingual prompting method with semantic-based answer space clustering. Appl Intell. 2025; 55(2): 1-17.
  11. Maity S, Deroy A, Sarkar S. Investigating large language models for prompt-based open-ended question generation in the technical domain. SN Comput Sci. 2024; 5(8): 1-32.
  12. Wu W, Cao Y, Yi N, et al. Detecting and reducing the factual hallucinations of large language models with metamorphic testing. Proc ACM Softw Eng. 2025; 2(FSE): 1432-1453.
  13. Kaganovich P, Münz-Manor O, Ezra-Tsur E. Style transfer of modern Hebrew literature using text simplification and generative language modeling. CEUR Workshop Proc. 2023; 1613: 73-95.
  14. Yuan Y. Influence of native language transfer on senior high school English writing. Theory Pract Lang Stud. 2021; 11(2): 170-176.
  15. Jiamin M. The influence of cultural factors on language transfer in second language acquisition. Res J Engl Lang Lit. 2024; 12(1): 186-195.
  16. Zhang L. Native language transfer in vocabulary acquisition: an empirical study from connectionist perspective. J Lang Teach Res. 2023; 14(2): 446-458.
  17. Mirzayev E. The influence of first language interference on ESL writing skills. EuroGlob J Linguist Lang Educ. 2024; 1(1): 33-39.
  18. Fujiwara Y, Iwao T, Ito H, et al. Exploring the transfer of topic-comment structures called unagi-sentences in Asian L2 Englishes: cross-proficiency-level and cross-varietal studies. Asian Englishes. 2025; 27(1): 25-40.
  19. Guo Q. Interlanguage and its implications to second language teaching and learning. Pac Int J. 2022; 5(4): 8-14.
  20. Vereeck A, Janse M, De Herdt K, et al. Why Plato needs psychology: proposal for a theoretical framework underpinning research on the cognitive transfer effects of studying classical languages. Psiholoska Obzorja. 2023; 32: 121-130.
  21. Zhang W. Study on the negative transfer of mother tongue on college students. Int J Front Sociol. 2023; 5(16): 164-171.
  22. Li C. A review of theories, pedagogies and vocabulary learning tasks of English vocabulary learning apps for Chinese EFL learners. J China Comput Assist Lang Learn. 2024; 4(2): 346-375.
  23. Nsengimana I, Niyibizi E, Ngabonziza JDA. The impact of language transfers on learners' writing skills in English learning among students in Mahama Refugee Camp, Rwanda. Afr J Empir Res. 2024; 5(3): 605-613.
  24. Jovein S K, Sharifabad E D, Yazdani M. On the relationship between university translator training programs and the translation market requirements: The case of English translation graduates and postgraduates of Imam Reza International University. Journal of Critical Studies in Language and Literature. 2024; 5(6): 1-13.
  25. Qin X. Collaborative inquiry in action: a case study of lesson study for intercultural education. Asian Pac J Second Foreign Lang Educ. 2024; 9(1): 66-91.
  26. Sun L, Asmawi A. The effect of WeChat-based instruction on Chinese EFL undergraduates’ business English writing performance. International Journal of Instruction. 2023; 16(1): 43-60.
  27. Moro G, Piscaglia N, Ragazzi L, et al. Multi-language transfer learning for low-resource legal case summarization. Artificial Intelligence and Law. 2024; 32(4): 1111-1139.
  28. Sun Y. A study of college English writing teaching based on dynamic assessment. Pac Int J. 2023; 6(1): 83-88.
  29. Jeon J, Lee S. Large language models in education: a focus on the complementary relationship between human teachers and ChatGPT. Educ Inf Technol. 2023; 28(12): 15873-15892.
  30. Kostka I, Toncelli R. Exploring applications of ChatGPT to English language teaching: opportunities, challenges, and recommendations. TESL-EJ. 2023; 27(3): n3-n22.
  31. Antara IMAR, Anggreni NPY. Analyzing grammatical errors in EFL students' opinion essays using DeepSeek AI: patterns and pedagogical implications. Stilistika. 2025; 13(2): 210-218.
  32. Diasamidze L, Tedoradze T. Enhancing ESL students' writing skills through natural language processing model ChatGPT. Eurasia Proc Educ Soc Sci. 2024; 35: 230-238.
  33. Ranade N, Saravia M, Johri A. Using rhetorical strategies to design prompts: a human-in-the-loop approach to make AI useful. AI Soc. 2025; 40(2): 711-732.
  34. Zhou W, Gao B. Construction and application of English-Chinese multimodal emotional corpus based on artificial intelligence. Int J Hum Comput Interact. 2025; 41(3): 1782-1793.
  35. Chen B, Bao L, Zhang R, et al. A multi-strategy computer-assisted EFL writing learning system with deep learning incorporated and its effects on learning: a writing feedback perspective. J Educ Comput Res. 2024; 61(8): 60-102.
  36. Jeon H. Designing teaching for transfer in English for academic purposes. RELC Journal. 2024; 55(2): 567-577.
  37. Pei Y J. Construction of a" Feedback-Revision" Teaching Model for Senior High School English Continuation Writing Based on Generative AI. International Journal of Educational Development. 2026; 3(1): 16-25.
  38. Holubnycha L, Kuznetsova O, Shchokina T, et al. AI-Powered Teaching: Literature Review of ChatGPT's Impact on University Educators. International Journal of Interactive Mobile Technologies. 2025; 19(15): 41.
  39. Almuhanna M A. Teachers' perspectives of integrating AI-powered technologies in K-12 education for creating customized learning materials and resources. Education and Information Technologies. 2025; 30(8): 10343-10371.
  40. Hastomo T, Mandasari B, Widiati U. Scrutinizing Indonesian pre-service teachers’ technological knowledge in utilizing AI-powered tools. Journal of education and learning (EduLearn). 2024; 18(4): 1572-1581.
  41. Cai H, Lu L, Han B, et al. Exploring pre-service teachers’ reflection mediated by an AI-powered teacher dashboard in video-based professional learning: a pilot study. Educational technology research and development. 2025; 73(2): 1129-1154.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

الكتابة عبر الثقافاتالنقل اللغوينظام التدريب الهرميخليط الخبراءسلسلة التلقينالتكيف الثقافيالمراجعة اللغوية
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.