الفصل الأول: الذكاء الاصطناعي في تعليم الرياضيات: التطور التاريخي، مخاطر الانجراف الإدراكي، والضرورة الإبيستمولوجية للنموذج الهجين¶

1.1 التطور التاريخي لأنظمة التدريس الذكية (ITS): من النظم الخبيرة القائمة على القواعد إلى البيئات التكيفية المعاصرة¶

1.1.1 التأصيل الإبيستمولوجي لأنظمة التدريس المبكرة¶

ارتبط انبثاق أنظمة التدريس الذكية (Intelligent Tutoring Systems - ITS) منذ أواخر ستينيات القرن العشرين بمحاولة حوسبة ومحاكاة المقاربة الفردية للمعلم الخبير، تجسيداً لفرضية بنيامين بلوم الشهيرة (Bloom's 2-Sigma Problem)؛ حيث أثبتت الدراسات التجريبية أن التدريس الفردي القائم على السقالات الموجهة يحقق تحسناً في المخرجات التعليمية بمقدار انحرافين معياريين مقارنة بالتعليم الصفي الجماعي المعتاد.

تأسست الأجيال الأولى من هذه الأنظمة، بدءاً بنظام SCHOLAR لكاربونيل (1970) ونظام WHY لستيفنز وكولينز (1977)، على معمارية كلاسيكية ثلاثية المحاور: 1. نموذج الخبير (Expert Model): مستودع المعرفة الصورية لمادة الرياضيات، مصاغ في هيئة شبكات دلالية أو شاشات استدلال قائمة على قواعد الشرط والنتيجة (Production Rules). 2. نموذج المتعلم (Student Model): تمثيل فجوي (Overlay Model) يرصد الفروق الدقيقة بين مسار أداء الطالب وحالة الخبير عبر مصفوفات تشخيص الأخطاء الشائعة (Bug Libraries). 3. النموذج الديداكتيكي (Pedagogical/Tutor Model): آلة حالات حتمية تنظم التدخلات التعليمية عبر التغذية الراجعة الفورية وتتبع خطوات الحل خطوة بخطوة (Model-Tracing Tutors).

┌─────────────────────────────────┐ │ نموذج الخبير (Expert Model) │ │ شبكات صرامة الاستدلال │ └────────────────┬────────────────┘ │ ▼

┌─────────────────────────┐    ┌───────────────┐    ┌─────────────────────────┐
│ نموذج المتعلم (Student)  │───▶│ المحرك التربوي│◀───│  واجهة التفاعل السقراطي │
│  رصد الفجوات ومسار الفهم │    │ (Tutor Engine)│    │   (Zero-Keyboard Touch) │
└─────────────────────────┘    └───────────────┘    └─────────────────────────┘

ورغم الصلابة المنطقية الصارمة لهذه الأنظمة وقدرتها على استبعاد الأخطاء الحسابية والمفاهيمية، إلا أنها اصطدمت بـ أزمة الجمود التواصلي (Brittle Interaction Problem)؛ إذ عجزت عن استيعاب التنوع اللغوي والتعبيري للمتعلمين، وافتقرت إلى المرونة التكيفية في إعادة بناء السقالات التعليمية عند مواجهة تعثر ديداكتيكي مركب.

1.1.2 النمذجة البرمجية لقواعد تصنيف التفاعل في الأنظمة الخبيرة الكلاسيكية¶

لتوثيق هذا الأساس التاريخي داخل مستودع البحث ومقارنة محركاته الحتمية بالنماذج المعاصرة اللاحقة، نقوم بصياغة محاكي النظم الخبيرة الكلاسيكية عبر فحص تطابق الحالات واستدعاء مكتبات الأخطاء.

# =====================================================================
# Academic Module: its_history_engine.py
# Scope: codebase/complet/epistemology
# Doctoral Research: AI Agent MathAgent - Chapter 01 (Section 1.1)
# =====================================================================

from typing import Dict, Any, Optional
from enum import Enum

class ITSRuleClass(Enum):
    FACTUAL_DRILL = "factual_drill"
    BUGGY_REMEDIATION = "buggy_remediation"
    SOCRATIC_PROMPT = "socratic_prompt"
    TERMINAL_SUCCESS = "terminal_success"

# START: REF_ITS_RULE_DISPATCHER
class HistoricalITSEngine:
    """
    محاكاة صورية لمحرك أنظمة التدريس الذكية الكلاسيكية (Rule-Based ITS).
    يعتمد على مصفوفة قواعد حتمية (Production Rules) لتقييم انحراف المتعلم عن نموذج الخبير.
    """
    def __init__(self, domain_knowledge: Dict[str, Any], bug_library: Dict[str, str]):
        self.domain_knowledge = domain_knowledge
        self.bug_library = bug_library

    def evaluate_rule(self, current_node: str, student_input: str) -> Dict[str, Any]:
        """
        مطابقة استجابة الطالب مع مكتبة الأخطاء الشائعة واستخراج مسار التدخل.
        يضمن هذا المحرك استقراراً منطقياً كاملاً (Determinism = 1.0) وانعداماً تاماً للهلوسة.
        """
        expected_concept = self.domain_knowledge.get(current_node, {}).get("expected_concept")

        # 1. فحص مطابقة نموذج الخبير
        if student_input.strip() == expected_concept:
            return {
                "rule_triggered": ITSRuleClass.TERMINAL_SUCCESS.value,
                "confidence": 1.0,
                "feedback": "إجابة متطابقة تماماً مع نموذج الخبير الرياضي.",
                "action": "ADVANCE_STATE"
            }

        # 2. فحص مصفوفة الأخطاء الشائعة (Bug Library)
        for bug_pattern, remediation in self.bug_library.items():
            if bug_pattern in student_input:
                return {
                    "rule_triggered": ITSRuleClass.BUGGY_REMEDIATION.value,
                    "confidence": 1.0,
                    "feedback": remediation,
                    "action": "TRIGGER_FALLBACK_NODE"
                }

        # 3. التدخل الافتراضي لكسر الجمود
        return {
            "rule_triggered": ITSRuleClass.SOCRATIC_PROMPT.value,
            "confidence": 0.5,
            "feedback": "استجابة غير مفهرسة؛ هل يمكنك توضيح الخطوة السابقة؟",
            "action": "HOLD_STATE"
        }
# END: REF_ITS_RULE_DISPATCHER

1.2 التحليل النقدي لنماذج اللغة التوليدية (LLMs): الهلوسة الحسابية والانجراف المعرفي¶

1.2.1 قصور النماذج الاحتمالية في الاستدلال الرياضي الصوري¶

أدى ظهور النماذج اللغوية الكبيرة القائمة على معمارية المحولات (Transformer Architecture) وآليات الانتباه المتعدد (Multi-Head Attention) إلى قفزة غير مسبوقة في توليد اللغة الطبيعية والطلاقة الحوارية. ومع ذلك، فإن الطبيعة البنيوية لهذه النماذج ترتكز على التنبؤ الإحصائي بالرمز التالي:

\[P(w_t \mid w_1, w_2, \dots, w_{t-1}) = \text{Softmax}\left(\frac{\mathbf{Q}\mathbf{K}^T}{\sqrt{d_k}}\mathbf{V}\right)\]

هذا الاعتماد الاحتمالي البحت يجعلها تعمل بمثابة "ببغاوات إحصائية عشوائية" (Stochastic Parrots)؛ إذ تفتقر في جوهرها الداخلي إلى نموذج صلب وثابت للواقع الرياضي (Internal World Model). وتتجلى هذه المعضلة لدى طالبات الصف السادس الابتدائي / الأول المتوسط عبر أزمتين تربويتين مدمرتين:

الهلوسة الحسابية والمفاهيمية (Numerical & Semantic Hallucinations): صياغة استدلالات تبدو لغوياً في غاية التماسك والبلاغة، لكنها تتضمن مغالطات حسابية جسيمة في العلاقات الجبرية والأنماط العددية، مما يرسخ مفاهيم خاطئة في الأذهان في مرحلة عمرية تأسيسية حرجة.
تأثير توباز التربوي الآلي (Automated Topaze Effect): ميل النموذج التوليدي بطبيعته الإحصائية نحو إرضاء المستخدم وتخفيف التوتر، فعند مواجهة أي تردد أو عجز لدى الطالبة، يسارع النموذج إلى خفض سقف الصعوبة تدريجياً وإفشاء مؤشرات الحل المباشر، هادماً بذلك شرط التحدي الذهني المستقل الضروري لبناء الكفاءة.

1.2.2 ظاهرة التفريغ المعرفي الاستبدالي (Substitutive Cognitive Offloading)¶

تعد ظاهرة التفريغ المعرفي الاستبدالي الخطر الأكبر في البيئات التعليمية المفتوحة. بالاستناد إلى نظرية المعالجة المزدوجة لكاهنمان (Dual-Process Theory: System 1 vs. System 2) ونظرية الحمل المعرفي لسويلر (Cognitive Load Theory):

يتطلب اكتساب المفاهيم الرياضية بذل جهد ذهني واعٍ ومستمر، وتنشيط النظام التحليلي البطيء (System 2).
يميل الدماغ البشري فطرياً نحو مبدأ الاقتصاد المعرفي وتقليل استهلاك الطاقة (Principle of Least Effort).

حينما تتاح للمتعلم واجهة توليدية تقدم إجابات فورية جاهزة، يمارس المتعلم تفريغاً معرفياً استبدالياً كاملاً؛ إذ يتم نقل عمليات التحليل والاستنتاج وحل المشكلات إلى الآلة، مما يتجاوز منطقة النمو الوشيك فيجوتسكي (Zone of Proximal Development - ZPD)، ويحول المتعلم من فاعل إدراكي نشط إلى متلقٍ سلبي.

النمذجة الرياضية للتدهور الإدراكي الناتج عن التفريغ السلبي¶

نصيغ كفاءة الاكتساب المعرفي التراكمي \(\mathcal{A}_{\text{retention}}\) كدالة تكاملية متناقصة ترتبط بمعدل الضخ المباشر للإجابات \(\Phi_{\text{dump}}\) ومستوى التعرض للهلوسة غير المكتشفة:

\[\mathcal{A}_{\text{retention}} = \int_{0}^{T} \left( \mathcal{C}_{\text{germane}}(t) \cdot \exp\left( -\alpha \cdot \Phi_{\text{dump}}(t) - \beta \cdot \mathcal{H}_{\text{hallucination}}(t) \right) \right) dt\]

حيث:

\(\mathcal{C}_{\text{germane}}(t)\): الحمل المعرفي الوثيق المخصص لبناء المخططات الذهنية الرياضية.
\(\Phi_{\text{dump}}(t) \in [0, 1]\): نسبة المحتوى المحلول جاهزاً في مخرجات النظام الذكي.
\(\mathcal{H}_{\text{hallucination}}(t)\): شدة الأخطاء التوليدية الرياضية غير المرصودة.
\(\alpha, \beta\): معاملات ديداكتيكية تقيس سرعة ضمور الاستقلالية الذهنية وتراكم المفاهيم البديلة الخاطئة.

       مؤشر الاستيعاب
             ▲
        1.0 ─┤      التعلم السقراطي المستقل (Zero Dump)
             │     /──────────────────────────────────────
             │    /
        0.5 ─┤   /      التعلم مع المساعد التوليدي غير المقيد
             │  /      (Substitutive Offloading Decay)
             │ /       \
        0.0 ─┴──────────\────────────────────────────▶ الزمن المعرفي
                          انهيار القدرة على الاستدلال

# =====================================================================
# Academic Module: cognitive_offloading.py
# Scope: codebase/complet/epistemology
# Doctoral Research: AI Agent MathAgent - Chapter 01 (Section 1.2)
# =====================================================================

import re
from typing import Dict, Any, Tuple

# START: REF_OFFLOADING_DETECTION_FILTER
class CognitiveOffloadingWatcher:
    """
    راصد التفريغ المعرفي الاستبدالي (Substitutive Cognitive Offloading Watcher).
    يحلل استعلامات المتعلم اللغوية واللمسية لرصد نزعة الالتفاف حول الجهد الذهني.
    """
    def __init__(self, passive_threshold: float = 0.65):
        self.passive_threshold = passive_threshold
        self._delegation_lexicon = [
            r"حل(ه|ها)?\s*لي",
            r"أعطني\s*الجواب",
            r"النتيجة\s*مباشرة",
            r"ما\s*هو\s*الحل\s*النهائي",
            r"اكتب\s*لي\s*الواجب",
            r"ما\s*عندي\s*فكرة\s*حل"
        ]

    def detect_passive_delegation(self, query: str, dwell_time_sec: float) -> Tuple[bool, float]:
        """
        حساب مؤشر الاستسلام المعرفي (Delegation Index) بناء على دلالة السؤال وزمن المحاولة.
        الزمن المنقضي القصير جداً (< 4 ثوان) مقترناً بصيغة طلب الإجابة يشير لتفريغ فوري سلبي.
        """
        lexical_matches = sum(1 for p in self._delegation_lexicon if re.search(p, query.strip()))
        lexical_score = min(1.0, lexical_matches * 0.35)

        # معامل التسرع المعرفي (انعدام التردد الإيجابي في التفكير)
        temporal_penalty = 0.4 if dwell_time_sec < 4.0 else 0.0
        delegation_index = min(1.0, lexical_score + temporal_penalty)

        is_passive = delegation_index >= self.passive_threshold
        return is_passive, delegation_index
# END: REF_OFFLOADING_DETECTION_FILTER

# START: REF_PASSIVE_TOKEN_SUPPRESSOR
class TokenFlowGatekeeper:
    """
    حارس التدفق التوليدي لمنع ضخ الإجابات وحظر الهلوسة الحسابية (Zero-Dump Guard).
    """
    @staticmethod
    def intercept_answer_dump(raw_llm_payload: Dict[str, Any], is_passive_mode: bool) -> Dict[str, Any]:
        """
        اعتراض التدفق وحذف أي حل حسابي نهائي واستبداله بسؤال سقراطي مرحلي مفكك.
        """
        if not is_passive_mode and not raw_llm_payload.get("contains_explicit_solution", False):
            return raw_llm_payload

        # عزل الحل التام وفرض السقالة السقراطية (Scaffolding Fallback)
        sanitized_scaffold = (
            "لاحظت محاولتك للوصول إلى الناتج بخطوة واحدة. لنفكك المسألة معاً: "
            "ما هي القيمة المجهولة التي نحاول عزلها في الطرف الأيمن؟"
        )
        return {
            "is_intercepted": True,
            "original_suppressed": True,
            "didactic_prompt": sanitized_scaffold,
            "allowed_interaction_type": "TAP_TO_TARGET_SELECTION",
            "telemetry_flag": "OFFLOADING_BLOCKED_SUCCESSFULLY"
        }
# END: REF_PASSIVE_TOKEN_SUPPRESSOR

1.3 مفهوم الوكيل الميتامعرفي الهجين (HMA): الربط بين المرونة اللغوية والصرامة المنطقية الحتمية¶

1.3.1 المعمارية الثنائية المتعامدة (Neuro-Symbolic Duality)¶

لتجاوز أزمة الجمود الصوري في أنظمة التدريس الذكية الكلاسيكية، وتفادي مخاطر الهلوسة والانجراف في النماذج التوليدية، تؤصل هذه الأطروحة لمفهوم الوكيل الميتامعرفي الهجين (Hybrid Metacognitive Agent - HMA).

يرتكز هذا النموذج على الفصل الوظيفي والفيزيائي الصارم بين طبقتين متعامدتين:

طبقة الاستيعاب الإدراكي المرن (Soft Perceptual Ingestion Layer): توظف النماذج التوليدية خارج أوقات التفاعل الحي (Offline Pre-Processing) لقراءة وتحليل محتوى الكتب المدرسية والمخططات وتحويلها إلى متجهات وبنى صريحة.
طبقة الاستدلال الحتمي السقراطي (Hard Deterministic Socratic Core): محرك تفاعلي يعمل بالكامل أثناء الحصة الدراسية عبر المخططات الحلقية الموجهة (Directed Acyclic Graphs - DAG) المحكومة بمسارات مبرهنة مسبقاً، حيث تصبح احتمالية الهلوسة مساوية للصفر رياضياً (\(P(\text{Hallucination}) = 0.0\)).

┌────────────────────────────────────────────────────────────────────────┐
│             الطبقة الإدراكية المرنة (Soft Semantic Ingestion)           │
│   تحويل النصوص والرسوم إلى لغة وسيطة (JSON/AST) عبر نماذج الاستيعاب     │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │
                       (تحقق صارم وتجميد التصميم)
                                    │
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│            الطبقة المنطقية الصارمة (Hard Deterministic Core)            │
│       شجرة الحالات البيداغوجية DAG - حظر كامل للمخرجات الاحتمالية       │
└───────────────────────────────────┬────────────────────────────────────┘
                                    │
                                    ▼
┌────────────────────────────────────────────────────────────────────────┐
│             المتعلم الصغير (Zero-Keyboard Direct Interaction)           │
│         تفاعل لمسي مركز بزمن استجابة فائق السرعة دون تشتيت             │
└────────────────────────────────────────────────────────────────────────┘

# =====================================================================
# Academic Module: hybrid_amh_dispatcher.py
# Scope: codebase/complet/epistemology
# Doctoral Research: AI Agent MathAgent - Chapter 01 (Section 1.3)
# =====================================================================

from typing import Dict, Any, Optional

# START: REF_HYBRID_DISPATCHER_GATE
class HybridAMHRouter:
    """
    موجه الوكيل الميتامعرفي الهجين (Hybrid Metacognitive Router).
    يفصل بين مهام المعالجة الدلالية الحرة ومهام التوجيه السقراطي الحتمي.
    """
    def __init__(self, dag_engine_ref: Any, offline_nlu_ref: Optional[Any] = None):
        self.dag_engine = dag_engine_ref
        self.offline_nlu = offline_nlu_ref

    def arbitrate_execution(self, interaction_event: Dict[str, Any]) -> Dict[str, Any]:
        """
        التحكيم بين المسار الاحتمالي والمسار الحتمي.
        القاعدة الصارمة للبحث: لا يُسمح بأي توليد نصي حر أثناء جلسة حل المسألة المباشرة.
        """
        event_type = interaction_event.get("type")

        # إذا كان الحدث خطوة ضمن حل مسألة رياضية -> تحويل إلزامي للمحرك الحتمي
        if event_type in ["DISCRETE_TAP", "STEP_RESOLUTION", "REMEDIATION_REQUEST"]:
            current_state = interaction_event["current_node_id"]
            user_choice = interaction_event["selected_target_id"]

            # استدعاء شجرة DAG المغلقة
            next_step = self.dag_engine.resolve_next_state(current_state, user_choice)
            return {
                "execution_mode": "DETERMINISTIC_SYMBOLIC_DAG",
                "variance_error": 0.0,
                "payload": next_step
            }

        # مسار التفسير الإدراكي العام فقط خارج زمن التفاعل الرياضي الحرج
        return {
            "execution_mode": "CONTROLLED_SEMANTIC_EXPANSION",
            "variance_error": 0.05,
            "payload": "توجيه استكشافي مؤطر مسبقاً دون توليد نصي عشوائي."
        }
# END: REF_HYBRID_DISPATCHER_GATE

1.4 العدالة المعرفية وتكافؤ الفرص في البيئات مقيدة الموارد (Resource-Constrained Environments)¶

1.4.1 الفجوة الرقمية وأثر التفاوت العتادي¶

لا تقتصر معايير كفاءة الذكاء الاصطناعي التربوي على دقة الخوارزميات وصحة الاستدلال، بل تمتد لتشمل البعد الإبيستمولوجي التوزيعي: من يملك حق الوصول إلى الوكيل الذكي؟

في سياق مدارس التعليم الحكومي والقرى والمناطق النائية في الوطن العربي:

تعتمد معظم الحلول الرائجة على واجهات الحوسبة السحابية ذات الاشتراكات المالية المرتفعة وتتطلب اتصالاً شبكياً مستمراً وعالي السرعة.
تواجه الفصول الميدانية الحقيقية أجهزة لوحية عتيقة منخفضة التكلفة (ذاكرة عشوائية 1-2GB RAM)، وانقطاعاً متكرراً أو انعداماً كلياً لشبكة الإنترنت.

إن حصر الذكاء الاصطناعي في السحابة يُكرّس ظاهرة "الطبقية المعرفية الرقمية" (Digital Cognitive Stratification)؛ حيث يحظى الطالب المقتدر بدعم سقراطي فوري ومكثف، بينما يُحرم طالب البيئات محدودة الموارد من أدنى مقومات الدعم التربوي الرقمي.

1.4.2 الأطروحة الديمقراطية لـ MathAgent: استقلالية 100% دون اتصال (Offline-First Edge Sovereignty)¶

تؤسس هذه الأطروحة لأولوية التصميم المحلي التام (Edge Native / Offline-First):

العمل المستقل الكامل داخل الجهاز: تشغيل المحرك السقراطي وتشفير البيانات وقواعد البيانات داخلياً دون استهلاك بايت واحد من البيانات الخارجية أثناء الحصص الدراسية.
الاستهلاك العتادي المتقشف: تصميم الخوارزميات لتعمل تحت سقف استهلاك لا يتجاوز 250MB من الذاكرة العشوائية وتوافق كامل مع المعالجات الضعيفة ذات الأنوية الرباعية القديمة وزمن استجابة لمسي لحظي يقل عن 100 مللي ثانية.

# =====================================================================
# Academic Module: equity_constraint_evaluator.py
# Scope: codebase/complet/epistemology
# Doctoral Research: AI Agent MathAgent - Chapter 01 (Section 1.4)
# =====================================================================

from typing import Dict, Any

# START: REF_EQUITY_METRIC_GAUGE
class EquityAuditor:
    """
    مدقق العدالة المعرفية وملاءمة القيود التشغيلية (Cognitive Equity Auditor).
    يقيم مدى قابلية النظام للعمل العادل في البيئات المهمشة تقنياً.
    """
    RAM_CEILING_MB = 250.0       # الحد الأقصى المسموح لاستهلاك الذاكرة
    LATENCY_BUDGET_MS = 100.0     # الميزانية الزمنية القصوى للاستجابة اللمسية
    REQUIRE_ZERO_BANDWIDTH = True # شرط الاستغناء التام عن الاتصال الشبكي

    @classmethod
    def compute_fairness_index(cls, runtime_telemetry: Dict[str, float]) -> Dict[str, Any]:
        """
        حساب مؤشر العدالة المعرفية (Cognitive Fairness Index - CFI) من 0.0 إلى 1.0.
        """
        measured_ram = runtime_telemetry.get("memory_usage_mb", 999.0)
        measured_latency = runtime_telemetry.get("touch_latency_ms", 999.0)
        measured_network_kb = runtime_telemetry.get("network_egress_kb", 999.0)

        # 1. اختبار استقلالية الشبكة (Zero-Bandwidth Invariance)
        network_compliant = (measured_network_kb == 0.0)

        # 2. اختبار كفاءة الذاكرة
        ram_score = max(0.0, 1.0 - (measured_ram / cls.RAM_CEILING_MB)) if measured_ram <= cls.RAM_CEILING_MB else 0.0

        # 3. اختبار الاستجابة الفورية
        latency_score = max(0.0, 1.0 - (measured_latency / cls.LATENCY_BUDGET_MS)) if measured_latency <= cls.LATENCY_BUDGET_MS else 0.0

        cfi_composite = (0.5 * (1.0 if network_compliant else 0.0)) + (0.3 * latency_score) + (0.2 * ram_score)

        return {
            "cognitive_fairness_index": round(cfi_composite, 3),
            "is_democratically_viable": cfi_composite >= 0.85,
            "offline_sovereignty": network_compliant,
            "diagnostics": {
                "ram_overhead_ratio": measured_ram / cls.RAM_CEILING_MB,
                "latency_budget_exhaustion": measured_latency / cls.LATENCY_BUDGET_MS
            }
        }
# END: REF_EQUITY_METRIC_GAUGE

1.5 خلاصة الفصل الأول والتمهيد المعماري للفصل الثاني¶

يخلص هذا التأصيل الإبيستمولوجي والنقدي إلى جملة من النتائج الحاكمة:

تفشل أنظمة التدريس الذكية الكلاسيكية بسبب أزمة الجمود التواصلي، في حين تفشل النماذج التوليدية الحرة لتسببها في ظاهرة التفريغ المعرفي الاستبدالي وإحداث الهلوسة الحسابية وتأثير توباز.
يتطلب بناء وكيل تدريب تفكير حقيقي الفصل الصارم بين طبقة الاستيعاب الإدراكي وطبقة اتخاذ القرار الحتمية، وتأطير العملية عبر محرك سقراطي يضمن بقاء احتمالية الهلوسة معدومة.
يمثل الاستغناء التام عن شبكة الإنترنت (Offline-First) والعمل بكفاءة على عتاد تقني متواضع شرطاً إبيستمولوجياً وأخلاقياً لتحقيق العدالة المعرفية وتكافؤ الفرص في الفصول الدراسية الحقيقية.

ينقلنا هذا الأساس النظري مباشرة إلى الفصل الثاني، حيث سنقوم بتفكيك نظرية الحمل المعرفي لسويلر، ونمذجة سعة الذاكرة العاملة رياضياً، وتأسيس معايير بيئة التفاعل الحركي عبر اللمس الخالية كلياً من لوحة المفاتيح (Zero-Keyboard Touch Ergonomics).