الفصل الثالث: سيكولوجيا التعلم، علوم الأعصاب الإدراكية وخوارزمية مؤشر التلاشي التدريجي¶
3.1 مستويات المشاركة المعرفية وفق إطار ICAP والتحفيز البنائي¶
3.1.1 التأصيل السيكولوجي لإطار تشي ومطابقته الديداكتيكية¶
يعد إطار ICAP الذي طورته ميشيل تشي (Michelene Chi) من أدق النماذج المفسرة لتمايز مخرجات التعلم بناءً على طبيعة السلوك المعرفي للمتعلم. يصنف الإطار أنماط التفاعل إلى أربعة مستويات هرمية متصاعدة: 1. المستوى السلبي (Passive): يقتصر فيه المتعلم على استقبال وتلقي المعلومات دون إبداء استجابة صريحة (كالاستماع أو القراءة السطحية للحل). 2. المستوى النشط (Active): ينخرط فيه المتعلم في معالجة مادية شكلية للمحتوى (مثل التحديد، أو النقر الميكانيكي، أو إعادة نسخ الصيغ الرياضية). 3. المستوى البنائي (Constructive): يولد فيه المتعلم معرفة جديدة تتجاوز المعطيات المباشرة (كتوليد الفرضيات، وتبرير خطوات الحل، واكتشاف الأنماط غير المصرح بها). 4. المستوى التفاعلي (Interactive): ينخرط فيه المتعلم في حوار سقراطي جدلي مستمر يتضمن الدفاع عن الفكرة وتعديل الاستدلال بناءً على التغذية الراجعة التكيفية.
┌────────────────────────────────────────┐ │ تفاعلي (Interactive) │ ── أقصى رسوخ معرفي │ حوار سقراطي تبادلي متقدم │ ├────────────────────────────────────────┤ │ بنائي (Constructive) │ ── توليد استدلالات │ تفكيك الفرضيات وتبرير الخطوات │ ├────────────────────────────────────────┤ │ نشط (Active) │ ── تفاعل سطحي │ نقر ميكانيكي وتكرار إجرائي │ ├────────────────────────────────────────┤ │ سلبي (Passive) │ ── تفريغ معرفي │ استهلاك الإجابات التوليدية الجاهزة │ └────────────────────────────────────────┘في سياق تدريس الرياضيات للمرحلة المتوسطة (الفئة العمرية 12–13 سنة)، يفشل الذكاء الاصطناعي التجاري التقليدي لأنه يحبس الطالبة قسراً في المستوى السلبي (عبر إعطاء الإجابات الجاهزة) أو المستوى النشط الشكلي (عبر الاختيار العشوائي من متعدد).
يؤسس تصميم MathAgent لنقلة نوعية تجبر تفاعل المتعلمة على الصعود الدائم نحو المستويين البنائي والتفاعلي؛ حيث تُصاغ العقد الرياضية بحيث لا يتم قبول أي اختيار لمسي إلا إذا كان مقترناً بتبرير ديداكتيكي أو تفكيك خطوة استدلالية وسيطة.
3.1.2 النمذجة البرمجية لمصنف المشاركة المعرفية (ICAP Classifier)¶
يقوم هذا الموديول بتحليل السلوك الحركي والزمني للمتعلمة لتصنيف جلسة التفاعل وتحديد عمق المعالجة الذهنية اللحظية.
# =====================================================================
# Academic Module: icap_engagement_classifier.py
# Scope: codebase/complet/learning
# Doctoral Research: AI Agent MathAgent - Chapter 03 (Section 3.1)
# =====================================================================
from typing import Dict, Any
from enum import Enum
class ICAPLevel(Enum):
PASSIVE = "passive"
ACTIVE = "active"
CONSTRUCTIVE = "constructive"
INTERACTIVE = "interactive"
# START: REF_ICAP_CLASSIFIER
class ICAPClassifier:
"""
مصنف عمق التفاعل المعرفي وفق إطار ICAP (Chi & Wylie, 2014).
يحلل مؤشرات التفاعل اللمسي والاستدلال المرحلي لتقييم جودة النشاط الذهني.
"""
def __init__(self, hesitation_floor_sec: float = 3.0, reasoning_min_sec: float = 8.0):
self.hesitation_floor_sec = hesitation_floor_sec
self.reasoning_min_sec = reasoning_min_sec
def evaluate_interaction_depth(
self,
touch_duration_sec: float,
step_branching_depth: int,
is_exploratory_branch: bool,
socratic_turns_count: int
) -> Dict[str, Any]:
"""
تحديد مستوى ICAP اللحظي بناء على زمن المعالجة الذهنية والمسار السقراطي المتبع.
"""
# 1. التفاعل السلبي: استجابة فورية جداً أو انسحاب فكري
if touch_duration_sec < self.hesitation_floor_sec:
level = ICAPLevel.ACTIVE if touch_duration_sec > 1.0 else ICAPLevel.PASSIVE
confidence = 0.85
description = "تفاعل سطحي ميكانيكي دون تأمل ديداكتيكي كافٍ."
# 2. التفاعل البنائي: توليد مسار وسيط واستكشاف بدائل رياضية
elif touch_duration_sec >= self.reasoning_min_sec and is_exploratory_branch:
if socratic_turns_count >= 2:
level = ICAPLevel.INTERACTIVE
confidence = 0.95
description = "حوار سقراطي تفاعلي نشط يسائل بنية المسألة الرياضية."
else:
level = ICAPLevel.CONSTRUCTIVE
confidence = 0.90
description = "بناء استدلال ذاتي مستقل وتفكيك للفرضيات الجبرية."
# 3. المستوى النشط الافتراضي
else:
level = ICAPLevel.ACTIVE
confidence = 0.75
description = "تنفيذ إجرائي لخطوة رياضية معتادة."
return {
"icap_level": level.value,
"confidence": confidence,
"is_pedagogically_valid": level in [ICAPLevel.CONSTRUCTIVE, ICAPLevel.INTERACTIVE],
"description": description
}
# END: REF_ICAP_CLASSIFIER
3.2 علوم الأعصاب الإدراكية: اللدونة المشبكية وجداول الاسترجاع المتباعد¶
3.2.1 التثبيت العصبي واللدونة المشبكية (Synaptic Plasticity)¶
توضح علوم الأعصاب الإدراكية أن تعلم المفاهيم الرياضية المجردة يعتمد على عملية التقوية طويلة المدى (Long-Term Potentiation - LTP) في التشابكات العصبية بين القشرة أمام الجبهية (Prefrontal Cortex) والحصين (Hippocampus). لا تتشكل الروابط المشبكية الصلبة من خلال العرض المتكرر للمعلومة (التلقين)، بل من خلال جهد الاسترجاع المتعمد (Effortful Retrieval) وتجاوز العقبات الديداكتيكية المنضبطة.
تخضع قوة الأثر العصبي \(S(t)\) لديناميكية الاضمحلال الزمني لإبنجهاوس المعدلة عصبياً:
حيث:
- \(S_0\): قوة التنشيط العصبي الأولية للمفهوم.
- \(t\): الفارق الزمني منذ آخر استدعاء نشط للذاكرة.
- \(\tau_{\text{retrieval}}\): ثابت الاسترجاع المرتبط بجودة السقالة السقراطية.
- \(\mathcal{R}_{\text{synaptic}}\): معامل الدعم الناتج عن التكرار المتباعد (Spaced Retrieval).
قوة الاسترجاع العصبي
▲
1.0 ─┤ /───\ /───\ /───\
│ / \ / \ / \ منحنى الاسترجاع المتباعد
│ / \───/ \───/ \─────────────────
0.5 ─┤ / \ / \ /
│ / V V منحنى النسيان السريع
│ / \
0.0 ─┴──────────────────────────────────\───────────▶ الزمن (أيام)
عندما يتلقى المتعلم إجابة جاهزة من الذكاء الاصطناعي، ينخفض معامل التنشيط المشبكي وتتلاشى مسارات الاسترجاع، بينما يؤدي استدعاء المفهوم عبر فترات متباعدة ومحسوبة رياضياً إلى تعزيز اللدونة البنيوية للمسالك العصبية في الدماغ.
3.2.2 النمذجة البرمجية لجدولة الاسترجاع المتباعد (Spaced Retrieval)¶
يبرمج هذا المكون فترات الفحص والمراجعة النشطة للعقد الرياضية التي أظهرت فيها الطالبة تعثراً سيكولوجياً أو حسابياً سابقاً.
# =====================================================================
# Academic Module: spaced_retrieval_scheduler.py
# Scope: codebase/complet/learning
# Doctoral Research: AI Agent MathAgent - Chapter 03 (Section 3.2)
# =====================================================================
import math
from typing import Dict, Any
# START: REF_SPACED_SCHEDULER
class SpacedScheduler:
"""
مجدول الاسترجاع المتباعد القائم على اللدونة المشبكية (Ebbinghaus-LTP Model).
يحسب التوقيت الأمثل لإعادة طرح المفاهيم لترسيخ الذاكرة طويلة المدى.
"""
BASE_INTERVAL_HOURS: float = 24.0
@classmethod
def compute_retrieval_schedule(
cls,
stability_factor: float,
consecutive_successes: int,
difficulty_weight: float
) -> Dict[str, Any]:
"""
حساب الفارق الزمني الأمثل للجلسة القادمة ومعامل قوة الأثر العصبي.
"""
# دالة أسية معدلة بمستوى الصعوبة والاستقرار المفاهيمي
multiplier = max(1.2, 2.5 - (0.2 * difficulty_weight))
interval_hours = cls.BASE_INTERVAL_HOURS * (multiplier ** consecutive_successes) * stability_factor
# حساب معامل الاحتفاظ المتوقع بالمعلومة
retention_probability = round(math.exp(-1.0 / max(1.0, interval_hours / 24.0)), 3)
return {
"interval_hours": round(interval_hours, 2),
"next_review_session_index": consecutive_successes + 1,
"expected_retention_probability": retention_probability,
"schedule_priority": "HIGH" if retention_probability < 0.65 else "NORMAL"
}
# END: REF_SPACED_SCHEDULER
3.3 الصياغة الرياضية والتفاضلية لخوارزمية مؤشر التلاشي التدريجي (Fading Index)¶
3.3.1 الديناميكا الرياضية لتراجع الدعم السقراطي¶
في صميم الأطروحة التعليمية لـ MathAgent، لا يُعد الوكيل الذكي مساعداً دائماً يلازم الطالبة في كل خطوة، بل هو سقالة معرفية مؤقتة صُممت لتتلاشى تدريجياً (Scaffolding Fading) حتى الوصول إلى الاستقلال الذاتي التام (Autonomous Agency).
نصيغ مؤشر التلاشي التدريجي (\(\mathcal{F}_{\text{index}} \in [0, 1]\)) كدالة تفاضلية تتأثر إيجاباً بنجاحات المتعلمة المستقلة (\(S_{\text{success}}\))، وتتناقص تدريجياً مع تكرار الاستعانة بالسقالات (\(H_{\text{hint}}\)) أو الانزلاق في الأخطاء المفاهيمية (\(E_{\text{error}}\)):
حيث:
- \(\mathcal{F}(t) = 0.0\): يمثل الدعم السقراطي الأقصى (سقالات من المستوى الأول والثاني).
- \(\mathcal{F}(t) = 1.0\): يمثل التلاشي التام للسقالات (اعتماد الطالبة الكامل على تفكيرها المستقل).
- \(\gamma\): معدل التنامي الاستدلالي السريع.
- \(\lambda\): معامل الحساسية للعثرات الديداكتيكية.
- \(\mu\): تكلفة استدعاء التلميحات المساعدة.
مؤشر التلاشي (F_index)
▲
1.0 ─┤ /────────── استقلالية كاملة (Zero Scaffold)
│ /
0.7 ─┤ /─────────────/ سقالات خفيفة (Focus Hint)
│ /
0.4 ─┤ /────────────/ سقالات وسيطة (Decomposition)
│ /
0.0 ─┴───────/───────────────────────────────────────────▶ الزمن (المهام المنجزة)
دعم كامل مكثف
عندما يتجاوز \(\mathcal{F}_{\text{index}}\) عتبة \(0.80\)، يقوم النظام آلياً بحجب خيارات السقالات الجزئية، ويدفع المتعلمة لمواجهة المهمة بمفردها لاختبار رسوخ الكفاءة في ظروف التعلم غير المدعوم.
3.3.2 النمذجة البرمجية لمحرك تآكل السقالات (Fading Decay Engine)¶
يقوم هذا المكون بحساب المعامل الديناميكي وتحديد طبيعة التدخل البيداغوجي المتاح في اللحظة الراهنة.
# =====================================================================
# Academic Module: fading_decay_engine.py
# Scope: codebase/complet/learning
# Doctoral Research: AI Agent MathAgent - Chapter 03 (Section 3.3)
# =====================================================================
from typing import Dict, Any
# START: REF_FADING_DECAY_CALCULATOR
class FadingDecayCalculator:
"""
المحرك التفاضلي لتآكل الدعم السقراطي وحساب أوزان مؤشر التلاشي (Dynamic Fading Index).
يقلص مساحة تدخل الوكيل الذكي طردياً مع تنامي كفاءة واستقلالية الطالبة.
"""
GAMMA_GROWTH: float = 0.25 # معامل نمو الاستقلالية
LAMBDA_ERROR: float = 0.35 # معامل الارتداد عند الخطأ
MU_HINT_COST: float = 0.15 # تكلفة طلب السقالة
@classmethod
def compute_fading_coefficient(
cls,
current_fading: float,
is_success: bool,
error_count: int,
hints_requested: int
) -> Dict[str, Any]:
"""
حساب القيمة اللحظية المحدثة لمؤشر التلاشي وتحديد مستوى السقالة المسموح بها.
"""
f = max(0.0, min(1.0, current_fading))
# تطبيق المعادلة التفاضلية المنفصلة
delta_success = cls.GAMMA_GROWTH * (1.0 - f) if is_success else 0.0
delta_error = cls.LAMBDA_ERROR * f * min(1.0, error_count * 0.5)
delta_hints = cls.MU_HINT_COST * min(1.0, hints_requested * 0.4)
updated_fading = max(0.0, min(1.0, f + delta_success - delta_error - delta_hints))
# تصنيف مستوى الإتاحة البيداغوجية
if updated_fading >= 0.80:
scaffold_policy = "ZERO_SCAFFOLD_AUTONOMOUS"
elif updated_fading >= 0.45:
scaffold_policy = "METACONCEPTUAL_FOCUS_ONLY"
else:
scaffold_policy = "FULL_THREE_TIER_SCAFFOLDING"
return {
"previous_fading_index": round(f, 3),
"updated_fading_index": round(updated_fading, 3),
"scaffold_policy": scaffold_policy,
"is_autonomous_ready": updated_fading >= 0.80
}
# END: REF_FADING_DECAY_CALCULATOR
3.4 بروتوكولات إدارة الانتكاس المعرفي واستعادة السقالات الارتدادية (Regression Recovery)¶
3.4.1 فسيولوجيا الانتكاس ومصيدة الإحباط الأكاديمي¶
لا يسير التعلم البشري في خط تصاعدي مستمر؛ إذ تتعرض الطالبات في سن المراهقة المبكرة لظاهرة الانتكاس الديداكتيكي الطارئ (Sudden Didactic Regression) عند الانتقال الفجائي إلى مستويات تجريد أعلى (مثل الانتقال من الأنماط العددية البسيطة إلى صياغة المعادلات الخطية بدلالة متغير \(x\)).
إذا كان نظام التدريس الذكي يطبق استراتيجية تلاشٍ خطية غير مرنة، فإن سحب الدعم في لحظة ارتباك مفاهيمي يؤدي إلى ارتفاع حاد في مستوى التوتر الإدراكي (Cognitive Frustration)، مما يترتب عليه انسحاب المتعلمة من المهمة كلياً.
مستوى السقالة
▲
│ /─── الانتكاس المعرفي (عقبة غير متوقعة)
│ │
مكثف ─┤───────\ ▼ (تدخل ارتدادي استباقي)
│ \ ┌──────────────┐
وسيط ─┤ \────────/───────▶│ إعادة بناء │─────\
│ │ السقالة فوراً │ \
منعدم ─┴──────────────────────────└──────────────┘───────\──────▶ الزمن
استعادة المسار
3.4.2 آلية الاستعادة الارتدادية الفورية (Dynamic Rollback Protocol)¶
يضع نموذج MathAgent بروتوكولاً حتمياً للأمان التربوي يُعرف بـ الاستعادة الارتدادية للسقالات (Scaffolding Rollback):
- رصد تعثرين متتاليين في العقد الفرعية المتصلة بالمفهوم ذاته.
- التجميد المؤقت لمؤشر التلاشي وحمايته من التآكل العقابي الجائر.
- التفعيل الفوري والآلي لسقالات المستوى الأول التفكيكية لترميم الفجوة الميتامعرفية دون إشعار الطالبة بالفشل.
# =====================================================================
# Academic Module: regression_recovery_handler.py
# Scope: codebase/complet/learning
# Doctoral Research: AI Agent MathAgent - Chapter 03 (Section 3.4)
# =====================================================================
from typing import Dict, Any, List
# START: REF_REGRESSION_RECOVERY
class RegressionRecoveryGovernor:
"""
محرك حوكمة الانتكاس المعرفي وإدارة التراجع الآمن للسقالات (Scaffolding Rollback Guard).
يحمي المتعلمة من الإحباط عند مواجهة حواجز ديداكتيكية مفاجئة.
"""
MAX_CONSECUTIVE_FAILURES: int = 2
def __init__(self):
self._failure_window: List[str] = []
def record_step_result(self, node_id: str, success: bool) -> Dict[str, Any]:
"""
تسجيل نتيجة العقدة والتحقق من الحاجة لإطلاق بروتوكول التراجع الارتدادي.
"""
if success:
self._failure_window.clear()
return {
"rollback_triggered": False,
"action": "PROCEED_NORMAL_FLOW"
}
self._failure_window.append(node_id)
if len(self._failure_window) >= self.MAX_CONSECUTIVE_FAILURES:
return self.trigger_scaffolding_rollback()
return {
"rollback_triggered": False,
"consecutive_failures": len(self._failure_window),
"action": "WARNING_SOFT_HESITATION"
}
def trigger_scaffolding_rollback(self) -> Dict[str, Any]:
"""
إطلاق بروتوكول استعادة السقالة وإعادة تعيين مؤشر الدعم لحماية الطالبة.
"""
affected_nodes = list(self._failure_window)
self._failure_window.clear()
return {
"rollback_triggered": True,
"action": "RESTORE_FULL_TIER1_SCAFFOLD",
"enforced_fading_reset": 0.25,
"affected_subgraph": affected_nodes,
"didactic_rationale": "DIDACTIC_REGRESSION_REMEDY_ACTIVATED"
}
# END: REF_REGRESSION_RECOVERY
3.5 خلاصة الفصل الثالث والتمهيد المعماري للفصل الرابع¶
يقدم هذا الفصل إسهامات سيكولوجية وعصبية محورية في صلب أطروحة الدكتوراه:
- إثبات تفوق المستويين البنائي والتفاعلي وفق إطار ICAP في تشييد المخططات الذهنية للرياضيات، وحظر المستويات السلبية التي تكرسها النظم التوليدية غير المنضبطة.
- توظيف آليات اللدونة المشبكية والاسترجاع المتباعد لضمان استدامة الأثر التعليمي في الذاكرة طويلة المدى ومكافحة الانحدار الزمني السريع للنسيان.
- اشتقاق وبرمجة خوارزمية مؤشر التلاشي التدريجي (Fading Index) التي تضمن انسحاب الذكاء الاصطناعي كلما برهنت الطالبة على نضج كفاءتها المستقلة، مع تأمين شبكة أمان عبر بروتوكول الاستعادة الارتدادية لمنع الإحباط.
يمهد هذا الضبط السيكولوجي والعصبي الانتقال المباشر نحو الفصل الرابع، حيث سندرس مبادئ التصميم الشامل للتعلم (Universal Design for Learning - UDL)، والتكيف مع التنوع العصبي وصعوبات القراءة (عسر القراءة - Dyslexia) وتشتت الانتباه (ADHD)، وهندسة التغذية الراجعة اللمسية المتزامنة (Haptic Feedback).