فاعلية هندسة التلقينات التوليدية في تطوير استجابات نماذج اللغة في السياقات البحثية العربية

استهدف البحث تحسين الكتابة الأكاديمية باستخدام هندسة التلقين بنماذج الذكاء الاصطناعي التوليدية مثل ChatGPT وتقنيات "Few-shots" و"Chain of Thoughts" وذلك باستكشاف فاعلية تقنيات هندسة التلقين المتقدمة في تحسين جودة نماذج اللغة الكبيرة (LLMs)، وتحديد التحديات التي تواجه فهم هذه التقنية وتطبيقها. واقتراح إطار عمل لتضمينها في المناهج التعليمية. واتبع البحث المنهجين الوصفي وشبه تجريبي، وذلك بمراجعة الأدبيات، ثم اختبار تلقينات مخصصة بمشاركة باحثين وطلاب أسهموا بتعليقاتهم التحسينية للتلقينات. وتم تحليل أثر تقنيات التلقين الصفري، والتلقين بلقطات قليلة، والتلقين المتسلسل، والتلقين القائم على الدور في جودة الاستجابات لمهام تعليمية باللغة العربية. وأظهرت النتائج أن التلقينات المتقدمة وخاصة التلقين المتسلسل، والتلقين القائم على الدور أدت إلى تحسن ملحوظ في دقة الاستجابات، وشموليتها، ووضوحها، وملاءمتها مقارنة بالتلقين الصفري. وكشفت النتائج عن وجود فروق ذات دلالة إحصائية بين فاعلية هذه التقنيات، ورصدت العديد من التحديات الرئيسية، ومنها التحديات اللغوية، والثقافية، والأخلاقية، والتدريبية، والتمويلية، وقدمت إرشادات عملية لتعزيز التفاعل الفعال مع الذكاء الاصطناعي في التعليم. وأوصى البحث بتبني تقنيات هندسة تلقين متقدمة بدمج مهاراتها في البرامج التدريبية، ودمج الذكاء الاصطناعي بفعالية في البحث الأكاديمي لتعزيز الكتابة البحثية بالذكاء الاصطناعي في الأوساط الأكاديمية.