توظيف الذكاء الاصطناعي في تحليل البيانات التربوية دراسة تطبيقية على نموذج تدريسي قائم على التفكير التصميمي والنمذجة الرياضية الاجتماعية الناقدة Utilizing Artificial Intelligence in Educational Data Analysis: An Applied Study on an Instructional Model Based on Design Thinking and Critical Socio-Mathematical Modeling | ||||
| مجلة تربويات الرياضيات | ||||
| Volume 28, Issue 3, April 2025, Page 41-110 PDF (2.18 MB) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/armin.2025.433734 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
| سلمي الرشيدي1; محمد النذير2 | ||||
| 1مرشح للدكتوراة - جامعة الملك سعود | ||||
| 2أستاذ جامعة الملك سعود | ||||
| Abstract | ||||
| هدف هذا البحث إلى استكشاف فاعلية توظيف الذكاء الاصطناعي في تحليل البيانات التربوية من خلال دراسة تطبيقية على نموذج تدريسي قائم على التفكير التصميمي والنمذجة الرياضية الاجتماعية الناقدة، وقياس أثر هذا النموذج في تنمية مهارات التفكير المنتج والدافعية نحو تعلم الرياضيات لدى طالبات الصف الأول المتوسط. اتبع البحث المنهج المختلط (الكمي والنوعي)، حيث تم بناء النموذج التدريسي استنادًا إلى تحليل الأدبيات والنماذج العالمية في مجالي التصميم التعليمي والعدالة الاجتماعية، ثم تم تطبيق النموذج داخل بيئة صفية واقعية. تكونت العينة من (64) طالبة، وُزعت بالتساوي إلى مجموعتين: تجريبية درست بالنموذج المطور، وضابطة درست بالطريقة التقليدية. جمعت البيانات الكمية باستخدام اختبار التفكير المنتج ومقياس الدافعية، وتم تحليلها باستخدام اختبار ت للعينة المستقلة والمرتبطة، واختبار Levene لتجانس التباين، مع حساب حجم الأثر. أما البيانات النوعية فجمعت عبر المقابلات الفردية، مجموعات التركيز، الملاحظات الصفية، وتحليل المحادثات الصفية. واستُخدمت تقنيات الذكاء الاصطناعي، خصوصًا معالجة اللغة الطبيعية (NLP) في بيئة Python وGoogle Colab، لتحليل النصوص واستخلاص الأنماط المتكررة، المفاهيم الرئيسة، وتحليل المشاعر. أظهرت النتائج فروقًا ذات دلالة إحصائية لصالح المجموعة التجريبية في كل من مهارات التفكير المنتج (الاستنتاج، التنبؤ، التفسير، الأصالة، الطلاقة)، ومستوى الدافعية نحو تعلم الرياضيات. كما كشفت التحليلات النوعية عن تفاعل إيجابي من الطالبات، تحسن في الحافزية الذاتية، والقدرة على التطبيق الواقعي للمفاهيم. وقد ساهمت هذه النتائج في تطوير النموذج التدريسي بما يعكس احتياجات الطالبات ويدمج بين أساليب التفكير الإبداعي والتحليل النقدي. وتبرز الدراسة أهمية دمج أدوات الذكاء الاصطناعي في البحث التربوي، لا سيما في تحليل البيانات النوعية، بما يدعم اتخاذ قرارات تعليمية مبنية على تحليل ذكي وواقعي، ويعزز من تصميم بيئات تعليمية عادلة وفعالة. This study explores the effectiveness of employing Artificial Intelligence (AI) in analyzing educational data through an applied investigation of an instructional model grounded in design thinking and critical socio-mathematical modeling. Specifically, it examines the model’s impact on developing productive thinking skills and enhancing motivation toward learning mathematics among first-grade middle school female students. A mixed-methods approach was adopted, integrating both quantitative and qualitative methodologies. The instructional model was designed based on a comprehensive review of the literature and international educational frameworks that incorporate design-based learning and principles of social justice. It was then implemented in a real classroom setting. The sample comprised 64 students, equally divided into an experimental group—taught using the proposed model—and a control group—taught via traditional methods. Quantitative data were collected using a productive thinking skills test and a motivation scale. These were analyzed using independent and paired sample t-tests, Levene’s test for variance homogeneity, and effect size calculations. Qualitative data were gathered through interviews, focus groups, classroom observations, and transcript analysis. AI techniques, particularly Natural Language Processing (NLP) with Python via Google Colab, were applied to identify recurring patterns, emerging themes, and to conduct sentiment and thematic analysis. The findings indicated statistically significant improvements in the experimental group across all dimensions of productive thinking—namely inference, assumption prediction, interpretation, originality, and fluency—as well as in motivation toward learning mathematics. Qualitative insights further revealed enhanced student engagement, increased self-motivation, and greater ability to apply mathematical concepts to real-world contexts. The model was refined based on these qualitative findings to better align with learners’ needs. | ||||
| Keywords | ||||
| نموذج تدريسي; التفكير التصميمي; النمذجة الرياضية; مهارات التفكير المنتج; الدافعية; الذكاء الاصطناعي; التحليل النوعي | ||||
|
Statistics Article View: 194 PDF Download: 151 |
||||
