ماذا نعني بشركة AI-native؟
يعني ذلك أن الذكاء الاصطناعي يدخل في القرارات الأساسية لتصميم المنتج: كيف يسأل الطالب، وكيف يتغير الشرح مع محاولته، وكيف يعود إلى المصدر، وكيف ترتبط المحادثة بالتدريب. يبدأ التصميم من إمكان وجود معلّم قادر على الحوار وفهم اللغة، ثم يحيط هذه الإمكانات بخدمات وقواعد وسياق تعليمي محدد.
ويمتد هذا إلى طريقة عمل الشركة. نستخدم AI في البحث والتحليل، والمساعدة على كتابة البرمجيات ومراجعتها، واستكشاف التجارب وإعداد مواد العمل. نحتفظ بالقرار البشري حول الغاية والقبول، ونرجع إلى المصادر والاختبارات عندما يكون المطلوب حقيقة أو سلوكًا يمكن التحقق منه. الناتج السريع يفتح مساحة للتجربة؛ قبول الناتج يحتاج حكمًا مسؤولًا.
الذكاء الاصطناعي في قلب رحلة الطالب
المحادثة تتيح للطالب أن يصف حيرته بكلماته، وأن يسأل عن سطر بدل إعادة شرح الدرس كله. وقد يحتاج في لحظة إلى تفسير مباشر، وفي لحظة أخرى إلى سؤال يساعده على اكتشاف الفكرة. لذلك ننظر إلى استخدام AI بوصفه تنسيقًا للحوار والمصادر والأدوات ضمن غرض تعليمي، مع مساحة للطالب ليحاول.
مثلًا، عند سؤال في التفاضل، قد تكون الحاجة إلى فهم معنى المشتقة، أو إلى مهارة جبرية داخل الحل. قيمة التجربة في تحديد نوع المساعدة وتقديمها في سياق المادة، ثم إتاحة فرصة أخرى للطالب. الشرح الجيد جزء من هذه الرحلة؛ المحاولة التالية هي التي تعطينا دليلًا إضافيًا على فهمه. المثال يشرح منهج التصميم، ولا يعرض نتيجة لطالب حقيقي.
المنهاج والمهارات يمنحان AI سياقًا
السؤال ينتمي إلى مادة وصف وفرع وطبعة، وله لغة ورموز وترتيب تعليمي. نربط الشرح بهذا السياق حتى يستطيع الطالب الرجوع إلى ما يدرسه، وحتى يكون الحديث عن المهارة أدق من الحديث عن عنوان درس واسع. السياق يحدد مادة العمل؛ لا نعطي المحتوى المسترجع سلطة تغيير تعليمات النظام.
وتسمح هوية المهارة بتمييز المفهوم من موضع تدريسه. قد يظهر المفهوم نفسه في أكثر من صف أو منهاج، بينما تتغير الأمثلة والتوقعات والمتطلبات السابقة. هذه العلاقة تجعل الرؤية الإقليمية أكثر من ترجمة واجهة: لكل سياق محتواه وترتيبه، وتبقى المفاهيم قابلة للربط وفق علاقات محددة ومراجعة.
قوة النموذج تعمل داخل حدود واضحة
يشرح النموذج ويطرح أسئلة وينسّق استخدام الأدوات. أما تصحيح الاختيار من متعدد وقياس الإتقان فيتبعان قواعد ومحركات محددة. لا تصبح الجملة الواثقة دليلًا على درجة، ولا تتحول إجابة مقنعة لغويًا إلى إثبات أن الطالب يستطيع الحل باستقلال. نحتاج إلى معرفة مصدر الحكم ومدخلاته ومعنى المحاولة.
ونتعامل مع جودة AI بحسب المهمة: فهم العربية، ودقة المعنى الرياضي، والالتزام بالمصدر، وصحة استخدام الأدوات، وملاءمة الشرح للطالب. تختلف مسؤولية المعلّم عن مسؤولية الممتحن والمصحح؛ لذا تختلف معايير التقييم والسياق والأدوات. منهج تقييم النماذج بحسب الدور يشرح هذا المبدأ بصورة أوسع.
هدفنا: عشرات آلاف الطلاب خلال أول ستة أشهر
نستهدف الوصول إلى عشرات آلاف الطلاب خلال أول ستة أشهر من الإطلاق. هذا هدف نمو، وليس عدد مستخدمين حاليين أو التزامًا بنتيجة مضمونة. البداية مرتبطة بالمنهاج الفلسطيني واحتياجات التوجيهي، ضمن رؤية لخدمة الطلاب في دول الخليج. شكل الإتاحة لكل سوق يتبع ملاءمة المحتوى والتجربة.
ونتوقع أن يكون استخدام AI متكررًا داخل جلسات الشرح والممارسة، لا مقتصرًا على طلب استثنائي من الطالب. لذلك نضع الجودة والزمن والتكلفة ضمن تصميم التجربة: قياس الاستخدام، وحدود واضحة، وسياق مناسب للمهمة، وفحص السلوك عند الإعادة أو التعطل. خدمة جمهور واسع تحتاج تجربة يمكن تشغيلها بصورة منضبطة، إلى جانب قدرة النموذج على إنتاج جواب جيد.
المعلّم والمؤسسة جزء من المستقبل الذي نبنيه
الطالب هو قلب التجربة، وخبرة المعلّم تساعد على معرفة أين يلتبس المفهوم وأي شرح يناسب الصف. الأسرة تحتاج إلى فهم احتياج الطالب وخطوته التالية، والمؤسسة تحتاج إلى تجربة تتصل بمنهاجها وأهدافها. لهذا تشمل رؤيتنا الطلاب والأسر B2C، والمدارس والمؤسسات B2B، والتعاون مع أنظمة التعليم B2G.
هذه مسارات قيمة وتعاون؛ لا تعني وجود عقود أو شراكات معلنة. نريد أن تساعد التقنية على توسيع الوصول إلى دعم فردي مفيد، وأن تترك للمعلم والمؤسسة دورًا في اختيار الغاية والمحتوى وتفسير الدليل. رؤيتنا عبر الطلاب والمعلمين والمؤسسات تتناول العلاقة بين هذه الأطراف.
نشارك في بناء المستقبل، ونقيس قيمة ما نبنيه
ما نريد إضافته إلى EdTech هو ترابط رحلة التعلّم: مصدر يمكن الرجوع إليه، وشرح يستجيب للسؤال، ومحاولة لها معنى، وتغذية راجعة تساعد على قرار تالٍ. الذكاء الاصطناعي يفتح إمكانات أوسع للغة والتفاعل؛ هندسة المنصة تضبط علاقتها بالمحتوى والأدلة والقواعد.
نجاح هذه الرؤية لا يُقاس بطول الجواب أو عدد الرسائل وحدهما. نسأل أيضًا: هل كانت المساعدة مناسبة؟ وهل استطاع الطالب تطبيق الفكرة في محاولة أخرى؟ جودة مخرجات النموذج وأثرها على التعلّم سؤالان نميّز بينهما. نشارك في بناء مستقبل EdTech بتجربة قابلة للفحص والتحسين، وبطموح الوصول إلى الطلاب دون اختراع نتائج تعليمية لم تُثبت.
المصادر والسياق
- Warda product strategy
رؤية المشروع: رحلة تربط المنهاج والشرح والمحاولة والتغذية الراجعة، مع قيمة للطالب والمعلم والأسرة والمؤسسة.
- Warda architecture principles
فصل دور النموذج عن قواعد التصحيح وقياس الإتقان، وحفظ أحداث التعلّم، وقياس استخدام AI وتكلفته.
- Warda engineering decision records
قرارات هوية المهارات، والسياق المرتبط بالدرس، وأدوار المعلّم، وحدود اختيار النماذج. مقالات القسم الهندسي تشرح هذه القرارات بصورة أعمق.
- Warda founder’s direction
هوية AI-native، والمشاركة في بناء مستقبل EdTech، واستهداف عشرات آلاف الطلاب في أول ستة أشهر من الإطلاق هي توجهات وأهداف المشروع المعتمدة من المؤسس.
توضح المصادر هنا الأدلة أو المواصفات أو سلوك المنتجات بحسب نوعها؛ لا يعني الاستشهاد بها أنها اختبرت وردة أو تثبت فاعليتها.