منصة تعلّم تكيّفي مدعومة بالذكاء الاصطناعي

نظام تعلّم تكيّفي ذكي يخصّص تجربة كل طالب ديناميكيًا عبر اختيار الأسئلة بالذكاء الاصطناعي والتصحيح الآلي وتتبّع المهارات لحظيًا — وليس منصة دورات ثابتة.

العميل
المؤسسات التعليمية
المجال
الذكاء الاصطناعي وتقنيات التعليم
التقنيات المستخدمة
Node.js · React · OpenAI API · Mathpix OCR · MongoDB · Redis · Docker

نظرة عامة

المؤسسات التعليمية

بنيت نظام تعلّم تكيّفيًا يعتمد في جوهره على الذكاء الاصطناعي لتخصيص تجربة التعلّم لكل طالب ديناميكيًا. لا تقدّم المنصة محتوى ثابتًا — بل تفهم مستوى الطالب في الوقت الفعلي وتختار السؤال المناسب في اللحظة المناسبة باستخدام نماذج رياضية والذكاء الاصطناعي. يجمع المحرك الأساسي بين نظرية الاستجابة للمفردة (IRT) ونموذج لوجستي ثلاثي المعاملات لتقدير قدرة الطالب باستمرار، وتتبّع بايزي يرصد تقدّم الطالب مع كل إجابة، وخوارزمية متعددة العوامل لاختيار الأسئلة توازن بين صعوبة السؤال وأداء الطالب وتوزيع استخدام الأسئلة لمنع التكرار والتحيّز.

التحدي

ما الذي لم يكن يعمل

تقدّم المنصات التعليمية التقليدية المحتوى نفسه لكل الطلاب بغضّ النظر عن مستوياتهم. وإعداد الأسئلة يدويًا بطيء ومكلف، والتصحيح ثنائي (صح/خطأ) دون ملاحظات مفيدة. ولم يكن هناك نظام قادر على تقييم الطلاب في الوقت الفعلي، وتوليد الأسئلة على نطاق واسع، وتقديم ملاحظات ذكية، وتعديل مستوى الصعوبة ديناميكيًا في آنٍ واحد — مع خدمة آلاف المستخدمين المتزامنين.

الحل

ما الذي بنيته

بنيت نظام ذكاء اصطناعي متعدد الطبقات: 1. مسار توليد المحتوى: حوّلت إعداد الأسئلة من عملية يدوية بطيئة إلى مسار آلي — PDF ← تحويل إلى صور ← تخطيط بصري للمحتوى ← Mathpix OCR ← تحليل بالنماذج اللغوية (LLM) ← مراجعة ← إدراج في بنك الأسئلة. وقد أتاح ذلك توليد آلاف الأسئلة بسرعة وبجزء بسيط من التكلفة. 2. الاسترجاع والتوليد الواعي بالسياق: ربطت النموذج بقاعدة بيانات الأسئلة وبسياق كل مادة (على غرار RAG)، فلا يعتمد على مدخلات الطالب فحسب، بل على سجل أدائه وبياناته أيضًا. 3. التصحيح الآلي بالنماذج اللغوية: بنيت نظام تصحيح غير ثنائي يدعم الدرجات الجزئية ويولّد ملاحظات مفصّلة تساعد الطلاب على فهم أخطائهم. 4. هندسة الأوامر والتحكم: صمّمت أوامر (Prompts) مختلفة لكل نوع سؤال (اختيار من متعدد / مقالي / رياضيات)، وضبطت مخرجات النموذج للحد من الهلوسة، وحسّنتها وفق السياق (مستوى الطالب + المادة + الصعوبة). 5. الأداء والتوسّع: يُختار السؤال في أقل من 50 مللي ثانية، مع استرجاع محسّن من بنوك أسئلة ضخمة، وتخزين مؤقت عبر Redis لتقليل زمن الاستجابة، والتعامل مع آلاف المستخدمين المتزامنين.

التقنيات

عدد المكونات: 07

دور كل جزء في النظام، من الشاشات التي يعمل عليها الفريق إلى الخدمات التي ترسل الرسائل والتقارير.

الخادمNode.jsواجهة البرمجة وقواعد العمل والصلاحيات
الواجهةReactتطبيق الويب الذي يعمل عليه الفريق
خدمة الذكاء الاصطناعيOpenAI APIيطابق الخيارات ويرتّبها لكل ملف
أداةMathpix OCR
البياناتMongoDBسجلات المستندات وتاريخها
أداةRedis
أداةDocker
دراسة الحالة التالية · 03 · وكلاء الذكاء الاصطناعي وأتمتة التسويقLuna – منصة وكيل التسويق بالذكاء الاصطناعيافتح دراسة الحالة