وحدة الذكاء الاصطناعي · مكمّلة للأسابيع الـ12 · نحو 4 ساعات

المتابعة والتقييم والمساءلة والتعلّم (MEAL) بالاستعانة بالذكاء الاصطناعي

الميني MBA البرامج وMEAL

أهداف الوحدة
  • استخدام الذكاء الاصطناعي لتسريع التحليل النوعي والكمي مع الحفاظ على نتائج قابلة للتحقق.
  • قياس موثوقية الترميز بمساعدة الذكاء الاصطناعي عبر الترميز المزدوج لعيّنة.
  • حماية بيانات المشاركين في المسوح ومقدّمي الشكاوى في كل مرحلة.

تكمّل هذه الوحدة الأسابيع الاثني عشر للبرنامج. لا تضيف أي امتحان: تُنال الشهادات والدبلوم كما في السابق. الأدوات موصوفة كما هي معروفة في نوفمبر 2026، وهي تتغيّر بسرعة.

1أين يساعد الذكاء الاصطناعي فريق MEAL

في دورة MEAL، يفيد الذكاء الاصطناعي التوليدي في المهام المتكررة المتعلقة بالنصوص والبنية:

  • التحليل النوعي: اقتراح دليل ترميز أولي انطلاقًا من 50 إجابة مفتوحة، تصنيف الشهادات، تلخيص مجموعات النقاش المركّزة.
  • أدوات الجمع: مراجعة استبيان (أسئلة مزدوجة أو موجِّهة أو طويلة جدًا)، اقتراح خيارات للإجابة، المساعدة في كتابة منطق استمارة KoboToolbox أو ODK.
  • التحليل الكمي: كتابة معادلات Excel أو برامج R أو Python، شرح اختبار إحصائي.
  • عرض النتائج: مسودة أولى لتقرير أو لبطاقة موجزة أو لرسائل أساسية موجّهة إلى المجتمعات.

لكنه غير موثوق في إنتاج الأرقام: سؤال مساعدٍ قرأ ملفًا «ما نسبة الرضا؟» قد يعطي نتيجة خاطئة. اجعل الحساب يتمّ بمعادلة أو برنامج يمكنك قراءته وإعادة تشغيله.

2الترميز النوعي بمساعدة الذكاء الاصطناعي: المنهج

  1. إخفاء الهوية في الإجابات قبل أي إرسال: حذف الأسماء والأرقام والأماكن الدقيقة والتفاصيل الكاشفة للهوية.
  2. بناء دليل الترميز مع الذكاء الاصطناعي على عيّنة، ثم مراجعته جماعيًا: تعريفات واضحة، أمثلة، رمز «أخرى».
  3. ترميز المجموعة كاملة بالذكاء الاصطناعي بعد تزويده بدليل الترميز.
  4. التحقق: يرمّز محلّل يدويًا عيّنة عشوائية (مثلًا 10٪، و50 إجابة على الأقل) وتُحسب نسبة الاتفاق. إذا قلّت عن نحو 80٪، تُراجع التعريفات ويُعاد الترميز.
  5. التوثيق في التقرير: الأداة المستخدمة، حجم العيّنة المتحقَّق منها، نسبة الاتفاق، الحدود.

انتبه إلى اللغات: كثيرًا ما يفهم النموذج الإجابات باللغات المحلية أو المكتوبة صوتيًا بدرجة أقل؛ تحقّق من هذه الإجابات أكثر.

3البيانات الكمية: التنظيف والحساب دون اختلاق

ممارسات جيدة:

  • اطلب من الذكاء الاصطناعي الشيفرة أو المعادلة لا النتيجة. مثال: «اكتب معادلة Excel تحسب عدد الأسر التي يقلّ مؤشر استهلاكها الغذائي عن 21».
  • اختبر الشيفرة على عيّنة صغيرة تعرف نتيجتها.
  • احتفظ بسجلّ: برنامج مع تعليقات، نسخة البيانات، خطوات التنظيف (التكرارات، القيم الشاذة، التناقضات).
  • لا ترسل أبدًا قاعدة البيانات الخام مع المعرّفات إلى أداة عامة؛ اعمل على قاعدة مجهولة الهوية أو بحساب مهني معتمد.

لترجمة استبيان، يمكن للذكاء الاصطناعي إنتاج مسودة أولى، لكن الترجمة العكسية والاختبار مع بعض المشاركين يبقيان ضروريين: كلمة سيئة الاختيار قد تغيّر معنى مؤشر.

4الشكاوى والتغذية الراجعة والبيانات الحساسة

تتلقى آليات الشكاوى والتغذية الراجعة أحيانًا رسائل شديدة الحساسية: الاستغلال والاعتداء والتحرّش الجنسي (PSEA)، الاحتيال، التهديدات. القواعد:

  • بلاغات الاستغلال والاعتداء الجنسيين أو الاحتيال الجسيم أو التهديدات يعالجها أشخاص مدرَّبون وفق الإجراء السرّي، ولا تُلصق أبدًا في أداة ذكاء اصطناعي.
  • أما التغذية الراجعة المعتادة (مواعيد التوزيع، جودة مادة ما)، فقد يساعد التصنيف بمساعدة الأداة، بحساب مهني، بعد إخفاء الهوية، ومع رقابة بشرية على الفئات «الحساسة».
  • يجب ألا يُخفي أي نظام آلي شكوى: كل رسالة تتلقى إشعارًا بالاستلام ومتابعة.

تذكّر: الأشخاص الذين يشتكون كثيرًا ما يتحمّلون خطرًا. والثقة في الآلية تعتمد على السرّية.

5التقارير ولوحات المتابعة وأخلاقيات التقييم

يمكن للذكاء الاصطناعي اقتراح بنية تقرير، أو إعادة الصياغة لجمهور غير متخصص، أو تلخيص النتائج في رسائل أساسية. لكن:

  • كل رقم في التقرير يجب أن يأتي من تحليلك مع مصدره.
  • اقتباسات المشاركين يجب أن تكون حقيقية، لا مولَّدة ولا «محسَّنة».
  • يبقى التقييم مستقلًا: لا تدع الأداة تلطّف النتائج السلبية.
  • اذكر في المنهجية استخدام الذكاء الاصطناعي وحدوده، كما تفعل مع برنامج إحصائي.

وأخيرًا، أعد عرض النتائج على المجتمعات بلغتها: قد يساعد الذكاء الاصطناعي في تبسيط رسالة، لكن عضوًا في الفريق يتحدث اللغة يعتمد النسخة النهائية.

تمرين: التحقق من ترميز بمساعدة الذكاء الاصطناعي

الوضع. جمع مسح ما بعد التوزيع 640 إجابة مفتوحة. رمّزها الذكاء الاصطناعي وفق دليل ترميز من 8 مواضيع. تعيد ترميز عيّنة عشوائية من 64 إجابة يدويًا: تتفق مع الذكاء الاصطناعي في 50 منها. ومن بين حالات الاختلاف الأربع عشرة، تتعلق 9 بإجابات باللغة المحلية.

الأسئلة. 1) ما حجم العيّنة كنسبة مئوية؟ 2) ما نسبة الاتفاق؟ 3) ماذا تفعل؟

الحل. 1) 64 / 640 = 10٪. 2) 50 / 64 ≈ 78٪، أي أقل من عتبة 80٪ تقريبًا. 3) مراجعة تعريفات الرموز المعنية، وإسناد ترميز الإجابات باللغة المحلية إلى محلّل يتحدثها (9 من أصل 14 اختلافًا، أي نحو 64٪)، ثم إعادة الترميز والتحقق من عيّنة جديدة؛ وتوثيق الإجراء ونسبة الاتفاق النهائية في التقرير.

خلاصة

  • يساعد الذكاء الاصطناعي في الترميز والهيكلة والصياغة؛ أما الأرقام فتأتي من معادلات أو برامج يمكن مراجعتها.
  • إخفاء الهوية قبل أي إرسال؛ ولا قاعدة بيانات خام بمعرّفات في أداة عامة أبدًا.
  • التحقق من الترميز بترميز مزدوج لعيّنة، واستهداف نسبة اتفاق لا تقل عن 80٪ تقريبًا.
  • الشكاوى الحساسة (الاستغلال والاعتداء الجنسيان، الاحتيال، التهديدات) يعالجها أشخاص مدرَّبون، لا الذكاء الاصطناعي.
  • اقتباسات حقيقية، ونتائج غير ملطَّفة، وذكر استخدام الذكاء الاصطناعي في المنهجية.

اختبار التقييم الذاتي

6 أسئلة للتقييم الذاتي، تُصحَّح فورًا. لا تُحتسب في الامتحانات.

1للحصول على نسبة رضا موثوقة من قاعدة بيانات، الأفضل:
2عيّنة تحقق من 64 إجابة، و50 حالة اتفاق. نسبة الاتفاق:
3وصل بلاغ عن استغلال جنسي عبر خط الشكاوى. ماذا تفعل؟
4بعد ترجمة استبيان بالذكاء الاصطناعي، الخطوة الضرورية هي:
5هل يمكن أن نطلب من الذكاء الاصطناعي جعل اقتباسات المشاركين «أكثر تأثيرًا»؟
6أي الإجابات يجب التحقق منها أكثر بعد ترميز بمساعدة الأداة؟
للتعمّق أكثر

يتناول برنامج Mini MBA الذكاء الاصطناعي والعمل الإنساني (Claude وGemini) هذه المواضيع بعمق خلال 12 أسبوعًا.

عرض برنامج الذكاء الاصطناعي