تدريب AIGC عبر الإنترنت يدعم قدرات المتسابقين على تطبيق التقنية

تقرير تدريبي تاريخي: يستعرض دورة AIGC التي عُقدت خلال 15–17 مايو 2024. تُحفظ المناصب ومعلومات المقرر وواجهات الأدوات في سياقها الأصلي؛ وليس هذا إعلاناً حالياً عن دورة أو تسجيل.

لمساعدة المشاركين على إعداد تصاميم عالية الجودة وتطوير مهاراتهم التنافسية وإبداعهم، نظمت اللجنة المنظمة للمسابقة العالمية السابعة لتصميم تعليم المستقبل تدريباً عبر الإنترنت على المحتوى المولّد بالذكاء الاصطناعي (AIGC) خلال 15–17 مايو 2024. شارك متسابقون من دول ومناطق مختلفة لتنمية قدرتهم على تطبيق التقنية.

المحاضرون وترتيبات التعلم

• وانغ هوانهوان (WANG Huanhuan): وصفها النص الصيني الأصلي وتقرير SLI بأنها باحثة مساعدة بجامعة بكين للمعلمين وجهة الاتصال لكرسي اليونسكو للذكاء الاصطناعي في التعليم، بينما استخدم الأصل الإنجليزي وصف أستاذة مساعدة. تُحفظ الصيغتان كسجلين لمصادر عام 2024.
• دا تينغ (DA Ting): باحثة ما بعد الدكتوراه بجامعة بكين للمعلمين.
• تشانغ ران (ZHANG Ran): عرّفه الأصل الصيني بأنه المدير التقني لشركة 天宝莅德电子科技（上海）有限公司، والإنجليزي بأنه المدير التقني لـSketchUp في الصين الكبرى لدى Trimble Inc. حُذف تكرار عبارة Technical Director في الإنجليزية مع حفظ معلومات الجهة والمنصب في النصين.

جمع التدريب بين التعلم المتزامن وغير المتزامن ليتمكن المشاركون من الدراسة بمرونة وفق وقتهم. قدمت وانغ هوانهوان ودا تينغ دعماً نظرياً وإرشاداً عملياً، وأسهم تشانغ ران بخبرة تقنية مستمدة من عمله مديراً تقنياً وخبرته الصناعية الواسعة. تعكس العبارات عن كفاءة التعلم تصميم الدورة والتقرير الأصليين.

15 مايو: أساسيات AIGC وإطار الدورة

تعرّف المشاركون إلى إطار الأيام الثلاثة وأساسيات AIGC ومبادئه، وكيفية استخدام الأدوات لدعم تصاميم المسابقة. وقدمت الشرائح تصنيفاً للنماذج اللغوية الكبيرة لتوضيح سياقات الاستخدام المختلفة.

التصنيف التعليمي ذي المستويات الثلاثة في نص

• L0: نماذج لغوية كبيرة عامة أو متعددة الوسائط، وتورد الشريحة ChatGPT مثالاً.
• L1: نماذج خاصة بالصناعات، مع الطب والقانون مثالين.
• L2: نماذج لمجالات أو سيناريوهات محددة ومهام بعينها، مثل توصية محتوى التعلم الشخصي.

16 مايو: مهارات AIGC الأساسية وصياغة الموجّهات

درس المشاركون المبادئ والمكونات الأساسية لصياغة الموجّهات، وتدربوا على استخدام AIGC لاسترجاع المعلومات والعصف الذهني وتصميم الصور وصياغة الفقرات وإعداد العروض التقديمية.

قالب الموجّهات وأمثلة الشرائح في نص

• المهمة: تحديد العمل المطلوب.
• الخلفية: تقديم السياق.
• الدور: تحديد المنظور الذي يتبناه النموذج.
• التنسيق: وصف تنظيم المخرجات.
• النبرة: وصف أسلوب التعبير.

مثال الشريحة الأول: أريدك أن تكون صديقي. سأخبرك بما يحدث في حياتي، فترد بشيء مفيد وداعم يساعدني على تجاوز وقت صعب. لا تكتب تفسيرات؛ أجب بالنصيحة أو الدعم فقط.

مثال الشريحة الثاني: بصفتك مساعداً لتحسين الكتابة الصينية، حسّن الإملاء والنحو والوضوح والإيجاز وقابلية قراءة النص المقدم، مع تقسيم الجمل الطويلة وتقليل التكرار واقتراح التحسينات. قدم النص المصحح فقط دون تفسير. ابدأ بتحرير النص التالي: [محتوى المقالة].

17 مايو: تطبيقات AIGC المتقدمة والإنتاج الإبداعي

طوّر المشاركون مهارات متقدمة وتطبيقات عملية، منها دمج الذكاء الاصطناعي مع منتجات SketchUp وإنتاج كلمات الأغاني والموسيقى والصور والفيديو وتقييم مخرجاتهم. ووصفت التعليقات الأصلية أيضاً توليد شيفرة SketchUp Ruby وتنفيذها عبر OpenAI API، واستخدام النماذج اللغوية الكبيرة لتوليد موجّهات Midjourney لصور صفوف المستقبل.

آراء المشاركين وعرض التعلم اللاحق آنذاك

نقل التقرير آراء إيجابية عامة عن عملية المحتوى وحداثته، ولا سيما عروض AIGC والأنشطة التطبيقية، وعن تحسن ملحوظ من وجهة نظر المشاركين في تطبيق التقنية. هذه آراء منقولة؛ ولم يرد عدد للمجيبين أو أداة استبيان أو تقييم كمي للأثر.

ذكر النص الأصلي أن غير المسجلين يمكنهم التعلم عبر Moodle، بوصف ذلك دعماً للإنصاف في فرص تطوير المهارات. يُحفظ العنوان السابق https://learn-tn.com/moodle/ كسجل تاريخي فقط. تعذر التحقق من الشهادة أثناء المراجعة، فلم تُتابع الزيارة أو محاولة الدخول، ولم تُؤكد إتاحة الدورة أو التسجيلات حالياً.

ذكر التقرير أن المسابقة تشجع استخدام AIGC في التصميم. وتطلع المنظمون إلى انعكاس تنمية القدرات التقنية في الأعمال اللاحقة، وإلى تحفيز الإبداع وثقافة الابتكار ودعم مسابقة ممتعة وعالية الجودة. كانت هذه توقعات عام 2024، وليست نتائج محققة لكل مشارك.

المراجع الواردة في الشرائح الأصلية

ترد أدناه البيانات الببليوغرافية الأصلية وروابط الملخصات الرسمية. اقتصر التحقق على العناوين والمؤلفين وبيانات النشر؛ لم تترجم الأبحاث كاملة ولم يُدخل إلى نصوصها المدفوعة. L0/L1/L2 تصنيف تعليمي في هذه الشرائح، والموجّهات أمثلة تدريسية تاريخية.

1. Wu, J., Gan, W., Chen, Z., Wan, S., & Lin, H. (2023). AI-Generated Content (AIGC): A Survey. arXiv:2304.06632.
2. Chen, X., Hu, Z., & Wang, C. (2024). Empowering education development through AIGC: A systematic literature review. Education and Information Technologies. DOI:10.1007/s10639-024-12549-7.

المصادر وملاحظات التحرير

1. حُفظ العنوانان والرابطان الأصليان وتاريخ الأرشفة 22 مايو 2024 الساعة 10:10. عُقدت الدورة خلال 15–17 مايو. تشير بيانات PubDate في رأس صفحة SLI إلى 29 مايو الساعة 09:58، ولا يعرض قالب قسم البحوث الحالي هذا التاريخ في المتن. تُميَّز أسس هذه التواريخ. · تقرير الكرسي الصيني الأصلي · تقرير الكرسي الإنجليزي الأصلي · تقرير SLI ذو الصلة
2. تمثل الإشارات العشر الأصلية للصور في النصين خمس صور. استُخدمت الملفات الكاملة من مكتبة وسائط النص الإنجليزي، وتطابقت وحدات البكسل المفكوكة مع صور SLI المقابلة. حُفظ ترتيب الصور الخمس، ووُضع التعليق المكرر والمنفصل في بداية الإنجليزية مرة واحدة مع صورة اليوم الثالث الصحيحة. · تقرير الكرسي الصيني الأصلي · تقرير الكرسي الإنجليزي الأصلي · تقرير SLI ذو الصلة
3. يتوفر التصنيف ومكونات الموجّه والمثالان كنصوص بست لغات، مع بقاء الصور الأصلية كما هي. صورة SketchUp صفحة تمهيدية للعرض، وصفوف المستقبل أمثلة مولّدة وليست صور غرف حقيقية. العناوين والواجهات داخل الصور من عرض 2024 ولا توصي بمداخل حالية للأدوات.

قراءة الإعلان الأصلي للتدريب وإرشاد المشروعات · استكشاف موارد تعلم الذكاء الاصطناعي وSTEM