DOI: https://doi.org/10.17550/akademikincelemeler.1807005
تاريخ النشر: 2026-02-05
المؤلف: Amine Nuriye Çıtırık
الموضوع الرئيسي: التعليم الصحي والتحقق
نظرة عامة
تدرس هذه الدراسة أداء أربعة نماذج من الذكاء الاصطناعي – ChatGPT و Copilot و Gemini و DeepSeek – في اختبار معرفة خدمات الدين الميداني لعام 2024 (RSFKT-1 و RSFKT-2). الهدف الأساسي هو تقييم فعالية كل نموذج في مجال العلوم الدينية من خلال تحليل ردودهم على مجموعة من 40 سؤال امتحاني.
تركز التقييمات على تحديد معدلات الدقة لكل نموذج، مما يساعد في تحديد نقاط القوة والضعف لديهم عبر مواضيع مختلفة ضمن الامتحانات. تهدف النتائج إلى تقديم رؤى حول القدرات المقارنة لهذه النماذج من الذكاء الاصطناعي في التعامل مع تقييمات المعرفة الدينية.
نقاش
تسلط قسم النقاش في ورقة البحث الضوء على التقدم السريع في التكنولوجيا والذكاء الاصطناعي (AI)، خاصة في مجال التعليم. ويؤكد على إمكانيات الذكاء الاصطناعي، خاصة في معالجة اللغة الطبيعية وتوليد النصوص، لتعزيز عمليات التعليم، وتوفير تجارب تعلم مخصصة، وتحسين كفاءة التقييم. ومع ذلك، يبقى تقييم أداء أنظمة الذكاء الاصطناعي في التقييمات التعليمية مصدر قلق كبير. تهدف الدراسة إلى مقارنة أداء نماذج الذكاء الاصطناعي المختلفة، بما في ذلك ChatGPT و Copilot و Gemini و DeepSeek، في امتحانات المعرفة الدينية (DHBT-1 و DHBT-2) لتحديد نقاط قوتها وضعفها عبر مواضيع محددة.
تكشف النتائج أنه بينما أظهرت جميع النماذج معدلات نجاح متفاوتة، حقق DeepSeek أعلى أداء بنسبة 75% في DHBT-1 و 95% في DHBT-2، أشارت التحليلات الإحصائية إلى عدم وجود اختلافات كبيرة في الأداء بين النماذج. كما تلاحظ الدراسة أن النماذج واجهت صعوبة مع الأسئلة المفتوحة والمعقدة سياقياً في DHBT-1، بينما أدت بشكل أفضل في الأسئلة التقنية في DHBT-2. وهذا يشير إلى أن طبيعة الأسئلة تؤثر بشكل كبير على أداء الذكاء الاصطناعي، مما يبرز الحاجة إلى مزيد من البحث في تحسين أنظمة الذكاء الاصطناعي لأغراض تعليمية، خاصة في مجالات متخصصة مثل الدراسات الدينية. تختتم الدراسة باقتراح استراتيجيات لتحسين أداء نماذج الذكاء الاصطناعي في المجالات الأضعف وتؤكد على أهمية تخصيص تطبيقات الذكاء الاصطناعي لخدمة السياقات التعليمية بشكل أفضل.
DOI: https://doi.org/10.17550/akademikincelemeler.1807005
Publication Date: 2026-02-05
Author(s): Amine Nuriye Çıtırık
Primary Topic: Health Education and Validation
Overview
This study investigates the performance of four artificial intelligence models—ChatGPT, Copilot, Gemini, and DeepSeek—on the 2024 Religious Services Field Knowledge Test (RSFKT-1 and RSFKT-2). The primary objective is to assess the effectiveness of each model in the domain of religious sciences by analyzing their responses to a set of 40 examination questions.
The evaluation focuses on determining the accuracy rates of each model, thereby identifying their strengths and weaknesses across various subjects within the examinations. The findings aim to provide insights into the comparative capabilities of these AI models in handling religious knowledge assessments.
Discussion
The discussion section of the research paper highlights the rapid advancements in technology and artificial intelligence (AI), particularly in the field of education. It emphasizes the potential of AI, especially in natural language processing and text generation, to enhance teaching processes, provide personalized learning experiences, and improve assessment efficiency. However, the evaluation of AI systems’ performance in educational assessments remains a critical concern. The study aims to compare the performance of various AI models, including ChatGPT, Copilot, Gemini, and DeepSeek, in religious knowledge exams (DHBT-1 and DHBT-2) to identify their strengths and weaknesses across specific topics.
The findings reveal that while all models demonstrated varying success rates, with DeepSeek achieving the highest performance at 75% in DHBT-1 and 95% in DHBT-2, statistical analyses indicated no significant differences in performance among the models. The study also notes that the models struggled with open-ended and contextually complex questions in DHBT-1, while performing better on technical questions in DHBT-2. This suggests that the nature of the questions significantly influences AI performance, highlighting the need for further research into enhancing AI systems for educational purposes, particularly in specialized fields like religious studies. The study concludes by proposing strategies for improving AI model performance in weaker areas and emphasizes the importance of tailoring AI applications to better serve educational contexts.