DOI: https://doi.org/10.71086/iajse/v13i1/iajse1315
تاريخ النشر: 2026-03-30
المؤلف: Kholmuradova Leyla Eshkuvatovna وآخرون
الموضوع الرئيسي: استراتيجيات التعليم والمعرفة
نظرة عامة
تستكشف ورقة البحث دور محو الأمية الخوارزمية النقدية في معالجة التعديل التاريخي في مخرجات الذكاء الاصطناعي التوليدي (GenAI) بين طلاب الجامعات الأوزبكية. باستخدام تصميم شبه تجريبي، شملت الدراسة مجموعة تجريبية تم تدريبها على التقييم النقدي لروايات GenAI ومجموعة ضابطة تركزت على محو الأمية الرقمية العامة. تم استخدام مجموعة من 50 محفزًا تاريخيًا لتوليد 150 رواية، تم تحليلها للبحث عن مؤشرات مثل عدم الدقة الواقعية والتحيزات. أظهرت النتائج تحسينات كبيرة في المجموعة التجريبية، حيث ارتفعت الدرجات من 52.4% إلى 84.7%، مقارنة بزيادة المجموعة الضابطة من 51.8% إلى 63.2%. ومن الجدير بالذكر أن المجموعة التجريبية أظهرت مهارات محسنة في التحقق من الحقائق (54.1% إلى 86.5%) وتحديد التحيزات (50.8% إلى 83.9%).
تؤكد النتائج على فعالية التدريب المستهدف القائم على المهارات مقارنة بمحو الأمية الرقمية العامة، مما يشير إلى أن مثل هذا الإطار ضروري لتعزيز الانخراط النقدي مع المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي في السياقات التعليمية. تدعو الدراسة إلى تبني نهج حساس ثقافيًا ودعم المعلمين عند دمج أدوات GenAI في التعليم. تشمل اتجاهات البحث المستقبلية توسيع تنوع المشاركين عبر الجامعات الأوزبكية، وإجراء تحليلات مقارنة لمخرجات الذكاء الاصطناعي بعدة لغات، وفحص الاحتفاظ طويل الأمد بمهارات محو الأمية.
مقدمة
تسلط المقدمة الضوء على الأهمية المتزايدة للذكاء الاصطناعي التوليدي في التعليم، خاصة في التعليم العالي، حيث يساعد في تلخيص الأكاديميات، وتوليد الشروحات، والتعلم المخصص. بينما تقدم هذه التطبيقات الذكية فوائد كبيرة، فإنها تثير أيضًا مخاوف بشأن دقة وحيادية وموثوقية المعلومات المنتجة. يمكن أن يؤدي اعتماد الذكاء الاصطناعي التوليدي على مطابقة الأنماط إلى مخرجات غير صحيحة أو متحيزة أو مبسطة بشكل مفرط، خاصة عند معالجة الأحداث التاريخية المعقدة والسرد الثقافي. يشكل هذا خطر التعديل التاريخي، حيث قد يشوه المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي أو يسيء تمثيل الحقائق التاريخية، مما قد يضلل الطلاب الذين قد يرون مثل هذه المعلومات على أنها موثوقة.
لمعالجة هذه التحديات، تؤكد المقدمة على ضرورة محو الأمية الخوارزمية النقدية بين الطلاب. يزود هذا النوع من محو الأمية المتعلمين بالمهارات اللازمة لاستجواب المعلومات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي، والتعرف على التحيزات، وتقييم الآثار الاجتماعية والثقافية لإنتاج المعرفة الخوارزمية. في سياق أوزبكستان، حيث تزداد دمج تقنيات التعليم الرقمية، فإن تعزيز محو الأمية الخوارزمية أمر بالغ الأهمية لطلاب الجامعات، خاصة في التخصصات المتعلقة بالتاريخ والثقافة. تهدف الدراسة إلى تطوير وتقييم إطار لمحو الأمية الخوارزمية النقدية، مع التركيز على تحديد حالات التعديل التاريخي في المخرجات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي التوليدي.
الطرق
في هذه الدراسة، تم استخدام منهجية شبه تجريبية لتقييم فعالية نهج محو الأمية الخوارزمية النقدية الذي يهدف إلى تحديد التعديل التاريخي في المواد التي تم إنشاؤها بواسطة الذكاء الاصطناعي التوليدي (GenAI). كان المشاركون طلاب جامعات أوزبكية، تم اختيارهم من تخصصات متنوعة، بما في ذلك العلوم الإنسانية، والعلوم الاجتماعية، وتكنولوجيا المعلومات. شمل تصميم البحث تقييمات قبل وبعد الاختبار لكل من مجموعة تجريبية تلقت تدريبًا في محو الأمية الخوارزمية النقدية ومجموعة ضابطة خضعت لتعليم محو الأمية الرقمية العامة. ركز التدريب للمجموعة التجريبية على تقييم الروايات التاريخية التي تم إنشاؤها بواسطة الذكاء الاصطناعي من خلال نهج منظم من خمس خطوات، بينما تعلمت المجموعة الضابطة المبادئ العامة لمحو الأمية الرقمية.
تكونت مجموعة البيانات من 150 مخرجات تاريخية تم إنشاؤها بواسطة الذكاء الاصطناعي بناءً على 50 محفزًا تغطي مواضيع تتعلق بأوزبكستان وآسيا الوسطى والتاريخ العالمي. تم تحليل هذه المخرجات بحثًا عن التعديل التاريخي المحتمل باستخدام مقياس يقيم الدقة الواقعية، والتحيز، والفهم السياقي. تم استخدام التحقق من الخبراء لتعزيز مصداقية مجموعة البيانات ومقياس التوضيح. تم إجراء تحليلات إحصائية، بما في ذلك اختبارات t لعينة مزدوجة واختبارات t لعينة مستقلة، لتقييم تحسينات الأداء لكلتا المجموعتين، مع حساب أحجام التأثير باستخدام d لكوهين. تم أيضًا تحليل التعليقات النوعية من الطلاب لتقييم التغييرات في مهاراتهم النقدية وثقتهم في تقييم المحتوى التاريخي الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.
النتائج
تشير نتائج الدراسة إلى أن تنفيذ نهج محو الأمية الخوارزمية النقدية المقترح عزز بشكل كبير قدرات الطلاب على تحديد التعديل التاريخي في مخرجات الذكاء الاصطناعي. أظهرت المجموعة التجريبية تحسينات أكبر عبر جميع المؤشرات التي تم تقييمها مقارنة بالمجموعة الضابطة، التي ركزت فقط على مهارات محو الأمية الرقمية العامة. على وجه التحديد، زادت متوسط درجات الدقة للمجموعة التجريبية من 52.4% إلى 84.7%، بينما تحسنت المجموعة الضابطة من 51.8% إلى 63.2%. وهذا يدل على تحسين ذو دلالة إحصائية في محو الأمية الخوارزمية للمجموعة التجريبية، ومعدل نجاح اكتشاف التعديل، وقدرات التحقق من الحقائق، ومهارات تحديد التحيز.
كشفت تحليل مفصل لمؤشرات الأداء الفردية أن أكبر المكاسب كانت في مهارات التحقق من الحقائق، التي ارتفعت من 54.1% إلى 86.5%، وقدرات تحديد التحيز، التي زادت من 50.8% إلى 83.9%. تؤكد هذه النتائج على فعالية إطار محو الأمية الخوارزمية النقدية في تجهيز الطلاب بالمهارات اللازمة للانتقال من الانخراط غير النقدي مع المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي إلى تقييم أكثر تمييزًا لدقته التاريخية. بشكل عام، تؤكد النتائج أن التدخل التعليمي المقترح هو نهج أكثر فعالية لتعزيز الانخراط النقدي مع مخرجات الذكاء الاصطناعي مقارنة بتدريب محو الأمية الرقمية التقليدي.
المناقشة
هدفت الدراسة إلى تطوير إطار لمحو الأمية الخوارزمية النقدية لتعزيز قدرات طلاب الجامعات على تحليل المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، خاصة فيما يتعلق بالتعديل التاريخي، والتحيزات، وعدم الدقة. شملت البحث تصميمًا شبه تجريبي مع مجموعة تجريبية تلقت تدريبًا مستهدفًا، مما أدى إلى تحسين كبير في مهارات التقييم النقدي لديهم – من 52.4% إلى 84.7% – مقارنة بمجموعة ضابطة أظهرت زيادة أقل. يشير هذا إلى أن التدريب المستهدف القائم على المهارات في محو الأمية الخوارزمية أكثر فعالية من نهج محو الأمية الرقمية العامة. تؤكد النتائج على ضرورة التدخلات التعليمية التي لا تعلم الطلاب فقط كيفية استخدام الذكاء الاصطناعي التوليدي، بل تزودهم أيضًا بالقدرة على تقييم مخرجاته بشكل نقدي مقابل مصادر تاريخية موثوقة.
تؤكد المناقشة على أهمية الاستخدام المسؤول للذكاء الاصطناعي في التعليم، خاصة في السياقات الحساسة ثقافيًا مثل أوزبكستان، حيث ترتبط السرديات التاريخية ارتباطًا وثيقًا بالهوية الوطنية. تبرز الدراسة دور دعم المعلمين في توجيه الطلاب للتنقل عبر تعقيدات المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، مما يضمن عدم اعتمادهم بشكل مفرط على مخرجات الذكاء الاصطناعي دون تدقيق نقدي. يُقترح إجراء أبحاث مستقبلية لاستكشاف عينات أوسع من المشاركين عبر لغات مختلفة وتقييم الاحتفاظ طويل الأمد بتحسينات محو الأمية، مما يسهم بشكل أكبر في فهم تأثير الذكاء الاصطناعي التوليدي على التعليم.
DOI: https://doi.org/10.71086/iajse/v13i1/iajse1315
Publication Date: 2026-03-30
Author(s): Kholmuradova Leyla Eshkuvatovna et al.
Primary Topic: Educational Strategies and Epistemologies
Overview
The research paper investigates the role of critical algorithmic literacy in addressing historical revisionism in generative AI (GenAI) outputs among Uzbek university students. Utilizing a quasi-experimental design, the study involved an experimental group trained in critical evaluation of GenAI narratives and a control group focused on general digital literacy. A set of 50 historical prompts was used to generate 150 narratives, which were analyzed for indicators such as factual inaccuracies and biases. Results indicated significant improvements in the experimental group, with scores rising from 52.4% to 84.7%, compared to the control group’s increase from 51.8% to 63.2%. Notably, the experimental group showed enhanced skills in verifying facts (54.1% to 86.5%) and identifying biases (50.8% to 83.9%).
The findings underscore the effectiveness of targeted skill-based training over generic digital literacy, suggesting that such a framework is essential for fostering critical engagement with AI-generated content in educational contexts. The study advocates for culturally sensitive approaches and instructor support when integrating GenAI tools in education. Future research directions include expanding participant diversity across Uzbek universities, conducting comparative analyses of AI outputs in multiple languages, and examining the long-term retention of literacy skills.
Introduction
The introduction highlights the growing significance of generative AI in education, particularly in higher education, where it aids in academic summarization, explanation generation, and personalized learning. While these AI applications offer substantial benefits, they also raise concerns regarding the accuracy, neutrality, and reliability of the information produced. The reliance of generative AI on pattern matching can lead to outputs that are incorrect, biased, or overly simplistic, especially when addressing complex historical events and cultural narratives. This poses a risk of historical revisionism, where AI-generated content may distort or misrepresent historical facts, potentially misleading students who may perceive such information as credible.
To address these challenges, the introduction emphasizes the necessity of critical algorithmic literacy among students. This literacy equips learners with the skills to interrogate AI-generated information, recognize biases, and evaluate the social and cultural implications of algorithmic knowledge production. In the context of Uzbekistan, where the integration of digital educational technologies is increasing, fostering algorithmic literacy is crucial for university students, particularly in disciplines related to history and culture. The study aims to develop and assess a framework for critical algorithmic literacy, focusing on identifying instances of historical revisionism in outputs generated by generative AI.
Methods
In this study, a quasi-experimental methodology was utilized to evaluate the effectiveness of a critical algorithmic literacy approach aimed at identifying historical revisionism in materials generated by generative AI (GenAI). The participants were Uzbek university students, selected from various disciplines, including humanities, social sciences, and IT. The research design involved pre-test and post-test assessments for both an experimental group, which received training in critical algorithmic literacy, and a control group, which underwent general digital literacy education. The training for the experimental group focused on evaluating AI-generated historical narratives through a structured five-step approach, while the control group learned general principles of digital literacy.
The dataset comprised 150 AI-generated historical outputs based on 50 prompts covering topics related to Uzbekistan, Central Asia, and global history. These outputs were analyzed for potential revisionism using a rubric that assessed factual accuracy, bias, and contextual understanding. Expert validation was employed to enhance the credibility of the dataset and the annotation rubric. Statistical analyses, including paired sample t-tests and independent sample t-tests, were conducted to assess the performance improvements of both groups, with effect sizes calculated using Cohen’s d. Qualitative feedback from students was also analyzed to evaluate changes in their critical skills and confidence in assessing AI-generated historical content.
Results
The results of the study indicate that the implementation of the proposed critical algorithmic literacy approach significantly enhanced students’ abilities to identify historical revisionism in artificial intelligence outputs. The experimental group exhibited greater improvements across all evaluated indicators compared to the control group, which focused solely on general digital literacy skills. Specifically, the experimental group’s mean precision scores increased from 52.4% to 84.7%, while the control group improved from 51.8% to 63.2%. This demonstrates a statistically significant enhancement in the experimental group’s algorithmic literacy, revisionism detection success rate, factual verification abilities, and bias identification skills.
A detailed analysis of individual performance indicators revealed that the most substantial gains were observed in factual verification skills, which rose from 54.1% to 86.5%, and bias identification abilities, which increased from 50.8% to 83.9%. These findings underscore the effectiveness of the critical algorithmic literacy framework in equipping students with the necessary skills to transition from uncritical engagement with AI-generated content to a more discerning evaluation of its historical accuracy. Overall, the results affirm that the proposed educational intervention is a more effective approach to fostering critical engagement with AI outputs than traditional digital literacy training.
Discussion
The study aimed to develop a critical algorithmic literacy framework to enhance university students’ abilities to analyze AI-generated content, particularly concerning historical revisionism, biases, and inaccuracies. The research involved a quasi-experimental design with an experimental group receiving targeted training, which resulted in a significant improvement in their critical assessment skills—from 52.4% to 84.7%—compared to a control group that showed a lesser increase. This indicates that focused skill-based training in algorithmic literacy is more effective than general digital literacy approaches. The findings underscore the necessity for educational interventions that not only teach students how to utilize generative AI but also equip them to critically evaluate its outputs against reliable historical sources.
The discussion emphasizes the importance of responsible AI use in education, particularly in culturally sensitive contexts like Uzbekistan, where historical narratives are closely tied to national identity. The study highlights the role of instructor support in guiding students to navigate the complexities of AI-generated content, ensuring they do not overly rely on AI outputs without critical scrutiny. Future research is suggested to explore broader participant samples across different languages and assess the long-term retention of literacy improvements, further contributing to the understanding of generative AI’s impact on education.