دراسة على 145 طالبًا: 74.4% من تدخلاتهم على مخرجات الذكاء الاصطناعي كانت لعدم المناسبة لا للخطأ

نشر الباحثان Ali Shakiba وThomas Chaffey في 23 أكتوبر 2026 دراسة تتبعت 145 طالبًا في السنة الأولى الجامعية وهم يعملون مع أدوات الذكاء الاصطناعي. وسجّل الطلاب كل تدخل أجروه على مخرجات الأداة، فبلغ المجموع 172 تدخلًا معلنًا خلال 962 دورة تفاعل.

والمفاجأة في التقسيم. فـ 74.4% من التدخلات كانت لأن المخرج غير مناسب للمهمة، وهو ما تسميه الورقة fitness for purpose، بينما كانت 16.9% فقط لأن المخرج فيه خطأ، أي correctness. بمعنى أن الجزء الأكبر من المراجعة لم يكن اصطياد أخطاء، بل النظر إلى شيء يبدو سليمًا تمامًا والحكم بأنه يحل مشكلة غير المطلوبة.

وتذكر الدراسة نتيجة ثانية أغرب: الطلاب الذين لاحظوا عيبًا صغيرًا في المخرج كانت ثقتهم في تقييمهم أقل من الذين رأوا المخرج سليمًا بالكامل. فاكتشاف خطأ صغير زاد الشك في الحكم الذاتي بدل أن يعززه.

وحين تدخّل الطلاب، عدّل 51% منهم المخرج نفسه، بينما عاد 28.2% إلى تعديل الـ prompt.

وبالنسبة إلى الفرق التي تقيس جودة مراجعة كود الذكاء الاصطناعي بعدد الـ bugs المكتشفة، قد يعني ذلك أنها تقيس الجزء الأصغر من العمل. أما الجزء الأكبر، أي الحكم على المناسبة، فيعتمد على فهم السياق، ولا تلتقطه أدوات الـ linting.

وتبقى حدود الدراسة واضحة: المشاركون طلاب في السنة الأولى، فلا تنطبق كل نتائجها بالضرورة على فرق عمل محترفة. كما أن الملخص لا يذكر كم مرة قبل الطلاب المخرج دون فحص.