أثر التشتت الرقمي الناتج عن تعدد واجهات الذكاء الاصطناعي على جودة وقت التركيز العميق في التعلم

The digital contribution of multiple AI interfaces to the quality of focus time (deep work) in learning

الملخص

يهدف هذا البحث إلى تشخيص أثر التشتت الرقمي الناتج عن تعدد واجهات الذكاء الاصطناعي على جودة "وقت التركيز العميق" (Deep Work) في التعلم، والكشف عن طبيعة العلاقة بين هذين المتغيرين والتنبؤ بتأثير أحدهما في الآخر. اعتمد البحث على المنهج الوصفي التحليلي، وطُبّق على عينة قصدية مكونة من (50) طالباً وطالبة من جامعة ديالى، باستخدام استبانة إلكترونية مبنية على مقياس ليكرت الخماسي، وتكونت من ثلاثة محاور: البيانات الديموغرافية، وتعدد واجهات الذكاء الاصطناعي (المتغير المستقل) في (6) فقرات، وجودة وقت التركيز العميق (المتغير التابع) في (6) فقرات. أسفرت النتائج عن عدة مؤشرات بالغة الأهمية، أبرزها: انتشار ظاهرة تعدد واجهات الذكاء الاصطناعي بدرجة مرتفعة (وسط حسابي 3.75، أهمية نسبية 75%)، وتراجع جودة التركيز العميق لدى أفراد العينة (وسط حسابي 3.57، أهمية نسبية 71.3%). كما أثبت تحليل معامل ارتباط بيرسون وجود علاقة ارتباط طردية قوية ودالة إحصائياً عند مستوى (α ≤ 0.01) بين المتغيرين، إذ بلغ معامل الارتباط (0.725)، وفسّر المتغير المستقل ما نسبته (67%) من التباين في المتغير التابع وفق تحليل الانحدار الخطي. كما أظهرت النتائج وجود فروق ذات دلالة إحصائية تعزى للمتغيرات الديموغرافية، وظاهرة "العجز عن العزل الرقمي" لدى المتعلمين، وفي ضوء النتائج، أوصى البحث بـ اعتماد قاعدة الأداة الواحدة لكل مهمة تعلمية، وتطبيق تقنية صناديق الوقت للحد من الاستخدام اليومي، وتخصيص جلسات تعلم خالية من الذكاء الاصطناعي، وتطوير برامج تدريبية في الانضباط الرقمي، وتوجيه مصممي المنصات لتقليل التشتت المعرفي.