كيف يعيد الذكاء الاصطناعي تشكيل تعليم هندسة البرمجيات ومهارات المبرمجين

1.    مقدمة

ارتبط تعليم البرمجة وعلوم الحاسوب لطلبة الجامعات في بداياته الأولى بإتقان الخوارزميات المعقدة التي توضح خطوات الحل المنطقي الدقيق، وتعلم القواعد النحوية (Syntax) الصارمة الخاصة بكل لغة برمجة، وفهم هياكل البيانات وإدارتها في الذاكرة. في تلك الحقبة، كان الطالب يقضي ساعات طويلة في تتبع الأخطاء الإملائية والمنطقية البسيطة لتنقيح الكود (Debugging)، وهو ما كان حينها جزءاً أساسياً من عملية التعلم وبناء التفكير الحاسوبي (Computational Thinking). فكان المبرمج هو الكاتب اليدوي للكود، وكانت جودة البرمجيات تعتمد كلياً على الدقة البشرية في كتابة كل سطر، وهو ما اتسم بالبطء الشديد والمنهجية الصارمة الدقيقة. بعد ذلك، ومع ظهور بيئات التطوير المتكاملة (IDEs) وأطر العمل (Frameworks)، انخفض بشكل ملحوظ عبء حفظ القواعد النحوية الدقيقة والدوال البرمجية.  لكن التطور الأكبر، والتحول النموذجي الأعمق، حدث مؤخراً مع إطلاق نماذج الذكاء الاصطناعي التوليدي القادرة على كتابة كود برمجي وظيفي كامل بناءً على وصف باللغة الطبيعية فقط [4].

أحدث الانتقال من التطوير اليدوي إلى التطوير المدعوم بالذكاء الاصطناعي نقطة تحول جوهرية في قواعد العمل البرمجي فأصبحت أدوات مثل (GitHub Copilot) تعمل كمساعدات مدمجة داخل بيئة التطوير، تقترح أكوادً جاهزة أو دوالًا معقدة استنباطاً من السياق البرمجي المحيط. وفي المقابل، تؤدي الأدوات التوليدية الحوارية مثل (ChatGPT) أدوارًا داعمة تتمثل في شرح الأكواد المعقدة، وإعادة هيكلتها (Refactoring)، واكتشاف الأخطاء المنطقية واقتراح التحسينات لتعمل كزميل افتراضي يشارك في عملية البرمجة [6]. 

أدى هذا التحول لإحداث تغير جوهري في طبيعة دور المبرمج؛ فانتقل من كونه كاتباً للكود يركز على كافة التفاصيل النحوية الدقيقة، إلى موجه ومصمم للأنظمة يركز على الصورة الكبرى والمنطق المعماري للمشروع [10].

في هذا العصر، الذي يطلق عليه البعض عصر هندسة البرمجيات 3.0 (Software 3.0)، يقضي المبرمج اليوم وقتاً أقل في كتابة الأكواد، ووقتاً أطول بكثير في هندسة الأوامر (Prompting)، ومراجعة الكود المولد من النموذج الذكي، والتأكد من توافقه مع متطلبات الأمان والأداء. لكن هذا الواقع الجديد يفرض تحديات هائلة على مؤسسات التعليم العالي، حيث أصبحت المناهج التقليدية عاجزة عن قياس الفهم الحقيقي في بيئة يمكن للآلة فيها اجتياز أعقد اختبارات البرمجة الجامعية بنجاح باهر [4].

جدول (1): التحول في دور مهندس البرمجيات: التطوير التقليدي مقابل التطوير المدعوم بالذكاء الاصطناعي

2.    الخلفية المفاهيمية والنظرية

لفهم عمق تأثير الذكاء الاصطناعي التوليدي على تعليم هندسة البرمجيات، من المهم تفكيك هذه الظاهرة من خلال النظريات الحديثة في علم النفس التربوي وعلوم الحاسوب.

2.1 نظرية العبء المعرفي (Cognitive Load Theory)

تفترض نظرية العبء المعرفي أن الذاكرة العاملة لدى الإنسان ذات سعة محدودة للغاية، وأن التعلم الفعال والمستدام يحدث عندما تُوجَّه هذه السعة نحو العبء المعرفي الجوهري (Intrinsic Load) المرتبط بفهم المفاهيم الأساسية وبناء المخططات الذهنية (Schemas). في المقابل، يمثل العبء المعرفي الخارجي (Extraneous Load) أي جهد ذهني يُبذل في مهام غير مرتبطة مباشرة بأهداف التعلم، مثل حفظ الصياغة النحوية (Syntax) للغة ما أو تصحيح الأخطاء المطبعية.

توفر أدوات الذكاء الاصطناعي فرصة ذهبية لتقليل هذا العبء الخارجي إلى الحد الأدنى، مما يسمح نظريًا بإعادة توجيه الجهد الذهني نحو التفكير المنطقي وهندسة النظم. إلا أن الإشكال يظهر عند الاستخدام غير المنضبط، حيث يمتد تأثير الآلة ليقضي على العبء الجوهري نفسه، مما يعطل تماماً عملية بناء المخططات الذهنية لدى المتعلم [1].

2.2 التفريغ المعرفي مقابل التعهيد المعرفي

يشير مصطلح التفريغ المعرفي (Cognitive Offloading) إلى الاستخدام الإيجابي للنماذج الذكية لأداء المهام الروتينية المتكررة (مثل كتابة أكواد الـ Boilerplate) بما يتيح للمبرمج تخصيص طاقته للمشكلات المعقدة والتصميم المعماري. أما التعهيد المعرفي (Cognitive Outsourcing) فيعني النقل الكلي لعملية التفكير وحل المشكلة المنطقية إلى الذكاء الاصطناعي دون أي تدخل معرفي أو نقدي من المتعلم [1].

في السياق التعليمي، يمثل التعهيد المعرفي خطراً كبيراً على جودة مخرجات التعليم، إذ يحرم الطالب من الاحتكاك المعرفي الضروري لتطور الفهم، ويجعله يكتفي بنتائج جاهزة لا تعكس أي إدراك حقيقي للمشكلة.

2.3 النظرية البنائية والتعلم في بيئات الذكاء الاصطناعي

تفترض النظرية البنائية (Constructivism) أن التعلم لا يتم عبر التلقين، بل بقيام المتعلم ببناء معرفته بنفسه عبر التجربة والتفاعل. في سياق الذكاء الاصطناعي، أثبتت الدراسات أن التفاعل الحواري مع هذه الأدوات يمكن أن يُشكل زميلاً افتراضياً (Virtual Peer) [6]. فعندما يطلب الطالب شرح خطأ برمجي، فإنه يدخل في دورة تعلم قائمة على الحوار والمحاولة والتعديل. هذا الأثر البنائي يتطور وينمو فقط عندما تُبرمج الأداة أو يُوجّه الطالب لاستخدامها كمرشد (Tutor) وليس كمُنفّذ (Solver) مباشر يعطيه الإجابة النهائية. 

2.4 البرمجة بأسلوب البرمجة الحدسية (Vibe Coding) وهندسة الوكلاء (Agentic Engineering)  

صاغ الباحث البارز أندريه كارباثي (Andrej Karpathy) مصطلح البرمجة الحدسية (Vibe Coding) مؤخراً لوصف نمط جديد كلياً في تطوير البرمجيات، يعتمد على التفاعل المستمر عبر اللغة الطبيعية بدلاً من كتابة الكود [2]. لا يركز المطور هنا على كل سطر برمجي، بل يعبر عن القصد الدلالي (Semantic Intent) والمخرجات المطلوبة، ويتولى الذكاء الاصطناعي توليد بنية المشروع. 

ورغم تسريع هذا الأسلوب لبناء النماذج الأولية، فإنه يدفع الصناعة نحو ما يُعرف بهندسة الوكلاء (Agentic Engineering) [2]. هنا، يتغير دور المهندس إلى تقييم سلوك الوكلاء الأذكياء (AI Agents)، والتحكم في مسارات عملهم، والكشف عن الثغرات الأمنية الخفية في ملايين الأسطر المولدة آلياً. وهذا يؤكد أن الحاجة تشتد، أكثر من أي وقت مضى، لمهندسين يمتلكون قدرات تقييمية عليا وفهماً عميقاً للأساسيات. 

2.5 محو الأمية في الذكاء الاصطناعي (AI Literacy)

لم يعد إتقان اللغات البرمجية كافياً؛ بل برز مفهوم محو الأمية في الذكاء الاصطناعي ككفاءة أساسية لا غنى عنها في المناهج الأكاديمية [4]. يتضمن ذلك فهم قيود النماذج اللغوية، والوعي بالتحيزات الخوارزمية، والقدرة الصارمة على تقييم المخرجات للحد من آثار هلوسة الذكاء الاصطناعي (AI Hallucinations).

3. التأثير على تعليم هندسة البرمجيات

أحدث هذا الاعتماد الكبير على الأدوات الذكية في كتابة الأكواد البرمجية وبناء تطبيقات وأنظمة جاهزة تغيرات هيكلية في طرق اكتساب المعرفة، منها ما هو إيجابي ومنها ما هو سلبي.

3.1 تسريع وتيرة التعلم

من الناحية الإيجابية، نجحت هذه الأدوات في تسهيل منحنى التعلم (Flattening the Learning Curve). فقد أزالت الحواجز التقنية المبدئية التي كانت تنفّر المبتدئين من دخول عالم البرمجة، ومكنت حتى غير المتخصصين من دمج مخرجات برمجية في أعمالهم. أدى تقليص الإحباط الناتج عن أخطاء القواعد (Syntax Errors) إلى رفع دافعية الطلاب للاستمرار في مشاريعهم وتوسيع آفاقهم الابتكارية. 

3.2 فخ الاعتماد المفرط وتراكم الدَّين المعرفي

لعل أخطر الإشكاليات التربوية الحديثة هي مسألة الدَّين المعرفي (Epistemic Debt) [1]. وكما يُعرَّف الدَّين التقني في هندسة البرمجيات بأنه الحلول السريعة المؤقتة التي تضر ببنية النظام على المدى الطويل، فإن الدَّين المعرفي يمثل فجوة غير مرئية تتسع داخل عقل الطالب أو المبرمج المبتدئ. يحدث هذا عندما يستخدم الذكاء الاصطناعي لتوليد دوال برمجية معقدة تعمل بشكل مثالي، ويسلم مشروعه بنجاح، لكنه يفتقر تماماً لبناء النموذج الذهني (Mental Model) الذي يشرح آلية عمل هذا الكود داخلياً.

مع مرور الوقت، يُنتج تراكم هذه الفجوات ما يسمى بالخبراء الهشِّين (Fragile Experts) ؛ وهم مبرمجون ذوو إنتاجية عالية طالما توفرت الأداة الذكية المساعدة، ولكن عند مواجهة عطل في بيئة الإنتاج الحقيقية، ينهار هؤلاء المبرمجون لغياب الفهم التأسيسي الذي يُمكّنهم من التدخل.

3.3 وهم الكفاءة (Illusion of Competence)

وهم الكفاءة هو انحياز إدراكي حذر منه الأكاديميون، حيث يخلط المتعلم بين السلاسة التي يقرأ بها إجابة جاهزة أو كوداً منظماً أنتجته الآلة، وبين امتلاكه الفعلي لتلك المعرفة والقدرة على إعادة إنتاجها [3]. في بيئات التطوير الحالية، يشعر الطلاب بثقة مفرطة. لكن، عند وضعهم في اختبارات تعتمد على التشفير اليدوي المعزول عن الإنترنت وأدوات المساعدة (AI-Blackout)، تتهاوى هذه الثقة، وتظهر فجوة مفزعة بين كفاءتهم المتخيلة والواقعية [3]. هذه الظاهرة تخدع الطالب الذي يظن أنه يتعلم، والأستاذ الذي يُقيّم منتجاً نهائياً يبدو متقناً لكنه لا يمت بصلة لقدرات صانعه. 

4. صدمة الواقع المهني

عندما يتخرج هؤلاء الطلبة وينتقلون إلى سوق العمل، فإنهم يصطدمون ببيئة تغيرت قواعدها تماماً؛ فقد جعل الذكاء الاصطناعي كتابة الكود أسهل، ولكنه جعل ممارسة دور المهندس الفعلي أمراً أكثر تعقيداً وإرهاقاً [10]. 

4.1 تضخم نطاق العمل (Scope Creep)

نظرًا لأن المهام التنفيذية أصبحت سريعة، تحرك المعيار الأساسي للإنتاجية (The Baseline Moved). وأصبح يُطلب من المهندس الحديث القيام بمهام كانت سابقاً موزعة على مديري المنتجات ومختبري الجودة ومهندسي العمليات. يُتوقع منه الآن التفكير الاستراتيجي، وتقييم المخاطر المعمارية، ووعي دورة النشر، دون تعديل في تعويضاته أو الوقت المتاح له [10]. 

4.2 مفارقة الإشراف (Supervision Paradox)

إن مراجعة كود مولد آلياً تتطلب عبئاً معرفياً أعلى بكثير من كتابته. فعندما يكتب المبرمج الكود بنفسه، فإنه يحتفظ في ذهنه بسياق كل قرار يتخذه (لماذا استخدمت هيكل البيانات هذا؟ ولماذا تجاهلت تلك الحالة الطرفية؟) ويحتفظ بهذه القرارات في ذهنه، لكن عند مراجعة كود ولدته الآلة، سيجد نفسه أمام مخرجات لا يعرف السبب الذي بُنيت عليه، مما يجبره على ممارسة هندسة عكسية (Reverse Engineering) لفهم نوايا الخوارزمية، ويجعل عملية تنقيح الأخطاء واكتشاف الثغرات الأمنية مهمة شاقة ومستنزفة لطاقته الذهنية [10]. 

4.3 أزمة الهوية المهنية

تسببت هذه التحولات في أزمة هوية للمهندسين الذين طالما اعتبروا البرمجة حرفة إبداعية وشغفاً شخصياً. فقد وجدوا أن أدوارهم قد تغيرت قسراً من مطورين يبتكرون الحلول ويكتبون الأكواد من الصفر، إلى مجرد مُراجعين يقتصر دورهم على تدقيق وختم طلبات الدمج (Pull Requests) على خط إنتاج آلي لا يتوقف. هذا التحول يسلب المبرمج الشغوف متعة الإنجاز الفردي، ويحول عمله إلى روتين إشرافي مرهق، وغالباً ما تتجاهل الإدارات والقيادات التقنية هذا الأثر النفسي لصالح الاحتفاء بزيادة الإنتاجية وحجم المخرجات [10].

 5. مشاهدات من بيئات تعليمية وتطبيقية واقعية

تجاوز استخدام النماذج اللغوية الكبيرة مرحلة التجريب ليصبح واقعاً يومياً في قاعات المحاضرات. ففي مشاريع التخرج والمقررات المتقدمة، أدمج الطلاب أدوات مساعدة مثل (GitHub Copilot) في صميم بيئات التطوير الخاصة بهم، معتمدين عليها لتسريع كتابة الأكواد النمطية المتكررة (Boilerplate) وبناء الهياكل المعمارية المعقدة [4]. 

وعلى صعيد موازٍ خارج أسوار الجامعات، نلاحظ أن أكاديميات التدريب المهني ومنصات التعلم الإلكتروني استجابت لهذا الواقع السريع بمرونة أكبر من المؤسسات التقليدية؛ حيث أطلقت منصات كبرى مسارات تدريبية كاملة مخصصة لنمط التطوير الجديد تحت مسمى أساسيات البرمجة الحدسية (Introduction to Vibe Coding) [5]. وتعكس هذه الدورات تحولاً جذرياً في معايير التقييم وبناء المهارة؛ فهي لم تعد تُقيّم المستفيدين بناءً على مدى حفظهم لقواعد لغة برمجة بعينها مثل بايثون أو جافا أو غيرها، بل انتقل التركيز نحو قياس مهارات التفكير العليا. فأصبح التقييم يعتمد على قدرة المتعلم على تفكيك المتطلبات البرمجية المعقدة إلى مهام صغيرة، وتصميم هندسة أوامر (Prompt Engineering) دقيقة، وتوجيه الذكاء الاصطناعي بكفاءة لبناء تطبيقات متكاملة [5]. 

وقد أظهرت الملاحظات تبايناً حاداً في كيفية تعاطي الفئات المختلفة من الطلاب مع هذه الأدوات:

• الطلاب المبتدئون (Novices): يميلون إلى الاستسلام لفخ التعهيد المعرفي الكامل، أي يكتفون بنسخ رسائل الخطأ البرمجي ولصقها حرفياً في النموذج بانتظار تصحيح سحري سريع، دون أي محاولة لتحليل الأسباب الجذرية للمشكلة. هذا السلوك السلبي يبني لديهم ثقة زائفة، ويعرضهم لانهيار تام في القدرات المهنية فور غياب الأداة المساعدة أو عند وضعهم في بيئة اختبار مغلقة.
• الطلاب المتقدمون (Experts): يتعاملون بوعي أكبر ويدركون حدود الآلة، حيث يمارسون التفريغ المعرفي المنضبط فلا يطلبون حلولاً نهائية جاهزة، بل يستخدمون الأداة كمستشار لتسريع المهام الروتينية، مع الاحتفاظ بزمام المبادرة عبر إجراء مراجعة نقدية دقيقة للكود المُولد لضمان كفاءته، واكتشاف ثغراته الأمنية، والتأكد من مطابقته للمعايير

6. التحسينات والحلول المقترحة