التحقق من المؤهلات التعليمية بالذكاء الاصطناعي: ما الذي يفحصه وما حدوده؟

عند سماع عبارة «التحقق من المؤهلات التعليمية بالذكاء الاصطناعي»، من الأفضل عدم تخيّل نظام يعرف وحده وبشكل قطعي أن كل شهادة صحيحة أو مزورة. الأدق أنه مسار عمل تُضاف إليه أدوات ذكاء اصطناعي لمساعدة أصحاب العمل، الجامعات، منصات التعليم، أو فرق الاعتماد على فحص ادعاء تعليمي. فالتحقق التعليمي في أصله هو التأكد من أن المؤهلات التي يذكرها شخص ما دقيقة وأصلية وصادرة عن مؤسسات شرعية.

ما يضيفه الذكاء الاصطناعي عادةً هو تسريع الأجزاء المتكررة من هذا العمل: قراءة الوثائق، استخراج البيانات منها، مطابقة المعلومات مع مصادر أخرى، ورصد الأنماط المريبة أو غير المتسقة.

لكن المصطلح نفسه واسع. فالمصادر المتاحة تتحدث عن أدوات بائعين، قواعد بيانات تعليمية، منتجات تحقق من الهوية، ومسارات لمنع الاحتيال، لا عن فئة واحدة محددة بتعريف تنظيمي موحد. لذلك فالسؤال الأهم ليس: هل يستخدم المنتج الذكاء الاصطناعي؟ بل: ما الذي يتحقق منه تحديداً، وبالاستناد إلى أي مصادر، وماذا يحدث إذا كانت النتيجة غير محسومة؟

ما الذي يفحصه التحقق التعليمي بالذكاء الاصطناعي؟

يدور الفحص حول سؤال بسيط: هل الادعاء التعليمي معقول ومرتبط بجهة مانحة شرعية؟ وقد يشمل ذلك درجة جامعية، شهادة تدريب، رخصة مهنية، شهادة من منصة تعليمية، انتساباً إلى مدرسة أو جامعة، أو سجلاً تعليمياً دولياً.

في التوظيف، يستخدم أصحاب العمل التحقق التعليمي للتأكد من أن المرشح يمتلك المؤهلات التي يقول إنها تؤهله للوظيفة. وتظهر الحاجة نفسها لدى الجامعات، فرق الاعتماد، ومنصات التعليم التي تتعامل مع أعداد كبيرة من الشهادات أو الرخص أو السجلات.

عادةً تساعد طبقة الذكاء الاصطناعي في واحد أو أكثر من الجوانب التالية:

• قراءة الوثائق التعليمية. يمكن لأدوات مسح الشهادات المدعومة بالذكاء الاصطناعي استخراج بيانات منظّمة من الملفات المرفوعة، مثل رقم الرخصة، تاريخ الانتهاء، والجهة المصدرة.
• فحص الجهة المانحة. يعلن بعض المزودين امتلاك قواعد بيانات لمؤسسات تعليمية موثقة؛ أحدهم يقول إن قاعدة بياناته تمتد إلى أكثر من 200 دولة وتشمل مدارس ثانوية، معاهد تدريب، وجامعات.
• مطابقة البيانات بين مصادر مختلفة. توصف أنظمة الذكاء الاصطناعي في الاعتماد الرقمي بأنها قادرة على مقارنة مصادر البيانات لدعم التحقق ومنع الاحتيال.
• رصد الإشارات غير المعتادة. قد تكشف الأنظمة مخالفات أو محاولات تلاعب بالشهادات، لكن رفع إشارة تحذير لا يعني وحده إثبات الاحتيال بشكل نهائي.
• دعم فحص مخاطر الاحتيال في التعليم الرقمي. من المخاطر المذكورة في مجال تقنيات التعليم: الغش بمساعدة التكنولوجيا، انتحال الهوية المدعوم بالذكاء الاصطناعي، احتيال المنح الدراسية، ومخططات الطلاب الوهميين.

كيف يعمل المسار عادةً؟

تختلف المنتجات من مزود إلى آخر، لكن مسار التحقق المعزز بالذكاء الاصطناعي يمر غالباً بخمس خطوات.

1. يقدّم الشخص ادعاءه التعليمي

يُدخل المرشح أو الطالب أو المستخدم تفاصيل مثل اسم المؤسسة، الدرجة، الشهادة، الرخصة، جهة التدريب، أو الفترة الزمنية. في سياق التوظيف، يكون ذلك جزءاً من عملية أوسع للتأكد من المؤهلات المعلنة.

2. يقرأ النظام الوثيقة

إذا رُفعت شهادة، دبلوم، رخصة، أو وثيقة داعمة، قد يستخدم النظام التعرّف الضوئي على الحروف OCR أو أداة مسح شهادات لاستخراج الحقول الأساسية. من أمثلة الحقول المذكورة في المصادر: رقم الرخصة، تاريخ الانتهاء، والجهة المصدرة.

3. تُطابق البيانات مع المصادر المتاحة

بعد الاستخراج، قد يقارن النظام البيانات مع سجلات الجهة المصدرة، قواعد بيانات المؤسسات التعليمية، سجلات الاعتماد، أو مصادر أخرى متاحة. لكن التغطية تختلف من مزود لآخر: فإعلان مزود عن قاعدة بيانات تمتد إلى أكثر من 200 دولة يظل ادعاءً خاصاً بذلك المزود، وليس ضماناً بأن كل نوع من المؤهلات أو كل مؤسسة تعليمية مشمول فعلاً.

4. يبحث الذكاء الاصطناعي عن التعارضات أو علامات التلاعب

تُستخدم أنظمة الذكاء الاصطناعي في الاعتماد الرقمي لرصد المخالفات، مقارنة مصادر البيانات، واكتشاف محاولات التلاعب بالشهادات. عملياً، قد يعني ذلك إظهار اختلاف بين بيانات الوثيقة المرفوعة وما يتوقع النظام وجوده في السجلات أو الصيغ المعروفة.

5. تحتاج النتائج الملتبسة إلى مراجعة

المسار الجيد لا يكتفي بثنائية «صحيح» أو «مزور». من الأفضل أن يميز بين مؤهل تم التحقق منه، مؤهل لم يُعثر له على سجل، نتيجة غير حاسمة، أو حالة تستدعي مراجعة إضافية. فالذكاء الاصطناعي يسرّع القراءة والمطابقة، لكنه لا يلغي الحاجة إلى سياسة واضحة للتعامل مع الوثائق منخفضة الجودة، السجلات غير المتاحة، المؤسسات غير المشمولة، أو الاعتراضات على النتيجة.

ما الفرق بينه وبين التحقق اليدوي؟

الهدف واحد في الحالتين: التأكد من أن المؤهلات التعليمية المعلنة دقيقة وأصلية وصادرة عن مؤسسات شرعية.

الاختلاف في طريقة التنفيذ. التحقق اليدوي يعتمد أكثر على مراجعة بشرية، مراسلات مباشرة، وفحص وثائق وسجلات خطوة بخطوة. أما المسار المعزز بالذكاء الاصطناعي فيستطيع أتمتة مهام متكررة مثل مسح الوثائق، استخراج الحقول، مقارنة مصادر البيانات، وإظهار المخالفات المحتملة.

هذا قد يجعل العملية أسرع وأكثر قابلية للتوسع، خصوصاً عند التعامل مع أعداد كبيرة من الطلبات. لكنه لا يغني عن فهم مصادر البيانات وحدود التغطية وقواعد المراجعة البشرية عند ظهور حالة غير واضحة.

التحقق من المؤهل ليس هو نفسه التحقق من الهوية

كثيراً ما يظهر التحقق التعليمي مع التحقق من الهوية ضمن منظومة واحدة لمكافحة الاحتيال، لكنهما يجيبان عن سؤالين مختلفين.

• التحقق من المؤهل يسأل: هل الدرجة أو الشهادة أو الرخصة حقيقية وصادرة عن جهة شرعية؟
• التحقق من الهوية الرقمية يسأل: هل هوية الشخص الذي يستخدم الخدمة حقيقية؟ يصف أحد مزودي حلول الهوية في قطاع التعليم دوره بأنه التحقق من الهويات الحقيقية خلال ثوانٍ لتقليل الاحتيال وتسهيل الوصول وبناء الثقة في التعلم الرقمي.

قد تحتاج منصة تعليمية إلى النوعين معاً: التحقق من هوية الطالب للدخول إلى الخدمة، ثم التحقق بشكل منفصل من شهادة أو انتساب تعليمي يقدمه ذلك الشخص.

ما الذي لا يستطيع الذكاء الاصطناعي إثباته وحده؟

لا ينبغي التعامل مع التحقق التعليمي بالذكاء الاصطناعي كدليل تلقائي على صحة كل ادعاء. النتيجة تعتمد على ما يفحصه المنتج فعلياً: نوع المؤهل، الجهة المانحة، الحقول المستخرجة من الوثيقة، مصادر البيانات المتاحة، وطريقة التعامل مع الاستثناءات.

التغطية مسألة حاسمة. قد يدعم منتج ما الجامعات، أو المعاهد التدريبية، أو المدارس الثانوية، أو الرخص المهنية، أو الشهادات الرقمية. لذلك يجب التأكد من أنواع المتقدمين والمؤسسات والدول والسجلات المشمولة فعلاً، لا الاكتفاء بعبارة تسويقية عامة عن «تغطية عالمية».

كما أن الذكاء الاصطناعي لا يلغي الالتزامات القانونية. في سياقات التوظيف، قد يكون التحقق التعليمي جزءاً من فحوصات الخلفية. وتشير إرشادات موجهة لأصحاب العمل إلى ضرورة مراعاة المتطلبات الفدرالية والمتطلبات الخاصة بالولايات في فحوصات الخلفية.

أسئلة يجب طرحها قبل اختيار مزود

قبل الاعتماد على أي منتج للتحقق التعليمي بالذكاء الاصطناعي، من المفيد طرح الأسئلة التالية:

1. ما أنواع المؤهلات المدعومة؟ هل يفحص المنتج الدرجات الجامعية، الشهادات القصيرة، الرخص المهنية، شهادات البرامج التدريبية المكثفة، الشهادات المصغّرة، أو السجلات التعليمية الدولية؟
2. ما الجهات المانحة المشمولة؟ اسأل إن كان المزود يتحقق من جامعات، مدارس ثانوية، معاهد تدريب، هيئات ترخيص، أو جهات إصدار أخرى، وكيف تُحدَّث قاعدة البيانات.
3. ماذا يفعل الذكاء الاصطناعي تحديداً؟ هل يقرأ الوثائق فقط؟ هل يستخرج الحقول؟ هل يطابق البيانات؟ هل يرصد الشذوذ؟ هل يتضمن تحققاً من الهوية؟ أم يجمع أكثر من وظيفة؟
4. ما مصادر البيانات التي يعتمد عليها؟ من المهم معرفة ما إذا كان النظام يقارن البيانات بسجلات جهات مصدرة، قواعد بيانات تعليمية، وثائق رقمية، أو مصادر أخرى.
5. كيف تُدار الحالات غير الحاسمة؟ يجب أن يوضح المسار ماذا يحدث عندما لا يمكن التحقق من مؤهل، أو عندما تكون الجهة غير مشمولة، أو عندما تُرفع إشارة تحذير على وثيقة.
6. هل التحقق من الهوية مدمج أم منفصل؟ التحقق من أن الشخص حقيقي والتحقق من أن مؤهله صحيح عمليتان مترابطتان لكنهما ليستا الشيء نفسه.
7. كيف يدعم المنتج متطلبات التوظيف والامتثال؟ إذا كان الاستخدام ضمن فحص مرشحين للعمل، فيجب أن يراعي المسار متطلبات فحوصات الخلفية ذات الصلة.

الخلاصة

التحقق من المؤهلات التعليمية بالذكاء الاصطناعي يعني استخدام أدوات آلية لمساعدة المؤسسات على فحص الشهادات والدرجات والرخص والسجلات التعليمية. يمكن لهذه الأدوات قراءة الوثائق، استخراج الحقول، مقارنة مصادر البيانات، فحص الجهات المانحة، ورصد محاولات التلاعب أو الإشارات المريبة.

لكن الاسم وحده لا يكفي. التقييم السليم لأي منتج يبدأ من التفاصيل: ما المؤهلات داخل النطاق؟ ما المؤسسات والدول المغطاة؟ ما مصادر البيانات المستخدمة؟ ومن يراجع النتائج عندما تكون ملتبسة أو مثيرة للشك؟