حالة أبحاث المستخدمين بالذكاء الاصطناعي: أكتوبر 2026

آخر تحديث: 11 أكتوبر 2026

هذا تقريرنا الشهري عن حالة أبحاث المستخدمين بالذكاء الاصطناعي: ما تعنيه الدراسات والأدوات الجديدة وتغييرات البحث لمن يُجرون المقابلات المُدارة بالذكاء الاصطناعي والاستبيانات التحادثية واللوحات الاصطناعية والتحليل النوعي المدعوم بالذكاء الاصطناعي. وفي نسخة سبتمبر 2026، كان المحور أن مخرجات الذكاء الاصطناعي قد تبدو صحيحة دون أن تكون استدلالاتها صحيحة. وتوضح الأبحاث المنشورة منذ 13 سبتمبر هذه النقطة بوضوح أكبر في مجال بعينه: المشاركون الاصطناعيون والتوائم الرقمية.

أبرز النتائج

• وجدت دراسة بتاريخ 2 أكتوبر 2026 شملت 845 بالغاً أمريكياً أن أوصاف الشخصيات استعادت 53–67% فقط من التباين الحقيقي بين الأفراد؛ وأعاد إضافة الإجابات السابقة لكل مستجيب هذا التباين إلى قرب المستوى البشري (Pourtaheri & Zareei, 2026).
• دراسة بتاريخ 26 سبتمبر 2026 على ثلاث عائلات من النماذج مفتوحة الأوزان وجدت أن الارتباطات المحاكاة عبر الأدوات تتبع لوحة بشرية من 2,058 شخصاً بمعامل r = 0.70–0.73، لكن أحدث إصدار من Llama شمله الاختبار كان الأسوأ في مؤشرين من المؤشرات الرئيسية الثلاثة (Lee & Wang, 2026).
• تشخيص بتاريخ 14 سبتمبر 2026 استخدم 526 شخصية و72 سؤالاً ووجد أن النماذج الرائدة الخمسة التي اختُبرت جميعها أساءت تمثيل كيفية تغيّر آراء الناس بعد تقديم معلومات متوازنة (Wali & Tayyab, 2026).
• في جانب المقابلات، تميل أدلة هذا الشهر إلى اعتبار الذكاء الاصطناعي مساعداً هادئاً للمُحاورين البشريين، ومحاوراً ذاتي التشغيل يتكيّف مع المشارك لكنه ما زال سطحياً.
• بدأ تحديث Google للرسائل المزعجة لسبتمبر 2026 في 24 سبتمبر واستمر 13 يوماً و16 ساعة (لوحة حالة بحث Google).

لمن هذا المقال

الباحثون الأكاديميون وطلاب الدكتوراه والمختبرات البحثية وشركات أبحاث السوق التي تستخدم، أو يُطلب منها استخدام، المشاركين الاصطناعيين أو التوائم الرقمية أو المحاورين بالذكاء الاصطناعي، وتحتاج إلى تحديد ما يمكن لتلك الأدلة أن تدعمه في ورقة بحثية أو طلب موافقة أخلاقية أو تقرير للعميل.

حالة أبحاث المستخدمين بالذكاء الاصطناعي في أكتوبر 2026: المطابقة للمتوسط رخيصة، والمطابقة للفرد ليست كذلك

أبحاث المستخدمين بالذكاء الاصطناعي هي استخدام الذكاء الاصطناعي لجمع بيانات الأبحاث أو تحليلها: المقابلات المُدارة بالذكاء الاصطناعي، والاستبيانات التحادثية ذات المتابعات المتكيّفة، والمشاركون الاصطناعيون، والترميز والتحليل الموضوعي المدعومان بنماذج اللغة الكبيرة. وتتفق أدلة أكتوبر على نمط بسيط: مطابقة متوسط المجتمع أمر سهل على نموذج لغوي. أما مطابقة اختلاف الأفراد وطريقة تغيّرهم فصعبة، والفجوة تكون غير مرئية إذا اكتفيت بالمقاييس المجمّعة.

ويتردد صدى ذلك في دراستين تناولناهما بالتفصيل هذا الشهر. وجد Ahn وMao وLee أن البدائل القائمة على نماذج اللغة تفسر 3.05% فقط من انحراف إجابات الأفراد عن متوسط البند (ملخصنا)، وبيّن Netzer وSambandam أن دقة التوائم المُبلَّغ عنها تتفاوت أساساً لأن الدراسات تقيس أشياء مختلفة (ملخصنا).

التطور الأول: السلوك السابق يتفوق على وصف الشخص

استخدم Khashayar Pourtaheri وAhmad Zareei لوحة من موجتين لـ845 بالغاً أمريكياً أكملوا مقاييس 14 تحيزاً سلوكياً، مثل تفضيلات المخاطرة والزمن والثقة المفرطة بالنفس والاستدلال. ومنحا الشخصيات الاصطناعية معلومات أغنى تدريجياً: لا شيء، ثم الديموغرافيا، ثم سمات الشخصية، ثم الدرجات المعرفية، وأخيراً إجابات المستجيب السابقة في الاستبيان، مع حجب كل بند يقيس التحيز المستهدف (arXiv:2610.03998).

على مستوى المجتمع بدت كل الشروط سليمة: بين 7.1 و8.1 تحيزاً لكل مستجيب اصطناعي مقابل 7.1 للبشر. لكن تحت هذا السطح، لم تبلغ الشخصيات القائمة على الأوصاف سوى 7–12% من درجة الإلمام لدى إنسان يعيد الاستبيان. ورفعت إضافة السجل السلوكي هذه النسبة إلى 28%، وكانت أفضل الشروط في جميع المجموعات الديموغرافية الـ17. كما أظهرت الاستجابات الاصطناعية فروقاً مرتبطة بالتعليم والدخل أقوى من تلك الموجودة في البيانات الحقيقية.

تفسيرنا: تمنح الديموغرافيا وأوصاف الشخصية النموذج في الغالب صورة نمطية ليؤديها. أما الإجابات الحقيقية السابقة فتمنحه شيئاً أقرب إلى الشخص نفسه. ومع ذلك، فإن 28% من درجة الإلمام لدى الإعادة البشرية للاختبار بعيدة كل البعد عن أن تكون بديلاً عن مستجيب حقيقي.

التطور الثاني: النماذج مفتوحة الأوزان تحمل بنية حقيقية، لكن الإصدارات ليست متدرجة نحو الأفضل

بنى Grandee Lee وWang Yue الشخصيات على الإجابات الحرفية الحقيقية لمستجيبين في أداة قياس نفسي واحدة، ثم قاساها في أداة ثانية، عبر شبكة من 139 زوجاً تمت مراجعتها مقابل لوحة من 2,058 شخصاً. وتتبعت الارتباطات المحاكاة عبر الأدوات الارتباطات البشرية بمعامل r = 0.70–0.73 في كل عائلة من النماذج، وذلك أساساً بإصابة الاتجاه الصحيح لا الحجم الصحيح (arXiv:2609.32638).

تفسيرنا: هذا مبشر للمختبرات التي تحتاج إلى نماذج محلية مفتوحة الأوزان لأسباب تتعلق بالخصوصية. أما التحذير فهو الاستنتاج الأكثر عملية: الإصدار الأحدث من النموذج لم يكن أفضل. والتحقق الذي أجريته على نموذج العام الماضي لا ينتقل تلقائياً إلى نموذج هذا العام.

التطور الثالث: الشخصيات لا تحدّث معتقداتها كما يفعل البشر

بنى Ahmed Wali وHassaan Tayyab تشخيصاً للاستقصاء التداولي باستخدام بيانات America in One Room. فشلت كل النماذج، كلٌّ بطريقته. ازدادت شخصيات GPT-5.1 عدائية تجاه الطرف الآخر بعد معلومات متوازنة، بينما ازداد البشر عداءً بدرجة أقل (انعكاس بنسبة 80% في أسئلة الجماعات الخارجية مقابل 26% في أسئلة السياسات). وتحركت Gemini 2.0 Flash وClaude Sonnet 4.5 وLlama 3.3 70B في الاتجاه الصحيح بمقدار يعادل 5 إلى 7 أضعاف المقدار البشري، بينما كاد DeepSeek V3 لا يتحرك (arXiv:2609.15849). ويسمي المؤلفون ذلك "التملق الذاتي" (self-sycophancy): الامتثال للصورة النمطية التي يحملها النموذج عن الشخصية.

تفسيرنا: أي دراسة تختبر رسالة أو مفهوماً أو تدخلاً على مستجيبين اصطناعيين إنما تطرح سؤالاً ديناميكياً. والدقة الساكنة لا تقول شيئاً عنه. وهذا يتسق مع دراسة النقرة الأولى التي تناولناها في 7 أكتوبر، حيث جعلت الشخصيات البيانات الاصطناعية أكثر قابلية للتصديق، لا أكثر دقة.

أيضاً هذا الشهر: المحاورون بالذكاء الاصطناعي مساعدون لا بدائل

• المساعدة اللحظية تنجح حين تبقى هادئة. في دراسة على 18 مُحاوراً، رفعت اقتراحات الذكاء الاصطناعي عدد المتابعات من نحو 6 إلى 9–10 في كل جلسة، لكن المُحاورين رفضوا الذكاء الاصطناعي كمُقيِّم أو كمُحاور مشارك (ملخصنا).
• العمق المتكيّف ممكن على النماذج المحلية الصغيرة. محاور يتكيّف مع الخبرة يعمل على Llama 3.2 3B طابق الخبرة المُبلَّغ عنها ذاتياً في 78.9% من 246 مقابلة (ملخصنا).
• الرخص ليس عمقاً. أجرى روبوت محادثة مقابلات مع 74 من علماء الاجتماع بتكلفة نماذج بلغت €0.04، لكنه لم يبلغ العمق النوعي المعتاد (ملخصنا)؛ وفي تقرير ميداني عن custom GPT، قال 19.7% فقط من أصل 66 مشاركاً إن المتابعات ساعدتهم على قول المزيد (ملخصنا).
• ترميز النصوص المفتوحة بنماذج اللغة متوسط الجودة، ويعتمد على السؤال. بلغ GPT-5.4 مؤشر Adjusted Rand Index قدره 0.61 مع المُرمِّزين البشريين على 903 إجابات، متأرجحاً بين 0.31 و0.85 حسب السؤال (ملخصنا).

سلّم أمانة المستجيب الاصطناعي (إطار Qualitati)

هذا السلّم أداة تخطيط أصلية من Qualitati. كل درجة فيه تمثل ادعاءً أقوى عن البيانات الاصطناعية. أبلغ عن أعلى درجة اختبرتها فعلاً، واقصر استنتاجاتك عليها.

الدرجة	الادعاء الذي تدعمه	دليل أكتوبر	أدنى اختبار قبل الاعتماد عليها
1. المطابقة الإجمالية	"متوسط المجتمع يبدو هكذا"	يسهل بلوغها حتى مع بيانات شخصية قليلة	قارن المتوسطات والتوزيعات بمسح مرجعي حقيقي
2. مطابقة التباين	"الناس يختلفون بهذا القدر"	الأوصاف تستعيد 53–67% من التباين الحقيقي	قارن الانحرافات المعيارية وانتشار الشرائح، لا المتوسطات وحدها
3. المطابقة البنيوية	"هذه المواقف تسير معاً"	r = 0.70–0.73 في الارتباطات عبر الأدوات؛ تعتمد على الإصدار	أعد التشغيل مع كل إصدار نموذج تنشره
4. المطابقة الفردية	"هذا التوأم يجيب كما يجيب هذا الشخص"	7–12% من درجة الإلمام في إعادة الاختبار من الأوصاف؛ و28% مع الإجابات السابقة	احتفظ بإجابات حقيقية لكل مستجيب خارج التدريب؛ وافحص الأسئلة من حيث إمكانية الإجابة عنها
5. المطابقة الديناميكية	"سيتفاعل الناس مع هذه الرسالة على هذا النحو"	فشلت النماذج الرائدة الخمسة جميعها في اختبار الاستقصاء التداولي	أجرِ تشخيصاً قبلياً وبعدياً مقابل التحولات البشرية الحقيقية؛ وإلا فلا تدّعِ ذلك

ملاحظة المراجعة البشرية: حدود الدرجات تركيب عملي من الأبحاث الأولية المذكورة، وليست معياراً قياسياً مُتحققاً منه. اطلب من متخصص في المنهجية مراجعة أي ادعاء يتجاوز الدرجة 2 قبل النشر.

ما الذي تغيّر في بحث الذكاء الاصطناعي (GEO) هذا الشهر

بدأ تحديث Google للرسائل المزعجة لسبتمبر 2026 في 24 سبتمبر واستمر 13 يوماً و16 ساعة، وفق لوحة حالة البحث. ولم تُدرج أي تحديثات جوهرية بين تحديث مايو 2026 الجوهري وتاريخ كتابة هذا المقال. وبالنسبة للمجموعات البحثية التي تنشر محتوى عن المنهجيات، تظل الممارسة الثابتة سارية: ادعاءات مؤرخة، ومصادر أولية مرتبطة، وإجابات تعريفية قصيرة يمكن لمحركات الإجابة بالذكاء الاصطناعي أن تقتبسها دون تشويه.

موقع Qualitati من هذا كله

Qualitati منصة أوروبية للبحث النوعي بتكلفة معقولة، موجّهة للجامعات وشركات البحث، وتضع خصوصية البيانات وGDPR في صدارة أولوياتها. تُدير مقابلات مُدارة بالذكاء الاصطناعي نصياً وصوتياً، ووضع Active Listener الذي يزوّد المُحاورين البشريين بتلميحات فورية وتتبع للأقسام، ومجموعات تركيز مُدارة بالذكاء الاصطناعي واصطناعية، واستبيانات تحادثية ذات متابعات بالذكاء الاصطناعي. ويربط ThemeLens الرموز بأسئلة البحث عبر ما يصل إلى 100 نص مفرّغ مع اقتباسات مرتبطة بالمشاركين، ويدعم QDA Workspace الترميز الاستقرائي والاستنتاجي.

في ضوء أدلة هذا الشهر، نوصي باستخدام مجموعات التركيز الاصطناعية للاستكشاف وتصميم الأسئلة، ثم إجراء مقابلات مُدارة بالذكاء الاصطناعي أو استبيانات تحادثية مع مشاركين حقيقيين قبل استخلاص أي استنتاجات. يمكنك الاطلاع على أسعار شفافة أو مقارنة الخيارات في دليلنا المستخدمون الاصطناعيون مقابل المشاركين الحقيقيين.

القيود والمخاوف المنهجية

• مسودات ما قبل النشر. الدراسات الجديدة الثلاث مسودات منشورة على arXiv وقد تتغير أثناء التحكيم العلمي.
• عينات تتمحور حول الولايات المتحدة. لوحة التحيزات وبيانات الاستقصاء التداولي من الولايات المتحدة؛ ولم يُختبر انتقالها إلى المجتمعات الأوروبية أو متعددة اللغات.
• مهام استبيانية لا مقابلات. تقيس الدراسات الثلاث جميعها إجابات مغلقة. والأمانة في الإجابات المفتوحة والنوعية على الأرجح أدنى وأصعب في القياس.
• تبدّل النماذج. عدد من النماذج المذكورة هنا حلّت محلها نماذج أحدث. المهم هو بروتوكول الاختبار، لا ترتيب النماذج.
• متى لا تستخدم المستجيبين الاصطناعيين: حين يتعلق سؤال البحث بأسباب قرارات الأفراد، أو بكيفية تفاعلهم مع معلومات جديدة، أو بأي فئة ممثلة تمثيلاً ناقصاً في بيانات التدريب.

الأسئلة الشائعة

ما حالة أبحاث المستخدمين بالذكاء الاصطناعي في أكتوبر 2026؟

المقابلات بالذكاء الاصطناعي والتحليل المدعوم به أصبحا من الممارسات المعتادة. ويتركز البحث الجديد على المستجيبين الاصطناعيين: إذ يطابقون متوسطات المجتمع لكنهم يفقدون الفروق الفردية ويخطئون في تقدير كيفية تغيّر الآراء.

هل تجعل الشخصيات الأغنى المستجيبين الاصطناعيين أدق؟

الأوصاف تساعد قليلاً. ففي دراسة بتاريخ 2 أكتوبر 2026، استعادت إضافة الديموغرافيا والشخصية والدرجات المعرفية 53–67% من التباين الحقيقي، بينما أعادت إضافة الإجابات السابقة للمستجيبين التباين إلى قرب المستوى البشري.

هل نماذج اللغة الأحدث مستجيبون اصطناعيون أفضل؟

ليس بشكل موثوق. وجدت دراسة بتاريخ 26 سبتمبر 2026 أن أحدث إصدارات Llama الثلاثة التي اختُبرت كان الأسوأ في مؤشرين من المؤشرات الرئيسية الثلاثة. تحقق من كل إصدار تستخدمه.

هل يمكن للمستجيبين الاصطناعيين اختبار الرسائل أو التدخلات؟

الأدلة الحالية تقول لا. وجد تشخيص بتاريخ 14 سبتمبر 2026 أن النماذج الرائدة الخمسة التي اختُبرت أساءت تمثيل كيفية تحديث الناس لمعتقداتهم بعد معلومات متوازنة، إما بالانعكاس أو بالمبالغة أو بعدم التحرك.

كيف ينبغي للفريق البحثي أن يُبلغ عن البيانات الاصطناعية؟

اذكر أعلى درجة أمانة اختبرتها، مثل المطابقة الإجمالية أو التباين أو البنيوية أو الفردية أو الديناميكية، واقصر الاستنتاجات على ذلك المستوى. وأبلغ عن إصدار النموذج ومعيار التحقق.

الخلاصة

حالة أبحاث المستخدمين بالذكاء الاصطناعي في أكتوبر 2026 واضحة فيما يخص البيانات الاصطناعية: المطابقة للمتوسط رخيصة، أما المطابقة الفردية والديناميكية فليست كذلك. أسّس الشخصيات على سلوك حقيقي، وأعد التحقق من كل إصدار نموذج، وأبقِ المشاركين الحقيقيين ضمن العملية لأي ادعاء عن كيفية اختلاف الناس أو تغيّرهم. ابدأ مجاناً بـ30 رصيداً لتشغيل مقابلة مُدارة بالذكاء الاصطناعي أو استبيان تحادثي أو تحليل ThemeLens مع مشاركين حقيقيين.

هذا المقال ملخص تحريري مستقل للأبحاث المتاحة للعموم. آخر تحديث: 11 أكتوبر 2026.