منصة تعليمية ذكية لتعليم البرمجة (Python) للأطفال باستخدام تقنيات الـ AI واللعب (Gamification)

نبذة عن المشروع: مشروع "كود سفاري" هو منصة تعليمية تفاعلية (EdTech) موجهة للأطفال من سن 10-13 سنة، تهدف إلى تعليم أساسيات لغة البرمجه بطريقة ممتعة تكسر حاجز الملل التقليدي. يعتمد النظام بالكامل على دمج الذكاء الاصطناعي التوليدي (GenAI) مع أساليب التعلم باللعب (Gamification) لتقديم تجربة تعليمية مخصصة لكل طفل. أبرز التحديات التي يحلها المشروع: تعليم البرمجة للأطفال يتطلب تبسيطاً شديداً وتفاعلاً مستمراً. قمت في هذا المشروع بدمج 5 نماذج ذكاء اصطناعي مختلفة، تم تخصيصها (Fine-tuning) لتعمل بتناغم لخدمة الطالب، بدءاً من الشرح، مروراً بتصحيح الأخطاء، وحتى تحويل الكود إلى رسومات توضيحية. المميزات الرئيسية للنظام (Key Features): المساعد الذكي (Assistant Chatbot): روبوت محادثة مخصص للأطفال للإجابة على أسئلتهم البرمجية. يعتمد على تقنية RAG (Retrieval-Augmented Generation) لضمان دقة المعلومات، ومدعوم بنموذج Gemma-2b-it الذي تم تدريبه لتقديم إجابات مبسطة مليئة بالتشبيهات والإيموجي المناسبة لسن الطفل. الرسام الذكي (AI Artist / Code Visualizer): ميزة مبتكرة تستخدم نموذج Gemini-1.5-Flash (Multimodal) لتحليل كود الطالب وتشغيله، ثم شرح المخرجات ورسم مخططات بصرية (مثل صناديق الذاكرة للمتغيرات) لمساعدة الطفل على تخيل ما يحدث داخل الكود. لعبة المحقق (Debugging Detective): لعبة تفاعلية تعتمد على نموذج Llama-3.2-3B-Instruct (بعد عمل Fine-tuning)، حيث يقوم الذكاء الاصطناعي بتوليد كود يحتوي على أخطاء "مقصودة"، ويطلب من الطفل لعب دور المحقق لاكتشاف الخطأ وتصحيحه. توليد التمارين والأسئلة (Smart Exercises & Code Snippets): نظام يولد تمارين "أكمل الكود الناقص" باستخدام نموذج Salesforce/codegen-350M-mono. نظام لتوليد أسئلة اختيار من متعدد (MCQ) متجددة لاختبار فهم الطالب. الدروس التفاعلية (Interactive Video Lessons): نظام يعرض فيديوهات تعليمية ويستخدم نموذج Gemma-3-4B لتوليد ملخصات دراسية (Study Guides) وأوراق مراجعة سريعة (Cheat Sheets) تلقائياً بناءً على محتوى الفيديو. التقنيات والأدوات المستخدمة (Tech Stack): الذكاء الاصطناعي (AI & LLMs): Models: Llama-3.2-3B, Gemma-2b/3-4B, CodeGen-350M, Gemini-1.5-Flash Techniques: Fine-tuning (using LoRA & Unsloth for efficiency), Quantization (4-bit) لتقليل استهلاك الموارد، RAG pipeline Frameworks: Hugging Face Transformers, LangChain, ChromaDB (Vector Store) تطوير الواجهة (Frontend): تصميم متجاوب (Responsive) وجذاب للأطفال باستخدام HTML/CSS/JavaScript. الخلفية (Backend): Python (Flask/FastAPI) للربط بين النماذج والواجهة.