[
    {
        "id": "osp-15197",
        "type": "article-journal",
        "title": "تعليق مفاهيم القواعد على نطاق واسع: نماذج لغوية صغيرة مضبوطة بدقة تتفوق على النماذج الحدودية الموجَّهة",
        "author": [
            {
                "family": "Celikik",
                "given": "Marjan"
            },
            {
                "family": "Ramallo",
                "given": "Ana Peleteiro"
            },
            {
                "family": "Morales",
                "given": "Javier"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/grammar-concept-annotation-at-scale-deployed-fine-tuned-small-language-models-outperform-prompted-frontier-models",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "يُعد التغذية الراجعة التصحيحية من أكثر محركات اكتساب اللغة الثانية دعماً بالأدلة، لكن التصحيحات التي تُقدَّم أثناء الدروس نادراً ما تتراكم في صورة قابلة للاستخدام لإتقان القواعد. ويمكن لنماذج الحدود المتقدمة المُوجَّهة بالموجّهات أن تقدم هذه الصورة انطلاقاً من نصوص الدروس بين المتعلم والمعلم، لكنها مكلفة على نطاق واسع. ونسد هذه الفجوة بضبط دقيق لنماذج Qwen3.5 اللغوية الصغيرة (SLMs) على إشراف معلم مولّد مُصفّى ومُعاد التوازن، ثم ننشر نموذجاً فعالاً بحجم 0.8B في متتبع لإتقان القواعد من طرف إلى طرف لجميع متعلمي الإنجليزية على منصتنا. ويتيح استدماج عقد التوسيم في أوزان المحول إقران نموذج 0.8B بموجّه مدمج متطابق بدلاً من تعليمات مطولة. وعلى معيارين مُعدّين بتدقيق بشري، يتفوق كل من نموذج 0.8B المنشور ونموذج 4B المرجعي على GPT-5.4 وGPT-5.6 Sol المُوجَّهين في الدقة والاستدعاء، وفق معايير مطابقة متداخلة تزداد صرامة: المفهوم، ونطاق الدليل، والصحة. ويقلل نموذج SLM المنشور 0.8B تكلفة التقديم بنحو 16 مرة. وتُظهر تجربة إلكترونية على مستوى الميزة زيادات معنوية في تفاعل المتعلمين (+15.8%) ومؤشرات الأعمال الرئيسية، ومنها ساعات الجدولة (+2.1%) وقيمة المبيعات الإجمالية من الدروس الجديدة (+13.2%)."
    }
]