פריזמה על AI בהכשרה אקדמית

סקר בקרב 8,000 סטודנטים: מה הם עושים ביום יום עם AI? אחד האתגרים בשילוב בינה מלאכותית באקדמיה הוא שהמוסדות ממהרים לגבש מדיניות על סמך השערות בלבד, פשוט כי חסרה להן תמונה עובדתית מהשטח. סקר רחב היקף, שהתבסס על יותר מ-8,000 סטודנטים באוסטרליה, מבקש להחליף את ההשערות הללו בנתונים אמיתיים. הנה הממצאים המרכזיים: כ-83% מהסטודנטים משתמשים ב-AI:  כמעט מחציתם עושים זאת בקביעות, כאשר היקפי האימוץ בקרב גברים גבוה מזה של נשים. רק כ-13% מהסטודנטים משתמשים ב-AI כדי שיכתוב עבורם מטלות: הרוב

אם AI יכול להחליף את ההרצאה שלך, כנראה שזה מה שצריך לקרות פריזמה לומדת | זמן קריאה: 2 דקות במציאות שבה סטודנטים יכולים ללמוד את החומר ביעילות בעזרת יישומי AI, במקום לשבת בהרצאות פסיביות, הם פשוט עושים אופטימיזציה לזמנם ומוותרים על הגעה. בטור דעה נוקב, מסבירה דיה צ'וקסי, סטודנטית באוניברסיטת פנסילבניה, כי האקדמיה אמנם מנסה לאכוף נוכחות באמצעות טכנולוגיות מתקדמות, אך היא מפספסת את העיקר: מדובר במודל הוראה ששייך לעבר. במשך מאות שנים, הרצאות הסתמכו על שיטה מיושנת שבה מידע היה מוג

במיוחד בעידן ה-AI, חשוב לשלב למידה חברתית המאמר מדגיש את הערך הפדגוגי של תהליכי למידה שיתופיים ומפגשים אנושיים, בפיתוח האינטליגנציה והקניית ידע ומיומנויות. מעבר לפיתוח מיומנויות חברתיות, הנדרשות במיוחד בעידן הדיגיטלי בו אנו חיים, למידה בתוך מרחב חברתי ושיח עמיתים ביקורתי ורפלקטיבי, מקדמים גם את אפקטיביות הלמידה. המאמר מציע מספר דרכים יישומיות כיצד להעזר ב-AI להובלת תהליכי למידה שיתופיים וחברתיים, תוך קידום ערכי יסוד פדגוגיים. הנה חלק מהדוגמאות המובאות שם. א. ביקורתיות משותפת:

כיצד להבטיח למידה משולבת בינה מלאכותית שהיא איכותית, אנושית ואפקטיבית? קבוצת חוקרים מספרד ושווייץ שבחנו תהליכי למידה משולבי AI, מציעים במאמר שפרסמו לא להתמקד בשיפור הישגים כיעד מרכזי. התמקדות ביעד זה גורמת לכך שגם אם משיגים אותו, והלומדות והלומדים משפרים הישגים בזכות שילוב ה-AI בתהליכי הלמידה, הם עלולים להפגע במדדים אחרים: פגיעה בתהליכי חשיבה, במיומנויות החשיבה ביקורתית, בתחושות של אוטונומיה אינטלקטואלית, חוסן רגשי ואחריות אזרחית. כדי להבטיח למידה איכותית בשילוב בינה מלאכותית

איך לגרום ל-AI להפוך אותנו ליותר יצירתיים? אחת ההבטחות הגדולות של ה-AI היא פיתוח והרחבת היצירתיות האנושית. המאגר האינסופי של רעיונות שמציע ה-AI, והתכנים המגוונים והלא שגרתיים שניתן לייצר בקלות ובמהירות, עשויים להיות מנוע ליצירתיות חסרת תקדים. עם זאת, סקר נרחב שנערך לאחרונה בקרב מעסיקים בארצות הברית, העלה כי רק 26% טענו שהטמעת AI שיפרה את היצירתיות של העובדים שלהם. נדמה שזו תחושה רווחת, שלעיתים התוצרים המתקבלים מה- AI הם גנריים, משעממים ולא יצירתיים. קבוצת חוקרים שבחנה את הנוש

משתמשים ב-AI לתכנון ופיתוח שיעורים? כך תוודאו שתקבלו תוצרי למידה איכותיים באמת AI חוסך זמן יקר למרצים ומורים בתכנון שיעורים ודרכי הוראה, אבל כדי שהתוצרים יהיו איכותיים באמת, יש כמה דגשים שכדאי לשים אליהם לב. דו"ח של ארגון Common Sense, שעוסק בשימוש מיטבי בטכנולוגיה בקרב ילדים ונוער, בחן כלי AI שנועדו לסייע למורים בתכנון למידה. כותבי הדו"ח הצביעו על מספר אתגרים וסיכונים: כלי ה-AI לא בהכרח נותנים פתרונות מבוססי פדגוגיה, אינם מכירים לעומק את ההקשר הלימודי והתרבותי של הלומדים, וא

כיצד להבטיח למידה משולבת בינה מלאכותית שהיא איכותית, אנושית ואפקטיבית? קבוצת חוקרים מספרד ושווייץ שבחנו תהליכי למידה משולבי AI, מציעים במאמר שפרסמו לא להתמקד בשיפור הישגים כיעד מרכזי. התמקדות ביעד זה גורמת לכך שגם אם משיגים אותו, והלומדות והלומדים משפרים הישגים בזכות שילוב ה-AI בתהליכי הלמידה, הם עלולים להפגע במדדים אחרים: פגיעה בתהליכי חשיבה, במיומנויות החשיבה ביקורתית, בתחושות של אוטונומיה אינטלקטואלית, חוסן רגשי ואחריות אזרחית. כדי להבטיח למידה איכותית בשילוב בינה מלאכותית

איך לחזק פרקטיקות פדגוגיות בעידן ה-AI? כשמתכננים תהליכי למידה בעידן הנוכחי, עלינו לחזור לעקרונות היסוד הפדגוגיים ולהתאים ולחזק אותם. זו המסקנה של מומחית הלמידה, ד"ר פיליפה הרדמן, הבוחנת את אתגרי הלמידה בעידן ה-AI. הרדמן סוקרת במאמר שלה עשרה עקרונות, ומדגימה כיצד הם יכולים להיראות בפועל. העקרונות ותיקים, מוכרים ומבוססים מחקרית, אך היא מדגימה כיצד ניתן להעזר ב-AI כדי ליישם אותם בצורה מיטבית. הנה ארבעה עקרונות פדגוגיים, מתוך הרשימה של הרדמן, ודוגמאות יישומיות מעולם ההוראה האקדמי

הכריחו את הסטודנטים לקרוא תוכן לימודי לפני שהם נעזרים ב-AI. האם זה סייע בשיפור ההישגים שלהם? ניסוי שנערך בקרב 334 סטודנטים באוניברסיטה בגרמניה, בחן האם כאשר מאלצים את הלומדים לקרוא תוכן לימודי לפני שהם מקבלים סיוע מבוט AI, שמשמש כחונך אישי, תוצאות הלמידה שלהם משתפרות. הסטודנטים התבקשו לעיין ב-7 עמודים מתוך ספר לימודי בכלכלה, במשך 25 דקות, ואז להיבחן לגביו. חלק מהלומדים לא קיבלו גישה ל-AI לקראת הבחינה, חלק קיבלו גישה רק אחרי שקראו את קטע הקריאה מהספר, וחלק קיבלו גישה חופשית לח

מתכננים בוט שמלווה את הלמידה? כך תהפכו אותו לאמין יותר בעיני הלומדים 'רתיעה מאלגוריתמים' (Algorithm Aversion) היא תופעה פסיכולוגית והתנהגותית, שקדמה למהפכת הבינה המלאכותית, ומתארת העדפה של קבלת סיוע וייעוץ מבני אדם על פני מחשבים. המחקר מצביע על סיבות שונות להעדפה זו: ציפיות לתוצאות מושלמות מהמכונה ואובדן אמון מהיר, רתיעה מפני החדש והלא מוכר, או תחושה של העדר שליטה בהסתמכות על אלגוריתם. עם כניסת הבינה המלאכותית, הנושא קיבל חשיבות מירבית, ומחקרים שונים בוצעו כדי לבחון מה מחזק

בעידן הבינה המלאכותית, חייבים לקחת אחריות על האינטליגנציה האנושית בעידן שבו יכולות הבינה המלאכותית משתכללות והולכות, האתגר האקדמי המרכזי הופך להיות כיצד לחזק את מה שמייחד את האדם. דו"ח מפורט של ה- Higher Education Policy Institute, בעל השם המחייב "AI and the Future of Universities", עוסק בהיבטים שונים של כניסת הבינה המלאכותית לאקדמיה.   אחד הפרקים המרתקים בדו"ח עוסק במשמעות האינטליגנציה האנושית בעידן הנוכחי. הטענה המרכזית של כותבת הפרק, פרופ' רוז לאקין, היא שבעידן הבינה המלאכ

שימוש ב-AI לתכנון שיעורים עשוי לחזק את הזהות המקצועית של מורים אנו מרבים לדבר על פגיעה אפשרית בתהליכי החשיבה של צוותי הוראה, בגלל שימוש ב-AI, עקב הישענות יתר על התוצאות שהיא מספקת. מחקר שפורסם לאחרונה מציע ששימוש ב-AI לתכנון שיעורים, עשוי דווקא להגביר את המומחיות הפדגוגית של מורות ומורים.   המחקר האתנוגרפי התמקד רק במורה אחת, אך 3 חודשים של תצפיות על הפעולות שלה, הראה שה-AI לא גרם לאוטומציה עיוורת של פעולות התכנון שלה, אלא דווקא הגביר את פעולות המטה-קוגניציה ושכלל את עבודתה.

מובילים תהליכי למידה דיגיטלית? שילוב סוכנים ובוטים עשוי לחזק את המוטיבציה של הלומדים מאמר מקיף שפורסם ב-Educational Psychology Review, ומבוסס על מטה אנליזה רחבה, בחן את השפעת השימוש בסוכני AI ובוטים בלמידה מקוונת על המוטיבציה של הלומדים. החוקרים מצאו כי סוכני AI ובוטים חיזקו את תחושת המסוגלות של הלומדים, ואת האמונה שלהם ביכולת להצליח בלמידה. אחד היישומים המשמעותיים של ממצא זה נוגע לאוכלוסיות מוחלשות, המתמודדות עם דימוי עצמי נמוך ביחס לתחומי ידע שונים, כמו למשל מבוגרים הלומדים

האם בינה מלאכותית יכולה לקדם למידה בהכוונה עצמית? כן, אבל רק אם עושים זאת נכון  למידה בהכוונה עצמית (SRL) מחזקת את המוטיבציה ללמידה, מבטיחה מעורבות גבוהה של הלומדים ומעודדת אותם לקחת אחריות על הלמידה. היא גם מפתחת מיומנויות של למידה מתמשכת לאורך החיים (Lifelong Learning). אבל לא פשוט ליישם אותה. ללומדים קשה להוביל בעצמם את הלמידה, ויש להם צורך בליווי וסיוע אישי. במבט ראשון, היה נראה שהבינה המלאכותית היא פתרון מצוין לאתגרים האלו. אפשר לייצר בקלות יחסית "סוכנים אישיים" שילווו א

הסטודנטים מבקשים: תנו לנו הכוונה איך להשתמש נכון ב-AI דו"ח חדש ומקיף של ה- Oxford University Press, סוקר את העמדות של 2,000 בני נוער בבריטניה, ביחס לשימוש ב-AI. הנתונים העולים מהדו"ח מסייעים להבין את חוויית המשתמש של הדור הצעיר, הגדל אל תוך מציאות של למידה משולבת בינה מלאכותית. הממצאים חדים וברורים: ה-AI  מבלבל את הצעירים, והם צמאים להכוונה והדרכה.  90% מהצעירים טענו ששימוש בבינה מלאכותית מקנה להם מיומנויות חדשות, כמו פתרון בעיות, חשיבה יצירתית או היכולת להתמודד ולהבין תכנים

מרצים בודקים מטלות טוב יותר, אבל הסטודנטים מעדיפים לקבל משוב מה-AI מרצים רבים עושים שימוש בבינה מלאכותית לבדיקת מטלות ומתן משוב לסטודנטים. היתרון ברור: מענה מהיר ואפקטיבי במיוחד, שמתאים גם לכיתות גדולות וסטודנטים רבים. אבל האם המשוב שנותן ה-AI יעיל ומקדם את הלמידה? מחקר עדכני השווה בין האפקטיביות של מתן משוב למטלות של סטודנטים באמצעות AI, ובין משוב שניתן על ידי מרצים. הממצאים הצביעו על פער מעניין. מצד אחד, סטודנטים שקיבלו משוב ממרצה, שיפרו יותר את התוצרים וההישגים שלהם, לעומת

דעה: ההשכלה הגבוהה בדרך להיות חסרת תוקף, וה- AI הוא לא הגורם, רק המאיץ. " בכמעט חמישים שנותיי בהוראה אקדמית, מעולם לא ראיתי טכנולוגיה שמשנה את תנאי ההשכלה הגבוהה בצורה כה מהירה -או כה אכזרית - כמו הבינה המלאכותית הגנרטיבית,"   פותח פרופ' סטיבן מינץ את מאמר הדעה החריף שלו. לדבריו, ה־AI  יצר בתוך זמן קצר טלטלה בכל מרכיבי ההוראה: הוא ערער את האמון בין מרצים לסטודנטים, בלבל את הגבול בין עבודה אמיתית לטקסט שנוצר תוך שניות, והפך שיטות הוראה והערכה מוכרות לפחות רלוונטיות. אם האקדמיה

הערכה דו נתיבית: אלו תהליכי הערכה מתאימים באמת לעידן ה-AI? אחד האתגרים המרכזיים של העולם האקדמי בעידן הבינה המלאכותית, הוא עיצוב מחדש של תהליכי הערכה. כאשר משימות הערכה קלאסיות כמו כתיבת סיכום, ניסוח טיעון או ניתוח מאמר, ניתנות לביצוע בקלות יחסית בעזרת בינה מלאכותית, נדרשים המרצים לחשיבה מחודשת. מודל שפותח באוניברסיטת סידני ('The Two-Lane Approach'), ומודל שהוצג במחקר מאוקטובר 2025 ('Assessment Twin') מציעים רעיון פשוט אך חדשני: תהליך ההערכה צריך להכיל שני רכיבים משלימים: האח

למה כדאי לעבוד עם ה-AI בצורה מובנית ושיטתית, ולא 'לזרום' בחופשיות? ה- AI יודע לשוחח איתנו, וזה מספק תחושה של קסם שמזמינה אותנו לשיח חופשי ואינטואיטיבי.  אך החוקרים דווקא ממליצים לנו לא להתפתות, ולאמץ מודלים ותבניות עבודה שיטתיות.   מחקר מקיף שנערך לאחרונה, השווה בין תהליכי למידה של  150 סטודנטים משוויץ, גרמניה ואנגליה, שהשתמשו באופן חופשי ב-AI, ובין סטודנטים שעשו שימוש מונחה ושיטתי ב-AI (Structured Prompting). התוצאות היו ברורות: שימוש חופשי בבינה מלאכותית הוביל לתהליכי חשיבה

דמיינו מרצה שבמקום לשלוח את הסטודנטים לקרוא מאמר בן 30 עמודים, שולחת להם תקציר קצר בסרטון שנוצר בעזרת בינה מלאכותית. התוכן מהימן, הקריינות שוטפת, ועיקרי הדברים עוברים מצוין.  הזמן שנדרש להפקת הסרטון מזערי והסיכוי שהסטודנטים יצפו בו, גבוה בהרבה מהסיכוי שיקראו את המאמר.  נהדר ככל שזה ישמע, לא כל מה שנראה יעיל, הוא גם מדויק.    זאת בגלל שבתוך הסיכום הזה ה-AI עלול "לשפץ" מעט את העובדות, להפוך את הביטוי "עשוי להצביע על…" ל-"מוכיח כי…", להשמיט מגבלות חשובות או להרחיב את המסקנות