כיצד עקרונות מדע הלמידה מאפשרים שימוש מועיל ומושכל ביישומי AI בתהליכי למידה
כיצד עקרונות מדע הלמידה מאפשרים שימוש מועיל ומושכל ביישומי AI בתהליכי למידה
מתי השימוש ב-AI תומך בלמידה, ומתי הוא דווקא פוגע בה?
מסמך עמדה חדש מאת איאן קלר, חוקר בתחום מדע הלמידה במרכז להוראה ולמידה טרנספורמטיבית (CTTL) מציע לבחון את השאלה דרך עקרונות ממדע הלמידה :למידה דורשת מהלומד לעבד מידע, לשלוף ידע, להסביר, לתרגל ולהתמודד עם קושי.
לכן, כאשר AI מספק את התשובות במקום הלומד הוא עלול ליצור תחושה של הבנה, גם בלי שהלמידה עצמה התרחשה. מתי AI מזיק ללמידה? כאשר הוא מחזק הטיות קוגניטיביות שעלולות לפגוע בתהליך הלמידה.
המסמך מצביע על ארבע הטיות כאלו:
הטיית אוטומציה: נטייה לקבל את תשובת ה- AI ולהסתמך עליה, גם כשהיא שגויה.
אשליית מסוגלות: תחושת הבנה שנוצרת בעקבות חשיפה לתשובת AI, בלי עיבוד קוגניטיבי שמאפשר לשחזר את הידע בעצמנו.
אפקט דאנינג־קרוגר: הנטייה להעריך את היכולת האישית באופן גבוה מדי כשחסרים הידע והמיומנות הנדרשים. תשובות משכנעות של AI עלולות לחזק את התחושה שהלומד מבין, גם כשהוא מתקשה להעריך אם התשובה נכונה ומה עדיין אינו יודע.
הטיית אמת הביצועים: הנטייה לראות בתוצר שנוצר בעזרת AI עדות ללמידה, גם כשהתהליך שהוביל אליו לא כלל את החשיבה הנדרשת ללמידה.
מתי AI תומך בלמידה?
קלר מצביע על שבעה שימושים שבהם AI יכול להרחיב את החשיבה של הלומד, במקום להחליף אותה:
ה AI כמורה: מציג שאלות, דורש הסברים ומאתגר הנחות.
שותף לשליפה: מציע שאלות תרגול, לאחר שהתלמיד ניסה לשלוף את הידע בעצמו.
משוב מיידי: ניתן לאחר ניסיון עצמאי. בלי ניסיון כזה, המשוב הוא למעשה תשובה.
פיגומים: מספק סיוע מדורג שהולך ופוחת ככל שהיכולת נבנית.
"פריקה" קוגניטיבית (הישענות על ה- AI): רק לאחר רכישת הידע והמיומנות הבסיסיים.
נגישות: מסיר חסמים בדרך אל התוכן, לא את החשיבה הנדרשת להבנתו.
חשיבה יצירתית: מרחיב רעיונות לאחר שנבנה ידע שמאפשר להעריך את הצעות ה-AI.
דרך הפריזמה של מדעי הלמידה, קלר מציע לבחון את השימושים השונים ב- AI: אילו מהם תומכים בחשיבה הנדרשת ללמידה, ואילו עלולים להחליף אותה.
לקריאת המאמר המלא: OSF | The Thinking Problem: A Science of Learning Solution for AI in Schools
'
19 באוקטובר 2026 // פריזמה על הבינה המלאכותית בהכשרה אקדמית #54
תגובות