שילוב בינה מלאכותית בהערכה אקדמית
לקידום למידה מעמיקה והעמקת אוריינות בינה מלאכותית
כותבים:
ד"ר חני שלטון, האונ' הפתוחה
רוצים לקבל עוד מידע על הפרקטיקה?
רוצים להתנסות? יש לכם רעיונות להעשרת הפרקטיקה?
צרו קשר
למי זה רלוונטי?
הפרקטיקה מתאימה לקורסים אקדמיים הרוצים לשלב בינה מלאכותית בלמידה והערכה. רלוונטית במיוחד לתחומי חינוך, טכנולוגיה וכל דיסציפלינה הדורשת חשיבה ביקורתית ופתרון בעיות מורכבות.
המטרה: מרצים הרואים בבינה מלאכותית שותפה ללמידה (לא איום) ומעוניינים לפתח מודלי הערכה חדשניים במסגרת "הערכה לשם למידה".
אילו אתגרים דרשו מענה?
האתגרים המרכזיים שפרקטיקה זו ניסתה לתת לו מענה:
כיצד לשלב בינה מלאכותית בתהליכי הערכה אקדמית באופן שמעמיק למידה, ולא רק מייעל אותה?
כיצד להעריך את הסטודנטים על ידע וכישורים (כמו הערכה לשם למידה) כאשר הבינה המלאכותית עצמה היא כלי הכרחי לשיפור תהליכי הערכה (עצמית, עמיתים וכו')?
כיצד לפתח מודל הערכה שרואה בבינה מלאכותית שותפה ללמידה ולא איום עליה?
כיצד להמחיש הלכה למעשה כיצד בינה מלאכותית יכולה לקדם את יישומה של גישת "הערכה לשם למידה" (למשל מתן משוב מעצב בסיוע הבינה)?
לפיכך שתי מטרות לפרקטיקה:
לפתח מודל הערכה שרואה בבינה המלאכותית שותפה ללמידה ולא איום עליה כאשר כלי בינה מלאכותית חינמיים זמינים לכל סטודנט.
להשתמש במודל זה כדוגמה חיה (מודלינג) עבור הסטודנטים – לקורס שעוסק בהערכה בעידן דיגיטלי.
דרישות מוקדמות ומשאבים
כישורים טכניים נדרשים:
תמיכה של טכנו-פדגוג מומלצת מאוד, במיוחד בשלבים הראשונים, לעזרה בעיצוב מטלות מותאמות, פיתוח מחוונים ומתן תמיכה טכנית למרצים ולסטודנטים.
מאפייני הכלים הטכנולוגיים:
* כלי בינה מלאכותית גנרטיבית: כגון ChatGPT, Copilot, Gemini.
* סביבת למידה דיגיטלית: (Moodle, Canvas וכדומה) המאפשרת הגשת מטלות מדורגות, פורומי דיון ושיתוף משוב.
זמן הכנה ויישום:
עבור המרצה, נדרש זמן משמעותי לתכנון מחדש של המטלות, פיתוח הנחיות ומחוונים ייעודיים ל-AI.
בנוסף, יש לקחת בחשבון עומס מוגבר על המרצים לצורך מעקב צמוד יותר ומתן משוב בתהליך.
תמיכה מוסדית נדרשת:
* הכרה בצורך לפתח "אוריינות בינה מלאכותית" בקרב סגל וסטודנטים.
* הקצאת משאבים להכשרה ייעודית למרצים ולסטודנטים בתחום.
* פיתוח מדיניות מוסדית המתייחסת לשימוש בבינה מלאכותית ביושרה אקדמית ובאופן אתי.
הליך פתרון
הליך בניית מטלות מורכבות שמשלבות שימוש מושכל בבינה מלאכותית, תוך התייחסות לגישת "הערכה לשם למידה" (הל"ל):
שלב 1 – קביעת יעדי למידה הכוללים שימוש מושכל בבינה מלאכותית
הנחיה: הגדירו מראש יעדי למידה המתייחסים לא רק לתוכן הקורס, אלא גם לאופן השימוש ב-AI. לדוגמה, לומדים ידעו להשתמש בבינה מלאכותית להפקת משוב, לניתוח מידע, לסיכום ולבקרת איכות של תוצרים.
שיקולים אתיים: הדגישו מההתחלה את הציפייה לשימוש אתי ואחראי, ואת תפקידו של הסטודנט כ"מנצח" על תהליך הלמידה.
שלב 2 – בניית מטלות מדורגות עם משוב ביניים איטרטיבי
הנחיה: במקום עבודה סופית אחת, חלקו את המטלה לשלבים קצרים יותר. הסטודנטים יגישו תוצרים חלקיים בכל שלב ויקבלו עליהם משוב (מבינה מלאכותית, עמיתים, ומרצה) לשיפור.
קשיים צפויים: עומס בבדיקה על המרצה.
המלצה להתמודדות: עשו שימוש בצ'טבוטים למתן משוב ראשוני איכותי ומעמיק בנקודות קריטיות. עודדו משוב עמיתים מובנה.
שלב 3 – הנחיות ברורות לשימוש בבינה מלאכותית ורפלקציה
הנחיה: ספקו הנחיות מפורשות כיצד אפשר להשתמש ב-AI במטלה. הנחו את הסטודנטים לכלול רפלקציה מפורטת על תהליך עבודתם עם הבינה המלאכותית.
מרכיבי הרפלקציה: תיאור התפקיד של הלומד והתפקיד של הבינה המלאכותית ומה היה חלקו של כל אחד מהם, הפרומפטים שנעשה בהם שימוש, כיצד הם עיבדו, בחרו או דחו תוצרי AI, וכיצד פיקחו על איכות התוצר.
קשיים צפויים: קושי בניסוח פרומפטים אפקטיביים וקושי בהערכה ביקורתית של תוצרי הבינה.
המלצה להתמודדות: כללו סדנאות קצרות או משאבים ייעודיים בנושאי כתיבת פרומפטים (כולל פירוק משימות מורכבות והנחיות סגנון/אורך) ופיתוח מיומנויות הערכה ביקורתית של תוצרי AI.
שלב 4 – פיתוח מחוונים להערכת התוכן ותהליך העבודה עם ב"מ:
הנחיה: בנו מחוונים נפרדים (או מחוון אחד מורכב) המאפשרים להעריך הן את איכות התוכן והן את האופן שבו הסטודנט השתמש בבינה המלאכותית.
דגש: המחוון לתהליך AI צריך להתמקד במתן משוב איכותני לשיפור הדרך שבה הסטודנטים עובדים עם הבינה, ולא רק בשיפוט עצם השימוש בה.
שימוש ב-AI: השתמשו בבינה מלאכותית עצמה כדי לסייע ביצירת מחוונים מותאמים.
שיפור מתמיד: שקלו לפתח מחוון המעריך את ההתקדמות בין טיוטות, כך שגם סטודנטים המתקשים יזכו להכרה על המאמץ והתהליך.
דוגמה למחוון – קישור
שלב 5 – הטמעת גישת הערכה מקדמת למידה (assessment for learning) ושיתוף הסטודנטים בתהליך:
הנחיה: עודדו את הסטודנטים להעלות תוצרים חלקיים לפורום הקורס או לסביבת עבודה משותפת, ולקבל משוב מהמרצה ומהעמיתים.
כלי עזר: פתחו או המליצו על "מחוון בינה מלאכותית" שהסטודנטים יכולים להשתמש בו כדי להעריך את עבודתם (וגם את עבודת עמיתיהם) לפני ההגשה הסופית.
קשיים צפויים: חוסר בתהליכי עבודה מובנים עם הבינה (למשל, שימוש חד-פעמי במקום דיאלוג מתמשך).
המלצה להתמודדות: עודדו דיאלוג מתמשך ואיטרטיבי עם הבינה (עד 15-20התכתבויות למטלה), והקנו שיטות לניהול "שיחה" עקבית עם ה-AI.
שלב 6 – הדגשת כישורי חשיבה מסדר גבוה וגיוון מטלות:
הנחיה: עצבו מטלות אותנטיות המצריכות תקשורת, הערכה ביקורתית, פתרון בעיות ויצירתיות, שהן מעבר ליכולות הגנרציה הפשוטות של AI.
דוגמאות: מצגות, חקר מקרים, יצירת פודקאסטים, ראיונות, דיונים, מטלות כתיבה ממוקדות עם משוב עמיתים ושילוב רפלקציה אישית.
דוגמאות לכישורי חשיבה מסדר גבוה ולמטלות מגוונות – קישור
שיקולים אתיים ואקדמיים
יושרה אקדמית:
קבעו הנחיות ברורות לגבי המותר והאסור בשימוש ב-AI כדי למנוע העתק-הדבק חכם. הדגישו שתפקיד הסטודנט הוא המרכזי והאחראי.
הטיות ומגבלות ה-AI:
חנכו את הסטודנטים לזהות הטיות, חוסר דיוק או שגיאות עובדתיות בתוצרי AI.
היבטי פרטיות ואבטחת מידע:
היו מודעים למידע שהסטודנטים מזינים לכלי AI וודאו שהם מודעים למדיניות הפרטיות של הכלים.
הכנת הסטודנטים:
תנו דגש משמעותי על פיתוח "אוריינות בינה מלאכותית" – מיומנויות טכניות (פרומפטים), חשיבה (הערכה ביקורתית), ומטה-קוגניטיביות (בקרה וניטור).
כלים ושיטות הערכה
מחוונים ייעודיים להערכת תוכן ותהליך AI.
ניתוח רפלקציות של סטודנטים על תהליך עבודתם עם AI.
בחינת כמות ועומק הדיאלוג של הסטודנטים עם הבינה המלאכותית (כפי שנצפה בפער בין 15-20 התכתבויות ל-2-3).
משוב ישיר (פורומים, סקרים, שיחות אישיות) מהסטודנטים על חווית הלמידה.
דוגמאות וראיות
התגובות הראשוניות של הסטודנטים נעו בין התלהבות ("סוף סוף נלמד לעבוד עם הכלים שכולם מדברים עליהם") לחשש עמוק ("איך אני אמור לדעת להכין את המטלה עם הבינה?").
תוצאה מפתיעה: השימוש בבינה המלאכותית העמיק פערים במקום לצמצם אותם. סטודנטים חזקים שהפעילו חשיבה ביקורתית הגיעו לתוצרים איכותיים במיוחד, ברמה גבוהה יותר מעבודות בשנים קודמות. לעומת זאת, סטודנטים מתקשים השתמשו בבינה כקיצור דרך, מה שהוביל לעבודות ברמה נמוכה יותר בהשוואה לשנים קודמות.
ראיות ללמידה מעמיקה ואישית: סטודנטים דיווחו שזו הייתה "כמו לקבל מרצה צמוד 24/7 שתמיד זמין לענות על שאלות שלי". "מחוון הבינה המלאכותית" שפותח אפשר לסטודנטים לבצע בקרת איכות עצמית ולבצע שיפורים משמעותיים.
חיזוק ביטחון עצמי: סטודנטים שחוו קשיים בהצגת רפראט דיווחו על תחושת ביטחון גדולה יותר לאחר ש"בדקו" את הרעיונות שלהם עם הבינה.
הבדלים בתהליך העבודה: סטודנטים מצליחים פיתחו דיאלוג מתמשך עם הבינה (ממוצע של 15-20 התכתבויות למטלה), בעוד שמתקשים הסתפקו ב-2-3 שאילתות בלבד. זוהי עדות מובהקת לצורך בפיתוח אוריינות AI.
הפקת משוב בונה: הבינה המלאכותית שימשה להפקת משוב בונה שקידם את הלמידה ואפשר התאמה אישית של משימות לפי תפקידים ורקעים שונים.
סימוכין
פרקטיקה זו מבססת את הצורך בהתאמת ההערכה האקדמית לעידן הבינה המלאכותית, בהתאם לגישת "הערכה לשם למידה" (הל"ל) (בירנבוים, 2013). הצלחתה תלויה לא רק בשילוב הטכנולוגיה, אלא בעיקר בפיתוח אוריינות בינה מלאכותית אצל הלומדים – יכולת להשתמש בה ביקורתיות, לשלב ידע, לנהל דיאלוג מתמשך ולבקר את התהליך כולו.
הפרקטיקה מדגישה את המעבר מהערכת תוצר סופי להערכת תהליך הלמידה האיטרטיבי בסיוע בינה מלאכותית.
מקורות
בירנבוים, מ. (2013). הערכה מקדמת למידה באקדמיה. הוראה באקדמיה, 3, גיליון מיוחד בנושא הערכת סטודנטים, 9–24. קישור למאמר
שלטון, ח' (2024). שימוש בכלי בינה מלאכותית בתהליכי הערכה מעצבת בכיתה. מידעונט 9, אפי.
קישור למאמר
שלטון, ח’ (2024). אסטרטגיות הערכה בלמידה מרחוק בעידן הבינה המלאכותית – לא פוחדים מ-AI
קישור למאמר