Skip to content

עיצוב עוזרים דידקטיים מבוססי AI לצורכי הנחייה / כתיבת מחקר

להעשרת תהליכי ההוראה, ההנחייה והלמידה בהקשר מחקרי

green plant in yellow pot beside gray and black laptop computer

כותבים:
ד"ר סמדר גיל חי – מופ"ת, מכללת אורנים

רוצים לקבל עוד מידע על הפרקטיקה?
רוצים להתנסות? יש לכם רעיונות להעשרת הפרקטיקה?
צרו קשר

למי זה רלוונטי?

הפרקטיקה מיועדת לקורסים אקדמיים של הנחיית מחקרים / כתיבת מחקר בתחומי דעת מגוונים, קורסים מרובי / מיעוט משתתפים, תוכניות הכשרה אקדמית מדיסציפלינות שונות, או תהליכי הנחיה אישיים (כמו הנחיית פרויקטים או עבודות מחקר), שבהם קיים צורך לספק תמיכה, משוב, תרגול או הבהרות באופן עקבי, זמין ומותאם אישית בקנה מידה גדול, במיוחד סביב מיומנויות מורכבות או תהליכים רב-שלביים בהקשר של הנחייה / כתיבה מחקר.

אילו אתגרים דרשו מענה?

הוראה והנחיה לתכנון – ביצוע – כתיבת מחקר אקדמי הם תהליכים עתירי שלבים, מורכבים ועתירי התאמה אישית. המורכבות של הכתיבה המחקרית והפערים ברמות הידע והמיומנות – מציבים אתגר פדגוגי ממשי בפני מרצים, מנחים וסטודנטים כאחד.
מרצים ומנחים נדרשים לספק לסטודנטים תמיכה ממושכת ורב-ממדית: משלב תכנון המחקר, דרך איסוף מקורות רלוונטים, קריאה אקדמית ביקורתית, ועד ניתוח הנתונים וכתיבת פרקי העבודה. אך במציאות של קורסים מרובי משתתפים, עומס על צוותי ההוראה, ופערים בקצב ויכולות בין לומדים – נוצרים חסמים משמעותיים.
קשיים עיקריים:

חוסר יכולת לפרק את תהליך
הכתיבה לשלבים הגיוניים

קושי בזיהוי לוגיקת מבנה של
מאמרים אקדמיים

הצפה של מידע או בלבול
בקריאה ביקורתית

צורך במשוב זמין גם מחוץ
למפגש ההנחיה

העדר תרגול מותאם או אמצעים
לחזרה עצמאית

באמצעות הפרקטיקה המוצעת ניתן להעצים את מערך ההנחייה ולהציע פתרונות חדשניים בתוכניות עתירות משתתפים, בקורסי יסוד בכתיבה מחקרית, או בהנחיה אישית לפרויקט סיום. למעשה, זוהי דרך לפתח סביבות למידה נתמכות  AI שמובילות לתהליכים מדויקים יותר של חשיבה, ניסוח, ושיח אקדמי.

מה משיגים באמצעות הפרקטיקה?

הפרקטיקה מהווה מודל פדגוגי חדשני לשילוב הבינה המלאכותית בתהליך המחקר: לא כטכנולוגיה חיצונית, אלא כמרכיב אינטגרלי המשולב במערכת ההוראה וההנחייה בתהליך כתיבת מחקר.

למידה מותאמת: התאמת הכלי לרמות ידע משתנות, לקבוצות הטרוגניות ולסגנונות למידה מגוונים.

תמיכה 24/7: זמינות תמידית, אפשרות לחזרה, תרגול ותגובה מיידית – גם מעבר לשעות ההנחיה.

העמקת הבנה וביקורתיות: יישומים חכמים יכולים להפעיל את הלומדים, להציף דילמות, לאתגר חשיבה ולבנות ידע פעיל.

אחידות והמשכיות פדגוגית: מאפשרים קו מנחה ברור בין מטלות אקדמיות בהקשר מחקרי, תיאום בין מנחים, ושפה אקדמית אחידה.

פינוי זמן להנחיה עמוקה: משחררים את המרצה מהתמקדות בפעולות חוזרות, ומאפשרים השקעה באינטראקציות מורכבות יותר.

חיזוק הקשר בין לומד למנחה: הכלים משמשים גשר מותאם להנחיה אישית, ולחיזוק תחושת התמיכה והנוכחות.

מפת החשיבה של המודל הפדגוגי עליו מבוססת הפרקטיקה לשילוב הבינה המלאכותית בתהליך המחקר:

דרישות מוקדמות ומשאבים

כישורים טכניים נדרשים:
מרצים ומנחים המעוניינים ליישם את הפרקטיקה אינם נדרשים להיות מומחי AI או מפתחים, אך נדרשת:
* אוריינות דיגיטלית בסיסית-מתקדמת  (כמו ניסוח פקודות Prompt, תפעול כלים מבוססי בינה מלאכותית).
* היכרות עם עקרונות פדגוגיים של למידה פעילה, למידה מותאמת, אורינות אקדמית וחשיבה מחקרית.

תמיכה של טכנו-פדגוג:
* עשויה להיות חיונית (לא חובה), במיוחד בשלבים הראשונים של עבודה עם כלי AI.
* הדרכה ראשונית והטמעה משותפת עם המרצה, המנחה או צוות הקורס.

כלים וטכנולוגיה:
הפרקטיקה מבוססת על שימוש בכלים פתוחים ונגישים, רובם אינם דורשים התקנה מקומית:
* Claude Artifact, WebSim.AI, Base44, ChatGPT, SciSpace –  כלים לפיתוח ארטיפקטים, סימולציות, משחקים, אינפוגרפיקה ומשימות אינטראקטיביות.
* Google Slides, Canva, Notion, Miro – כלים לעיצוב ממשקי למידה.
* מחשב אישי רגיל עם דפדפן אינטרנט – מספק לצורך הבנייה.

תמיכה מוסדית נדרשת: 
כדי להבטיח הטמעה מוצלחת, כדאית תמיכה במספר מישורים:
* הכרה בפעולה כחדשנות פדגוגית – הכללתה בדו"ח היחידה לקידום איכות ההוראה.
* הקצאת שעות טכנו-פדגוגיות ו/או סטודנטים מסייעים להטמעה.
* הקמת מרחב שיתוף מוסדי מאגר / ספריית פרקטיקות וכלים מבוססי AI שפותחו בקורסים אחרים.
* שיח עם הנהלת הפקולטה/ראש היחידה על פוטנציאל המהלך לשיפור חוויית הלומדים והפחתת עומס ההנחיה.
* תועלות הפרקטיקה (למידה מותאמת, שיפור איכות כתיבה, אוריינות אקדמית, חשיבה ביקורתית, העצמת הסטודנט, חסכון בזמן ועוד).

הליך פתרון

הפרקטיקה  מההיבט הפדגוגי מבוססת על עיקרון של תכנון–עיצוב–בדיקה–הטמעה, בדומה למודלי; ADDI (Branch, 2009) , SAMR (Puentedura, 2014a) של פיתוח למידה מבוססת פתרונות טכנולוגיים .
להלן שלבי היישום המומלצים, המלווים בקשיים צפויים, המלצות, שיקולים אתיים, ומדדי הערכה.

שלב 1 – הגדרת צורך פדגוגי ותחום יישום

מה לעשות: זיהוי אתגר או צורך בהוראה/הנחיה הקשור לכתיבה או חשיבה מחקרית בדיסציפלינה שלך (לדוגמה: הבנת מאמרים, בניית שאלות מחקר, תרגול ניתוח סטטיסטי).
שאלות מנחות: מה הסטודנטים מתקשים בו? מתי כמנחה את/ה חוזר/ת על אותן הנחיות שוב ושוב?
קשיים צפויים: קושי לבחור אתגר ממוקד.
המלצה: להתחיל בהתייחסות לבעיה קטנה אך חוזרת (כמו ניסוח מטרות מחקר, ניסוח שאלות מחקר, זיהוי פערים בספרות המחקרית וכד') שניתן לייעל.
שיקול אתי: לוודא שהצורך נוגע ללמידה אמיתית ולא לפתרון אוטומטי שמחליף חשיבה.

שלב 2בחירת כלי AI מתאים

מה לעשות:  להתאים את הכלי (למשל Claude Artifact, WebSim.AI, ChatGPT, SciSpace) לפי סוג הפעולה הנדרשת: תרגול, סימולציה, משוב, בניית תוצר, ניווט בטקסט.
קשיים צפויים: עודף כלים וקושי בהבנת ההבדלים ביניהם.
המלצה:  מומלץ להיעזר בטכנו-פדגוג או בעובד הוראה מנוסה.  להתחיל מכלי אחד פשוט.
שיקול אתי:  לוודא שהכלי עומד בהנחיות פרטיות מידע של המוסד. להשתמש בגרסאות מאובטחות (ללא העברת מידע אישי).

שלב 3ניסוח מטרת הארטיפקט והפקת טיוטת עזר ראשונית

מה לעשות: להגדיר בדיוק מה תכלית העוזר – אילו מיומנויות הוא אמור לפתח ואיך.
דוגמה: משחקון אינטראקטיבי לתרגול איתור מגבלות מתודולוגיות במאמרים.
קשיים צפויים: ניסוח מטרות עמומות.
המלצה: להשתמש בפועל ברור ("לזהות", "לתרגל", "לערוך השוואה", "לנסח").
שיקול אקדמי: לוודא שהעוזר לא מבצע את העבודה במקום הסטודנט, אלא מדריך ומאתגר.

שלב 4הפעלה ניסיונית מול סטודנטים / עמיתים

מה לעשות: להפעיל את העזר הדידקטי האינטראקטיבי בקורס או סביבה מצומצמת.  לאסוף תגובות איכותניות (פוקוס קצר, טופס גוגל, רפלקציה) להערכת איכות השימוש בכלי.
קשיים צפויים: התנגדות לחדשנות, חשש מטעויות טכניות.
המלצה:  להציג את הכלי כתוסף ולא כתחליף.  לתכנן פעילות קצרה ולא מהותית למהלך הקורס.
שיקול אתי:  להדגיש לסטודנטים את מגבלות הבינה –  ולא להבטיח  תוצאות אובייקטיביות.

שלב 5 – שיפור, שדרוג והטמעה בהיקף רחב

מה לעשות: לעדכן את הכלי לפי משוב, לשלב  אותו כחלק אינטגרלי מהוראה/הנחיה.
קשיים צפויים: תחזוקה, קושי להרחיב לכל מטלה / הקורס.
המלצה: להתחיל  מיחידת תוכן אחת, להרחיב בהדרגה. לשתף עמיתים ליצירת בנק משותף של כלים.
שיקולים אתיים ואקדמיים (רוחביים לכל שלב):  
* לשמור על  עקרונות יושרה אקדמית: הכלי תומך, מכוון, מייעץ – לא כותב במקום הסטודנטים.
* להדגיש בפני הסטודנטים את הצורך להיזהר מהטיות בתשובות – לוודא שהתשובות נשענות על מקורות אמינים.
* להקפיד על אבטחת מידע: אין להזין שמות, עבודות, קבצים אישיים אם הכלי אינו מוגן. – מומלץ לקרוא את מדיניות שמירה על פרטיות ומידע של כל חברת פיתוח של כלי בינה מלאכותית כמו OPEN AI , ANTROPIC וכד'
* להנחות את הסטודנטים לשימוש מושכל – למשל: סדנת הכרות קצרה, מסמך כללי שימוש סיכונים והזדמנויות.

מדדי הצלחה להערכת הפרקטיקה
* מידת השימושיות של הסטודנטים בעוזר הדידקטי מבוסס AI למחקר
* בחינת רמת ההשפעה של השימוש בכלי העזר האינטראקטיבי על הלמידה / הכתיבה/ החשיבה המחקרית של הסטודנטים
* חוויית הסטודנטים כמשתמשים בעוזרים הדידקטיים לייעול ושיפור תהליכי הכתיבה והביצוע של מחקר
* קידום מטרות פדגוגיות של הקורס / ההנחייה ( רלוונטיות הכלי)יינות אקדמית, חשיבה ביקורתית, העצמת הסטודנט, חסכון בזמן ועוד).

דוגמאות וראיות

כמנחה של סטודנטים הכותבים עבודות מחקר במסגרת לימודי התואר השני, הגעתי לתובנה שיש לאפשר לסטודנטים להסתייע בכלים טכנולוגיים כמשלימי תפקיד מנחה לשם ייעול עבודת הכתיבה המחקרית. הכלים מאפשרים התאמה לשונות בין סטודנטים ( יכולות, קצב, הבנה, צרכים וכד')  ומגוון סוגי פעילויות: תרגול תוכן, רענון זיכרון, העמקה בתכנים, התייעצות והשראה, הפשטה של המשגה, מונחים ותכנים אקדמים מורכבים, זאת בהלימה לצורכי המחקר השונים.. לדוגמא:

  • לצורך תרגול מושגי יסוד בסטטיסטיקה תיאורית : פיתחתי חידון מותאם רמות, עם חיזוקים על  הבנת משמעות מושגי היסוד הסטטיסטיים. קישור
  • לצורך הבנה ותרגול של קריאה מעמיקה וביקורתית של מאמר מחקרי : פיתחתי דשבורד אינטראקטיבי המציג לשם הלמידה מאמר מחקרי מוטמע ורצף שאלות מלוות בפידבק מלווה בטיפים והמלצות. קישור
  •  לצורך הבנת המבנה וכללי הכתיבה האקדמית של מחקר : פיתחתי   דשבורד אינטראקטיבי מותאם לחלקי עבודת מחקר עם המלצות של כללי עשה ואל תעשה בכתיבה לפי APA. קישור

סימוכין

בעידן שבו סטודנטים נדרשים להתמודד עם תהליכי כתיבה וחשיבה מחקרית מורכבים, לצד מגבלות של זמן, קיצור תקופת הלמידה לתארים, מגבלות התמיכה והמשאבים במערכות אקדמיות – עולה הצורך בתשתית פדגוגית חדשנית שתשלב בין אוטומציה, אוטונומיה, עומק ורפלקציה. החדשנות שבתבנית הפרקטיקה שפותחה ליצירת עוזרים דידקטיים מבוססי AI (אוטומציות בעלות ייעוד מחקרי) הינה בנתינת מענה מתודולוגי ישים ומבוקר, המאפשר למרצים ולמנחים לפתח כלים חכמים ופעילים, בהתאם לצורכי הלמידה וההנחיה המחקרית בדיסציפלינות שונות. פיתוח המודל הפדגוגי של הפרקטיקה לצורכי כתיבת מחקר נשען על מודל ADDIE  ומובנה כתהליך סדור של ניתוח, עיצוב, פיתוח, יישום והערכה ( Analyze, Design, Develop, Implement, and Evaluate)– תוך התאמה להקשרים מגוונים   (Branch, 2009; Hemilton et al., 2016) . הפרקטיקה פועלת גם לאור מודל SAMR  – (Substitution, Augmentation, Modification, Redefinition ) שילוב עמוק של טכנולוגיה ברמות ה־ Modification וה־ Redefinition,  משנה את מבנה הלמידה (M) ויוצר משימות למידה חדשות שלא היו אפשריות  ללא AI (R) . (Puentedura, 2014a). הפרקטיקה מעוגנת בפדגוגיה חדשנית המאפשרת יצירת משימות למידה חדשות כגון סימולציות, דשבורדים דידקטיים ומשחקי טריוויה אינטראקטיביים גם בהקשר של הנחייה/כתיבת מחקרים.

בנוסף, המודל הפדגוגי של הפרקטיקה מעוגן גם בטקסונומיה של בלום (Bloom et al., 1956)  ותומך בשכלול של מיומנויות חשיבה מסדר גבוה, לרבות ניתוח, הבניית מחדש, הערכה ויצירה – במיוחד כאשר העזרים נבנים כך שהם מאפשרים ללומדים לבצע שיפוט ביקורתי של ממצאים, לזהות טעויות, לנסח פרשנויות, ולבנות טיעונים אקדמיים. תכנון הפרומפטים, עיצוב התוצרים, והאפשרות למתן משוב אינטראקטיבי – כל אלה מאפשרים רמות קוגניטיביות גבוהות ועמוקות יותר בתהליך הלמידה. גישה זו של קידום פרקטיקה פיתוח עוזרים דידקטים מבוססי AI לתמיכה בתהליכי הוראה, הנחייה, כתיבת מחקרים, מדגישה את החשיבות של שימוש מודע, גמיש ורפלקטיבי בטכנולוגיה – עיקרון שמתקיים בתבנית בכך שהיא מותירה למרצה שליטה בתהליך ובשימוש, תוך מתן אפשרות להתאמה אישית לסטודנטים ולשיפור מתמיד. אף, יכולת לכוון את הסטודנטים לשימוש מושכל בעוזרים הדידקטים לתמיכה בתהליך הלימודי ולא כתחליף לביצוע המשימות במקום הסטודנטים.

מקורות

Bloom, B. S., Engelhart, M. D., Furst, E. J., Hill, W. H., & Krathwohl, D. R. (1956)
Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain. David McKay
Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer
Hamilton, E. R., Rosenberg, J. M., & Akçaoglu, M. (2016). The Substitution, Augmentation, Modification, and Redefinition (SAMR) model: A critical review and suggestions for its use. TechTrends, 60(5), 433–441. https://doi.org/10.1007/s11528-016-0091-y
Puentedura, R. (2014a). Building transformation: An introduction to the SAMR model [Blog post]. Retrieved  from LINK