קריאה בעידן של טקסטים דינמיים

Hargrave, M. (2026). Reading in an age of dynamic texts. Educational Leadership, 83(6), 10–16

עיקרי הדברים:

• יש להסביר לתלמידים שאת הדיאלוג עם מנועי הבינה המלאכותית צריך לקחת למקום של הסקה מעמיקה
• רצוי להסביר לתלמידים שאין לקבל את המסקנות של ה-AI על עיוור ויש להציב בפניו שאלות קשות, להתקיל אותו בטיעוני נגד ולבקש ממנו להסביר את הדברים במילים אחרות או מתוך הסתכלות היסטורית, לשונית, תרבותית, משפטית, מדינית, פוליטית או לאומית מסוימת
• על התלמידים לבקש ממנוע החיפוש לבסס את טיעוניו על מחקרים אקדמיים ולבדוק שהפריטים האלו שרירים וקיימים
• רצוי להקיש את אותן שאילתות בכמה מנועי חיפוש מבוססי בינה מלאכותית, כמוGoogle Gemini, Perplexity AI, ChatGPT או Microsoft Copilot, ולוודא שהממצאים תואמים

לתקציר באנגלית

לקריאה נוספת: כל סיכומי המאמרים בנושא בינה מלאכותית

 מהסקה פסיבית לסקרנות ופעלתנות

במבחנים מסורתיים, נהוג לבקש את התלמידים לבצע פעולות חשיבה של הסקה על בסיס הנתונים הקיימים, ולהסתמך על שאלות דוגמת:

1. מהי טענתו העיקרית של המחבר?
2. אילו ראיות תומכות בטענתו העיקרית של המחבר?
3. סכמו את הרעיון המרכזי של הסיפור (OECD, 2018).

אלא שטקסטים המבוססים על מנועי בינה מלאכותית מצריכים את התלמידים לרכוש ולסגל לעצמם מיומנויות חשיבה דינמיות ורפלקטיביות. על רקע זה, כדי לסייע לתלמידים לעיין בטקסטים מבוססי AI, צריך לבסס את תהליכי הלמידה על המודלים הבאים:

1. מודל האינטראקציה הדינמית – התלמידים צריכים להבין שטקסט המופק על ידי מנוע בינה מלאכותית אינו תוצר מוגמר ואינו סוף פסוק. התשובה רק מהווה טיוטה ראשונית או נקודת פתיחה ותפקידם כעת הוא לבקש הסבר נוסף, לדרוש הבהרות, לחתור לכיווני חקירה נוספים, להציע טיעוני נגד, להצית דיון, להנפיק תוצרים או לחתור לפתרון חלופי.
2. מודל קידום הסקרנות – את התלמידים יש להניע מעמדה של נמען פסיבי הקורא טקסט למקום פעיל יצרן ידע. את מנועי הבינה המלאכותית צריך לשאול שאלות כמו: מה עוד אפשר ללמוד מהטקסט? אילו טקסטים נוספים יכולים לעזור לי להבין את הטקסט הזה? מה חסר בטקסט הזה כדי להבין את התמונה המלאה? ועל אילו שאלות הטקסט לא עונה? כך, נעודד את התלמידים להשתמש במנועי בינה מלאכותית ככלי לסיפוק יצר הסקרנות, לחשיבה אלטרנטיבית, לאיתור תגליות או להסברים מעמיקים יותר.
3. מודל התשובה האיטרטיבית-חזרתית – מעבר למילים, משפטים ופסקאות, את התשובה שהתלמידים מקבלים ממנוע הבינה המלאכותית אפשר לעבד ולהפיק מחדש במגוון דרכים. לדוגמה, חידונים, מילון מושגים, טיעונים, טבלאות, מצגות, השוואות, סיפורים קצרים או סרטונים. כך התלמידים מבינים את המנעד הרחב של היכולת לעבד וללוש מידע, במגוון רחב של פלטפורמות.

בעבר נהגו לבחון את המקור ממנו אנחנו קוראים ולהביא בחשבון את רמת המהימנות של הכותב, ההוצאה או הערוץ. כיום, בעידן הבינה המלאכותית, כישורי הספקנות הופכים להיות הכרחיים ונחוצים מאי פעם. לכן, מערכת החינוך צריכה לשאוף ללמד תלמידים אסטרטגיות קריאה מותאמות-תקופה המאפשרות להם להתמודד עם טקסטים שנכתבו הן על ידי אדם והן על ידי מכונה (Wineburg & McGrew, 2023).

ממבט ראשון, טקסט מבוסס בינה מלאכותית דומה לטקסט מסורתי ומכאן שכל מה שנותר הוא ללמד את התלמידים כיצד לנווט בים המידע ולסנן אותו. עם זאת, יש הבדל אחד קריטי בין טקסט מסורתי לבין טקסט מבוסס בינה מלאכותית. טקסטים מסורתיים הינם חד-ממדיים ובלתי ניתנים לשינוי אחרי הפצתם. ואילו, טקסטים מבוססי בינה מלאכותית הינם דינמיים, קישוריים ונכתבים מחדש בזמן אמת, ככל שבני אדם יורו להם לעשות כן. זהו תהליך חדש של הפצה, זרימה ועיבוד מידע, ובהינתן כך רצוי ללמד את תלמידי היסודי והעל יסודי סוג חדש של אוריינות קריאה: מעמיקה, ספקנית, ביקורתית ויצרנית (Eaton, 2023).

מתרבות צריכה ליצירה והפקה

התלמידים צריכים ללמוד איך לדבר עם מנועי הבינה המלאכותית, לנהל אותם ולחשוב איתם. מנועי הבינה המלאכותית עצמם יכולים להיות פרטנרים נהדרים לחשיבה ולתכנון משום שהם קשובים וזמינים באופן תמידי. יש להסביר לתלמידים שאת הדיאלוג עם מנועי הבינה המלאכותית צריך לקחת למקום של הסקה מעמיקה, ולכלול בשיח:

1. תגובתיות-נגד – אל תקבלו את המסקנות של ה-AI על עיוור, הציבו בפניו שאלות קשות והתקילו אותו בטיעוני נגד;
2. תרגום והמרה – בקשו מה-AI להסביר את הדברים במילים אחרות או מתוך הסתכלות היסטורית, לשונית, תרבותית, משפטית, מדינית, פוליטית או לאומית מסוימת;
3. הבהרות – הורו ל-AI להסביר את המסקנות בדרכים נוספות.

יתכן כי הגישה הזו תיראה לכם, המורים, כמובנת מאליה. אך, חשוב בכל זאת להסבירה ולהבהירה ללומדים. שכן, בכוחה לסייע לתלמידים להיות קוראים דינמיים, ספקניים וממוקדים החותרים להבנה מעמיקה בזמן אמת בעזרת שאלות נלוות, שיח ביקורתי או חתירה למסקנות. במילים אחרות, כיום, ברמת השאיפה, יש ללמד תלמידים לשוחח ולהתדיין עם טקסטים לימודיים, ולא רק לקרוא אותם כמוצר מוגמר.

מקריאה אנכית לרוחבית

לא רק שחוויית הקריאה הופכת כיום לתגובתית ודיאלוגית, אלא שגם כיוון הקריאה משתנה. פעם, היינו קוראים את הדף מלמעלה למטה. כיום, הקריאה הופכת להיות רוחבית ויש מקום לעצור, לשאול, לפקפק ואף לדרוש שינוי. הקורא צריך לדעת להתרחק מהטקסט ברגעים של אי-ודאות, לאסוף מידע נוסף, לגלות עובדות בשטח, לשמוע רעיונות נוספים ולא להיתקע על מקור בודד. כלומר קריאה רוחבית מבקשת מהתלמיד להסתכל מתוך כמה זוויות כדי לקבל את התמונה הרחבה ולפעול בדרכים הבאות:

1. בקשו ממנוע החיפוש לבסס את טיעוניו על מחקרים אקדמיים ובדקו שהפריטים האלו שרירים וקיימים.
2. ודאו בעצמכם שהטקסט המופק על ידי הבינה המלאכותית אינו מבוסס על מידע ספרותי-בדיוני.
3. הקישו את אותן שאילתות בכמה מנועי חיפוש מבוססי בינה מלאכותית, כמוGoogle Gemini, Perplexity AI, ChatGPT או Microsoft Copilot, ו-ודאו שהממצאים תואמים.
4. בדקו את תאריך המידע והעדיפו מקורות עדכניים ורלוונטיים.

שיעורי ספרות בעידן הבינה המלאכותית

מהפכת הבינה המלאכותית לא הפכה את מלאכת אוריינות הקריאה למיותרת. ההיפך הוא נכון, היא אתגרה אותה ועשתה אותה מורכבת ועוצמתית יותר מאי פעם. בבואנו לנתח יצירות בשיעורי ספרות או לשלוח תלמידים לקרוא על אירוע היסטורי, חשוב להבין שמיומנויות החשיבה הנדרשות מהתלמידים חייבות להשתדרג. על התלמידים לראות בטקסטים מרחב לשיח, לתנועה, לחקר ולתגלית. במקביל, על המורים והמחנכים להבהיר לתלמידים כי בכוחם לערער על הידע הקיים, לחשוב באופן ביקורתי, להצליב מקורות, להפיק תוצרים ולפרוץ את גבולות הידע.

רשימת המקורות

Eaton, S. (2023). Plagiarism in higher education: post-plagiarism and academic integrity. Routledge

OECD. (2018). The future of education and skills: Education 2030. OECD Publishing
Wineburg, S., & McGrew, S. (2023). Lateral reading and the nature of expertise: Reading less and learning more when evaluating digital information. Teachers College Record, 121(11), 1-40