אוריינות תשאולית: המפתח ללמידה מבוססת בינה מלאכותית
Hayes-Jacobs, H., & Fisher, M. (2023). Prompt Literacy: A key for AI-based learning. Educational Leadership, 80(9), 36–42
תוכניות בינה מלאכותית בבתי ספר
עם הפריצה של ה-ChatGPT, לצד תוכניות בינה מלאכותית נוספות, נגלה לעינינו הצורך בפיתוח מיומנות פדגוגית חדשה וחיונית: אוריינות תשאולית (Prompt literacy). מיומנות זו מאפשרת לכתוב ולהפיק מידע בצורה יעילה, מדויקת וזריזה ובכוחה להעצים תלמידים וללמדם כיצד לתפעל את הבינה המלאכותית, במקום להיות מונעים על ידה.
מודל CAST
כדי לסייע למורים ולמנחים להתנסות וללמד אוריינות תשאולית, צוות המחקר פיתח מודל ללמידה מבוססת בינה מלאכותית בשם CAST (Criteria, Audience, Specifications, and Testing). מטרתו של מודל זה היא מיקסום יעילות הפקת המידע במנועי חיפוש עתידיים. מעבר לכך, מודל חדשני זה תומך בפרסונליזציה של למידה, מספק הזדמנויות ללמידה אינטראקטיבית ושיתופית ומזמן חשיבה ביקורתית כלפי האופן בו בני אדם צורכים מידע.
1) קריטריונים (Criteria) – גם לבינה המלאכותית יש הרגלים, חוקים, נורמות, מגבלות וחסמים. למשל, שימוש מוגבר במשפטים קצרים ובראשי פרקים, הסתכלות רחבה מדי או חוסר היכרות עם נושאים איזוטריים. חשוב להבין, בשלב זה לבינה המלאכותית עדיין קשה להפגין יצירתיות, לחשוב מחוץ לקופסה ולכתוב באופן רגיש ואתי. לכן, חשוב להקל על המערכת ולהגדיר מראש בחיפוש את הכיוון המיוחל של התשובה מבחינת שפה, מיקום, משלב לשוני, פורמט ואפילו אידיאולוגיה.
2) קהל (Audience) – על מפעיל המערכת לשאול עצמו: מיהו קהל היעד? בשלב ההתחלתי, כאשר התלמידים והמורים רק לומדים להכיר את התוכנה, כנראה שהקהל הינו הם עצמם. אולם, ככל שיהפכו למתוחכמים יותר עם הנדוס המידע המיידי, הם יוכלו לשאוף להפיק מידע עבור שלל קהלים ספציפיים. לדוגמה, תלמידי שכבת ד', מאמני טניס, ועדה בנושא גיוון והכלה במערכת החינוך או חוקרי השירות המטאורולוגי.
3) התאמות (Specifications) – למרות שהמערכת מסוגלת לדלות נתונים בכוחות עצמה, התאמות ודיוקים פרטניים עשויים לחדד ולהעשיר את המידע המופק. כך, למשל, נקבל תוצר פשטני למדי אם נבקש מהמערכת לכתוב שיר על הקיץ. אולם, אם נפקוד על המערכת לחבר שיר בסגנון אקרוסטיכון במשלב פואטי גבוה על הקיץ, התוצאה צפויה להיות מרשימה בהרבה. וכך, יכול המשתמש למתוח את קצה גבול היכולת של מערכת הבינה המלאכותית.
4) בחינה (Testing) – הבחינה היא השלב החשוב ביותר במימוש הפוטנציאל של השימוש באוריינות תשאולית ושל תפוקתה של הבינה המלאכותית. שכן, עם קבלת התשובה, יכולים התלמידים לבחון מחדש, לתקן, לעצב ולשדרג את הטקסט שהופק. לדוגמה, להוסיף מילות מפתח, לשדרג את המשלב הלשוני, ליצור קשר לוגי בין פסקאות או לחשוב על רעיונות עתידיים.
בסופו של התהליך, ישנו החלק הרפלקטיבי בתהליך הפדגוגי בו תלמידים לומדים להבין ולהפיק ידע ולתווך אותו. מורים ומחנכים צריכים לעודד תלמידים להרחיב או לדברר את התשובות שדלו מתוך המערכת ולהשיב על השאלות הבאות:
- האם ומדוע תשובתה של הבינה המלאכותית היא הטובה ביותר?
- מה עוד אפשר ליצור עם המידע שהופק?
- האם הבינה המלאכותית תמיד צודקת?
- האם ישנם נושאים שהבינה המלאכותית תתקשה לדון בהם?
לקריאה נוספת: כל סיכומי המאמרים בנושא בינה מלאכותית