האם אנחנו מעריכים את מה שחשוב באמת? במתמטיקה, מורים נקרעים בין הערכה מעמיקה לבין מגבלות זמן – אבל הבינה המלאכותית משנה את זה

Mctighe, J., & Meadows, J. (2025). Are we assessing what really counts? In math, educators have long been forced to choose between assessment depth and time constraints-but AI is changing that. Educational Leadership, 83(3), 34–42

עיקרי הדברים:

● המתכונת הנוכחית של מבחני המתמטיקה אינה בוחנת כישורי חתירה לפתרון בעיות של תלמידים, אינה מבחינה בדרכי פתרון יצירתיות, יעילות או חדשניות ואינה יכולה לבדוק את מסוגלות הלומדים לתקשר ולדברר את דרך הפתרון ואת מסקנותיהם

● צוות המחקר מאמין שמבחני מתמטיקה צריכים לשים דגש על נימוק, הסקה, פתרון בעיות, הדגמה ותקשורת וכי אין מנוס מהערכת מבחני מתמטיקה באמצעות מטלות מופשטות ומורכבות ושאלות פתוחות

● הפריצה וההתקדמות העצומה של הבינה המלאכותית בשנים האחרונות עשויה להועיל למקצוע המתמטיקה ולגשר בין הצורך להעריך תלמידים באופן מעמיק לבין המגבלות האדמיניסטרטיביות והפרקטיות הכרוכות בכך

● רצוי להכניס למבחנים הקשרים של אקטואליה ושל מצוקות ובעיות חברתיות ולדון, באמצעות המתמטיקה, במגבלות תקציב וזמן, במושגים מדעיים, בתהליכים אדמיניסטרטיביים ובנתונים סטטיסטיים מתקדמים מעולם הספורט

לתקציר באנגלית

לקריאה נוספת: כל סיכומי המאמרים בנושא מתמטיקה

ברור כי הוראת מתמטיקה אינה צריכה להסתפק בשינון נוסחאות ופתירת תרגילים. אלא, לפתח את מסוגלות התלמידים לחשוב בצורה מתמטית, לדבר בשפה מתמטית, ליישם אסטרטגיות חישוביות, להסביר ולהצדיק דרכי פתרון ואף להשתמש במתמטיקה כדי לפתור בעיות בזמן אמת ובעולם האמיתי. על רקע זה, במאמר זה נשאלות השאלות הבאות: האם מקצוע המתמטיקה, במתכונתו הנוכחית, חותר למטרות האלו? והאם הבינה המלאכותית יכולה לגשר בין למידת בפועל לבין למידה ערכית?

להעריך את ההערכה

מבדקי ומבחני ההערכה המתמטיים הארציים בארה"ב נוטים להשתמש בשאלות רב-ברירתיות. ברור כי גופי ההערכה הגדולים אינם סבורים כי מבחנים אמריקאים הם מיטביים להערכה איכותנית של תלמידים. אלא, להערכה של מסה עצומה של תלמידים בזמן קצר ובמדד אחיד, ובקנה מידה של מיליוני תלמידים תוך כמה יממות. לא זו בלבד, הפורמט הזה חוסך משמעותית בעלויות, מאפשר בדיקת מחשב, שיפוט מהימן וניטרלי וחיסכון אדיר בזמן ובמשאבים.

אבל, לאותם מבחנים סגורים יש מגבלות רציניות. כך, למשל, המתכונת הנוכחית של מבחני המתמטיקה אינה בוחנת כישורי חתירה לפתרון בעיות של תלמידים, אינה מבחינה בדרכי פתרון יצירתיות, יעילות או חדשניות, אינה יכולה לבדוק את מסוגלות הלומדים לתקשר ולדברר את דרך הפתרון ואת מסקנותיהם ואינה קולטת מסרים עקיפים, דוגמת מחיקות או נימוקים שנכתבו בצד. כלומר, מבחני ההערכה הארציים מסוגלים להעריך תלמידים באופן חלקי בלבד, עם דגש על היבטים כמותניים ולא איכותניים (Carbaugh et al., 2021).

הערכה במקצוע המתמטיקה

הספרות המחקרית מראה שהמבחנים הנהוגים כיום בכיתות היסודי והעל-יסודי מחקים את המבנה והסגנון של מבחני ההערכה הארציים והבינלאומיים ודוגלים בשאלות רב-ברירתיות, תרגילים סגורים ותשובות קצרות. אמנם, ישנן בעיות מילוליות בהן מתבקשים הלומדים להפגין כישורים ומתאפשר למורים להעריך את דרכי החשיבה והאסטרטגיה של הלומדים. אבל, הרוב המוחץ של המבחנים במתמטיקה מתבסס על שאלות סגורות, ואלו אינן תורמות להרחבת האופקים של הלומדים.

סיבה, תוצאה והסקה

על אף מגבלותיה, מורי המתמטיקה מרבים להשתמש במבחנים סגורים משתי סיבות מרכזיות:

1. מורים, רכזים ומפקחים רבים משוכנעים כי שיטת הבחינה הנהוגה במבחנים ארציים ובינלאומיים, היא, בהכרח, הנכונה והמיטבית מבחינה אדמיניסטרטיבית ופדגוגית.
2. בדיקה והערכה של שאלות פתוחות מצריכה כמות כפולה ומכופלת של זמן, ואין מורה אחד שמעוניין בעומס עבודה נוסף, המגיע ללא תגמול ממשי.

ההערכה היא המסר

אחת ההשלכות הקריטיות שנושאת עמה שיטת הבחינה הסגורה היא המסר העקיף שמועבר לדור התלמידים הנוכחי. לפיו, חתירה לפתרון בעיות מתמצת לכדי כמה אפשרויות מובְנות, ומכאן שהם נמנעים מחשיבה מחוץ לקופסה ומאמינים שיש רק נכון או לא נכון (McTighe & Ferrara, 2021). על רקע זה, צוות המחקר מאמין שמבחני מתמטיקה צריכים לשים דגש על נימוק, הסקה, פתרון בעיות, הדגמה ותקשורת, ולכן אין מנוס מהערכת מבחני מתמטיקה באמצעות מטלות מופשטות ומורכבות ושאלות פתוחות.

לצורך כך, אפשר לנקוט באסטרטגיות הבאות:

1. הכניסו למבחנים הקשרים של אקטואליה ושל מצוקות ובעיות חברתיות ודונו, באמצעות המתמטיקה, במגבלות תקציב וזמן, במושגים מדעיים, בתהליכים אדמיניסטרטיביים ובנתונים סטטיסטיים מתקדמים מעולם הספורט.
2. בקשו מהתלמידים להסביר ולנמק את הדרך לפתרון, ולא רק לחשב או לבחור.
3. קשרו את מבחני המתמטיקה למקצועות לימוד אחרים, דוגמת אדריכלות, גאוגרפיה, חינוך גופני, כלכלה, מדעים, מחשבים או מימון.
4. הרבו להשתמש בעזרים טכנולוגיים בשיעורי, ואפילו במבחני מתמטיקה.
5. חשבו מחדש וגבשו, ברמה העירונית, השכבתית או הבית ספרית, רובריקה חדשה להערכת תלמידי מתמטיקה.

מתמטיקה בעידן הבינה המלאכותית

הפריצה וההתקדמות העצומה של הבינה המלאכותית בשנים האחרונות עשויה להועיל למקצוע המתמטיקה ולגשר בין הצורך להעריך תלמידים באופן מעמיק לבין המגבלות האדמיניסטרטיביות והפרקטיות הכרוכות בכך. עד היום, מוגזם היה לבקש ממורה של כ-150 תלמידים להשקיע שעות על גבי שעות בבדיקת והערכת בעיות מילוליות מורכבות ושאלות פתוחות במתמטיקה. אבל, כיום, מנועי הבינה המלאכותית מסוגלים לפענח, להעריך ולשפוט כתב יד, תרגילים, נוסחאות, תשובות פתוחות ושרטוטים.

השידוך המושלם

מה אם אפשר היה לתת ל-AI לנתח את תשובות התלמידים, להעניק להם משוב בונה ולהציב בפניהם יעדים – בתוך שניות אחדות? זהו עתיד פדגוגי בו אין יותר צרוך לברור בין איכות לבין כמות ובו התלמידים מקבלים שאלות פתוחות שמניעות אותם לחשוב על פתרון בעיות בזמן אמת, להצדיק את אופני החשיבה ודרך הפתרון ולקבל משוב משמעותי (וניטרלי) בו במקום. למעשה, לא מדובר כאן על תרחיש עתידי, המציאות הזו כבר כאן, זמינה ונגישה, וניתן להשתמש בה, בעזרת ה-AI, בדרכים הבאות:

1. בחנו את הייצוג המתמטי שמביע הסטודנט ואת חתירתו לדיוק והשלמה והתחשבו בדיוק הנוסחאות והסימנים, בשלמות הפתרון, בדיוק בחישובים והמסקנות ואפילו בעקרון של יצירתיות מתמטית.
2. בחנו את כושר ההסקה, את אוצר המילים המתמטי, את האסטרטגיה המתמטית ואת אופן הצגת המסקנות.
3. הטמיעו אלמנטים של פרסונליזציה של למידה בשיעורים, במטלות ובבחינות, התאימו את המטלות לכישורי הלומד ואל תרגישו מחויבים לתת אותו מבחן לכולם.
4. אפשרו למנועי ה-AI לספק לתלמיד, לכיתה או לשכבה ואפילו לדרגי ההנהלה והפיקוח, משוב מקיף ומפורט שמציג חולשות וחוזקות של תוכנית הלימודים הנוכחית, והציעו נקודות למחשבה ודרכי התייעלות עתידיות.

רשימת המקורות

Carbaugh, E., & McTighe, J., & Doubet, E. (2020). Designing authentic tasks and

projects: Tools for meaningful learning and assessment. ASCD

McTighe, J., & Ferrara, S. (2021). Assessing student learning by design. Teachers College Press