הבינה המלאכותית מערערת כמעט כל היבט במערכת החינוך

Julian Stodd, Sae Schatz, and Geoff Stead (2023). Engines of engagement: a curious book about generative AI, Sea Salt Learning, Bournemouth, Dorset, UK

היבטים במערכת החינוך שהבינה המלאכותית מערערת:

כמעט הכל מועמד היום לבחינה-מחדש: אופי ותפקיד ההוראה, הבעלות והשימוש בחומרים חינוכיים, מבנה מערכות החינוך שלנו, האתיקה ומנגנוני ההערכה, ההשפעה של פער דיגיטלי הולך וגדל. הכלים החדשים הללו אפילו מאתגרים את נקודות המבט שלנו לגבי מהי 'יכולת', כמו גם איך והיכן היא מוחזקת על ידי יחידים ומוסדות.

לאתר הספר

לקריאה נוספת: כל סיכומי המאמרים בנושא בינה מלאכותית

הסכנה בהיעזרות ב-AI בביצוע משימות פשוטות:

עד כה תלמידים בנו את תשתיות היכולות הפנימיות שלהם בהדרגה, מהקל אל הכבד, תוך התנסות התחלתית במשימות טכניות פשוטות ואז התקדמות לעבר משימות קשות ומורכבות יותר ויותר. הטכנולוגיה והבינה המלאכותית משנות כל זאת. באמצעות תוספי בדיקת איות ודקדוק – שלא לדבר על יכולות הבינה המלאכותית לחבר טקסטים – רבות מהמשימות והמטלות הבסיסיות, אלה שניתנו לתלמידים בשלבים התחלתיים, נעשו פחות חשובות, אם לא מיותרות לחלוטין. עם זאת, יכולות הליבה שנלמדו באמצעות התנסויות אלו נותרו חיוניות, כגון פיתוח התמדה, כושר שיפוט, ביקורת עצמית, וגם הבנה אינטואיטיבית של מרכיבי הכתיבה הטובה כמו קצב, בהירות וטון-אישי. כל זה נכון לא רק בתחום הכתיבה, אלא גם בתחומים ובמקצועות לימוד רבים נוספים.

האתגר הגדול:

איך נתאים את המודלים החינוכיים שלנו כדי להמשיך ולפתח בקרב תלמידים יכולות וכישורים ברמה גבוהה יותר, כמו הבנת הקשר ומשמעות, יצירתיות ומקוריות - כאשר התמריצים של התקדמות ברמות הנמוכות כמעט נעלמו?

דוגמת המחשבונים:

כאשר הוכנסו מחשבונים לחינוך, אנשים חששו שתלמידים כבר לא יידעו מתמטיקה. במבט לאחור, אנו יכולים לזהות שמתמטיקה כוללת דברים רבים מעבר לחשבון בסיסי וכי עזרים דיגיטליים למעשה האיצו את התפתחות התחום. כיום, מתמטיקאים חיים לצד הטכנולוגיה ונעזרים בה, וייתכן שכך יקרה גם לכותבים ולמומחים בתחומים אחרים.

ואולם היקפה ומהירותה של מהפכת הבינה המלאכותית גדולה בהרבה מהאבולוציה ההדרגתית שהביאו המחשבונים. הבינה המלאכותית עלולה להיות התפתחות מהסוג ששובר פרדיגמות ומטלטל מערכות שלמות מן היסוד, ובכלל זה מערכת החינוך.

בינה מלאכותית כבר נמצאת בחינוך

למען ההגינות, בינה מלאכותית כבר נמצאת בחינוך. כך למשל, מועמדים לקבלה למוסדות לימוד מדורגים בעזרת AI. אוניברסיטאות מחלקות מימון על סמך תחזיות בינה מלאכותית או מזהות מועמדים בסיכון בזכות אלגוריתמים.

סטודנטים משתמשים בפלטפורמות שמפעילה בינה מלאכותית כדי להתכונן למבחנים וכדי "לרמות" בהכנת שיעורי הבית שלהם. מעבר לתוכנות ארגוניות (כגון מערכות המידע לסטודנטים ופלטפורמות הלמידה האלקטרונית שבהן משתמשים בתי ספר ומרכזי הדרכה), יש גם שוק הולך וגדל של יישומי EdTech ישירות לצרכן המשלבים בינה מלאכותית.

חברות EdTech כבר ניצלו את הסדקים הנפערים במבנים המסורתיים של החינוך. הסדקים רק הולכים ומתרחבים, ובאמצעות הערוצים הללו, חברות EdTech מתחילות להציף את המרחב ביישומי בינה מלאכותית שמביאים לשינוי פרדיגמטי עם או בלי ברכתם של מוסדות חינוך ותיקים ונוקשים.

מודלים חדשים של למידה:

עידן חדש זה של למידה בעזרת בינה מלאכותית יצטרך מודלים חדשים של:

1. פדגוגיה
2. פיתוח עצמי
3. פיגומים (Scaffolding)
4. הערכה
5. טיפוח כישורים חדשים בקרב התלמידים
6. מתודולוגיות חדשות של שיתוף פעולה עם גורמים חוץ מוסדיים.

למידה מותאמת אישית:

מערכות החינוך וההכשרה המקצועות יילכו כנראה ויתרחקו בקצב גובר והולך ממסגרות ליניאריות שבהן חוויות הלמידה מאורגנות לנושאים נפרדים וליחידות לימוד עוקבות בזו-אחר-זו. סביר כי המערכות הישנות יוחלפו במודלים דמויי רשת, כלומר במערכת אקולוגית שבה נוצרות, מלוקטות ומועברות יחידות לימוד שונות בהתבסס על הצרכים השונים של כל תלמיד ותלמיד, ולא על גישה כוללנית ומאחידה של one size fits all.

גישה זו מסתמכת על התאמה אישית שמתאפשרת בזכות הבינה המלאכותית.

רבות מהפלטפורמות החכמות יותר של EdTech כבר מציעות וריאציות של התאמה אישית. לדוגמה, אפליקציה ללימוד שפה עשויה להשתמש בבינה מלאכותית כדי להעריך עד כמה הלומד מתקדם ולהציע תוכן, משוב ורמזים שמותאמים לרמת התלמיד ולקצב התקדמותו. עד לאחרונה, סוג זה של למידה אדפטיבית היה הצעה נדירה, סוג של הצעת ערך ייחודית שהביאה להצלחת אפליקציות ללימוד שפה כמו Duolingo שהגיעו לנתחי שוק אדירים. מעתה, שירותים כאלה יהיו דרישות סף מינימליות, שגם מערכת החינוך הרשמית המדינתית תיאלץ לספק לתלמידיה.

למידה מותאמת אישית ('אדפטיבית') היא מדע מפותח, שתחילתו בסביבות 1960. למידה זו השיגה עוד לפני הבינה המלאכותית הישגים משמעותיים בקידום תלמידים. ניתן להעריך כי ההתאמה האישית המשוכללת שתספק הבינה המלאכותית תניב תוצאות טובות עוד יותר.

בינה מלאכותית גנרטיבית מעצימה את ההתאמה האישית: השאלות ותכנית הלימודים שלי נבנו עבורי, ואלה שלך נבנו עבורך. לדוגמה, ברמות הנמוכות יותר של לימוד שפה חדשה, מישהו עשוי להיזקק לחזרות רבות על מילים חדשות, בעוד שחברו המוכשר ממנו יקלוט את הדברים אחרי חזרות מעטות בלבד. ברמות הגבוהות יותר, הלומדים עשויים לקבל טקסטים, סרטונים ושיחות שנוצרו לפי דרישה על ידי AI כדי להתאים במדויק לרמתם, לתחומי העניין ולמטרות שלהם.

עלויות הייצור של ספרי לימוד יופחתו משמעותית. מנקודת מבטו של מחנך, אין עוד עלות משמעותית ללמידה מותאמת אישית. למה לתת לכל תלמיד את אותה הקורס כשאנחנו יכולים לייצר מבחנים ושיעורי בית ייחודיים לכולם?

הערכה

הבינה המלאכותית יכולה לתרום גם בתחום ההערכה. במקום מבחני בגרות ופסיכומטרי אחידים, הבינה המלאכותית תוכל ליצור תיק עבודות דיגיטלי אישי ללומדים – בהתאם לדרישותיו הספציפיות והמשתנות של הגוף הקולט (מקום עבודה או מוסד ללימודים גבוהים).

סימולציות וסביבות וירטואליות מונעות בינה מלאכותית

הבינה המלאכותית תחולל מהפכה בלמידה מעשית ומעשית. לדוגמה, סטודנטים לרפואה יכולים לתרגל ניתוחים בחדר ניתוח וירטואלי, לחוות מספר אינסופי של תרחישים שהומצאו כדי למקד את צורכי הלמידה הספציפיים שלהם או לעזור להם להתכונן להליכים הבאים. סטודנטים להנדסה יכולים לבדוק מבנים מורכבים בסביבות דיגיטליות סוחפות, לעשות טעויות בבטחה ולחזור על העיצובים שלהם בעזרת AI.

מיקרו אישורים וארנקי לומדים יחליפו את תארי הגמר המסורתיים באקדמיה

סביר שנראה התרחקות מהתארים המסורתיים לכיוון גישה דינמית יותר, שבה אנשים בוחרים מתוך מזנון של אפשרויות למידה ומשתמשים בכלים כמו מיקרו-אישורים וארנקי לומדים מבוססי-כישורים ספציפיים כדי לאמת את היכולות שלהם. נוף הלמידה עשוי להתפצל כאשר נתיבים אינדיבידואליים ונרטיבים שונים מחליפים מודלים של חינוך המונים.

מנטורים ויועצים אישיים דיגיטליים

אנו יכולים לדמיין מורי AI ייעודיים שעוזרים לנו למצוא נתיב אישי משלנו דרך השטח החדש הזה. המנטורים הדיגיטליים הללו, שאולי יינתנו לנו כבר בילדות, 'ילמדו' בהדרגה מההתנסויות שלהם (יבנו יעילות לאורך זמן) בדיוק כפי שאנו לומדים מהם, כך שנגדל באופן סימביוטי. הם יוכלו להפוך ליועצים המושלמים שלנו - זמינים תמיד, עם זיכרון מושלם של ההעדפות, היכולות והיעדים שלנו, לעולם לא שיפוטיים, ובקיאים בשיטות כמו דיאלוג סוקרטי, משחק תפקידים ומשוב רפלקטיבי.