ערכה למורה: פרסונליזציה בהוראת המתמטיקה

ערכה זו עוסקת בפדגוגיה של שילוב הקורסים הדיגיטליים במתמטיקה בהוראה, למידה והערכה (הל"ה).
מטרת הערכה היא לסייע לכם, המורים, לנצל את כוחם של הקורסים הדיגיטליים במתמטיקה והמידע המופק מהם, לטובת הוראה, למידה והערכה מותאמת אישית נתמכת נתונים. באמצעות כלי בינה מלאכותית תוכלו להתמודד עם אתגרי המאה ה-21, לשלב נתוני למידה באופן אפקטיבי, ולהתאים את ההוראה לצרכים האישיים של כל תלמיד. הערכה תומכת בלמידה דיפרנציאלית, הוראה מבוססת נתונים, הוראה מותאמת אישית ולמידה עצמאית.

בערכה תמצאו חומרים המתמקדים בטכנופדגוגיה בהוראת המתמטיקה ודרכים לשלבה בכיתה, כלים ופרקטיקות המשלבים קורסים דיגיטליים מבוססי בינה מלאכותית. כל הפרקטיקות נולדו מתוך צורך מעשי של מורים למתמטיקה, אשר פיתחו רעיונות למענים וניסו אותם בכיתותיהם. כל פרקטיקה בנויה כמו מתכון, הכולל "מצרכים", שלבי הכנה ואפילו תבנית לפרומפט :).   

קחו ועשו זאת לשלכם

הכלים שבערכה, פותחו בעבור הוראת מתמטיקה בבתי הספר העל-יסודיים. 

 עם זאת, העקרונות הפדגוגיים שהנחו את פיתוחם (ובחלקם גם התהליך ליישומם בכיתה), יכולים להתאים גם לבתי ספר יסודיים ואפילו לתחומי דעת נוספים. סקרנים לדעת כיצד לשלב בינה מלאכותית בהוראת תחום הדעת שלכם? מעוניינים לבדוק דרכים שונות לקידום הוראה מותאמת אישית? נסו את הכלים וסביר שתגלו שלפחות אחד או שניים מהם  – רלוונטיים במיוחד לכם ולתלמידיכם.

קורסים דיגיטליים במתמטיקה – הם קורסים מקוונים שנוצרו לשימוש מורים ותלמידים כחלק מהמיזם הלאומי ללמידה דיגיטלית. יש בהם חומרים רלוונטים לתוכנית הלימודים, סרטונים, תרגולים ויכולת ניטור ובקרה על תהליך התפתחות הלמידה של התלמיד. cחטיבות הביניים נמצאים הקורסים הדיגיטליים על פלטפורמה של אתרי Moodle, ואילו לתיכונים הקורסים נמצאים באתר קמפוסIL. 

הוראה פרסונלית – גישה חינוכית המתאימה את תוכנית הלימודים, שיטות ההוראה והמשאבים לצרכים הייחודיים, היכולות והסגנונות הלימודיים של כל תלמיד באופן פרטני, במטרה לספק לו את הכלים המתאימים ביותר להצלחתו. להרחבה לחצו כאן

הוראה דיפרנציאלית – תלמידים שונים זה מזה באופן מהותי. הוראה דיפרנציאלית היא מתן מענה מותאם לתלמידים מגוונים בעלי רמות ידע ומיומנויות שונות בתוך הכיתה. היא מאפשרת לייעל את הלמידה ולהפכה לאפקטיבית יותר, מבלי לוותר על יתרונות הכיתה ההטרוגנית.

לומד עצמאי – לומד היכול לקבל החלטות מושכלות, לזהות פעולות נדרשות, להציב יעדי התפתחות ולמידה אישיים ולחתור להשגתם באופן עצמאי – גישה זו אינה מתבססת רק על רכישת היכולות השונות, אלא גם מקדמת את הטמעתן. נטילת אחריות על תהליך ההתפתחות האישי הכולל שותפות אקטיבית בתכנון התהליך הלימודי, מגבירה באופן משמעותי מחויבות ומוטיבציה,  ובכך מסייעות בהשגת היעדים החינוכיים.  מתקיימים יחסי גומלין מעניינים בין "למידה עצמאית" לבין "פיתוח מיומנויות דמות הבוגר". להרחבה לחצו כאן וגם כאן 

אנליטיקות למידה – המדידה, האיסוף, הניתוח והדיווח של נתונים אודות לומדים בהקשרים שונים, לשם הבנה ושיפור סביבת הלמידה ותוצאותיה. להרחבה לחצו כאן

לוחות בקרה חינוכיים – לוחות בקרה הם אזור שבו מתאפשר למורה ריכוז נתונים על הלומדים, בקרה ומעקב אחר כל לומד ומבט כיתתי רחב על תהליך הלמידה של הכיתה כמכלול. לוחות אלו מאפשרים במבט מהיר להבין כיצד הכיתה מתקדמת, לזהות תהליכי למידה כיתתיים ופרטניים ולקבל תובנות והמלצות לפעולה. להרחבה לחצו כאן

בינה מלאכותית – היכולת של מערכות מחשוביות לבצע משימות שבאופן טבעי דורשות אינטליגנציה אנושית.

בינה מלאכותית יוצרת – סוג של בינה מלאכותית, שמסוגלת לייצר תכנים חדשים ומקוריים, כגון טקסטים, תמונות, מוזיקה או פתרונות לבעיות, בהתבסס על תכנים ומודלים שאומנה עליהם. יישומי ב"מ יוצרת יכולים לסייע במגוון משימות של חברי הצוות: בהכנת חומרי למידה, בהערכה, בניהול כיתה, בהוראה ולמידה פרטניים, בקשר עם התלמידים והורים ועוד. שימוש נכון, אתי ואחראי בכלי הב"מ מפנה זמן למורים ומאפשר להתאים את ההוראה באופן אישי לכל לומד. להרחבה לחץ כאן

צ'אטבוט (Chatbot): תוכנה מבוססת בינה מלאכותית המדמה שיחה אנושית, לרוב דרך ממשק טקסטואלי או קולי. צ'אטבוטים משמשים למגוון מטרות, כגון שירות לקוחות, תמיכה טכנית או אפילו סיוע בלמידה.

פרומפט (Prompt): הנחיה או שאלה שמועברת למערכת בינה מלאכותית על מנת לכוון את התגובה או הפלט שלה. פרומפטים מנוסחים בקפידה כדי להשיג את התוצאה הרצויה.

הזיות (Hallucinations): תופעה שבה מערכת בינה מלאכותית מייצרת תוכן שגוי, לא קוהרנטי או לא רלוונטי, לרוב כתוצאה מהכללת יתר או חוסר הבנת ההקשר. חשוב להיות מודע לאפשרות זו ולגלות חשיבה ביקורתית!

דיוק (Precision): מדד לאיכות התוצאות של מערכת בינה מלאכותית, המתייחס לשיעור התוצאות הרלוונטיות מתוך כלל התוצאות שהתקבלו. ככל שהדיוק גבוה יותר, כך יש פחות "רעש" או תוצאות לא רצויות.

הטיה (Bias): נטייה שיטתית של מערכת בינה מלאכותית להעדיף או לפגוע בקבוצה או ברעיון מסוים, לרוב כתוצאה מהטיות קיימות במידע שעל בסיסו היא למדה. חשוב להיות מודעים להטיות אפשריות ולנסות למזער אותן.

ועכשיו, קדימה להרפתקה! אתם מוזמנים להיכנס לעולם מופלא של אפשרויות בלתי מוגבלות עם הבינה המלאכותית היוצרת!

חומרי עזר:  הבינה ואני ( מצגת, הקלטה),  כשבינה אנושית מדברת AI

הערכה שבידיכם נוצרה על ידי 23 מורים למתמטיקה בבתי ספר על-יסודיים שהיו שותפי מחקר בניסוי "פרסונליזציה בהוראת המתמטיקה".

הניסוי החל בשנת הלימודים תשפ"ד, בשותפות בין הפיקוח על המתמטיקה ואגף המו"פ, המכון למחקר יישומי של בינה מלאכותית בחינוך.  הניסוי נולד מתוך רצון לקדם פדגוגיה שמשלבת קורסים דיגיטליים בהוראה ובלמידה, ומתאימה את ההוראה לצרכים האישיים של כל תלמיד, בסיוע כלי בינה מלאכותית. 

במהלך הניסוי, עבדנו יחד, מדריכים, חוקרים ומורים מחטיבות ביניים וחטיבות עליונות מבתי ספר שונים ברחבי הארץ. איתרנו את האתגרים הקיימים בקורסים הדיגיטליים, התנסינו בכלי בינה מלאכותית שונים, ופיתחנו באמצעותם פרקטיקות מגוונות להוראה מותאמת אישית. השתמשנו באנליטיקות למידה וכריית נתונים לטובת  הוראה פרסונלית, ושילבנו את הקורסים הדיגיטליים במודל הוראה חדשני המותאם למאה ה-21.

"למדתי לשלב כלים דיגיטליים ובינה מלאכותית בהוראה… הצלחתי לעורר סקרנות ועניין בקרב התלמידים באמצעות שימוש בכלי AI שונים, שנתנו לתלמידים כלים חדשים לפתרון בעיות מתמטיות מורכבות" | אורנית מימון, מורה למתמטיקה באורט, חצור הגלילית

"במהלך הניסוי, השתמשתי בכלי בינה מלאכותית לניתוח נתונים ששלפתי מהמודל (Moodle) כדי להכין את התלמידים למבחנים בצורה מותאמת אישית. רציתי לזהות באלו שאלות כדאי לי להתמקד בשיעור לפני המבדקים, ומי מהתלמידים זקוק לחיזוק נוסף. השתמשתי במידע זה גם להכנה אישית לפני מבחנים. אני מתכוונת להמשיך לנתח את הנתונים כדי לבנות פרומפטים מדויקים יותר ללמידה מותאמת אישית" | בר נתנאל- בי"ס גרוס, קרית גת

"השיטה מאפשרת לי ראיה הוליסטית של התלמידים, אני בונה לכל אחד את התוכנית שלו"  | קתרין סופר, גולדווטר, אילת

"בזכות קמפוסIL והשימוש ב-AI במהלך שיעור, הרבה תלמידים "שקופים" בלטו והיתה להם את האפשרות להביע את עצמם ולהראות למה הם מסוגלים."  | נור אסעד, מקיף א', שפרעם

מורות.ים יקרות.ים, 

בשלוש השנים האחרונות, הקורסים הדיגיטליים במתמטיקה משמשים כלי להוראת מתמטיקה בחטיבות הביניים ובחטיבות העליונות. קורסים אלו מזמנים שינוי משמעותי בדרכי ההוראה והלמידה ומאפשרים שילוב מיומנויות רלוונטיות למאה ה-21 בשילוב מתודולוגיות מסורתיות.

הקורסים הדיגיטליים מציעים מענה להוראה דיפרנציאלית ומותאמת אישית, ומאפשרים גישה למגוון רחב של תלמידים ופתרונות. החל בפתרונות המותאמים להוראה בכיתה מלאה, וכלה בקבוצות קטנות ובמפגשים פרטניים, בהתאם לאמונותיכם וגישתכם הפדגוגית. 

מהפכת הבינה המלאכותית מתקדמת בקצב מהיר ונוגעת בכל תחומי החיים. בתחום הוראת המתמטיקה, היא מציבה בפנינו הזדמנויות רבות להתאמת הלמידה לתלמידים בדרכים מותאמות אישית, להנגשת תכנים ולשדרוג יכולות ההוראה.

הלמידה הדיגיטלית פורצת גבולות ואינה מחויבת למקום, לזמן או לאופן למידה מסוים. היא מתאימה למגוון מצבי חיים, ומאפשרת לנו לפרוץ את גבולות הכיתה וההוראה המסורתית בעידן הנוכחי, שמתאפיין באי ודאות ושינוי מתמיד.

מוטלת עלינו, כאנשי חינוך, האחריות להכין את תלמידינו לפעול בעולם של עמימות ושינויים רבים, ולהעניק להם את הכלים לפעול באופן עצמאי ומיטבי על מנת לקדם את מטרותיהם.

תודתי הכנה למורים שלקחו חלק בניסוי, על השותפות לדרך ועל היותכם המצפן להתחדשות תחום המתמטיקה. תודה למדריכי Campus-il  ו-Moodle במתמטיקה על המחויבות שלכם לתהליך, תודה לאגף מו"פ על השותפות בניסוי החלוצי של שילוב כלי בינה מלאכותית בהוראה פרסונלית בקורסים הדיגיטליים במתמטיקה.

אני מזמינה אתכם לעשות שימוש בפרקטיקות ובכלים שהערכת מציעה, לטובת קידום הוראה מותאמת אישית בשילוב כלי בינה מלאכותית בקורסים הדיגיטליים במתמטיקה.

נרית כץ, מפמ״רית מתמטיקה בעל-יסודיים

השימוש בקורסים הדיגיטליים במתמטיקה מאפשר שילוב של גישות הוראה, פעילויות לימודיות, משאבים טכנולוגיים ודרכי הערכה מיטביות. הקורסים הדיגיטליים יוצרים סביבת לימוד אינטראקטיבית, מעניינת ויעילה בעבור הלומדים, תוך התאמה אישית ליכולותיהם ולצורכיהם.

אתגרי ההוראה כיום:

• הטרוגניות מוגברת שנובעת מפערי ידע ורמות תפקוד שונות בין האוכלוסיות והמגזרים בישראל, ומשנים של של תפקוד במציאות שאינה שגרתית
• ירידה בתפקודי הלומד

ההוראה בפלטפורמה הדיגיטלית, מאפשרת לנו המורים לפעול בכיתה בדרכים שונות כדי לתת מענה לאתגרים שצוינו לעיל, ולתת מענה מתאים ללומדים.

תוכני הקורסים מותאמים לתכנית הלימודים הרשמית, והם מאפשרים למורים ולתלמידים ללמוד באופן עצמאי נושא שלם, או לבחור נושאים מסוימים שבהם נדרש תרגול והסבר נוסף. הקורסים מאפשרים גמישות מרבית: ניתן ללמוד אותם בכל מקום, בכל זמן ובכל אופן שנוח למורה ולתלמיד.ה

הקורסים מבוססים על שיטות הוראה מגוונות שמטרתן לענות על צורכיהם של סוגי לומדים שונים בכיתה. הם כוללים סרטונים, משחקים, מצגות, פעילויות אינטראקטיביות ותרגולים המאפשרים מענה ללמידה דיפרנציאלית וללמידה מותאמת אישית. כך, יכולים המורים למצוא את השיטות המתאימות להם ולתלמידיהם, ולהשתמש בקורסים להוראה בכיתה מלאה, בקבוצות קטנות או במפגשים פרטניים. הקורסים הדיגיטליים פורצים את גבולות ההוראה המסורתית ומאפשרים חוויית למידה עשירה ומגוונת, בהתאמה לאתגרי המאה ה-21. 

הפלטפורמות הדיגיטליות נמצאות בשימוש של מאות מורים בשלוש השנים האחרונות ועוברות תהליך שיפור מתמשך, בהתאם לניסיון בשטח.

שילוב דיגיטל בתהליך ההוראה, הלמידה וההערכה בכיתה, מחייב מהלך פדגוגי הדרגתי. אימוץ הפלטפורמה הדיגיטלית על ידי המורים והתלמידים הוא תהליך מתפתח שדורש זמן, ונרצה לראות את התועלת בכל שלב בתהליך. הטבלה שלפניכם מתארת את השלבים המומלצים לשילוב הקורסים הדיגיטליים בתהליכים אלו. מומלץ להתחיל בשלב הראשוני, שבו משלבים את התרגול בבית עם הקורסים הדיגיטליים ומשם להמשיך ולשלב את הקורסים הדיגיטליים בתהליכי התרגול בכיתה, במשימות החקר ובלמידה העצמאית.

תלמידים שונים זה מזה באופן מהותי. הוראה דיפרנציאלית היא מתן מענה מותאם לתלמידים מגוונים ברמות ידע ומיומנויות שונות בתוך הכיתה. היא מאפשרת לייעל את הלמידה ולהפכה לאפקטיבית יותר, מבלי לוותר על יתרונות הכיתה ההטרוגנית.

הוראה מותאמת אישית היא הוראה המנטרת את הלומד על פי צרכיו ומתאימה לו את הלמידה במכלול היבטיה (למשל: קצב הלמידה, הרמה והסגנון),  כדי לספק לו את הכלים המתאימים ביותר להצלחתו.

גישה פדגוגית המשתמשת בניתוח נתונים חינוכיים כדי לתכנן, להתאים ולשפר את תהליכי ההוראה והלמידה בהתאם לצרכים ויכולות התלמידים.

הוראה שמבוססת על נתונים וניתוחם, מאפשרת תהליכי הערכה פנימיים של המורים והתלמידים גם יחד.

לומדים עצמאיים –  לומדים שמווסתים ומנהלים בעצמם את תהליך הלמידה. ניהול הלמידה כרוך במודעות הלומדים לתהליך הלמידה העצמי ולהצבת יעדים, בקרה עצמית ותכנון הלמידה. המודעות וההכוונה העצמית ניתנות לשכלול בתהליך פדגוגי. נטילת אחריות על תהליך ההתפתחות האישי – ובכלל זה שותפות אקטיבית בתכנון התהליך הלימודי – מגבירה באופן משמעותי מחויבות ומוטיבציה, ובכך מסייעות בהשגת היעדים החינוכיים.

צוות הניסוי בנה ״מפת ידע״ העוסקת בפוטנציאל של הוראה מותאמת אישית בסיוע קורסים דיגיטליים ובינה מלאכותית. מפת הידע, כוללת ממצאי מחקרים מהעולם ומישראל וסקירה רחבה של אפשרויות לשילוב בינה מלאכותית בעבודת המורים.

אנליטיקות הלמידה מאפשרות לנו לשאול שאלות ברמת התלמיד.ה הבודד.ה, ברמת הכיתה וברמת התרגול. 

ברמת התלמידים הבודדים ניתן לשאול לדוגמה:

• מיהם התלמידים שלא השלימו את התרגיל?
•  כמה זמן לקח להם לפתור כל תרגיל? 
• מדוע תלמידים חכמים מאוד, עושים פעמים רבות רק חלקים מתרגולים בקמפוס?
• מיהם התלמידים שעשו הכי הרבה ניסיונות?

ברמת הכיתה כמכלול ניתן לשאול לדוגמה 

• מה היו התרגילים והנושאים הקלים ביותר או הקשים ביותר לכיתה?
• מהו ממוצע הציונים הכיתתי עד לתרגיל מסוים?
• שאלות שקשורות בניהול הכיתה:  את מי מהתלמידים אני צריך לקחת לשיעור פרטני? על איזה חלקים אני צריך להשקיע  יותר מאמץ בשיעור ההכנה למבחן?

ברמת התרגולים ניתן לשאול לדוגמה:

• מהי השאלה הבעייתית בתרגול?
• לאיזו שאלה היה ציון ממוצע נמוך?

סקרנים? היכנסו למאגר השאלות שניתן לשאול על הנתונים, בדקו את הדוחות שניתן להפיק בMoodle או בלוח הבקרה של קמפוס IL (הנקרא "בלנדר"), ומצאו כיצד ניתן להתאים את ההוראה לתלמידים שלכם.

אנליטיקות הלמידה מאפשרות לנו לשאול שאלות ברמת התלמיד.ה הבודד.ה, ברמת הכיתה וברמת התרגול. 

ברמת התלמידים הבודדים ניתן לשאול לדוגמה:

• מיהם התלמידים שלא השלימו את התרגיל?
•  כמה זמן לקח להם לפתור כל תרגיל? 
• מדוע תלמידים חכמים מאוד, עושים פעמים רבות רק חלקים מתרגולים בקמפוס?
• מיהם התלמידים שעשו הכי הרבה ניסיונות?

ברמת הכיתה כמכלול ניתן לשאול לדוגמה 

• מה היו התרגילים והנושאים הקלים ביותר או הקשים ביותר לכיתה?
• מהו ממוצע הציונים הכיתתי עד לתרגיל מסוים?
• שאלות שקשורות בניהול הכיתה:  את מי מהתלמידים אני צריך לקחת לשיעור פרטני? על איזה חלקים אני צריך להשקיע  יותר מאמץ בשיעור ההכנה למבחן?

ברמת התרגולים ניתן לשאול לדוגמה:

• מהי השאלה הבעייתית בתרגול?
• לאיזו שאלה היה ציון ממוצע נמוך?

סקרנים? היכנסו למאגר השאלות שניתן לשאול על הנתונים, בדקו את הדוחות שניתן להפיק בMoodle או בלוח הבקרה של קמפוס IL (הנקרא "בלנדר"), ומצאו כיצד ניתן להתאים את ההוראה לתלמידים שלכם.

חדשים בעולם של moodle? לפניכם הצעד הראשון!

למדו כיצד לפתוח מרחב למידה עבור הכיתה שלכם.

מנוסים בקורסים הדיגיטליים ויש לכם כבר מרחב לימוד?

מעולה! בקרו באתר המלווה של מוודל למורים וגלו בו מדריכים שיעזרו לכם לנהל את הלמידה בצורה מיטבית במרחב.

לשם מה?

צפו בסרטון וגלו: כיצד להוציא דוח ציונים במוודל למספר משימות נבחרות?

יש גם מדריך למורה: כיצד ליצא קובץ ציונים של מבדק יחיד

ועוד מדריך: כיצד להוציא דוח ציונים כללי

לימדו כיצד לפתוח כיתה עבור התלמידים שלכם.

את אנליטיקות הלמידה של הלומדים בקורסים הדיגיטליים של החטיבה העליונה בפלטפורמת קמפוס IL ניתן לראות בלוח הבקרה החינוכי הנקרא "בלנדר". בלוח זה תוכלו לראות את ריכוז הנתונים על הלומדים, לעקוב אחר תהליך הלמידה במבט פרטני /כיתתי ולקבל תובנות והמלצות לפעולה.

למצגת על אופני השימוש בלוח הבקרה החינוכי- הבלנדר לחצו על הכפתור.

כאמור, הכלים המוצעים בערכה זו משלבים שימוש בבינה מלאכותית יוצרת (Generative AI). זוהי בינה מלאכותית המסוגלת לייצר תכנים חדשים ומקוריים, כגון טקסטים, תמונות, מוזיקה או פתרונות לבעיות, בהתבסס על תכנים ומודלים שהוכשרה עליהם. הב"מ היוצרת, יכולה לסייע בהכנת חומרי למידה, בהערכה ובבניית מחוונים, בניהול כיתה, בהוראה ולמידה פרטניים, בחיזוק הקשר עם התלמידים וההורים ועוד. 

קיים מגוון עצום של כלי בינה מלאכותית יוצרת, חלקם חינמיים וחלקם בתשלום מלא או חלקי. לדוגמא ChatGPT, ClaudeAI, Gemini ועוד.

התקשורת עם הב"מ נעשית באמצעות הנחיה (או Prompt באנגלית) המתייחס לקלט או שאילתה ספציפיים שסופקו לכלי הב"מ כדי להנחות אותו במשימה או במידע הנדרשים. אספנו למענכם מספר טיפים – תרגלו אותם והפכו בזמן קצר לאלופים במיומנות זו!

• התחילו במה שאתם יודעים:  זהו את העוגנים שתוכלו להיאחז בהם כדי לבנות את השיעור בסיוע בינה מלאכותית, כמו למשל – מטרת השיעור, יכולות התלמידים וכלים ספציפיים שמוכרים לי.
• קיימות אופציות רבות: אפשר לבקש מהבינה המלאכותית לבנות כל מערך המתאים לכם, בהתאם לבקשה והצורך שלכם.
• אל תסתפקו בהצעה הראשונה (או השניה, או השלישית): בקשו מהבינה המלאכותית לדייק, להרחיב, להציע משהו אחר.
• עבדו ביחד, במיוחד בהתחלה: הזמינו חבר.ה להצטרף אליכם בהתנסויות הראשונות, לעזור לכם להבהיר לעצמכם מה אתם מבקשים מהבינה המלאכותית.
• אל תוותרו.  גם אנחנו, בני האדם, צריכים סבבים (״איטרציות״):  הבינה המלאכותית לומדת לדייק את עצמה אחרי כמה סבבים – וכך גם אנחנו. כדאי לחזור על הפעולה ולהתאמן -לכתוב פרומפט מדויק יותר, לחדד את הבקשה וכך הלאה – בסוף זה משתלם.
• הגדירו בתחילת השיחה את התפקיד של ה-AI: לדוגמה, ״את יועצת פדגוגית לגיל היסודי עם מומחיות ברכישת קריאה וכתיבה בעברית״ – הדבר יעזור לבינה המלאכותית להתמקד בעולמות תוכן ספציפיים.
• תארו את תנאי ההוראה והלמידה שלנו – ההקשר שלנו. לדוגמה, ״אני מלמדת קבוצה של 8 תלמידים בכיתה ג׳ שמתקשים בשטף קריאה.״ 
• ציינו את המטרה שלכם באופן חד משמעי וברור: "המטרה שלי היא…"
• ציינו את הכלים הדיגיטליים שאתם מכירים ושולטים בהם: הבינה המלאכותית תתאים את הפתרונות שהיא תציע לכם לפי הניסיון הקודם שלכם. לדוגמה, ״כלים ואמצעים: זום, word wall, שיתוף מסך להקרנת טקסט, כלי צ׳אט, חלוקה לחדרים.״ 

כפי שבינה מלאכותית הופכת לנוכחת יותר בכל תחומי החיים, הדיון האתי סביב פיתוחה ויישומה הופך לקריטי. בהקשר החינוכי, לצעד התועלות שהבינה המלאכותית מציעה למורים ולתלמידים, עולות סוגיות אתיות רבות סביב השימוש בטכנולוגיות אלו, בהינתן ההשפעה המכרעת שיש להן על תלמידים.

אתגר אתי: פרטיות

אחד האתגרים המרכזיים הוא שמירה על פרטיות התלמידים והמורים. מערכות בינה מלאכותית רבות מבוססות על איסוף וניתוח כמויות עצומות של מידע אישי, כולל נתוני למידה, תקשורת ואינטראקציות חברתיות. שימוש לא הולם במידע זה, כמו חשיפה לצדדים שלישיים או "פרופיילינג" של תלמידים, מהווה פגיעה חמורה בפרטיות. משום כך, נדרשת מדיניות מוסדית ברורה ואמצעי אבטחה טכנולוגיים כדי להבטיח שמירה על צנעת הפרט.

אתגר אתי: האוטונומיה של התלמידים שלנו

נושא נוסף הוא שמירה על אוטונומיית התלמידים. מערכות בינה מלאכותית המקבלות החלטות בשם התלמידים, או מכוונות את בחירותיהם (למשל, בהמלצה על תכנים או מסלולי למידה), עלולות לפגוע בחופש הבחירה והפעולה שלהם. חשוב להבטיח שלתלמידים יש שליטה על חוויית הלמידה שלהם, ושהם מבינים את המשמעויות של אינטראקציה עם מערכות אלו. במקרים רבים, נדרשת גם הסכמה מפורשת לשימוש בטכנולוגיות מסוימות.

אתגר אתי: ההזיות של הבינה המלאכותית

תופעה מטרידה נוספת הן "הזיות" של מערכות בינה מלאכותית – מצבים שבהם המערכת מייצרת תוכן שגוי או מטעה, שנראה אמין לחלוטין. הסתמכות על מידע כזה בלמידה יכולה להוביל לרכישת ידע שגוי ולבלבול. על מחנכים וספקי טכנולוגיה כאחד לפתח מנגנונים לאיתור ולתיקון תופעות אלו, ולהקנות לתלמידים כישורים לזיהוי מידע מוטעה.

אתגר אתי: הגדלת פערים חברתיים

שימוש בבינה מלאכותית בחינוך מעלה גם חששות לגבי הגדלת פערים חברתיים. תלמידים מרקע סוציו-אקונומי נמוך עשויים להיות מופלים לרעה בשל חוסר נגישות לתשתיות או להתקנים מתאימים, או בשל פערי ידע ומיומנויות דיגיטליות. בנוסף, אלגוריתמים מוטים, עלולים לשעתק ולהנציח הטיות תרבותיות וסטריאוטיפים. על קובעי מדיניות לנקוט צעדים אקטיביים כדי לצמצם פערים אלו ולהבטיח שימוש הוגן ושוויוני בטכנולוגיה.

אתגר אתי: ריכוז הכוח 

ריכוז הכוח והמידע בידיהם של תאגידי ענק מעטים, גם הוא מוקד לדאגה אתית. חברות אלו שולטות בפיתוח הטכנולוגיה ובאיסוף הנתונים, דבר שמעניק להן השפעה עצומה על עיצוב עתיד החינוך. חשש נוסף הוא שבינה מלאכותית תרכוש מעמד של "סמכות אפיסטמית", שתאפיל על שיקול הדעת האנושי. תופעה של אנתרופומורפיזציה, כלומר ייחוס תכונות אנושיות למערכות אלו, עלולה אף לגרום להסתמכות יתר על המלצותיהן והכוונתן.

ולצד האתגרים – פוטנציאל אדיר

למרות האתגרים הללו, לבינה מלאכותית גם פוטנציאל אדיר להנגשת למידה ולהעצמתה. מערכות AI יכולות לייצר חומרי לימוד ברמה גבוהה, בהתאמה אישית ובשפות רבות, מה שמאפשר הרחבת הגישה לחינוך איכותי. יכולות של מענה מהיר, משוב מותאם ותמיכה רציפה – מקדמות למידה עצמאית ומעמיקה. בינה מלאכותית יכולה גם לקדם הכלה ונגישות, למשל על ידי התאמת תכנים לצרכים מיוחדים או תרגום בזמן אמת בעבור לומדי שפה.

בסופו של יום, הדרך הנכונה קדימה היא לא לאמץ או לדחות את הטכנולוגיה באופן גורף, אלא לגבש גישה מושכלת ומאוזנת לשילובה בחינוך. נדרש שיח ציבורי פתוח ומתמשך שמערב את כל בעלי העניין – צוותי חינוך, תלמידים, הורים, חוקרים ויזמים – כדי לעצב סביבת למידה המיטיבה עם הלומדים ועם החברה כולה. פיתוח קווים מנחים אתיים, רגולציה מתאימה, השקעה בתשתיות ובהכשרה נדרשת, והטמעה מבוקרת בשטח – כל אלו צעדים חיוניים כדי לרתום את הפוטנציאל העצום של הבינה המלאכותית תוך התמודדות עם הסיכונים.