ערכה למורה: בגרות AI במגמת מידע ונתונים
ערכה יישומית התומכת בהתאמת בחינת הבגרות (תפיסה, מבנה ושאלות) להיבחנות עם אינטרנט פתוח ויישומי בינה מלאכותית, כמנוף לחיזוק הרלוונטיות והמיומנויות שהתלמידים רוכשים במגמה בעולם רווי טכנולוגיה.
![](https://mop.education/wp-content/uploads/2024/06/דדסיגמא-1024x124.png)
מה יקרה אם בבחינות הבגרות, יקבלו התלמידים גישה חופשית לבינה מלאכותית? הרי ב״עולם האמיתי״ שבו הבוגרים יפעלו, מתחילים אנשי מקצוע בתחומים רבים להיעזר בה במגוון דרכים. ערכה זו מזמינה אתכם להצטרף למהפכה, שהופכת את הלמידה לאירוע ב"עולם אמיתי". הרעיון נשמע מלהיב, אך היישום בפועל – מחייב שינויים פדגוגיים עמוקים. איך עושים זאת הלכה למעשה?
![](https://mop.education/wp-content/uploads/2024/07/Group-130.png)
אודות הערכה
הערכה שלפניכם היא מדריך למהפכה פדגוגית. הוא נועד לספק מידע, כלים ודוגמאות למורים במגמת מידע ונתונים, במטרה להתאים את תכנית הלימודים, את מבנה המבחנים ותוכנם לעידן החדש, ולפתח יכולת הערכה של הכישורים הנדרשים במגמה בעידן רווי בינה מלאכותית.
הערכה מעמידה לרשותכם:
- רעיון פדגוגי פורץ דרך, שמגיב בדרך עמוקה למהפכת הבינה המלאכותית היוצרת
- סדרה של עקרונות פדגוגיים שנבחנו בקפידה לשילוב בינה מלאכותית בבחינות ובמשימות הערכה
- הדרכה על דרכי היישום של עקרונות אלו במרחבים החינוכיים שבהם אתם פועלים
- מספר כלים פרקטיים שתומכים בהיבטים שונים של הרעיון הפדגוגי החדשני – למשל באופן ניסוח שאלות שמותאמות לבחינות עם בינה מלאכותית, ואופן ההערכה של תוצרים שנכתבו בסיועה
- דוגמאות רבות שממחישות בפרטי פרטים כיצד נראית המציאות המפציעה של הערכה בעידן רווי בינה מלאכותית
קחו ועשו זאת לשלכם!
הפדגוגיה החדשנית והכלים התומכים שמאפשרים שילוב בינה מלאכותית בבחינות, פותחו בהקשר של בחינות בגרות במגמת מידע ונתונים.
יחד עם זאת, העקרונות הפדגוגיים שמאחורי כלים אלו יכולים להתאים גם לתחומי דעת נוספים, ולא רק לבחינות בגרות. מעוניינים לבדוק זאת בתחום הדעת שלכם? בדקו את העקרונות הפדגוגיים שנכללים בערכה זו ואת הכלים שפיתחנו, וסביר שתגלו שלפחות אחד או שניים מהם רלוונטיים ומעשיים במיוחד לכם ולתלמידיכם. כמובן, תצטרכו להתאים אותם לתחום הדעת, למאפיינים של אירוע ההערכה שבו תרצו לשלב בינה מלאכותית, ולתלמידים שלכם.
הערכה שבידיכם נוצרה על ידי המשתתפים בניסוי פורץ דרך שהתקיים בשנת תשפ״ד, בשותפות בין מפמ״רית מגמת מידע ונתונים, אגף המו"פ, המכון למחקר יישומי של בינה מלאכותית בחינוך ותשעה מוסדות חינוך. הניסוי נולד מתוך רצון לקדם את הפדגוגיה של שילוב הקורסים הדיגיטליים בהוראה ובלמידה, ולהתאים את ההוראה לצרכים האישיים של כל תלמיד, כל זאת בשילוב כלי בינה מלאכותית.
לכל מוסד חינוכי הוצמדו שני יועצים – יועץ דאטה (דאטה אנליסט) ויועץ בינה מלאכותית וטכנולוגיות למידה, מתוך כוונה שהפיתוח, ההתנסות והפקת התובנות – יעשו ברובם בתוך בתי הספר וע"י הצוות המוביל במגמה. לקול הקורא שנפתח ניגשו מוסדות חינוך רבים, שבהם קיימת מגמת מידע ונתונים כחלק ממגוון המגמות שמוצעות לתלמידים. מתוך הניגשים, התקבלו לניסוי תשעה מוסדות חינוך מובילים (ראה פירוט בשותפי המחקר).
מטרות הניסוי היו:
- בניית הפיגומים לשינוי התודעתי והטכני שנדרש מהמורים במגמה במהלך ניסוי מסוג זה.
- ביסוס עקרונות לבניית משימות מותאמות לפתרון בעזרת אינטרנט פתוח ויישומי בינה מלאכותית.
- הפקת מאגר שאלות מותאמות לצורך התנסות לקראת בחינת הבגרות.
- הצעת מתווה להטמעת השינוי בתכנית הלימודים של המגמה.
השטח החינוכי:
עירוני ו' דרכא אשקלון | תיכון ע"ש חיים הרצוג כפר סבא | אורט רבין עפולה | עמל תעופה וחלל מעלה אדומים | תיכון חדרה בית אליעזר | עירוני א' אשקלון | אורט יד ליבוביץ נתניה | תיכון קרית שרת חולון | עירוני משה שרת נתניה
צוות ההיגוי ומובילי הניסוי:
![](https://mop.education/wp-content/uploads/2024/05/11-1024x893.jpg)
ברוכים הבאים למדריך המתעד ניסוי פורץ דרך: בחינת בגרות בשילוב אינטרנט פתוח ואפשרויות שימוש בכלי בינה מלאכותית במקצוע "מידע ונתונים" DATA ANALYSIS.
עולם החינוך עובר תמורות משמעותיות בעידן הבינה המלאכותית. טכנולוגיות AI פותחות אפשרויות חדשות ומרתקות, שיכולות לשדרג משמעותית את תהליך הלמידה וההערכה למורים ולתלמידים כאחד. תפיסות הלמידה וההערכה המסורתיות נבחנות מחדש, וכן תפקיד המורה משתנה בהתאם.
ניסוי זה, המהווה צעד משמעותי בכיוון חדשני, שם לעצמו כמטרה לבחון את ההיתכנות וההשלכות של שילוב אינטרנט פתוח ושימוש בכלי בינה מלאכותית כחלק בלתי נפרד מבחינות הבגרות.
מטרות הניסוי המרכזיות היו:
· בחינת ההשלכות של בחינות עם אינטרנט פתוח על דרכי ההוראה והלמידה
· זיהוי האתגרים וההזדמנויות הכרוכים בשילוב אינטרנט פתוח במערכת ההערכה
אנו מאמינים שהניסוי מהווה נדבך משמעותי בקידום שיח פתוח וחשיבה ביקורתית לגבי עתיד מערכת ההערכה בישראל, ומזמינים אתכם להשתמש במדריך זה במהלך הוראתכם במגמה. כך תוכלו להיות גורם משמעותי בהובלת יישום תהליכים אלה, כחלוצים שעומדים בראש המחנה, וכן לקחת חלק פעיל בשיח המתפתח בין המורים על הדרכים המיטביות ליישום מיומנויות בתחום הדעת ובכלל.
אני קוראת למורים ולמערכת החינוך כולה לאמץ את טכנולוגיות ה- AI ולראות בהן הזדמנות אדירה ללמידה יעילה, עצמאית, מותאמת אישית ורלוונטית לעולם.
בברכה,
רונית נחמיה, מפמ"רית "מידע ונתונים" DATA ANALYSIS
מינהל חדשנות וטכנולוגיה, משרד החינוך
![](https://mop.education/wp-content/uploads/2024/07/Group-131.png)
למידה והערכה בעידן הדיגיטלי – מה נשתנה?
בעידן הדיגיטלי הנוכחי, היכולת של תלמידים להשתמש ביישומי בינה מלאכותית ובגישה חופשית לאינטרנט, פותחת הזדמנויות ומציבה אתגרים בפני מערכת החינוך. מורים נדרשים להתמודד עם השאלה כיצד להעריך ידע ומיומנויות של תלמידים כאשר כלים מתקדמים זמינים להם בלחיצת כפתור.
בתחום המידע והנתונים מתחולל שינוי עמוק ומהותי במיוחד, וזאת מכיוון שיישומי בינה מלאכותית יודעים לאסוף ולעבד מידע רב ובמהירות, לזהות דפוסים ומגמות בנתונים, לייצר תובנות, מסקנות וחיזויים ואף לסייע בקבלת החלטות ע"י הגשת המלצות לביצוע.
ניסוח שאלות משפיע על פיתוח דרכי ההוראה, הלמידה וההערכה, ובפרט הערכה המתרחשת בעידן הדיגיטלי. בהינתן מנועי חיפוש זמינים, אנו נדרשים לשאלות מורכבות ומעוררות מחשבה, שלא ניתן למצוא להן את התשובה המלאה ברשת, ואשר הדרך לפתרונן מפתחת אצל התלמידים מיומנויות כגון: חקר עולם תוכן, אינטגרציית מידע, סינתזת מידע, אימות מידע וכד'. עם זמינותם של יישומי הבינה המלאכותית היוצרת עלינו לאמץ שינויים רדיקליים אף יותר בניסוח שאלות, ולעודד פיתוח מיומנויות רלוונטיות כמו: שאילת שאלות, היוועצות מקצועית, ברירת מידע, חשיבה אסטרטגית ורב תחומית, חשיבה ביקורתית ועוד.
למעשה, השאלות שאנו מנסחים, סוללות את דרכם של התלמידים לשגשג במציאות דיגיטלית שבה נדרשת יותר מתמיד הפעלת שיקול דעת, בחינה ערכית ומוסרית של פתרונות, תשובות, המלצות ועבודה משותפת ואפקטיבית עם בינה מלאכותית.
בתהליך ההערכה, נדרש מן המעריך לחלץ מתוך תשובות התלמידים את בסיס הידע שלהם, את רמת ההבנה ואת מידת היכולת שלהם ליישם בעזרת שניהם. הגישה החופשית למקורות מידע מקוונים ולכלי AI, יוצרת אתגר חדש בהערכת שלושת המרכיבים הללו, כיוון שהידע זמין מתמיד, ואילו ההבנה והיישום – מתקבלים באופן אוטומטי אל מול הנחיה מפורשת לבינה המלאכותית.
ההערכה בעידן הנוכחי שזורה באופן הדוק בבחירת הבעיות שאנו מגלגלים לפתחו של הלומדים. מידת מורכבותן וערפולן, והשאלות האתיות שבעיות אלו מציפות, יאפשרו למעריך להציץ אל עולמות הידע, המיומנויות, הערכים והגישות של התלמידים ולאתר את הנדרש ואת הנעדר שבתוכם.
התלמידים שלנו זקוקים להרחיב את סל המיומוויות שהם רוכשים, ולפתח גם כשירות מסוג חדש. כשירות AI היא מקבץ הידע, המיומנויות, הערכים והגישות שמאפשר לאנשים להעריך באופן ביקורתי טכנולוגיות בינה מלאכותית, לנהל תקשורת, לשתף פעולה באופן אפקטיבי עם בינה מלאכותית ולהשתמש בה באופן פעלני בעולם רווי בינה מלאכותית.
כשירות בינה מלאכותית מורכבת מארבע מיומנויות יסוד:
- זיהוי מנגנוני בינה מלאכותית – תשתית ידע כיצד הם פועלים, סוגי אלגוריתמים וכד'
- שימוש יעיל ומושכל – איסוף, עיבוד, הצגת נתונים, בחירת מודלים, הערכת ביצועים והפעלת שיקול דעת.
- תפקוד אתי – היכרות עם הטיות והזיות אפשריות, שמירה על פרטיות ואבטחת מידע, אימות ומהימנות מידע, סינון הצעות, תוצאות ופתרונות על בסיס ערכי/מוסרי.
- שימוש יוזם ויוצר ערך – הנחיה, דיאלוג, היוועצות, תזמור כלים, חקר, הטלת ספק וחשיבה ביקורתית מתמדת.
בעת פתרון בעיות בעזרת יישומי בינה מלאכותית, משתלבות מיומנויות AI בתוך הידע והמיומנויות הדיסציפלינריות. בניית אסטרטגיית הפתרון בעזרת כלי AI, והפעלתם כמומחים בניתוח נתונים, מזמנת תהליך "חשיבה" משותף של התלמידים עם הבינה המלאכותית, ובסופו מתקבל תוצר פעולה מבוסס נתונים.
על התלמידים להוביל את תהליך הפתרון, לבקרו ולברור את כיווניו, ואילו הבינה המלאכותית מאפשרת הפשטה של מונחים ועולמות תוכן, ביצוע מהלכים חישוביים מהירים ומורכבים, מנעד ויזואליזציות של נתונים, הצעת מסקנות ובחינת חלופות.
בשיתוף פעולה כזה, הידע והמיומנויות שנלמדים במגמה, משמשים את התלמידים במספר שלבים:
- הנחיית הבינה המלאכותית בהתאם לתוכנית הפעולה בכל אחד משלבי התהליך ובהתאמה לאסטרטגיית הפתרון
- הפעלת שיקולי דעת מקצועיים על ביצועים והמלצות של הבינה המלאכותית בתהליכי טיוב וניתוח הנתונים
- הפעלת שיקולי דעת ערכיים ואתיים על הצעות פעולה וכיווני חשיבה שמעלה הבינה המלאכותית לאורך כל שלבי הפתרון
- בירור וחקר הסיבות והשיקולים שעומדים מאחורי התוצאות שמציגה הבינה המלאכותית
- חילוץ מידע מתוך הקשר
- בחירת כיוון התקדמות מתוך ההיצע של הבינה המלאכותית
![](https://mop.education/wp-content/uploads/2024/07/Group-132.png)
כיצד בונים משימות הערכה מותאמות?
הכירו שישה ביטויי מפתח לבחינות עם בינה מלאכותית: עירפול וריבוי משמעויות, אסטרטגיות פעולה, חשיבה ביקורתית, ניתוח נתונים מתקדם, דילמה ויצירת ערך חדש
בבואנו לבנות משימות הערכה שמותאמות לאינטרנט פתוח וליישומי בינה מלאכותית, עלינו להמשיג את שלבי הפתרון הנדרש בשני הערוצים: הדיסציפלינרי והדיאלוגי (עם הבינה המלאכותית)
- שלבי הפתרון הדיסציפלינרי מוכרים למורה מתוכנית הלימודים הסדורה של המגמה
- המיומנויות הדיאלוגיות שקשורות בהיוועצות עם הבינה המלאכותית, יחייבו אותנו להגביר, להחסיר ו/או להוסיף אתגרים למשימות ולשנות את מבנה ואופן הפתרון.
קיימים מספר עקרונות לבניית משימות הערכה שמותאמות לפתרון באמצעות יישומי בינה מלאכותית. לא כולם חייבים להתקיים בשאלה אחת, ועם זאת יש לוודא כי התמהיל הנבחר של העקרונות מייצר בעיה עם נפח פעילות דיסציפלינרי ואפשרויות ביטוי של כשירות AI.
- שאלה המנוסחת באופן מעורפל (רב-משמעי) – סיפור המסגרת מזמין חקר עולם תוכן חדש ובו בעיה, המנוסחת בצורה שאינו מפורש.
- שאלה שדורשת פיתוח אסטרטגיית פעולה – מורכבות הבעיה מעודדת חיפוש וזיקוק מדד שבעזרתו ניתן יהיה לגבש מסקנות ולהגיש המלצות.
- שאלה המחייבת חשיבה ביקורתית – לאורך כל שלבי הפתרון (משלב חקר עולם הלקוח ועד להסקת המסקנות והצגת ההמלצות) התלמידים נדרשים להראות כי התוצאות והפתרונות שמציעה להם הבינה המלאכותית עוברים סינון, בדיקה והטלת ספק.
- שאלה הדורשת פיתוח נתונים מתקדם – פיתוח נתונים המתחיל מהצגת השפעות ישירות שניתן לחלץ מן הנתונים, ומתקדם לניתוח מגמות העולות מסינתזת נתונים ו/או איתור נתונים נוספים ושזירתם באסטרטגיית הפתרון.
- שאלה שמציגה דילמה אתית או מוסרית, סתירה בנתונים עצמם או נתונים המנוגדים לשיקול הדעת האנושי באותה סוגיה, בחירה בין סוגי נתונים ומגמות שונות וכד'. נדרש להפעיל בשאלה שיקול דעת ומתקיים בה ביטוי לערכים, לגישות ולזהות של התלמידים.
- שאלה הדורשת יצירת ערך חדש ע"י הנעה לפעולה – ניסוח הסעיף המרכזי ידרוש הסקת מסקנות וגיבוש המלצות יישומיות ע"י ניתוח מעמיק של תוצאות פיתוח הנתונים, והצגתם ללקוח.
תפקיד מנתח הנתונים כבר אינו מסתכם רק ב"צלילה" אל הנתונים והצגתם באופן ויזואלי. זוהי פעולה טכנית ברובה, והבינה המלאכותית עושה אותה בצורה טובה (לעיתים קרובות, אף יותר טובה מבני אדם). למעשה, בעבור מקבלי ההחלטות, מדובר בפעולה שמציגה צורה מפורשת יותר של הבעיה.
כיום, מקבלי ההחלטות רוצים להגיע במהירות אל הפתרון. הערך המוסף של מנתח נתונים, הוא להציג על שולחנם את הפעולות לביצוע (Action items) ולהציע בשפה ברורה מה צריך לעשות, מתי ולמה. פעולה זו מחייבת את מנתח הנתונים להכיר לעומק את ערכי החברה ומטרותיה, היקפי הפעילות, הלקוחות, השווקים, התזרים וכד'.
מנתח נתונים שיישאר רק ברמת המספרים והגרפים, יאבד מערכו לחברה ויוחלף במהרה ע"י יישומי AI, ועל כן החלק המניע לפעולה בשאלה ואשר דורש יצירת ערך חדש – הוא החלק המשמעותי ביותר. מתוכו ניתן יהיה לגזור את כל פעולותיו של התלמיד בשילוב הבינה המלאכותית – הבחירות, השאלות והסייגים, השיקולים והצגת ההמלצות המעשיות.
דוגמה
שאלות מסוג: "השתמש בנתונים כדי ליצור תרשים המראה את הקשר בין…. לבין…." הן שאלות שהראו בעבר על יכולתו של התלמיד להמיר נתונים לתרשימים, ואילו כיום, תעשה זאת הבינה המלאכותית באופן יעיל ומהיר הרבה יותר, על בסיס רחב יותר של נתונים.
במקום זאת, ניתן לשאול: "אילו נתונים היית ממליץ לאסוף על מנת שתוכל לתרום בתפקידך כ…. לצורך….?"
כשנותנים לתלמידים משימה מעורפלת, הכוונה לבחון את יכולתו לחלץ את המדד הנדרש מתוך סיפור המסגרת ולבנות למענם אסטרטגיית פתרון. משימה כזו יכולה להופיע גם ללא דאטה-סט מצורף, כדי לבחון את אופן החשיבה של התלמידים, את היכולת שלהם לשאול שאלות, לתחקר, לתעדף ולייצר תוכנית פעולה.
הבינה המלאכותית מצידה, מעניקה לאדם מגוון הצעות לכל שאלה, במטרה לכסות שטח רחב של אפשרויות ורעיונות. בהינתן אפיון זה ובמקביל אנו מודעים גם לצורך "לרצות" את המשתמש, התשובות והפתרונות של הבינה המלאכותית יהיו לרוב גנריים, חסרי ייחודיות ומעורפלים (רב-משמעיים). לפיכך, על התלמידים לבחור ספציפיקציה ולנהל את הפתרון המותאם (ראה סעיף 3).
ראו לדוגמה את השאלה המעורפלת הבאה: "אפליקציית הניווט החדשה של x-space מציגה על מסך המחשב של החללית סוגי אובייקטים שונים בזמן שהאסטרונאוטים מנווטים במסעם בחלל החיצון – אייקונים של חלליות אחרות בסביבה, רמזורים, לוויינים, אסטרואידים, כוכבי לכת, גלקסיות וכו… מנהלת המוצר של x-space חוששת שאולי אנחנו מציגים על המסך יותר מדי אובייקטים בכל רגע נתון ובכך יוצרים עומס ויזואלי לאסטרונאוטים כשהם מביטים במסך. לפניכם קישור לטבלת נתונים, הנכם מתבקשים לעזור למנהלת להבין האם החשש שלה אמיתי או לא".
מכיוון שהבעיה רחבת היקף הן מבחינת האפשרויות שדרכן ניתן לתקוף אותה, והן מבחינת הנתונים שהתלמידים יכולים לאסוף ולהיעזר בהם, מוטל עליהם לבנות בעצמם שכבה נוספת של איפיון בעבורה. בפתרון השאלה, על התלמידים לעבוד עם הבינה המלאכותית על הבעיה, כפי שהם בחרו לאפיין אותה וכפי שהנתונים שאספו מאפשרים להם להבינה.
סיפור המסגרת של השאלה הוא סיפור כללי. התחום רחב, התפקידים גנריים. על התלמידים להשלים את הסיפור בעזרת מאפיינים שהם בוחרים, על מנת שהבינה המלאכותית תעזור להם לייצר מענה לאירוע ספציפי ומותאם להם. דרישה זו מן התלמידים תמנע מצב שבו הבינה המלאכותית מציעה להם הצעות "טיפוסיות", שעשויות להתאים לכל ארגון, אך עלולות לפספס את המענה המותאם לארגון ספציפי.
למעשה, באופן זה אנו מוציאים את הבינה המלאכותית מאזור הנוחות שלה, ומבקשים פתרונות קוהרנטיים למצבים ייחודיים. במצב זה התלמידים חייבים להגן על המשימה שלהם מפני המלצות שאינן לוקחות בחשבון את המאפיינים הבלעדיים שלה.
השלמת הסיפור יכולה להתאים לסיפור המסגרת או לכל אחד מהסעיפים בשל החלפת הצרכים/התפקידים/הדרישה לפעולה.
לדוגמה:
בסעיף מסוים, על התלמידים לפעול בכובע של… (תפקיד מסוים בארגון, בעל אפיון ספציפי כגון: הממונה על המכירות, איש הרכש, התקציבאי וכד') ואילו בסעיף אחר אין הגדרת תפקיד אלא משימה (הגדלת רווחים, הקמת צוות פעולה, צמצום הנזק וכד')
במגמת מידע ונתונים הצגת הפתרון לבעיה נדרשת להיות מבוססת ונתמכת נתונים. במקביל, העבודה עם כלי AI, מייצרת תיעוד למהלכי החשיבה והעבודה של התלמידים ומשמשת את המעריך כתוצר נלווה (בעיקר במקומות שבהם יש אי בהירות בפתרון ונדרש בירור מעמיק של פעולתם). לפיכך, ההנחיות הכלליות עבור כל משימת הערכה תהיינה:
- יש להגיש דוח פתרון מסכם המתייחס לכל סעיפי השאלה. הדוח כולל:
- סיפור מסגרת – הלקוח, הצורך (הבעיה), אתגרים והזדמנויות שזוהו
- הסבר לאסטרטגיית פתרון הבעיה
- הצגת ניתוחי הנתונים המצורפים לשאלה ובמידת הצורך גם המאותרים ע"י התלמידים
- ויזואליזציה של ניתוחי הנתונים
- מסקנות, תובנות והמלצות בהתאם לדרישה בשאלה
- רשימת מקורות מידע – כלל המקורות והכלים בהם נעשה שימוש בתהליך הפתרון
- מורשה ואף מומלץ להשתמש באינטרנט וביישומי AI בכל השאלות ועבור כל צורך בתהליך הפתרון.
- לכל סעיף בתשובתך יש לצרף דו"ח הכולל תרשימים והסברים בנוגע לבחירת אסטרטגיית הפעולה, תהליך ניתוח הנתונים והאופן בו הוסקו מסקנות וגובשו תובנות.
- בכל תשובה יש לצרף את הקישור לכל עמודי השיח עם כלי ה-AI בהם השתמשת.
להלן טבלה המדגימה את השלבים בפתרון בעיית נתונים לצד המיומנויות הנדרשות בכל אחד מהם, הן בהיבט הדיסציפלינרי והן בהיבט כשירות בינה מלאכותית
![](https://mop.education/wp-content/uploads/2024/06/Screenshot-2024-06-21-at-19.30.56-880x1024.png)
![](https://mop.education/wp-content/uploads/2024/07/Group-129.png)
משימות מותאמות – 4 דוגמאות מפורטות
לפניכם מספר דוגמאות לשאלות שנוסחו וטויבו במהלך הניסוי ע"י שותפי הניסוי. בכל שאלה תוכלו לראות מהו החלק שקשור לכל אחד משלבי הפתרון (ע"פ הצבעים שמופיעים בטבלת שלבי הפתרון)
מקרא: חקר עולם לקוח | טיוב נתונים | פיתוח נתונים | מציאת נתונים חסרים | הפקת והצגת מסקנות, תובנות והמלצות
חברה טובה שלכם חלמה כל חייה להיות בעלת לונה פארק.
בשעה טובה היא מצאה משקיעים שיהיו מוכנים להשקיע כסף בבניית הפארק, ובקרוב היא תתחיל לבנות אותו. כחלק מהתוכנית העסקית שלה, עליה לכלול עלויות ביטוח. כבעלת המקום היא כמובן רוצה לשמור על מחיר הביטוח נמוך ככל האפשר.
היא פונה אליכם, מנתחי הנתונים, כדי לשאול- איך לדעתכם היא יכולה למזער את מחיר הביטוח לפארק החדש שהיא מתכננת.
בססו את המלצתכם על דאטהסט (מסד הנתונים) אחד או יותר שקיימים ברשת.
מקרא: חקר עולם לקוח | טיוב נתונים | פיתוח נתונים | מציאת נתונים חסרים | הפקת והצגת מסקנות, תובנות והמלצות
בחברת "אוטוAI", שעוסקת בתחום ייבוא ומכירת רכבים, הוחלפה לאחרונה ההנהלה בעקבות תקופה ארוכה של ירידה ברווחיות. כחלק מתכנית העבודה לשנת 2025 מקים מנכ"ל החברה החדש צוות שכולל נציגים ממחלקת הרכש וממחלקת המכירות במטרה לבנות תוכנית פעולה להבראת החברה.
אתם מנתחי הנתונים החדשים של החברה והמנכ"ל פונה אליכם לסייע לצוות זה.
נתון דאטה סט של חברת "אוטוAI". דאטהסט רכבים
שימו לב: בדאטה סט יש: דאטה לא תקין/ חלקי / חסר
- טייבו את הנתונים – רכב חדש שחסר מספר הקילומטרים – כדאי להשלים עם 0 או רכב שארץ הייצור שלו היא ״?!@8״, אבל מאחר וכל הרכבים מהדגם והיצרן הזה מגיעים מאותה ארץ, ניתן לעשות תיקון מושכל.
- הפיקו 3 תובנות רלוונטיות לאיש המכירות של הארגון , והסבירו בכל תובנה – מהי הפעולה הנדרשת מאיש המכירות על מנת להוסיף ערך לארגון.
- מנכ"ל החברה מעוניין להגדיל את הרווחים, מנהל הרכש בארגון ממליץ לייבא דגמי מיני מיצרן חדש. מהי המלצתכם?
מקרא: חקר עולם לקוח | טיוב נתונים | פיתוח נתונים | מציאת נתונים חסרים | הפקת והצגת מסקנות, תובנות והמלצות
קראו את הקטע הבא מתוך כתבה ב"כלכליסט", פברואר 2024
"כיצד חברות ההייטק מגייסות טאלנטים ומהן התכונות והכישורים הנדרשים בחברות הטכנולוגיה הישראליות"
ידע מקצועי וניסיון לא מספיקים בשוק תחרותי פשוט, מכיוון שישנם מועמדים רבים עם ידע וניסיון דומה בשוק. כדי להתקבל, צריך להתבלט ופעמים רבות, מה שעוזר למועמדים להתבלט הן תכונות אופי ולאו דווקא כישורים. "מעבר למיומנויות והידע המקצועי, אנו מחפשים מועמדים שאפתניים, עם ברק בעיניים וסקרנות, כאלו שחוקרים ומפתחים את הידע שלהם, שיודעים להציב לעצמם מטרות ויעדים שאפתניים ולהשיג אותם", אומרת דגנית פלר, מנהלת מערך הגיוס בחברת הסייבר פנטרה. בנוסף, עלתה החשיבות של עבודה בצוות ובשיתוף פעולה. "האנשים שאנו מחפשים צריכים להיות לא רק טכנולוגיים, אלא קודם כל אנשים עם רגישות סביבתית, שמשפיעה לא פחות מטכנולוגיה על העבודה בצוות", היא אומרת.
"האתגר הוא למצוא מפתחים שיש להם ראייה רחבה, מערכתית ורב תחומית", מסבירה עדי רייס, מנהלת משאבי אנוש בחברה. "אנחנו מחפשים מפתחים שיודעים להיות דינאמיים, רוצים לצמוח וללמוד תוך כדי העבודה כל הזמן, ולכן גם יכולים לעבור בין צוותים ופרויקטים".
- בחרו את שלושתכונות האופי החשובות בעיניכם לגיוס מועמד לחברת הייטק. הסבירו מדוע בחרתם דווקא אותן ומהו הערך המוסף שלהן להצלחת החברה.
- מהן 3 התובנות והמסקנות המרכזיות העולות לדעתכם מן הכתבה? הסבירו – מדוע בחרתם אותם על פני האחרות.
- בדקו את הנתונים וכתבו 3 תובנות ומסקנות מתוך הנתונים המוצגים בדאטהסט (מסד הנתונים)
- חפשו מהן התובנות המשותפות העולות מתוך הקטע והדאטהסט. הסבירו מהן התובנות והמסקנות המשותפות.
- הקמתם סטארט אפ וכרגע אתם העובדים היחידים בו – הגיע הזמן לגייס צוות עובדים ראשון.
- כיצד תבחרו מי מתאים מבין המועמדים בקובץ? (לתפקיד ולסטרטאפ שלכם)
- מבין חברי הצוות, את מי תגייסו קודם?
מקרא: חקר עולם לקוח | טיוב נתונים | פיתוח נתונים | מציאת נתונים חסרים | הפקת והצגת מסקנות, תובנות והמלצות
עיריית תל אביב-יפו ניצבת בפני בעיה הולכת וגדלה של אי-שוויון כלכלי. מחקר שנערך לאחרונה על ידי הלשכה המרכזית לסטטיסטיקה, מצא שפער ההכנסות בין התושבים העשירים ביותר והעניים ביותר בעיר – התרחב בשנים האחרונות. פער זה בולט במיוחד בקרב צעירים, שסביר שיהיו מועסקים בעבודות בשכר נמוך ופחות סביר שיהיו בבעלותם נכסים.
עיריית תל אביב-יפו החליטה לטפל בבעיה זו על ידי השקת יוזמה חדשה בשם "העצמה כלכלית לכולם". מטרת יוזמה זו היא לספק לצעירים את הכישורים והמשאבים הדרושים להם כדי להצליח כלכלית במאה ה-21.
אחד המרכיבים העיקריים ביוזמה זו, הוא פרויקט ניתוח נתונים. העירייה אספה נתונים על הכנסה, השכלה ומצב תעסוקתי של צעירים בתל אביב-יפו. נתונים אלו ישמשו לזיהוי הגורמים התורמים לאי-שוויון כלכלי ולפיתוח מדיניות לטיפול בגורמים אלה.
השאלות:
- אילו גורמים תורמים ביותר לאי-שוויון כלכלי בקרב צעירים בתל אביב-יפו?
- עיריית תל אביב-יפו שכרה אתכם, כמנתחי נתונים, וביקשה מכם לנסח מסמך מדיניות להתמודדות עם אי-שוויון כלכלי בעיר. במסמך עליכם להמליץ מיהו פלח האוכלוסיה (שילוב המאפיינים) שאיתו יש להתמודד בראש ובראשונה, ומיהם הפלחים השני והשלישי אחריו. הסבירו את המלצותיכם.
- כיצד ניתן להשתמש בניתוח נתונים כדי להעריך את האפקטיביות של המדיניות שגיבשת?
- מהם לדעתכם המגבלות של השימוש בניתוח נתונים לטיפול באי-שוויון כלכלי?
![](https://mop.education/wp-content/uploads/2024/06/Screenshot-2024-06-19-at-7.45.48-1024x169.png)
בינה מלאכותית נכנסת לכיתה – מה זה משנה?
רבים מאמינים שעם כניסתה של הבינה המלאכותית לכיתה, יוכלו התלמידים לזנוח את הידע והמיומנויות שנדרשו מהם עד עתה, ותפקידם המרכזי יהיה להנחות את יישומי ה-AI וכך לקבל את שדרוש להם. האם זה המצב?
למען האמת, הבינה המלאכותית אינה תחליף להתמקצעות בתחום הדעת, והיוועצות עמה דורשת עומק הבנה רב ביותר, כיוון שהתלמידים הופכים להיות מבקרי-על של תהליכי ניתוח נתונים.
זהו מעבר מהותי בין "פועל" – אשר מונחה בשלבי העבודה, מבצע טכנית את הדרוש ומגיש תוצר פשוט יחסית וידוע מראש, ל-"מנהל" – המגדיר את העבודה, מוודא שהיא מתקיימת בצורה מיטבית, בוחר כיווני פעולה מותאמים, מזהה כאלו שאינם מותאמים ומגיש תוצר מקורי, מורכב וקוהרנטי.
![](https://mop.education/wp-content/uploads/2024/07/Group-130.png)
בינה מלאכותית בכיתה – זה מאתגר…
מורים שהתנסו עם התלמידים בפתרון בעיות מותאמות ליישומי AI, מדווחים על אתגרים שעולים בתחילת הדרך ובהמשכה. כדאי לקחת אתגרים אלו בחשבון בשיקולי הדעת בהוראה. צוות הניסוי – המורים ומומחי ה AI, מומחי ניתוח הנתונים ומדיניות החינוך- מציעים מספר דרכים להתמודדות.
אחת ההשלכות של התאמת משימה לפתרון בעזרת יישומי AI, היא עליה משמעותית בקושי השאלה (ראו דוגמאות). התלמידים אינם מורגלים במשימות שאינן מפורשות, ומשום כך יכול להצטבר תסכול רב בניסיון לפרש את המשימה.
הצעה להתמודדות:
דרגת העמימות, ולפיכך דרגת הקושי – יעלו בהדרגה. תחילה יהיו המשימות מחולקות לסעיפים מדורגים, שעוזרים בפרשנות המשימה. בהמשך יאוחדו סעיפים, והתלמידים יידרשו לבנות בעצמם את הפיגומים לצורך יצירת הפתרון. בנוסף, יש צורך בתרגול רציף ואינטנסיבי של שאלות שמנוסחות בצורה לא מפורשת, ולא לייצר מצב שבו התלמידים נתקלים בניסוח עמום רק לקראת הבחינה.
אחת המיומנויות החשובות ביותר בעבודה עם בינה מלאכותית, היא היכולת לדייק את ההנחיה (פרומפט, prompt), כך שיישומי ה-AI יפעלו בצורה מיטבית ומותאמת לתוצאה הרצויה. התלמידים אינם מורגלים בנתינת הנחיות (לרוב מקבלים הנחיות), ונדרשים ללמוד ליצור הנחיה מיטיבה (מפורטת, מגדירה, מפעילה ומכוונת לתוצר)
הצעה להתמודדות:
רצוי לקיים תהליכי הערכה ספציפיים לכתיבת הנחיות (פרומפטים), שמבוססים על רפלקציה ומשוב בעקבות תוצאות המתקבלות בכל התנסות. כדאי להקדיש חלקים מהשיעורים, בכל אחד מהנושאים בתוכנית הלימודים, למיומנויות בניית הנחיות מותאמות (ראו מאגר הדרכות מוקלטות בהמשך).
לא תמיד יש לתלמידים אפשרות לבדוק ולאמת את החישובים, התוצאות, הפתרונות וההצעות שיישומי ה- AI מעלים בפניהם. לעיתים מדובר בחישובים מורכבים (מבוססי קוד למשל) או בתהליכי ניתוח וסינתזת מידע, שלוקח הרבה מאוד זמן לבצע לבד.
הצעה להתמודדות:
שאלות "למה?" הן שאלות מובילות חקר, ובכוחן לחשוף את הדרכים שבהן התקבלו התוצאות ואת השיקולים שהובילו את הבינה המלאכותית לייצר מענה מהסוג שהתקבל. ניתן להדריך את התלמידים לתחקר את דרך הסקת המסקנות ע"י שאילת שאלות חוזרת ונשנית עד להנחת דעת מבוססת היגיון/ערכים/נתונים.
היוועצות עם יישומי AI מולידה מבנה ואופן פתרון ייחודי בכל פעם ולכל תלמיד.ה, מכיוון שהבינה המלאכותית מתוכנתת להציע מספר הצעות/פתרונות אפשריים. בהמשך לתשובות שיקבלו התלמידים, הם יבנו לעצמם ערוץ התקדמות, ואם יצליחו להוכיח קוהרנטיות בתהליך ניתוח הנתונים, הרי שהתוצר שלהם יעמוד בתנאי שקובע שההמלצות צריכות להיות מבוססות נתונים.
מורים לא תמיד יודעים להעריך תוצר אותנטי במונחים אבסלוטים, ולעיתים נדרשת לשם כך מיומנות גבוהה והעמקה נוספת בדיסציפלינה.
הצעה להתמודדות:
הערכת תהליך החשיבה/הפעולה בנפרד מהערכת התוצר מאפשרת למורה להציץ לעולם המיומנויות וההבנה של התלמידים ולהעניק משוב על מבנה, רצף, ביסוס ובחירת אופן ההתקדמות. צירוף התכתבויות עם יישומי ה-AI משקפים את אופן המחשבה וקבלת ההחלטות וניתן להעריך באמצעותם גם ידע ומיומנויות בתחום הדעת וכן את כשירות ה-AI של התלמיד.
![](https://mop.education/wp-content/uploads/2024/07/Group-133.png)
בינה מלאכותית בכיתה – זו הזדמנות…
זה עתה קראתם על ארבעה אתגרים בשילוב בינה מלאכותית בכיתה שלכם. כעת נתבונן בהזדמנויות שהיא מציעה ונתמקד בשתיים מתוכן, האחת לתלמידים, והשנייה לכם, המורים.
בעיות שנובעות מן המציאות (או שיכולות להתרחש במציאות), מקרבות את התלמידים להתמודדות עם העולם האמיתי. במציאות, מנתח נתונים אמור לפזר את העמימות מעל הסיטואציה, ולזקק את המדדים שבעזרתם ניתן לפרש את ההשפעות והמגמות המסתתרות בנתונים.
בעיות שמותאמות לפתרון בעזרת בינה מלאכותית, מעלות את רמת המורכבות של הניתוח הנדרש, ומייצרות גשר תודעתי ומקצועי בין הכיתה לעולם העבודה.
כניסתה של הבינה המלאכותית לכיתה יכולה לבלבל את המורים והתלמידים בהקשר לתפקידם המסורתי (מלמדים ולומדים) ועלולה להוביל למסקנה שאין צורך בהוראה. בהינתן הזמינות של הבינה המלאכותית כמומחית-על כעוזר בביצוע הפעולות ובפיצוח האתגרים, נשאלת השאלה כיצד המורים באים לידי ביטוי ומהם תפקידיהם החדשים. במהלך הניסוי דיווחו מורים על מגוון אתגרים חדשים ומוכרים של תלמידים בעבודה עם הבינה המלאכותית, ועל תפקידים משמעותיים שהמורים נדרשים לקחת על עצמם בכמה מישורים. נפרט על כך בחלק הבא של הערכה.
![](https://mop.education/wp-content/uploads/2024/07/Group-128.png)
שינוי גרסה: הכירו את התפקידים החדשים של המורים
שילוב מושכל של הבינה המלאכותית בכיתה משנה כמעט הכול – את הפדגוגיה, את אופן הלמידה של התלמידים, את שיטות ההערכה – וכן, יש לכם הזדמנות, מורים יקרים, לעדכן גם את התפקידים שלכם. בכך עוסק החלק האחרון בערכה למורה שהכנו בעבורכם.
- פירוק לגורמים (Decomposition) – פירוק רעיונות, בעיות או משימות לגורמים – מתוך רצון להתכונן לניתוח מעמיק יותר. הגורמים הם למעשה בעיות, משימות או רעיונות – בעלי מורכבות נמוכה יותר.
- זיהוי תבניות (Pattern recognition) – ניתוח מאפיינים של בעיות או פתרונות לבעיות לאיתור דפוסים חוזרים אשר מסייעים להבין טוב יותר את הבעיה או לאתר לה פתרון.
- הכנת תוכנית פעולה (Algorithm design) – יצירת סדרת צעדים (הוראות/ אלגוריתם), שלב אחר שלב, אשר יביאו לפתרון בעיה. אלגוריתם טוב חייב להיות ברור, ולכן עליו להיות בעל נקודת התחלה, נקודת סיום ומערכת של הוראות בין לבין. על הצעדים להיות ברורים, חד משמעיים, כוללניים וניתנים לביצוע בקלות.
- הפשטה (Abstraction) – תהליך קוגניטיבי שבו בוחרים להתעלם מפרטים שאינם הכרחיים לצורך פתרון המשימה. יש שתי דרכים להפשטה:
- הפשטת נתונים (Data Abstraction) – בהתבוננות בבעיה מתייחסים לחלק מהפרמטרים בלבד.
- הכללה (Generalization, Procedural Abstraction) – הסתרה של פעולות פשוטות על ידי איגוד שלהן בפעולה אחת. זאת אומרת, קיבוץ של המשימות לפי מאפיינים כוללניים אשר נמצאו בשלב זיהוי התבניות ויצירת "משימות על".
היכולת לעשות שימוש ביישומי בינה מלאכותית לקידום משימה, טומנת בחובה מספר מיומנויות:
- תזמור כלים – היכולת לבחור את כלי הבינה המלאכותית המתאים ולפעמים אף סדרת כלים, כך שהפלט של האחד הוא בסיס לקלט של האחר. בין היתר נדרשת הבנת יכולות ומגבלות הכלי.
- שיח עם כלי AI – היכולת להיעזר ביישום בינה מלאכותית מסוג צ'טבוט בביצוע משימה. תהליך שיח עם צ'טבוט מאופיין במספר שלבים חזרתיים: כתיבת פרומפט, קבלת מידע והפעלת חשיבה ביקורתית.
חשיבה ביקורתית היא פעילות רפלקטיבית שקולה ומעשית, שמתרכזת בהחלטה למה להאמין ומה לעשות. חשיבה ביקורתית כוללת ביצוע פעולות כגון ניסוח רעיונות, דרכים חלופיות להתבוננות על בעיה, שאילת שאלות, והצעת פתרונות אפשריים.
מיומנות חשיבה ביקורתית חשובה תמיד, וקריטית שבעתיים במציאות רוויה בבינה מלאכותית. משום כך, הכין למענכם צוות הניסוי פרקטיקה שמתמקדת בדיוק בנושא זה.
הלומד העצמאי הוא תלמיד (או כל אדם אחר, בעידן של למידה לאורך כל החיים), שרוצה ויכול לקחת על עצמו את הלמידה של תחום שגילה בו עניין, וללמוד אותו בעצמו, בהתבסס על מקורות ידע ותמיכה זמינים, עד כדי התמחות.
הנה הרחבה קצרה על הנושא:
לומד עצמאי הוא אדם היכול לקבל החלטות מושכלות, לזהות פעולות נדרשות, להציב יעדי התפתחות ולמידה אישיים ולחתור להשגתם באופן עצמאי. נטילת אחריות על תהליך ההתפתחות האישי, הכולל שותפות אקטיבית בתכנון התהליך הלימודי, מגבירה באופן משמעותי מחויבות ומוטיבציה, ואלה בתורן, מסייעות בהשגת היעדים החינוכיים. אם כן, בין למידה עצמאית לפיתוח מיומנויות דמות הבוגר – יש יחסי גומלין. להרחבה לחצו כאן וגם כאן
![](https://mop.education/wp-content/uploads/2024/06/Screenshot-2024-06-19-at-7.45.34-1024x255.png)
כלים ופרקטיקות – קחו ועשו אותם לשלכם!
לשימושכם ארבעה כלים שפותחו ע״י צוות ניסוי ״בגרות עם AI״. אתם מוזמנים להשתמש בכלים אלה, לשנות אותם ולהתאים אותם לצרכים ולרעיונות שלכם, ואף להמציא כלים חדשים. המצאתם אחד כזה? ספרו לנו – נשמח להוסיף אותו לערכה!
![דף ועליו גרפים , טבלאות ותרשים זרימה](https://mop.education/wp-content/uploads/2024/06/DALL·E-2024-06-23-13.56.35-A-page-that-describes-a-task-to-be-completed-by-students-studying-data-analysis.-The-page-includes-a-flowchart-an-Excel-sheet-with-information-and-i-1024x585.webp)
כיצד בונים שאלות מותאמות למבחן עם בינה מלאכותית?
בהינתן יישומי AI זמינים לתלמידים, יש לנסח את הבעיה מתוך הבנה כי הפתרון יעוצב בשיתוף פעולה בין הבינה המלאכותית לתלמידים, ודרישה כי יתבצע בהובלתם ובהנחייתם של התלמידים.
![](https://mop.education/wp-content/uploads/2024/06/DALL·E-2024-06-23-13.46.41-Three-or-four-ambiguous-unclear-questions-floating-in-the-air.-The-questions-are-represented-as-question-marks-and-vague-text-in-speech-bubbles-usi-1024x585.webp)
איך כותבים שאלות עמומות?
בינה מלאכותית מצטיינת בפיצוח שאלות מפורשות. לכן, במציאות חינוכית רוויית בינה מלאכותית, חשוב לבנות בעבור התלמידים שנעזרים בה, משימות שמצפינות בתוכן את המהלך המחשבתי והמעשי הנדרש לפתרונן.
![פנים של אדם עם גלגלי שיניים](https://mop.education/wp-content/uploads/2024/06/DALL·E-2024-06-23-13.50.40-A-drawing-that-symbolizes-critical-thinking.-It-features-elements-such-as-a-human-head-with-gears-light-bulbs-question-marks-a-magnifying-glass-an-1024x585.webp)
כיצד מפעילים חשיבה ביקורתית בעת השימוש בבינה מלאכותית?
בינה מלאכותית יכולה לייצר מענים לא מדויקים, מוטעים או הזוים. לכן, בחינה קפדנית של תוצריה, ומיומנות של חשיבה ביקורתית – חיונית במיוחד בעולם רווי בינה מלאכותית.
![דף הערכה עם טבלה וגרפים](https://mop.education/wp-content/uploads/2024/06/DALL·E-2024-06-23-14.02.03-A-page-that-includes-an-evaluation-table-designed-in-a-similar-style-to-previous-images-with-soft-pastel-colors-clean-lines-and-a-calm-professiona-1024x585.webp)
כיצד מעריכים שאלות באמצעות מחוון הערכה?
כיצד להעריך משימות לימודיות שתלמידים מבצעים בסיוע בינה מלאכותית? כנראה שבדרך שונה לחלוטין מהדרכים הנהוגות כיום. לרשותכם מחוון מותאם למציאות החדשה.
.
ארגזי כלים נוספים, לשימושכם
בשנה האחרונה פותחו במערכת החינוך הישראלית פרקטיקות וכלים שיכולים לסייע לכם בהגברת היעילות, שיפור האפקטיביות ומעבר להוראה מותאמת אישית. פותחו פתרונות המסייעים בהכנת תוצרים פדגוגיים, בהערכה ובעבודה החינוכית בכיתה, הכול בסיוע ב״מ. ריכזנו את חלקם בדף שבקישור.
![מורה עם ארגז כלים](https://mop.education/wp-content/uploads/2024/06/DALL·E-2024-06-11-10.59.12-A-teacher-uses-a-toolkit-composed-of-a-box-with-many-tools-in-the-shape-of-small-robots.-The-scene-should-have-the-same-style-and-color-scheme-as-the-.webp)
AI toolkits – ארגזי כלים למורים
תמצאו כאן כלים שעוסקים בהכנת מערכי שיעור, בבניית כלי הערכה מותאמים, בבמתן משוב אישי לתלמידים, בהתמודדות עם מצבי חירום ובתחומים נוספים שאולי רלוונטים לכם.
![](https://mop.education/wp-content/uploads/2024/06/Screenshot-2024-06-19-at-7.45.48-1024x169.png)
רוצים להתמקצע עוד?
מתוך הצרכים החדשים העולים במעבר לפתרון בעיות בעזרת אינטרנט פתוח ויישומי בינה מלאכותית, מומלץ למורה ללמוד ולהרחיב את הבנתו בשדה הידע והמיומנויות הנדרשים כעת מן התלמידים במגמה (ראו אתגרים והזדמנויות).
עינבל אריאלי |
|
הנרי שטאובר |
|
ד"ר רותם ויצמן |
|
ידידה הריס |
|
מכון מופ"ת |
הב"מ יכולה לסייע בהכנת חומרי למידה, בהערכה ובבניית מחוונים, בניהול כיתה, בהוראה ולמידה פרטניים, בחיזוק הקשר עם התלמידים וההורים ועוד.
הכלים שמוצעים 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.
קיים מגוון עצום של כלי בינה מלאכותית יוצרת, חלקם חינמיים וחלקם בתשלום מלא או חלקי. לדוגמא ChatGPT, Claude, Gemini ועוד.
התקשורת עם הב"מ נעשית באמצעות הנחיה (או Prompt באנגלית) המתייחס לקלט או שאילתה ספציפיים שסופקו לכלי הב"מ כדי להנחות אותו באיזו משימה או מידע נדרשים. אספנו עבורכם מספר טיפים – תרגלו אותם ותהפכו בזמן קצר לאלופים במיומנות זו:
- להתחיל במה שאנחנו יודעים. לזהות את מה העוגנים שאוכל להאחז בהם כדי לבנות את השיעור בסיוע בינה מלאכותית, כמו: מטרת השיעור, יכולות התלמידים וכלים ספציפיים שאני מכירה.
- קיימות אופציות רבות. אפשר לבקש מהבינה המלאכותית לבנות כל מערך המתאים לכם, בהתאם לבקשה והצורך שלכם.
- לא להסתפק בהצעה הראשונה (או השניה, או השלישית). אפשר לדרוש מהבינה המלאכותית לדייק, להרחיב, להציע משהו אחר.
- לעבוד יחד, במיוחד בהתחלה. הזמינו חבר.ה להצטרף אליכם בהתנסויות הראשונות, לעזור לכם להבהיר לעצמכם מה אתם מבקשים מהבינה המלאכותית.
- לא לוותר! גם אנחנו, בני האדם, צריכים סבבים (״איטרציות״). הבינה המלאכותית לומדת לדייק את עצמה אחרי כמה סבבים – וגם אנחנו. כדאי לחזור על הפעולה ולהתאמן – לכתוב פרומפט מדויק יותר, לחדד את הבקשה – בסוף זה משתלם.
- להגדיר בתחילת השיחה את התפקיד של ה-AI. לדוגמה, ״את יועצת פדגוגית לגיל היסודי עם מומחיות ברכישת קריאה וכתיבה בעברית.״ – זה יעזור לבינה המלאכותית להתמקד בעולמות תוכן ספציפיים.
- לתאר את תנאי ההוראה והלמידה שלנו – ההקשר שלנו. לדוגמה, ״אני מלמדת קבוצה של 8 תלמידים בכיתה ג׳ שמתקשים בשטף קריאה.״
- לציין את המטרה שלנו באופן חד משמעי וברור. "המטרה שלי היא…"
- לציין 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. לכן, 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 תמיד 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 בידיים של מספר קטן של תאגידי ענק, 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 עבור 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.
בינה מלאכותית – היכולת של מערכות מחשוביות לבצע משימות שבאופן טבעי דורשות אינטליגנציה אנושית.
בינה מלאכותית יוצרת היא סוג של בינה מלאכותית המסוגלת 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 המועברת למערכת בינה מלאכותית על מנת לכוון את התגובה או הפלט שלה. פרומפטים מנוסחים בקפידה כדי להשיג את התוצאה הרצויה.
הזיות (Hallucinations): תופעה בה 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.
חומרי עזר: הבינה ואני ( מצגת, הקלטה), כשבינה אנושית מדברת AI
![](https://mop.education/wp-content/uploads/2024/07/Group-130.png)
במקום סיכום – 7 תובנות והמלצות על בגרות עם AI
אנו מכשירים את תלמידי המגמה להפיק מתוך הנתונים הזמינים להם מסקנות, תובנות והמלצות לפעולה. הנה התובנות וההמלצות שהפקנו יחד עם המורים מתשעת בתי הספר שהשתתפו בניסוי.
- הצורך: הצורך בפיתוח פדגוגיות חדשות ושיטות הוראה מותאמות עולה בעקבות השינויים הטכנולוגיים והחינוכיים.
- האתגרים: שימוש באינטרנט פתוח ובכלי AI מציב אתגרים חדשים בהערכת הידע, ההבנה והיישום של התלמידים. שינוי אופן ומבנה ההערכה מאלץ ומחייב את המורים לחולל שינוי במבנה, תוכן והנגשת תכנית הלימודים לתלמידים.
- מיומנויות רלוונטיות: הוראה ולמידה מותאמות לעידן הדיגיטלי יכולות להוביל לפיתוח מיומנויות רלוונטיות לחיים האמיתיים ולעולם העבודה. התאמה זו דורשת פיתוח חשיבה ביקורתית, מיומנות של חקר והתייעצות מקצועית ומיומנויות אנליטיות מורכבות. התמודדות עם עמימות המשימות מפתחת אצל התלמידים כישורי פירוק בעיות לגורמים, ויצירת פתרונות יצירתיים. בנוסף, המשימות המותאמות ל-AI דורשות מהתלמידים להתמודד עם שאלות אתיות ומוסריות ולהפעיל חשיבה ערכית.
- הלומד העצמאי: שילוב AI בתהליך הלמידה מעודד למידה עצמאית: התלמיד אינו לבד בתהליך הפתרון, ועדיין הוא מוביל את המשימה.
- הערכה עמוקה: הערכת תהליך החשיבה והפעולה של התלמידים בעבודה עם AI, מספקת תובנות מעמיקות על מיומנויותיהם ויכולתם להפעיל שיקול דעת.
- אמנות הפרומפטינג: ניסוח הנחיות מדויקות לכלי AI מהווה מיומנות קריטית שהמורים והתלמידים צריכים לתרגל ולשפר.
- מעורבות המורים: הניסיון מצביע על כך שהמורים צריכים להיות מעורבים בתהליכי בניית המשימות ובחינת התוצרים כדי להבטיח פיתוח מיטבי של מיומנויות התלמידים.
צפוי לכם מסע מרתק עם התלמידים שלכם ועם השותפה החדשה לעשייה החינוכית – הבינה המלאכותית. יהיה מעניין, יהיה מהנה ולפעמים יהיה מורכב ! בהצלחה מצוות הניסוי ״בגרות במידה ונתונים עם AI"