עבור לתוכן

ניסוי: פרסונליזציה בהוראת המתמטיקה

ילדה לומדת בשיעור בו הרובוט הוא המורה

"אני לא נוהג ללמד את הסטודנטים שלי, אני רק מנסה לייצר את התנאים שבהם יוכלו ללמוד"


אלברט איינשטיין, מדען, מחבר תיאוריית היחסות הכללית

אודות הניסוי

הניסוי ״פרסונליזציה בהוראת מתמטיקה״ מפתח מודל תיאורטי ויישומי וסדרה של פרקטיקות להגברת פרסונליזציה בקורסים הדיגיטליים, בסיוע בינה מלאכותית. בניסוי, שהחל בתחילת שנת הלימודים תשפ״ד, משתתפים תלמידים ומורים למתמטיקה ב 23 חטיבות ביניים וחטיבות עליונות, והוא מובל ע״י צוות משולב של חוקרים, מדריכים ומובילי חינוך מהמכון למחקר יישומי של בינה מלאכותית בחינוך והמזכירות הפדגוגית.

אנחנו מכוונים לשני אופני למידה והוראה:

למידה עצמאית של תלמידים לצד למידה בכיתה בגישת ״המורה בכיתתנו״

אתגרים

שותפי המחקר המשלבים בהוראת המתמטיקה קורסים דיגיטליים,  תיעדו ביומני החקר האישיים שבוע הוראה בכיתותיהם. יומני המחקר נותחו בבינה אנושית ובינה מלאכותית, ובתוך כך מפגשי מיקוד עם מדריכי מתמטיקה. אותרו מספר אתגרים בהוראה בקורסים הדיגיטליים במתמטיקה.

  1. קיימים הבדלים מובהקים בין תלמידים באותן הכיתות בתחומים הבאים: מיומנות למידה עצמית, אוריינות דיגיטלית, יכולת לשונית שפתית
  2. כלים להוראה מבוססת נתונים המאפשרת הוראה מותאמת אישית. בפלטפורמות הקורסים הדיגיטליים במתמטיקה, קיימים כלי ניתוח המספקים אנליטיקות למידה, אך הם בשימוש מועט בשל ממשק משתמש מסורבל, היכרות חלקית של המורים, ומיומנות חסרה בשילוב אנליטיקות למידה בהוראה בפועל.
  3. ריבוי פלטפורמות: מורים בעלי אוריינות דיגיטלית גבוהה, משתמשים במגוון יישומי הוראה דיגיטליים המשתלבים זה בזה. קיים קושי בסנכרון בין הפלטפורמות והדבר הדורש השקעת זמן ומיקוד ליצירת מענה דיפרנציאלי לכל לומד.
  4. צורך ביישומים משלימים שיאפשרו: עצמאות לומדים, תקשורת אפקטיבית עם המורים בנוגע להתקדמות הלומדים, ניהול נתונים של מאפייני הלומדים, תכנון אסטרטגיות למידה בהתייחס לפערים ועוד.
  5. היעדר מסגרת לימודית ביישובי קו העימות בזמן חירום. יישובי קו העימות אינם מתכנסים ללמידה פנים אל פנים. התלמידים פזורים ברחבי הארץ הרחק מבתיהם, השתתפות הלומדים אינה רציפה, יש פניות חלקית ללמידה וזמינות אמצעי קצה אינה נגישה לכלל התלמידים.
  6. חסמים טכנולוגים בלתי תלויים כגון איטיות של אתרי קמפוס ומודל, בעיות נגישות ומחסור באמצעי קצה.

בניסוי אנחנו מתמודדים עם שני האתגרים הראשונים. 

מעברון גרפי

שאלות הניסוי

סימן שאלה

כיצד יישומי בינה מלאכותית עשויים לתת מענה אפקטיבי לאתגרים הקיימים בהוראה מותאמת אישית, מבוססת נתונים, בקורסים הדיגיטליים במתמטיקה?

מטרת הניסוי

החזון שלנו הוא להגביר משמעותית את ההוראה הפרסונלית בקורסים הדיגיטליים במתמטיקה, בסיוע כלי בינה מלאכותית ובאמצעות הוראה ולמידה מבוססות נתונים. 

* פרסונליזציה משמעותה התאמה אישית של התכנים ודרכי הלמידה, ההוראה והערכה לצרכים, ליכולות ולרצונות הספציפיים של התלמידים כדי להעמיק את הלמידה ולהגדיל את הישגיהם.

תוצרים

בסיום הניסוי, באביב 2024, צפויים התוצרים הבאים:

  • מודל תיאורטי ופרקטי להוראה ולמידה מותאמת אישית באמצעות כלי בינה מלאכותית על בסיס פלטפורמת הקורסים הדיגיטליים במתמטיקה.
  • פיתוח מתודולוגיה להוראה מותאמת אישית מבוססת נתונים באמצעות כלי ב"מ על בסיס פתרונות שיפתחו חמישה צוותי פיתוח הממוקדים בבעיות אותנטיות של המורים (למידה בחירום, למידה פרסונלית, הוראה דיפרנציאלית בכיתה הטרוגנית).

בשלב הזה, קבוצות עבודה פיתחו וניסו עם תלמידים מספר כלים שנועדו להתמודד עם האתגרים של למידה מותאמת אישית

תוצרי הניסוי:
1.בוט הפועל כיועץ
פדגוגי לתכנון יחידות הוראה בנושאים מוגדרים
2.בוט הפועל
כמתרגל למידה
3.מודל תיאורטי
ופרקטי להוראה
ולמידה מותאמת אישית
4.פיתוח מתודולוגיה
להוראה מותאמת
אישית מבוססת נתונים

יועץ פדגוגי
בוט הפועל כיועץ פדגוגי לתכנון יחידות הוראה בנושאים מוגדרים – ללמידה בכיתה ולמידה מרחוק. לבוט שני מאפיינים מיוחדים:

  1. מבוסס על ידע שקובץ ממספר פלטפורמות למידה ומקורות מידע
  2. מותאם לשלוש רמות לומדים: חלשים, בינוניים וחזקים

מתרגל וירטואלי
בוט הפועל כעוזר למידה: מציע לתלמידים תרגילים בנושאים מוגדרים במתמטיקה, נותן משוב על התשובות, ובהתאם לרמת התשובות,  מתאים לכל תלמיד את קושי השאלות הבאות. 

זרקור

כיצד למנף אנליטיקות למידה לצורך קידום הישגים?

אנליטיקות למידה (Learning analytics) מוגדרות כ"מדידה, איסוף, ניתוח ודיווח של נתונים על לומדים והקשרים שלהם, למטרות הבנה ואופטימיזציה של הלמידה והסביבות שבהן היא מתרחשת״. הן חשובות במיוחד בלמידה דיגיטלית , וקריטיות למימוש החזון של התאמת הלמידה לכל תלמיד. בניסוי אנחנו בודקים כיצד, בין היתר, ניתן להנגיש אנליטיקות למידה למורים (ובשלב השני גם לתלמידים), בסיוע בינה מלאכותית, ולהפכן למנוף משמעותי לקידום הישגים. 

מעברון גרפי

מפת הידע

מפת הידע מרכזת מידע עדכני מהארץ ומהעולם בנושא שילוב בינה מלאכותית בהוראת מתמטיקה ובהוראה פרסונלית. היא מציגה מידע על מרחב הבעיה ועל פתרונות מפציעים, ומשמשת כבסיס לפיתוח הידע היישומי והכלים בניסוי.

שותפי הניסוי

השטח החינוכי

שותפי הניסוי

שותפי הניסוי הם מורים למתמטיקה בעלי ניסיון הוראה בקורסים הדיגטליים מודל (חט"ב) וקמפוס IL (חט"ע). המורים מלמדים ב 10 חטיבות ביניים, 13 חטיבות עליונות, מכל רחבי הארץ ומכל המגזרים:

מקיף גרוס, קרית גת |  אולפנת צביה , אשקלון |  אורט גרינברג, קריית טבעון   | קריית חינוך אורט ע"ש אברט,  חצור הגלילית | אורט שמעון פרס, יקנעם  | ישיבת אמי"ת אלירז, פתח תקווה  | תיכון דרכא למדעים ואמנויות ע"ש מקסים לוי, לוד | חט"ב אלביאן, טמרה |  חט"ב גולדווטר, אילת | מקיף אורט סאג׳ור, סאג'ור |  ישיבה תיכונית אור תורה,  נווה שמואל |  מקיף א' ע"ש שייח סאלח כניפס, שפרעם | מקיף ו' דרכא, אשקלון | תיכון דתי לבנות פלך,תל אביב  | תיכון חדש ע״ש יצחק רבין,  תל אביב |  תיכון מעיין שחר, קיבוץ עין החורש

צוות היגוי ושותפי הניסוי

המכון למחקר יישומי בבינה מלאכותית בחינוך
ד״ר איל רבין
, מלווה פיתוח עבור המכון
 יפעת פילו– מפתחת באגף המו״פ
ד״ר ישי מור, יועץ אקדמי עבור המכון
רונית דרורי – מנהל פרויקט בעבור המכון

המזכירות הפדגוגית
נרית כץ
– מפמ"רית מתמטיקה ואחראית על יישומי דיגיטל
הניה גולדהבר – אחראית הטמעה קמפוס il
אסנת אסתר גבאי – מדריכת מודל
הדס איזנבך– מדריכת קמפוס il
אבי נתן – מדריך מודל 

קהילות למידה (התנסות ותרגול)

בעקבות הניסוי, הושקו באפריל 2024 שלוש קהילות למידה החוקרות יחד דרכים שונות לשילוב יישומי בינה מלאכותית בקורסים הדיגיטליים בהוראת המתמטיקה בחטיבה העליונה.

 

צרו קשר

צרו קשר

האם האתגר שבמוקד הניסוי מעסיק אותך? רוצה לשתף פעולה אתנו? נשמח לשוחח איתך. יפעת פילו
מייל: yifatfi@education.gov.il |  ווטסאפ:  054-620-8154