חזרה לרשימה
הנוף הטכנולוגי משתנה לנגד עינינו. בתחילת המאה ה־21 עלה האינטרנט, מאוחר יותר הסמארטפונים והרשתות החברתיות, ועתה אנו חוזים במהפכת נתוני עתק (ביג דאטה – Big Data) ובינה מלאכותית, שביטויה הבולט האחרון הוא כלי יצירה (גנרטיבים) של טקסטים ותמונות (כגון ChatGPT ו-Dall-E). נוכח התפתחויות אלה, הסקירה היומית של לשכת המדענית הראשית מציגה שני מחקרים שבחנו את שילובן של נתוני עתק ובינה מלאכותית בחינוך, טרום פרסומם של הכלים הגנרטבים המובילים.
המאמר הראשון מציג את נקודות הממשק הרבות של טכנולוגיות נתוני עתק (Big Data) עם עולם החינוך בדגש על מגמת "החינוך מותאם אישית". המאמר השני מביא סקירה של מספר רב של מחקרים שבחנו האם בינה מלאכותית תורמת לשיפור ההישגים של תלמידים. ואכן נמצאה השפעה חיובית על הישגים, אם כי זו כנראה תלויה בכמה נסיבות ותנאים.
תובנות והמלצות מהמאמרים
- בעת ניסוח חקיקה ותקנות (אסדרה בחוק) של שימוש בכלי בינה מלאכותית: מומלץ לשתף נשות ואנשי חינוך בבחינת הדילמות העולות משימוש בטכנולוגיה חדשה.
- לפני הטמעת כלי בינה מלאכותית בכיתה: חשוב להתייחס לתנאי הלמידה הבסיסיים, והאם קיימת בשלות לשימוש ביקורתי בכלים אלה. שאלות שראוי לשאול בהקשר זה לפני הטמעת הטכנולוגיה: מהי המסגרת הפדגוגיה הנהוגה כעת במוסד החינוכי? אילו תשתיות טכנולוגיות עומדות לרשות המורים והתלמידים בכיתה ומחוצה לה?
- בעת יישום כלי בינה מלאכותית: חשוב לשים לב לשימוש העלול לפגוע בפרטיות התלמידים או המורים.
אתגרים וכיוונים עתידיים בשימוש בביג דאטה ובבינה מלאכותית בחינוך
Challenges and future directions of Big Data and Artificial Intelligence in education
בעשורים האחרונים חלו התפתחויות טכנולוגיות משמעותיות. כך בתחום מאגרי הנתונים, שם צמח תחום הביג דאטה (Big Data או נתוני עתק) – כלומר מאגרי נתונים עצומים[1] ובתחום הבינה המלאכותית (AI – Artificial Intelligence) – דהיינו יישומי מחשב המסוגלים לבצע פעולות שנתפסו בעבר כמאפיינות בינה וקוגניציה אנושיות בלבד.
החוקרים מציגים בעבודה זו את נקודות הממשק המרכזיות בין התפתחויות טכנולוגיות אלו ובין עולם החינוך בשלוש "זירות" מרכזיות: המחקר החינוכי, השטח החינוכי ותהליכי קביעת מדיניות.
לדברי החוקרים, הפוטנציאל המרכזי של כלים המבוססים על נתוני עתק ועל בינה מלאכותית גלום בשימוש בהם לפיתוח תוכניות חינוכיות מותאמות אישית. הכוונה לשינוי המתחולל זה שנים רבות בעולם החינוך במעבר מפרדיגמה של שיטה אחת לכול ("one size fit all"), לפרדיגמה של למידה מותאמת אישית (personalized education או precision education). טכנולוגיות אלו עשויות לאפשר יישום בקנה מידה נרחב של תוכניות מותאמות לתלמיד מבחינת קצב הלמידה והשיטות המתאימות לו.
אולם מימוש פוטנציאל זה נושא בחובו גם חשיפה לכמה סכנות, ועל כן הוא מחייב היערכות מתאימה של קובעי מדיניות, של אנשי אקדמיה ושל התעשייה בתחום.[2] בין סכנות אלו הכותבים מזכירים את בעיית ההטיה האלגוריתמית, תופעה שבה הטיות (כגון דעה קדומה כנגד קבוצה באוכלוסייה) מוטמעות בתוך האלגוריתם באופן שמקשה מאוד על הזיהוי של ההטיה ועל ההתמודדות עימה. בעיה אחרת קשורה לפערים העשויים להתעורר בין קבוצות שונות של מורות בעת אימוץ הטכנולוגיה; וההנחה היא שמורות ותיקות יתקשו בכך לעומת מורות צעירות יותר.
החוקרים מתארים מחלוקת בקרב העוסקים בנושא בדבר התרומה של טכנולוגיות אלו לצמצום פערים חברתיים-כלכליים. מחד גיסא, אוכלוסיות מוחלשות עלולות לסבול מחוסר נגישות לאפשרויות החדשות. מאידך גיסא, יש הטוענים כי חלק מהטכנולוגיות עשויות להשפיע בקנה מידה רחב וללא הוצאה תקציבית משמעותית, ולכן עשויות להתאפשר גם למדינות עניות.
החוקרים מסכמים בשורה של המלצות שלדעתם הן חיוניות בטרם יאומצו טכנולוגיות חדשניות אלו בתוך השדה החינוכי. בין היתר הם ממליצים על בחינה זהירה של טכנולוגיות חדשניות תוך שיתוף של מחנכים וכן על יצירת מסגרת רגולטורית (אסדרה בחוק) לשמירת הפרטיות ולביטחון המידע של המשתמשים.
[1] הכוונה היא למאגרי נתונים עצומים המאופיינים על פי חמשת ה־V: Volume, Variety, Volatility, Veracity & Value, כלומר: כבעלי נפח גדול, מגוונים, משתנים במהירות, בעלי אמינות גבוהה ובעלי ערך כספי.
[2] במונח "תעשייה" הכותבים מכוונים לחברות המפתחות את הטכנולוגיה החדשנית.
מקורות
Luan, H., Geczy, P., Lai, H., Gobert, J., Yang, S. J. H., Ogata, H., Baltes, J., Guerra, R., Li, P., & Tsai, C. C. (2020). Challenges and future directions of Big Data and Artificial Intelligence in education. Front. Psychol
ההשפעה של בינה מלאכותית על הישגים לימודיים ועל תפיסת הלמידה
האם שילוב טכנולוגיות של בינה מלאכותית בחינוך משפיע בצורה טובה על הישגי הלומדים ועל חוויית הלמידה? במחקר זה ניסו החוקרים להשיב על שאלה זו על בסיס סקירה של המחקר בתחום. לאחר סינון קפדני, נבחרו 24 מחקרים, ובהם סך כולל של 2,908 משתתפים.
ככלל, נמצאה השפעה משמעותית על הישגי הלומדים, אך השפעה לא כל כך משמעותית על חוויית הלומדים. בבחינת ההישגים, ההשפעה הגדולה ביותר הייתה בגילאי חטיבת הביניים והתיכון; לאחר מכן בהשכלה הגבוהה; בהשכלת מבוגרים, ולבסוף בבית הספר היסודי. השפעה גדולה ביותר נרשמה במקצועות ההנדסה והטכנולוגיה; לאחר מכן במדעי הטבע, והשפעה לא־משמעותית נמצאה בלימודי מדעי החברה (g=0.175). יצוין כי נתונים אלו הולמים תוצאות מחקרים קודמים.
באשר לארגון הלמידה – בשילוב טכנולוגיה זו נרשמה השפעה גדולה יותר בלמידה קבוצתית מאשר בלמידה פרטנית. החומרה ששימשה בתוכניות שבהן נמצאה ההשפעה הגדולה ביותר, הייתה חומרה מעורבת (שילוב של מכשירי טלפון ניידים, טאבלטים ומחשבים). לא נרשמה השפעה מובהקת לשיטות הלימוד השונות, כלומר פנים אל פנים לעומת למידה מרחוק; למשך ההתערבות, לאופן היישום של טכנולוגיית ה־AI, לסוג התוכנה או לסוג טכנולוגיית ה־AI.
החוקרים מסיקים כי טכנולוגיות בינה מלאכותית עשויות לשחק תפקיד חיובי בלמידה ובחוויית הלמידה. לדידם, על מחנכים ועל מפתחי בינה מלאכותית לעבוד יחד כדי לפתח וליישם טכנולוגיות בינה מלאכותית שיאפשרו שיפור של הלמידה בכל התחומים. לדעתם, נסיבות הלמידה משפיעות בצורה ניכרת על קבלת ההחלטות בדבר שילוב טכנולוגיות בלמידה – בתנאים מסוימים שילוב טכנולוגיות עשוי להיות יעיל, ובאחרים – לא. דוגמאות לנסיבות כאלה הן למשל, היכולות האישיות של הלומדים, ההקשר שבו מתרחשת הפעילות, המטלות המבוקשות מהלומדים, השיטות הפדגוגיות הנהוגות וכן הממשק הטכנולוגי העומד לרשות המורות ולרשות התלמידים.
החוקרים סבורים כי לשם ההצלחה של תוכניות המשולבות ביישומי בינה מלאכותית, חשובה במיוחד ההכשרה של המורות לשימוש בהן.
מקורות
Zheng, L., Niu, J., Zhong, L., & Gyasi, J. F. (2021). The effectiveness of artificial intelligence on learning achievement and learning perception: A meta-analysis. Interactive Learning Environments.