MIRROR : מערכת דיגיטלית מבוססת אנליטיקות למידה להערכה מעצבת ורפלקטיבית בקורסי מעבדה
TO BE ADDED
יו"ר: פרופ' ניצה דוידוביץ, יו"ר הפורום לקידום ההוראה בישראל, אונ' אריאל | פרופ' דורית תבור, חברת הנהלת הפורום לקידום ההוראה, המכללה האקדמית סמי שמעון.
דרכי שילוב מושכלות של יישומי הבינה המלאכותית בהוראה בקרב חברי סגל במוסדות להכשרת-מורים. סמדר בר-טל, אסתר כלפון, אולז'ן גולדשטיין, יפעת לינדר, נארימאן מרעי-חאג' ולאה קוזמינסקי
מחקר זה בוחן דרכי שילוב מושכלות של יישומי הבינה המלאכותית בהוראת הסגל במוסדות אקדמיים להכשרת מורים בישראל, את השפעתו על תפיסותיהם הפדגוגיות, תרומתו לסטודנטים, יתרונותיו, אתגריו והגורמים המשפיעים על שילובו. המחקר נערך בגישה איכותנית פנומנולוגית והתמקד בחוויות חברי סגל חלוצים משישה מוסדות להכשרת מורים בעלי מאפיינים שונים. הנתונים נאספו באמצעות ראיונות עומק למחצה וקבוצות מיקוד עם 44 חברי סגל אקדמי ושישה מנהלים של המרכזים לקידום איכות ההוראה במוסדות שנבחנו. לפי הממצאים הראשונים של המחקר, חברי סגל חלוצים בוחנים אפשרויות לשינוי תהליכי למידה מסורתית של הסטודנטים תוך הכוונה ללמידה עצמאית ומתמודדים עם האתגרים של התאמת דרכי ההערכה לסוג למידה כזה. בהרצאה יוצגו הממצאים של המחקר בהרחבה. ממצאי המחקר עשויים לקדם את הפצת הניסיון הפדגוגי בשילוב בינה מלאכותית בקרב סגל ההוראה במוסדות להכשרת מורים בישראל ומחוץ לה.
השפעות הבינה המלאכותית על ההוראה והלמידה בטכניון, אולגה צ'ונטונוב , הטכניון
נבחן את האתגרים וההזדמנויות שמציבה הבינה המלאכותית בפני הטכניון, כמוסד אקדמי המכשיר מהנדסים, מדענים, ארכיטקטים ורופאים. נדון בשאלה האם ״אוריינות בינה מלאכותית״ היא מיומנות הכרחית לבוגרי אוניברסיטאות ומכללות היום, ובאסטרטגיות להתמודדות עם דור הסטודנטים החדש שצמח בעידן בו בינה מלאכותית משולבת במערכת החינוך מכיתה א. נציג את החששות של סגל ההוראה בטכניון בנוגע לשימוש בבינה מלאכותית, תוך בחינה ביקורתית של הטענות בדבר פגיעה באיכות ההכשרה בתחומי STEM. לבסוף, נדבר על תפקיד המרכזים כגופים באוניברסיטאות ומכללות, אשר יש בידם לתת מענה מערכתי לאתגרים אלה.
שילוב בוטים מבוססי AI בקורסים מתוקשבים: יישומים והשפעות פדגוגיות, עדי אבוקרט שפרכר , דפנה גביש ואסתי לוי, אוני חיפה
שומעים את השינוי: פודקאסטים, פדגוגיה ובינה מלאכותית, רוזאן ח׳יר פראג׳ ראש היחידה ללימודי אנגלית, ניזאר ביטאר ראש תחום הוראה דיגיטלית וגילה יעקב ראש המרכז לקידום ההוראה – מכללת עמק יזרעאל
חדשנות שיטתית: הוראה באמצעות יחידות לימוד מבוססות בינה מלאכותית במוסד להכשרת מורים, שבי גוברין, ראש הרשות להוראה חדשנית ומיטבית, המרכז האקדמי לוינסקי וינגייט
למה מצפים סטודנטים ממרצים בעידן ה- AI ? ניצה דוידוביץ, רבקה ודמני
מחקר זה בוחן את תפקידו של המרצה בעידן הבינה המלאכותית מנקודת מבטם של הסטודנטים – ואיך זה קשור לאתיקה?
למידה מותאמת אישית באקדמיה: דפוס הלמידה הדיגיטלית של הסטודנט, והשפעת סגנון ההוראה על אופן הלמידה הדיגיטלית, יעל יוסל-איזנבך
פיצוח קורסים בעידן הבינה המלאכותית – אתגרים והזדמנויות בגיוס מרצים לשימוש ב-AI בהוראה, ענבל צרפתי-ברעד, היחידה לקידום איכות ההוראה והלמידה, אוניברסיטת בן-גוריון
השימוש בבינה מלאכותית (AI) בהוראה האקדמית פותח אפשרויות חדשות לתכנון קורסים, להתאמת חוויית הלמידה ולשיפור ההוראה. שילוב מוצלח של כלים מבוססי AI דורש תהליך יסודי של פיצוח קורס—מהגדרת תפוקות למידה ועד בחירת אסטרטגיות הוראה מתאימות. עם זאת, ניסיונות לשילוב AI מעלים חשש מובן במסגרת צוות ההוראה של הקורס. האתגר המרכזי בגיוס מרצים לשימוש ב-AI בהוראה נובע לעיתים קרובות מהתפיסה כי טכנולוגיות אלו מחליפות את תפקיד המרצה, מפחיתות את השליטה שלו בתהליך הלמידה או מוסיפות עומס טכני שאינו מתיישב עם הזמן והמשאבים העומדים לרשותו. בנוסף, חוסר היכרות עם הכלים או חוויות שליליות קודמות עם טכנולוגיות חינוכיות עלולות להגביר את ההתנגדות. כדי להתגבר על קושי זה, יש לזהות את האתגרים הספציפיים איתם מתמודדים המרצים בכל קורס. במקום להציג את השימוש ב-AI כשינוי מהפכני ומורכב, ניתן לגשת אליו כפתרון ממוקד לבעיה קיימת. למשל שימוש בבוטים לצורך שינון מושגים בסיסי, או בחינה עצמית. באמצעות זיהוי הקושי המרכזי בכל קורס והתאמת פתרונות AI ייעודיים, ניתן להפחית את תחושת האיום ולבנות אמון בשימוש בטכנולוגיה, כך שהיא נתפסת ככלי מסייע ולא מנגנון מחליף.
נציג התנסויות של פיצוח קורסים ושילוב בינה מלאכותית בהוראה באוניברסיטת בן-גוריון הובלת היחידה לקידום איכות ההוראה והלמידה.
מחקר זה בוחן את תרומתן של הטמעת שתי לומדות דיגיטליות שפותחו בבית הספר לאופטומטריה ומדעי הראייה באוניברסיטת בר-אילן, כחלק ממהלך רחב של חדשנות פדגוגית בהוראה קלינית. נעשה שימוש במודל מודל קירפטריק להערכת תהליכי למידה כמסגרת מארגנת להערכת תרומתן של הלומדות, משום שהוא מאפשר להבחין בין תגובת הלומדים, תפיסת הלמידה, רכישת ידע ואפשרות של יישום. ההערכה כללה ניתוח שאלוני שביעות רצון, ידע ותחושת מסוגלות (Pre-Post) בקרב הסטודנטים, לצד הערכת מנחים קליניים. הממצאים משתי הלומדות מצביעים על שיפור עקבי בתפיסת ההבנה והביטחון של הסטודנטים, על שביעות רצון גבוהה מן הלמידה, ועל אינדיקציה ראשונית לתרומה גם להישג המעשי. לסיכום, הממצאים תומכים בטענה שלומדות דיגיטליות אינן רק אמצעי נוח להעברת תוכן, אלא רכיב פדגוגי שיכול לחזק למידה פעילה, גישור בין ידע תיאורטי לביצוע קליני, ומעורבות סטודנטים בתהליכי למידה מקצועיים.
TO BE ADDED
מחקר כמותי זה בחן את הקשר בין אוריינות מתמטית לדפוסי שימוש בכלי בינה מלאכותית יוצרת (GenAI) בקרב סטודנטים בהשכלה הגבוהה (N=658). מטרת המחקר היתה לבחון מהי התרומה של אוריינות מתמטית, להיקף ולדפוסי שימוש בבינה מלאכותית.
הממצאים הראו כי סטודנטים עם אוריינות מתמטית נמוכה דיווחו על שימוש אינטנסיבי יותר בכלי בינה מלאכותית לעיצוב דיגיטלי ויצירה מאשר סטודנטים עם אוריינות מתמטית גבוהה. לא נמצא הבדל בשימוש בבינה מלאכותית לצורך חישובים ולבניית שפה וידע בין נמוכים וגבוהים באוריינות מתמטית. ניתוח אשכולות זיהה שני פרופילי שימוש: משתמשים אינטנסיביים ומשתמשים מזדמנים, כאשר סטודנטים עם אוריינות נמוכה היו שכיחים יותר בקרב המשתמשים האינטנסיביים.
במקביל, סטודנטים עם אוריינות גבוהה דיווחו על מסוגלות עצמית גבוהה יותר כלפי AI ועל תפיסת שימושיות גבוהה יותר.
ממצאים אלו מלמדים על השימוש בבינה מלאכותית כפיצוי לאוריינות מתמטית חלשה, וכן חושפים פרדוקס: שימוש מוגבר ב-AI מלווה בתחושת מסוגלות נמוכה, מה שמעלה חשש מאפקט מתיו פסיכולוגי שעשוי להעמיק פערים דיגיטליים קיימים.
מחקר זה מתאר את פיתוח סביבת למידה מבוססת מציאות רבודה (AR) לפס ייצור במעבדת CIM במכללת X, ואת הערכתה הראשונית. המתודולוגיה כוללת שני שלבים: סקירת ספרות ממוקדת לזיהוי דרישות בעלי עניין, ופיתוח איטרטיבי של אב-טיפוס בשיתוף משתמשים פוטנציאליים. המתודולוגיה כוללת שני שלבים: סקירת ספרות ממוקדת לזיהוי דרישות בעלי עניין, ופיתוח איטרטיבי של אב-טיפוס בשיתוף משתמשים פוטנציאליים. האפליקציה, שפותחה לפלטפורמת Android, משלבת ויזואליזציה תלת-ממדית, מעקב בזמן אמת וטכנולוגיית מסתיים דיגיטלי. ממצאי שלב הפיתוח מצביעים על כך שתכנון מרובת-בעלי עניין מאפשר ליצור כלי שמשרת בו- זמנית סטודנטים, מרצים ומפעילים תעשייתיים. ניסוי ראשוני שבוצע עם 16 סטודנטים להנדסת מכונות (דצמבר 2025 ) מצביע על שיפור משמעותי בהבנה: 0 שגיאות בחידון לקבוצת האפליקציה לעומת 4 שגיאות בקבוצת הביקורת, ציון שימושיות SUS של 71.88 (“מעל הממוצע”), ומעורבות גבוהה מעט ( 79% לעומת 76%).
From Missteps to Mastery: AI as a Catalyst for Error-Based Learning
לימוד מטעויות היא גישה שהוכחה כמקדמת למידה בתחומים שונים. התפתחויות אחרונות בבינה מלאכותית (AI) יצרו צורות חדשניות של סיוע לתהליך הלמידה וההוראה. מחקר המשווה למידה בסיוע כלי בינה מלאכותית לעומת למידה בסיוע מרצה/מתרגל, תוך יישום גישת למידה מטעויות טרם נחקר. מחקר זה, שנערך במסגרת קורס תכנות אינטרנט לתואר ראשון במכללה, בוחן כיצד צורות שונות של תמיכה הוראתית, מבוססת כלי בינה מלאכותית לעומת הנחיה אנושית, תוך יישום גישת הלמידה מטעויות, משפיעות על חוויית הלמידה הנתפסת של הסטודנטים, שביעות רצונם, המוטיבציה, למידה עצמית ומסוגלות עצמית שלהם. תוצאות המחקר יכולות לסייע בהבנת התפקיד הפדגוגי של כלי בינה מלאכותית בהוראת מדעי המחשב בכלל ובשימוש בגישה ללימוד באמצעות טעויות בפרט.
מיניות היא רכיב מרכזי בבריאות, באיכות החיים וברווחה, אך סטודנטים ואנשי מקצוע במקצועות הבריאות מדווחים לעיתים קרובות על מבוכה, קושי וחוסר הכשרה מספקת בניהול שיח עם מטופלים בנושא זה. על רקע השימוש הגובר בבינה מלאכותית שיחתית (צ'אטבוט) בהכשרה מקצועית, מחקר זה בחן השוואתית את השימוש בצ׳אטבוט כאמצעי לאימון בתשאול בנושא מיניות בקרב סטודנטיות לריפוי בעיסוק, אל מול סימולציה באמצעות שחקן. המחקר נערך בגישה איכותנית השוואתית-ניסויית. לאחר סדנה בנושא מיניות, 15 סטודנטים חולקו באופן רנדומלי לשתי קבוצות: סימולצית צ׳אטבוט (n=7) וסימולצית שחקן (n=8). לאחר ההתנסות נערכו ראיונות חצי-מובנים, אשר נותחו באמצעות ניתוח תמטי. הממצאים העלו כי הסימולציה באמצעות צ׳אטבוט נתפסה כחיובית ובעלת ערך לימודי, ובלטה בתרומתה ללמידה אקטיבית, להפחתת לחץ וחרדה, לאפשרות לתרגול חוזר ולקבלת משוב. לעומתה, סימולצית השחקן נתפסה כאותנטית יותר. שתי הסביבות נתפסו כתורמות לפיתוח המסוגלות המקצועית. המסקנה היא שסימולציה באמצעות צ׳אטבוט עשויה לשמש כלי יעיל, נגיש וזול להכשרה ראשונית בשיח על מיניות, כתחליף או כמשלים לסימולציה חיה.
טקסט קר, מחויבות חמה: שיפוט מענקים בעידן הבינה המלאכותית
מענקי קולות קוראים לחדשנות בהוראה מהוות עבור מוסדות אקדמיים כלי מרכזי לזיהוי ולמימון שינוי פדגוגי משמעותי. אולם הערכת ההצעות המוגשות לתחרויות אלו דורשת משאבים רבים, התמודדות עם חוסר עקביות בין שופטים, וקושי לאיוש הוגן על פני גבולות דיסציפלינריים משתנים. מציאות זו מחייבת יצירת מענה הערכה מותאם ועקבי, שיסייע לניהול מיטבי של משאבי הסינון והתקציב. על רקע זה, שילב אגף למידה והוראה באוניברסיטת בר-אילן מודל שפה גדול כשופט משלים בתהליך הערכה חי וממשי של תחרות המענקים המוסדית.
מערך ההערכה מאורגן סביב מודל משולב המצליב בין רובריקת מדדים מובנית לבין שני סוגי מעריכים: שופטים אנושיים המביאים עימם הקשר ותובנה פדגוגית, ושופט AI המעניק הערכה טקסטואלית מהירה ועקבית. בעוד שההסכמה הבין-שופטית האנושית הציגה יציבות (0.68=α), ההסכמה בין האדם למכונה עמדה על 0.41 בלבד. ניתוח הפערים חשף דפוס עקבי שאנו מכנים "פער התשוקה" – מגבלה מבנית שבה המכונה מעריכה את הטקסט המפורש בלבד, בעוד השופט האנושי מזהה ידע סמוי, אותות מחויבות אישית ותבונה פדגוגית שאינם נגישים לאלגוריתם. המאמר מציג את עקרונות המתווה המשולב, את ניתוח מקרי הסטייה, ואת ההמלצות המעשיות ליישום אמין של AI במנגנוני שיפוט מוסדיים
TO BE ADDED