איך בתי ספר צריכים להעריך למידה בעידן הבינה המלאכותית?

כשבינה מלאכותית יכולה להפיק חיבור עובר בתוך שניות, חיבור גמור כבר אינו מוכיח שתלמיד למד משהו. בתי ספר צריכים להעריך את החשיבה שמאחורי העבודה, משום שחקר הזיכרון מראה שהמאמץ להפיק תשובה הוא חלק גדול ממה שגורם ללמידה להיקלט.

מאמר זה מיועד למורים ולמנהלי בתי ספר שחושבים מחדש על שיעורי בית והערכה. הוא מציג עד כמה מהר גדל השימוש של תלמידים, מה מדע הלמידה אומר על מאמץ, ודרכים מעשיות להעריך את התהליך.

כמה תלמידים משתמשים בבינה מלאכותית לשיעורי בית?

השיעור עולה במהירות. מרכז המחקר Pew מצא ש-26% מבני הנוער האמריקאים בגילי 13 עד 17 השתמשו ב-ChatGPT לשיעורי בית, לעומת 13% שנה קודם לכן. רובם, 73%, עדיין לא השתמשו, כך שההרגלים עדיין מתגבשים, וזו סיבה לקבוע ציפיות ברורות עכשיו.

למה המאמץ שבלמידה חשוב?

שלושה ממצאים מבוססים מסבירים מדוע העברת העבודה לבינה מלאכותית עלולה לחתור תחת הלמידה.

• אפקט ההפקה. ב-1978 הראו סלמצקה וגרף שאנשים זוכרים מידע שהפיקו בעצמם טוב יותר ממידע שרק קראו. לכתוב טיעון, ולא רק לקרוא אחד, הוא חלק מללמוד אותו.
• קשיים רצויים. אליזבת ורוברט ביורק מתארים כיצד סוגים מסוימים של קושי בזמן הלמידה, כמו פיזור מפגשי לימוד, ערבוב נושאים ובחינה עצמית במקום קריאה חוזרת, מאטים את הלמידה ברגע אבל הופכים אותה לעמידה.
• אשליית עומק ההסבר. רוזנבליט וקייל מצאו שאנשים מאמינים שהם מבינים איך דברים עובדים בפירוט רב בהרבה ממה שהם מבינים בפועל. תשובה רהוטה של בינה מלאכותית עלולה לחזק את האשליה הזו: התלמיד קרא הסבר טוב ומרגיש שהוא שלו.

מה הראיות על בינה מלאכותית ולמידה מראות?

מחקרים עדכניים מתיישבים עם התמונה הזו. בניסוי שדה עם כמעט 1,000 תלמידי מתמטיקה בתיכון, בסטני ועמיתיה מצאו שתלמידים עם צ'אטבוט בלי הגבלות הצליחו יותר בתרגול אבל פחות במבחן מאוחר יותר בלעדיו. גרסת מורה וירטואלי שנתנה רמזים במקום תשובות מנעה את הנזק ברובו.

מחקר קטן יותר של נטליה קוסמינה ועמיתיה, Your Brain on ChatGPT, מדד את הפעילות המוחית של 54 אנשים בזמן כתיבת חיבורים. מי שכתבו עם עוזר בינה מלאכותית הראו את הקישוריות המוחית החלשה ביותר מבין שלוש הקבוצות, דיווחו על תחושת הבעלות הנמוכה ביותר על חיבוריהם והתקשו לצטט את מה שכתבו. זהו טרום-פרסום עם מדגם קטן, ולכן אות שכדאי לעקוב אחריו ולא תוצאה מבוססת.

האם בינה מלאכותית יכולה דווקא לתמוך בלמידה?

כן, כשמטילים עליה תפקיד עם מטרה. Assigning AI של איתן ולילך מוליק מתאר שבע דרכים להשתמש בבינה מלאכותית עם תלמידים, ביניהן כמורה, מאמן, חבר צוות או „תלמיד” שהלומדים מלמדים, ולכל אחת סיכונים משלה. ניתוח: המשותף לגישות האלה הוא שהתלמיד עדיין עושה את החשיבה, והבינה המלאכותית שואלת, מעודדת או מתנגדת במקום להפיק את העבודה הסופית.

איך ההערכה צריכה להשתנות?

לתת ציון על התהליך, לא רק על התוצר:

• להסביר בקול. בדיקות קצרות בעל פה או דיונים בכיתה מראים אם תלמיד מבין את מה שהגיש.
• לעשות את העבודה המרכזית בכיתה. לכתוב טיוטות ראשונות, לפתור בעיות ליבה או לתכנן טיעונים היכן שהמורה רואה את החשיבה.
• לבקש את המסלול. רשימות, טיוטות, מקורות שנבדקו, וכשבינה מלאכותית הותרה, הפרומפטים שנעשה בהם שימוש ומה התלמיד שינה.
• להפוך את הבינה המלאכותית למושא ביקורת. לתת לתלמידים תשובה של בינה מלאכותית ולבקש שימצאו את טעויותיה, יבדקו את טענותיה מול מקורות וישפרו אותה.
• לפזר ולערבב. בחנים קצרים וקבועים בלי ציון משמעותי על פני נושאים: הקשיים הרצויים שבונים זיכרון עמיד.
• להשאיר חלק מהעבודה בלי בינה מלאכותית. תלמידים עדיין צריכים להראות שהם יודעים לכתוב, לחשב ולהסיק בלי עזרה, כפי שהמחשבון לא ביטל חשבון בעל פה. כמה משימות בפיקוח ובלי בינה מלאכותית בכל מחצית נותנות נקודת ייחוס כנה, והופכות את ההיתר להשתמש בה במקומות אחרים להוגן.

מה בתי ספר צריכים לעשות עכשיו?

1. לקבוע מדיניות בינה מלאכותית ברורה לכל משימה: אסורה, מותרת עם גילוי, או נדרשת כחלק מהתרגיל.
2. לעצב מחדש קודם את ההערכות החשובות ביותר, כדי שהציונים ישקפו את מה שתלמידים מסוגלים לעשות בעצמם.
3. לבחור כלים שמלמדים. להעדיף בינה מלאכותית שנותנת רמזים ושאלות על פני בינה מלאכותית שנותנת תשובות.
4. להסביר לתלמידים את הסיבה. להסביר את אפקט ההפקה: לעשות את העבודה זו הדרך ללמוד אותה, לא מכשול שצריך לדלג עליו.

על צד הפרטיות של בינה מלאכותית בבתי ספר, ראו בינה מלאכותית בכיתה: למידה טובה יותר או פחות פרטיות?.

שאלות נפוצות

כמה תלמידים משתמשים בבינה מלאכותית לשיעורי בית?

מרכז המחקר Pew מצא בסקר מספטמבר ואוקטובר 2024 ש-26% מבני הנוער האמריקאים בגילי 13 עד 17 השתמשו ב-ChatGPT לשיעורי בית, פי שניים מ-13% ב-2023.

למה עשיית העבודה בעצמך עוזרת ללמוד?

חקר הזיכרון מראה שאנשים זוכרים מידע שהפיקו בעצמם טוב יותר ממידע שרק קראו, אפקט שתיארו לראשונה סלמצקה וגרף ב-1978. מאמץ מסוים בזמן הלמידה, מה שהחוקרים מכנים קושי רצוי, הופך את הידע לעמיד.

האם בינה מלאכותית עוזרת ללמידה או פוגעת בה?

שני הדברים אפשריים. במחקר עם כמעט 1,000 תלמידי מתמטיקה, צ'אטבוט בלי הגבלות שיפר את ציוני התרגול אך הוריד את ציוני המבחן; מורה וירטואלי שנתן רמזים במקום תשובות מנע את הירידה.

איך מורים יכולים להעריך למידה כשתלמידים משתמשים בבינה מלאכותית?

להעריך את התהליך ולא רק את התוצר: הסברים בעל פה, עבודה שנעשית בכיתה, טיוטות ורשימות שמראות איך התלמיד הגיע לתשובה, ומשימות שדורשות לבקר ולבדוק את תוצרי הבינה המלאכותית.

מקורות

1. Pew Research Center (2025), About a quarter of U.S. teens have used ChatGPT for schoolwork, double the share in 2023 — 26% מבני הנוער האמריקאים השתמשו ב-ChatGPT לשיעורי בית, לעומת 13% ב-2023; 73% לא השתמשו.
2. Slamecka and Graf (1978), The generation effect: Delineation of a phenomenon, Journal of Experimental Psychology: Human Learning and Memory 4(6) — התיאור המקורי של אפקט ההפקה.
3. Bjork and Bjork (2011), Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning — קשיים רצויים: שינוי תנאים, שזירת נושאים, פיזור הלמידה ושימוש במבחנים כהזדמנויות למידה.
4. Rozenblit and Keil (2002), The misunderstood limits of folk science: an illusion of explanatory depth, Cognitive Science 26(5) — אנשים מאמינים שהם מבינים איך דברים עובדים בפירוט רב בהרבה ממה שהם מבינים בפועל.
5. Bastani et al. (2025), Generative AI without guardrails can harm learning: Evidence from high school mathematics, PNAS — שימוש בלתי מוגבל בצ'אטבוט עזר בתרגול אבל פגע במבחן שאחריו; אמצעי הגנה מנעו את הנזק ברובו.
6. Kosmyna et al. (2025), Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (preprint) — 54 משתתפים; EEG הראה את הקישוריות המוחית החלשה ביותר בקבוצה שנעזרה בבינה מלאכותית, שגם חשה הכי פחות בעלות על חיבוריה.
7. Mollick and Mollick (2023), Assigning AI: Seven Approaches for Students, with Prompts — דרכים להטיל על בינה מלאכותית תפקיד של מורה, מאמן, חבר צוות או תלמיד, עם הסיכונים של כל אחת.