מושגים
בינה מלאכותית בחינוך
תרגום אוטומטי של העמוד באנגלית, שטרם נבדק בידי דובר/ת שפת אם.
בינה מלאכותית בחינוך (AIED): התחום הרחב והבין-תחומי שמיישם בינה מלאכותית על הוראה ולמידה, וחוקר את העיצוב, השימוש, ההערכה וההשלכות שלה. בתור מושג-העל של מאגר הידע, בינה מלאכותית בחינוך מקיפה את בינה מלאכותית למען החינוך (שימוש בבינה מלאכותית לשיפור ההוראה וההערכה) ואת חינוך אודות הבינה המלאכותית (פיתוח אוריינות AI והבנה ביקורתית). היא נמצאת במפגש שבין טכנולוגיית ההוראה, מדעי הלמידה (שדה המחקר האמפירי ששואל אם הלומד השתנה, ולא רק אם הכלי תפקד), מדעי המחשב, מדיניות חינוכית, אתיקה ושוויון. העמוד הזה הוא מבוא לתחום ומפה לכל מושג שמאגר הידע מכסה.
שאלות למחשבה
- "בינה מלאכותית בחינוך" משתרעת על שני כיוונים: בינה מלאכותית למען החינוך (שימוש בבינה מלאכותית לשיפור ההוראה) וחינוך אודות הבינה המלאכותית (בניית אוריינות והבנה ביקורתית). איזה מהם מוכר לכם יותר, ואיזה מהם אתם נוטים לפספס?
- ההיסטוריה של התחום ממוסגרת כמתח חוזר ונשנה בין שליטה לבין הסוכנות של הלומד. כשאתם רואים כלי בינה מלאכותית נקלטים לשימוש, היכן אתם מזהים את אותו מתח מתרחש היום?
- בינה מלאכותית בחינוך נמצאת במפגש של טכנולוגיה, מדעי הלמידה, מדיניות, אתיקה ושוויון. אילו מהעדשות האלה אתם מיישמים באופן טבעי כשאתם מעריכים כלי בינה מלאכותית, ואילו צפויים לשכוח?
- מאגר הידע הזה מארגן את התחום לאשכולות: פדגוגיה, תיאוריות למידה, טכנולוגיות, תחומי דעת, הערכה, משוב, בעלי עניין וממשל. אילו הייתם ממפים את השימוש שלכם בבינה מלאכותית, באיזה אשכול הייתם מוצאים את עצמכם?
- בינה מלאכותית בחינוך כוללת גם את לימוד הסטודנטים להשתמש בבינה מלאכותית באופן ביקורתי כמטרה בפני עצמה. בהקשר שלכם, האם בינה מלאכותית נתפסת יותר כמקצוע שיש ללמד אותו או ככלי שיש להשתמש בו, והאם האיזון הזה משקף את מה שהלומדים באמת זקוקים לו?
- סטודנטים עשויים ללמוד אוריינות AI דווקא מתוך שימוש ביקורתי בבינה מלאכותית, ולא רק מתוך לימוד אודותיה. כיצד שימוש מעשי וביקורתי יכול לבנות הבנה שהוראה פסיבית אינה מסוגלת לבנות?
מבוא
בינה מלאכותית בחינוך היא מטריית-העל שכל שאר עמודי המושגים מגדירים יחד. מאגר הידע מארגן את התחום לאשכולות הראשיים שלהלן, וכל אחד מהם מקשר לעמודי המושגים הרלוונטיים.
נקודת מבט היסטורית שהיא ציון דרך, Mishra et al., מתארת את התפתחות התחום מקיברנטיקה ומוועידת דארטמות׳ ב-1956, דרך חונכים קוגניטיביים והקונסטרוקציוניזם של Papert, בטענה שהוויכוחים העכשוויים על בינה מלאכותית יוצרת משחזרים את מתח היסוד של התחום בין שליטה לסוכנות.
כיצד מאגר הידע מאורגן: עמודי המטרייה
כיסוי המושגים של מאגר הידע מעוגן בכמה עמודי מטרייה שמקבצים מושגים קרובים לאשכולות שאפשר לנווט בהם. אלה נקודות פתיחה טובות לחקירת התחום:
- בינה מלאכותית בחינוך: העמוד הזה, סקירת התחום והמפה לכל מה שנכלל בכיסוי.
- אוריינות AI: המטרייה להבנה, לשימוש ולהערכה ביקורתית של בינה מלאכותית, הכוללת הנדסת הנחיות, חשיבה ביקורתית, אתיקת בינה מלאכותית ושימוש אחראי. לצידה, שיתוף פעולה בין אדם לבינה מלאכותית ובינה מלאכותית סוכנית ממסגרים כיצד אנשים ובינה מלאכותית עובדים יחד.
- פדגוגיות ואסטרטגיות הוראה: המטרייה לאופן שבו מתרחשת ההוראה, כלומר שיטות ההוראה והאסטרטגיות שבינה מלאכותית פועלת בתוכן (למידה פעילה, למידה שיתופית, למידה מבוססת פרויקטים, למידה מבוססת בעיות, למידה חווייתית, למידה מבוססת משחק, השיטה הסוקרטית, פיגום ועוד), כולל ההקשר הנפרד של הוראה ולמידה מקוונות.
- תיאוריות למידה: המטרייה לאופן שבו מתרחשת הלמידה, כלומר המסגרות התיאורטיות (ביהביוריזם, קוגניטיביזם, קונסטרוקטיביזם, סוציו-תרבותיות, קוגניטיביות, מוטיבציוניות) שמעצבות את העיצוב ואת ההערכה של בינה מלאכותית.
- טכנולוגיות: המטרייה לשכבה הטכנית, כלומר מערכות הבינה המלאכותית (מודלים לשוניים גדולים, בינה מלאכותית יוצרת, רב-מודאליות, רובוטיקה) והטכניקות (הפקה מוגברת באחזור, הנדסת הנחיות, למידת חיזוק, אימון מודלים, תזמור סוכני) שמפעילות את התחום. משפחת מידול הלומד (מעקב אחר ידע, אבחון קוגניטיבי, סימולציית סטודנטים, והמערכות שנעזרות בהן: הוראה חכמה, למידה אדפטיבית, למידה מותאמת אישית) מקובצת תחת מטריית מידול הלומד והוראה אדפטיבית בתוך האשכול הטכני הזה.
- בינה מלאכותית בתחומי הדעת: המטרייה לאופן שבו בינה מלאכותית מיושמת על פני תחומי דעת (מתמטיקה, פיזיקה, לימוד שפות, מדעי המחשב, כתיבה, STEM, הנדסה, עסקים, הכשרת מורים, מקצועות הבריאות ועוד), ומעבר לתחומי הדעת האקדמיים גם האשכול המקצועי והיישומי שמעריך פרקטיקה מודגמת ולא נכונות (סיעוד, טכנולוגיות מידע, חינוך והכשרה מקצועיים, חינוך לעיצוב), וכן רמות חינוכיות (גן עד תיכון, השכלה גבוהה, למידת מבוגרים).
- הערכה (עם אשכולות מעצבת, מסכמת, אותנטית ואוטומטית): המטרייה לאופן שבו בינה מלאכותית גם מעריכה לומדים וגם מעצבת מחדש את תוקף ההערכה ואת יושרה.
- משוב: המטרייה לאופן שבו משוב נוצר, נמסר ומשמש: לולאת המשוב, איכות המשוב, אוריינות משוב, והקשרי ההערכה שלו (מעצבת, עמיתים, אוטומטית).
- בעלי עניין בחינוך עם בינה מלאכותית: המטרייה לשאלה מי הם השחקנים: לומדים, מורים, מעצבי למידה, מנהלים וקובעי מדיניות.
- הערכת התערבויות של בינה מלאכותית בחינוך ו**שיטות מחקר**: המטריות לשאלה כיצד אנחנו יודעים אם בינה מלאכותית עובדת: מחקרי יעילות, מדדי ביצוע, ניסויים מבוקרים אקראיים, מטא-אנליזה, והישגי למידה כמדד התוצאה המרכזי. על הקוראים לשקול גם את המגבלות הרוחביות של בסיס הראיות הזה.
- ממשל בינה מלאכותית, מדיניות חינוכית לבינה מלאכותית ו**שוויון**: המטריות של השכבה המוסדית, הרגולטורית וההוגנת (ראו גם רגולציה ופרטיות).
עמודי המטרייה האלה מקושרים לאורך הסעיפים שלהלן; כל אשכול מזכיר גם את המטרייה שלו וגם את המושגים שמרכיבים אותו.
שני ממדים של בינה מלאכותית בחינוך
המחקר בבינה מלאכותית בחינוך משתרע על שני כיוונים שלובים:
- בינה מלאכותית למען החינוך: שימוש במערכות בינה מלאכותית לשיפור ההוראה, הלמידה, ההערכה והמנהל. זה כולל חונכות מבוססת בינה מלאכותית, למידה אדפטיבית, למידה מותאמת אישית, ניקוד חיבורים אוטומטי, יצירת שאלות אוטומטית, הערכה אוטומטית, הערכה מעצבת, אנליטיקת למידה ולולאות משוב.
- חינוך אודות הבינה המלאכותית: לימוד לומדים ומחנכים להבין בינה מלאכותית, להשתמש בה ולהעריך אותה באופן ביקורתי. הליבה היא אוריינות AI, בתמיכת הנדסת הנחיות, חשיבה ביקורתית, אתיקת בינה מלאכותית, חינוך לממשל, אוריינות דיגיטלית ושימוש אחראי.
שני הממדים האלה אינם נפרדים: שימוש טוב בבינה מלאכותית מחייב הבנה שלה, והוראה אודותיה מתעשרת כשמשתמשים בה. השיתוף פעולה בין אדם לבינה מלאכותית הזה הוא נושא מרכזי.
יסודות הבינה המלאכותית בחינוך
המושגים הרוחביים והיסודיים של התחום מעגנים את הכיסוי של מאגר הידע ומופיעים ראשונים בסרגל הצד. הם נפתחים בקבוצת מושגי יסוד, כלומר המושגים שכל קורא צריך להתחיל מהם: המטרייה עצמה, תפיסות שגויות לגבי בינה מלאכותית, אוריינות AI, בינה מלאכותית סוכנית, פריקת עומס קוגניטיבי, הצגת השימוש בבינה מלאכותית לסטודנטים, צמצום שימוש לרעה בבינה מלאכותית, יושר אקדמי, הוראה, עיצוב למידה ופיתוח חינוכי. אשכול התחום מכסה אחר כך את ההיסטוריה של התחום, את המגבלות הרוחביות של בסיס הראיות, את הפילוסופיה שלו, את מפת התיאוריות והמסגרות ואת פיתוח התיאוריה. הנושאים הרוחביים, כלומר שיתוף פעולה בין אדם לבינה מלאכותית, סוכנות הלומד, זהות הלומד, חשיבה עיצובית, עיצוב תוכנית לימודים, חשיבה ביקורתית וחשיבה חישובית, חוצים כל אשכול, מפני שהמודלים המנטליים הלא מדויקים שאנשים מחזיקים לגבי בינה מלאכותית נמצאים במעלה הזרם של שימוש לרעה ושל אמון שאינו מכויל כראוי.
למידה והוראה
האופן שבו בינה מלאכותית תומכת בהוראה ובלמידה הוא לב התחום. מושגי המפתח כוללים:
- פדגוגיות ליבה: פדגוגיות ואסטרטגיות הוראה, המטרייה לכיסוי שיטות ההוראה במאגר הידע, לצד למידה פעילה, למידה שיתופית, עבודה בקבוצות, למידה מבוססת פרויקטים, למידה מבוססת בעיות, כישלון פרודוקטיבי, למידה מבוססת חקר, למידה חווייתית, למידה מבוססת משחק, לימוד דרך הוראה, פיגום, השיטה הסוקרטית, פדגוגיה ביקורתית, שותפויות פדגוגיות, סיפור סיפורים, עיצוב למידה, הוראה ולמידה מקוונות ווידאו בחינוך.
- תיאוריות ותהליכי למידה: מטריית תיאוריות הלמידה (ביהביוריזם, קוגניטיביזם, קונסטרוקטיביזם, סוציו-תרבותיות, קוגניציה מבוזרת, למידה ממוקמת, למידה מגולמת, קהילת חקר) יושבת לצד תהליכים הפונים ללומד כמו למידה עצמית מוסדרת, תיאוריית ההגדרה העצמית, מוטיבציה, מסוגלות עצמית, למידה מוכוונת עצמית, מטא-קוגניציה, קשיים רצויים, העברה של למידה, ידע קודם, מעורבות קוגניטיבית לפי ICAP, טקסט הפרכה, שליפה, פיזור ומיזוג ותיאוריית הפעילות.
- מעורבות וחוויה של הלומד: מעורבות סטודנטים, חיפוש עזרה, למידה חברתית-רגשית, רווחה, יצירתיות, פתרון בעיות, למידת שליטה ואינטראקציה בין סטודנט לבינה מלאכותית מעצבים כיצד לומדים פוגשים את הבינה המלאכותית ומושפעים ממנה בפועל.
טכנולוגיות וטכניקות
עמוד הטכנולוגיות הוא המטרייה לשכבה הטכנית:
- מודלים וטכניקות: בינה מלאכותית יוצרת, מודלים לשוניים גדולים, הפקה מוגברת באחזור, מודלים רב-מודאליים, עיבוד שפה טבעית חינוכית, למידת חיזוק, גרפי ידע, רובוטים בחינוך, בינה מלאכותית שיחתית, סימולציה ואימון מודלים לשוניים להוראה. גם השיטות שמתחת לפני השטח חשובות: למידת מכונה היא המקום שבו המערכות האלה נבנות, טכנולוגיות דיבור וקול נושאות חונכות מדוברת ותרגול שפות, המחשה חזותית מכסה לוחות מחוונים ואנליטיקה חזותית ללומדים ולמרצים, ומציאות מדומה ומוגברת מאכסנת תרגול סוחף ששכבתו החזותית נוצרת כעת בידי המודל. גם סגנונות אינטראקציה חדשים יותר שייכים לכאן, ובראשם קידוד אווירה (vibe coding), זרימת העבודה המונעת משפה טבעית שבה המשתמש מגדיר תוכנית בהנחיית מודל לשוני ושופט את ההתנהגות שמתקבלת במקום לקרוא או לערוך קוד מקור, וכך ממוסגר מחדש התכנות כמעשה של ביטוי ושל אימות ומורד המחסום בפני משתמשי קצה שבונים לעצמם כלים. מסגרות של עומק אינטגרציה כמו SAMR ותיאוריות אימוץ כמו TAM מסווגות עד כמה עמוק הבינה המלאכותית נקלטת ועד כמה היא משנה את המשימה.
- מידול לומד ומערכות אדפטיביות: המערכות הטכניות שמייצגות את הלומד ומסתגלות אליו מקובצות תחת מטריית מידול הלומד והוראה אדפטיבית: מעקב אחר ידע, אבחון קוגניטיבי, סימולציית סטודנטים, הוראה חכמה, למידה אדפטיבית, למידה מותאמת אישית, מערכות המלצה ומסלולי למידה, סוכנים פדגוגיים, חונכות אפקטיבית, מחשוב אפקטיבי, בינה מלאכותית עם אדם בלולאה ואנליטיקת למידה. הן נמצאות בשכבה הטכנית מפני שהן מערכות הבינה המלאכותית עצמן, להבדיל מהפדגוגיות שהן מיישמות.
בינה מלאכותית בתחומי הדעת
בינה מלאכותית מיושמת על פני תחומי דעת ורמות חינוכיות. הסקירה של בינה מלאכותית בחינוך בתחומי הדעת במאגר הידע ממפה את הכיסוי לפי תחום דעת, לצד מדעי הלמידה, שאינם תחום דעת נלמד אלא שדה המחקר הרוחבי שחוקר את הלמידה עצמה ומתייחס לתחום הדעת כמשתנה אחד מני רבים:
- תחומי דעת: מתמטיקה, פיזיקה, כימיה, ביולוגיה, מדעי המחשב, הנדסה, STEM, כתיבה, לימוד שפות, הוראת אנגלית (EAP/EFL/ESL), הוראת מדעים, עסקים, כלכלה וניהול, מדעי הרוח והחברה, אמנויות, עיצוב ומדיה, רפואה ומקצועות הבריאות, משפטים, והאשכולות המקצועיים והיישומיים: סיעוד, טכנולוגיות מידע, חינוך והכשרה מקצועיים וחינוך לעיצוב.
רמות והקשרים
אותו כלי בינה מלאכותית פוגש מסגרות שונות מאוד, ומאגר הידע מפריד בין הרמה החינוכית לבין הפדגוגיה כדי שממצאים לא יועברו בשקט ביניהן: בתי ספר מגן ועד תיכון, חינוך לגיל הרך וליסודי, השכלה גבוהה, למידת מבוגרים, חינוך והכשרה מקצועיים, חינוך מיוחד והכשרת מורים. מושגים קרובים לתחום שחוצים רמות כוללים עיצוב אוניברסלי ללמידה, נוירו-מגוון, למידה רב-לשונית ולמידה חברתית-רגשית.
הערכה ומדידה
בינה מלאכותית משנה גם את האופן שבו אנחנו מעריכים לומדים וגם את האופן שבו אנחנו מעריכים מערכות בינה מלאכותית עצמן:
- הערכה ומשוב: הערכה, הערכה מעצבת, הערכה מסכמת, הערכה אותנטית, תיק עבודות אלקטרוני, משוב ואוריינות משוב, איכות משוב מבוסס בינה מלאכותית, הערכת עמיתים, הערכה אוטומטית, ניקוד חיבורים אוטומטי ויצירת שאלות אוטומטית. מפני שמודל יכול כעת להפיק לפי דרישה עבודה מוגמרת ומשכנעת, מאגר הידע מציב בחזית את היכולת שנשארת של הלומד עצמו: שיפוט הערכתי, היכולת להעריך את איכות עבודתו שלו, עבודת עמיתיו ופלט הבינה המלאכותית למול קריטריונים מנומקים. זהו המבנה שמספר מחקרי משוב והערכה אותנטית מתכנסים אליו, ובהם מצב המשוב ההיברידי שהשיג תוצאות טובות ממשוב בינה מלאכותית ישיר בניסוי רב-אתרי, פער הקיימות במשוב מעצב מבוסס בינה מלאכותית, והמהלך המעשי של הערכת ההחלטות שהסטודנטים מקבלים ולא רק של התוצר. זו גם סיבה מרכזית לכך שעיצוב מחדש בעידן הבינה המלאכותית עובר מגילוי למשימות שיושרן שורד בדיקה. גם עבודה בקבוצות מוערכת הן לפי התהליך והן לפי התוצר, ושם על הצוותים לנהל משא ומתן על מה נחשב למעורבות קבילה בבינה מלאכותית.
- מדידה ותוקף: תוקף ההערכה, בינה מלאכותית מודעת לפסיכומטריה, מדידה חינוכית, תיאוריית תגובת הפריט, מדדי דיווח עצמי (הכלי שעומד מאחורי חלק גדול מהראיות האלה, ומגבלה חוזרת ונשנית), גילוי בינה מלאכותית, פיקוח מרחוק ויושר אקדמי.
שיטות מחקר והערכה
השאלה כיצד אנחנו יודעים אם בינה מלאכותית עובדת היא אשכול בפני עצמו, ומאגר הידע מתייחס אליה ככזו:
- שיטות מחקר: שיטות מחקר ב-AIED כמטרייה, עם גישות איכותניות, כמותיות, מעורבות, מבוססות עיצוב ובדיקות שמישות, ובנוסף ניסויים מבוקרים אקראיים, מטא-אנליזה וסקירה שיטתית וניתוח רשתות.
- הערכה של מערכות בינה מלאכותית: הערכת התערבויות של בינה מלאכותית בחינוך ומדדי ביצוע לשיפוט היכולת של מערכת, כשהישגי למידה הם התוצאה שחשובה, בעוד המגבלות הרוחביות של הראיות האלה וכיצד לקרוא מחקר בודד הם המשקל שכנגד ומשמשים כאזהרה.
אנשים
בינה מלאכותית בחינוך משנה את התפקידים של כל בעלי העניין. עמוד בעלי עניין בחינוך עם בינה מלאכותית במאגר הידע הוא המטרייה שמכסה את כולם:
- לומדים: חוויית הסטודנט, פיתוח קריירה ומוכנות וחרדה ומתח סביב בינה מלאכותית מעצבים כיצד סטודנטים פוגשים את הבינה המלאכותית.
- משפחות וקהילות: הורים ומשפחות הם הקהל שבתי הספר פונים אליו בתדירות הגבוהה ביותר בנושא בינה מלאכותית, וזה שמאחורי ההדרכה שניתנת לו עומד המחקר המועט ביותר, ולכן החששות שלהם שייכים לתמונת בעלי העניין ולא מחוצה לה.
- סגל הוראה ומסגרות הוראה: כשירות המורה בבינה מלאכותית, ידע טכנולוגי-פדגוגי-תוכני (TPACK), SAMR ופיתוח חינוכי עוסקים בהכנה ובתמיכה של מחנכים.
- בונים: מפתחי טכנולוגיה חינוכית, כלומר מעצבי המוצר, מפתחי התוכנה, מהנדסי הלמידה ומעצבי האנליטיקה שהופכים יכולת של מודל למשהו שמוסד יכול לרכוש. הם קהל נפרד מהמתרגלים ומהמנהלים שלמעלה, והם יושבים מחוץ למוסדות שמאמצים את הכלים שלהם, ולכן ברירות מחדל, עיצוב משותף ותחזוקה לאחר שהמימון מסתיים מופיעים במאגר הידע הזה כשאלות פדגוגיות ולא כשאלות מסחריות.
מוסדות ומדיניות
השכבה המוסדית היא המקום שבו החלטות על בינה מלאכותית מתקבלות בפועל ומוגנות: מנהלים ומנהיגות מוסדית, מדיניות חינוכית לבינה מלאכותית, ממשל בינה מלאכותית, ניהול שינוי כעבודה שעושה אימוץ לבר-קיימא, רגולציה של בינה מלאכותית, ושאלות הרכש והפלטפורמה שנגזרות מאימוץ טכנולוגיה, קוד פתוח ופלטפורמות טכנולוגיה חינוכית, לצד למידה מקצועית ולמידה לכל החיים והכשרה מקצועית.
שוויון, אתיקה ושימוש אחראי
הוגנות, נגישות ואחריות הן מרכזיות בבינה מלאכותית בחינוך:
- שוויון ונגישות: שוויון, השפעות שונות בין קבוצות לומדים (השאלה למי בכלל מתקיים הממצא), הפער הדיגיטלי, צמצום הטיה, פדגוגיה רלוונטית תרבותית, למידה רב-לשונית, למידה מכילה, נגישות, טכנולוגיה מסייעת, נוירו-מגוון, עיצוב אוניברסלי ללמידה ומחקרי העולם הגלובלי הדרומי.
- אתיקה ואחריות: אתיקת בינה מלאכותית, שימוש לרעה בבינה מלאכותית ונזק ללמידה, סוגיות משפטיות וסיכונים, גילוי שימוש בבינה מלאכותית, מעקות בטיחות, פרטיות, סיכון להזיה, חנופה של בינה מלאכותית, אמון, כיול אמון, צמצום שימוש לרעה בבינה מלאכותית, הצגת השימוש בבינה מלאכותית לסטודנטים, בטיחות פדגוגית, קיימות ופריקת עומס קוגניטיבי.
סקירה שיטתית של ספרות האתיקה של התחום (Agarwal et al. 2026, 25 מאמרים) מכנסת את אתיקת הבינה המלאכותית בחינוך לשישה ערכי יסוד אתיים, כלומר אי-אפליה, ניהול נאמן של נתונים, פיקוח אנושי, רצון טוב, יכולת הסבר והתאמה חינוכית, וממפה את הנורמות האתיות למטריצה של בעלי עניין מול ערכים. היא מוצאת שהמשתמשים הסופיים נשארים ברובם פסיביים בספרות האתיקה (קולם של סטודנטים כמעט חסר), וקוראת לשילוב האתיקה בעיצוב הבינה המלאכותית בחינוך ולמיקוד גדול יותר בממד החינוכי (הפדגוגי) של האתיקה של התחום.
נושאים מתפתחים ורוחביים
כמה נושאים חוצים את התחום:
- אמון ושימוש ביקורתי: אמון, כיול אמון, חנופה של בינה מלאכותית, חשיבה ביקורתית, פריקת עומס קוגניטיבי, פדגוגיה ביקורתית וצמצום שימוש לרעה בבינה מלאכותית (ראו גם הצגת השימוש בבינה מלאכותית לסטודנטים). האופן שבו לומדים ומורים מחליטים לאמץ בינה מלאכותית ולהסתמך עליה מעוצב במחקר על קבלת טכנולוגיה, בעוד מחקרי העולם הגלובלי הדרומי מציבים בחזית את השוויון ואת ההקשר התרבותי של האימוץ. מבחינה אמפירית, האופן שבו בינה מלאכותית מסבירה את עצמה מעצב את האמון הזה: Feldman-Maggor et al. (2025) הראו שבינה מלאכותית ניתנת להסבר בונה את אמונם של מורים בהמלצות של בינה מלאכותית דרך מובנות, כאשר הסברים מוכווני תחום (בשפת תוכנית הלימודים) זוכים לאמון ולקבלה רבים יותר מפלט מבוסס נתונים של חשיבות משתנים.
- התפתחות התחום: מאגר הידע עוקב אחרי בינה מלאכותית בחינוך ממערכות חונכות חכמות מוקדמות וממעקב אחר ידע ועד חונכות מבוססת מודלים לשוניים גדולים, סוכנים ובינה מלאכותית סוכנית: מעבר מהיר ממחקרים ממוקדי כלי למסגרות סוציו-טכניות (חשיבה עיצובית, עיצוב תוכנית לימודים, שינוי מוסדי), וממערכות שנכתבו ביד לזרימות עבודה שמונעות מהמשתמש, שבהן לומד או לא-מתכנת מגדיר התנהגות בשפה טבעית (קידוד אווירה). Rismanchian & Doroudi ממסגרים את המסלול הזה במסגרת ה-AI×Ed שלהם, ועוקבים אחרי מאמרים על פני ארבעה עשורים של ספרי כנסים כדי להראות שהתחום עבר מתערובת מגוונת, שכללה מחקר ניכר שראה בבינה מלאכותית אנלוגיה לאינטליגנציה וללמידה אנושיות, למיקוד כמעט בלעדי בשימושים יישומיים, מבוססי נתונים ומוכווני חוקר; תפנית שנראה כי עלייתם של המודלים הלשוניים הגדולים הופכת אותה כעת באופן חלקי (שלושה מארבעת המאמרים על "בינה מלאכותית כאנלוגיה" ב-AIED 2024 התבססו על מודלים לשוניים גדולים).
- רגש, חרדה ועתידות מקצועיות: בינה מלאכותית מעוררת ומעצבת תגובות רגשיות, ובהן חרדה ומתח סביב בינה מלאכותית שכוללים פיקוח ומעקב מרחוק, חששות של יושר אקדמי ותזוזה מקצועית, בעוד פיתוח קריירה ומוכנות עוסק באופן שבו החינוך מכין לומדים לשוק עבודה שנקרע על ידי בינה מלאכותית (ראו גם רווחה).
בשלות התחום
מאגר הידע משקף תחום שמשתנה במהירות: ממערכות חונכות חכמות מוקדמות לחונכות מבוססת מודלים לשוניים גדולים ולבינה מלאכותית סוכנית; מכלים של יושר אקדמי שממוקדים בגילוי לעיצוב מחדש של ההערכה; ממחקרים ממוקדי כלי למסגרות סוציו-טכניות ומוכוונות שוויון. בסיס הראיות מדגיש יותר ויותר שיטות מחקר קפדניות, הערכה, תכנונים ניסויים ותוצאות ארוכות טווח.
קשרים
בינה מלאכותית בחינוך מתחברת לכל מושג במאגר הידע: זהו התחום שכל שאר עמודי המושגים מגדירים יחד. השתמשו בעמוד הזה כנקודת פתיחה לניווט במאגר הידע כולו.
מושגים מחוברים
- אוריינות AI — מטרייה: הבנה, שימוש והערכה של בינה מלאכותית
- שיתוף פעולה בין אדם לבינה מלאכותית — מטרייה: כיצד אנשים ובינה מלאכותית עובדים יחד
- פדגוגיה — מטרייה: שיטות ואסטרטגיות הוראה
- תיאוריות למידה — מטרייה: כיצד מתרחשת הלמידה
- טכנולוגיות — מטרייה: מודלים, טכניקות ומערכות
- בינה מלאכותית בתחומי הדעת — מטרייה: בינה מלאכותית על פני תחומי דעת ורמות
- הערכה — מטרייה: כיצד בינה מלאכותית מעריכה לומדים ומעצבת מחדש את התוקף
- משוב — מטרייה: כיצד משוב נוצר, נמסר ומשמש
- בעלי עניין — מטרייה: מי השחקנים
- לומדים — מטרייה: המושגים בצד הלומד (חוויה, זהות, סוכנות, אינטראקציה, מידול לומד)
- הערכת התערבויות של בינה מלאכותית בחינוך — מטרייה: כיצד אנחנו יודעים אם בינה מלאכותית עובדת
- שיטות מחקר ב-AIED — מטרייה: שיטות מחקר של יעילות
- ממשל — מטרייה: השכבה המוסדית והרגולטורית
- מדיניות חינוכית לבינה מלאכותית — מטרייה: מדיניות, הנחיות ויישום
- שוויון — מטרייה: הוגנות, נגישות והכלה
- מדעי הלמידה — השדה האמפירי שמאחורי הבינה המלאכותית בחינוך
- אתיקה — הממדים האתיים של בינה מלאכותית בחינוך
- תפיסות שגויות — המודלים המנטליים שאנשים מביאים איתם לבינה מלאכותית
- כיצד לפרש וליישם את המחקר הזה — קריאת מחקר בודד והעברת ממצא אל הפרקטיקה
- המגבלות הרוחביות של בסיס הראיות — גבולות רוחביים של בסיס הראיות
- מטא-אנליזה וסקירה שיטתית — מה שהסקירות והמטא-אנליזות קובעות
- ההיסטוריה של התחום — כיצד התפתח התחום
- הפילוסופיה של בינה מלאכותית בחינוך — היסודות הפילוסופיים
- תיאוריות ומסגרות — מפת צמתי התיאוריה והמסגרת
- פיתוח תיאוריה — בנייה ותיקון של תיאוריה
מאמרים מחוברים
סקירות חוצות-תחום של בינה מלאכותית בחינוך: המחקרים שסוקרים את כל התחום או רמה חינוכית שלמה ולא נושא אחד:
- Typology of Generative AI Tools for Education — Typology of Generative AI Tools for Education
- Review of Artificial Intelligence in Education from 2020 to 2025 — Review of Artificial Intelligence in Education from 2020 to 2025
- The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — The evolution of AI-and-education research across four decades (AIxEd framework)
- Control vs. Agency: Exploring the History of AI in Education — Control vs. agency: a history of AI in education
- A systematic review of generative AI in education: Empirical insights from a human–AI interaction perspective — Generative AI in education: systematic review of 56 empirical studies
- Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — Generative AI in higher education: systematic review of 125 studies
- The Evidence Base on AI in K-12: A 2026 Review — The evidence base on AI in K-12: a review of 818 papers
- Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review — Pre-university AI education: systematic literature review of 42 studies
- Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — Generative AI and educational outcomes: comprehensive meta-analysis
- Building AI Companions that Prioritize Learning over Performance — a research agenda for AI companions built around learning rather than performance