מאגר הידע AIEdAIEd KB
בעמוד הזה

העמוד הזה מתורגם לעברית. עמודי המאמרים עדיין כתובים באנגלית. קראו את העמוד הזה באנגלית

מושגים

למידה מבוססת מקרים

נוצר 2026-11-08 · עודכן 2026-11-08

תרגום אוטומטי של העמוד באנגלית, שטרם נבדק בידי דובר/ת שפת אם.

סינתזה: למידה מבוססת מקרים מלמדת דרך מקרים מסוימים: תיאור מטופל, סכסוך משפטי, החלטה עסקית, אפיזודה בכיתה, או זוג דוגמאות מנוגדות. המקרה מספק את ההקשר, את העובדות ואת העמימות; המנחה מעצב את השאלות ואת הדיון שהופכים אותו ללמידה. הגישה היא פדגוגיה אופיינית בחינוך המשפטי והעסקי, שבו שיטת המקרים והשאלה הסוקרטית ארגנו זה מכבר את הכיתה, ובחינוך מקצועות הבריאות, שבו מקרים קליניים ומטופלים מדומים מספקים תרגול מבוקר. מנגנון הלמידה שלה חופף ללמידה מבוססת בעיות ולכישלון פרודוקטיבי, אך אינו אותו דבר: מקרים הם בדרך כלל נרטיבים תחומים עם מרחב בעיה מעוצב, בעוד למידה מבוססת בעיות מתחילה מבעיה בלתי-מובנית שהסטודנטים חוקרים. הראיות החדשות בתחום ה-AI מבטיחות אך צרות. מחקר היתכנות של חמישה מקרים פרי-אופרטיביים מצא שמודל LLM מעוגן ענה כראוי ל-99.3% (543/547) משאלות המתמחים ולא ייצר תוכן מומצא. מחקר היתכנות בסיעוד מצא ש-ChatGPT קיצר את זמן יצירת המקרה מ-106 ל-71 דקות בלי שינוי מדיד באיכות הדיון. מטה-אנליזה של שישה ניסויים אקראיים מצאה שלמידה מבוססת בעיות ומקרים בסיוע AI שיפרה ידע ושביעות רצון, אך רק שני ניסויים בחנו למידה מבוססת מקרים, והסקירה לא ניתחה את הפורמטים בנפרד. המאגר עדיין חסר מחקר שמבודד איכות מקרה, הנחיית דיון ותוצאות למידה באותו תכנון.

שאלות למחשבה

  • מה הופך מקרה למקרה, ולא לבעיית מילים ארוכה או לסיפור עם חידון מצורף?
  • במה שונה למידה מבוססת מקרים מלמידה מבוססת בעיות, ומדוע ההבדל חשוב לאופן שבו יש להשתמש ב-AI?
  • אילו חלקים בדיון במקרה צריכים להיות מתוכננים מראש, ואילו יש להשאיר לשיקול הדעת החי של המנחה?
  • כאשר AI מייצר מקרה, מה צריך לבדוק לפני שהסטודנטים רואים אותו? כאשר סטודנטים דנים במקרה עם מתרגל AI, מה צריך להגן עליו?
  • מדוע מקרים נפוצים כל כך בחינוך המשפטי והעסקי, ומה היו הדיסציפלינות הללו מאבדות אילו הוחלפו המקרים בתקצירים או בסימולציות?
  • אילו ראיות היו מראות שהוראה מבוססת מקרים עובדת, ולא שהסטודנטים נהנו מהמקרה או דירגו את הדיון גבוה?

מבוא

מקרה הוא פרט מסוים שגבולותיו ברורים. הוא נותן ללומדים מצב עם שחקנים, עובדות, אילוצים, ובדרך כלל החלטה או אבחנה שיש להגיע אליהם. המקרה אינו נושא את הלקח שלו בעצמו. הלקח מגיע מהשאלות שהמנחה שואל, מההשוואות שהסטודנטים עושים, ומההיגיון שהם מחצינים בדיון. לכן הוראה מבוססת מקרים היא פרקטיקת עיצוב, ולא רק ז'אנר של חומר קריאה.

המונח מכסה משפחה של טכניקות. למידה מבוססת מקרים מתייחסת בדרך כלל למקרים מובנים המשמשים ליישום ידע ולפיתוח היגיון קליני או מקצועי. שיטת המקרים היא המסורת המשפטית והעסקית של הוראה דרך פסקי דין ערעוריים או מצבים ניהוליים, לרוב עם שאלה סוקרטית. חקר מקרה יכול להתייחס להוראת מקרים, אך אותו ביטוי גם מכנה תכנון מחקרי; חקר מקרה של בית ספר אינו שיעור מבוסס מקרים. מקרים מנוגדים מחדדים תפיסה בכך שהם מבקשים מהלומדים להשוות שתיים או יותר דוגמאות הנבדלות במאפיין שהמנחה רוצה שיבחינו בו. דיון במקרה הוא שכבת ההנחיה שהופכת מקרה כתוב להיגיון קולקטיבי.

טכניקות אלה חופפות ללמידה מבוססת בעיות, ללמידה מבוססת חקר, לסימולציה ולכישלון פרודוקטיבי, והגבולות אינם תמיד נקיים בפועל. ההבחנה שהעמוד הזה שומר היא פונקציונלית: עיצוב מבוסס מקרים מתחיל במקרה שנבחר או נכתב למטרת הוראה, והמנחה משתמש בו כדי להפוך דרך חשיבה מסוימת לגלויה.

מה נחשב ללמידה מבוססת מקרים

ההבחנה הראשונה היא מלמידה מבוססת בעיות. PBL מתחילה בבעיה בלתי-מובנית ומבקשת מהסטודנטים לזהות מה עליהם ללמוד, לחקור אותו ולחזור עם פתרון. הבעיה עשויה להיות מקרה, אך המאפיין המגדיר הוא חקר מונחה-סטודנט. למידה מבוססת מקרים מתחילה לעתים קרובות יותר במקרה מוכן ובקבוצה מוגדרת של מטרות למידה; המנחה עשוי להוביל את הניתוח, להקצות תפקידים, או להשתמש במקרה כדי להדגים החלטה. PBL ו-CBL חולקים הנחיה והקשר, אך הם מחלקים את השליטה אחרת. זה חשוב ל-AI: AI שמייצר מקרה תומך בעיצוב CBL, בעוד AI שמתרגל סטודנטים דרך בעיה פתוחה קרוב יותר ל-PBL.

ההבחנה השנייה היא מחקר מקרה. חקר מקרה איכותני הוא שיטה לחקר מערכת תחומה. מקרה הוראה הוא ארטיפקט מעוצב. אותה מילה מופיעה בשניהם, והמאגר מכיל מאמרים רבים שמשתמשים בחקר מקרה כשיטת מחקר בלי ללמד דרך מקרים. עמוד מושג חייב לשמור את המשמעות ההוראתית בנפרד, אחרת ספירת הראיות מתנפחת.

ההבחנה השלישית היא בין פורמטים של מקרים. מקרה נרטיבי מלא יכול להשתרע על פני עמודים ולדרוש הכנה ניכרת. וינייטה קצרה יכולה להיכנס לשיעור אחד או להערכה. קבוצת מקרים מנוגדים מזווגת בכוונה דוגמאות הנבדלות במאפיין מטרה. מקרה מדומה יכול להיות אינטראקטיבי, עם מטופל מתוקנן, צ'אטבוט או סביבה וירטואלית שמגיבה ללומד. הפורמט משנה את העבודה הקוגניטיבית: מקרים ארוכים דורשים סינתזה ותעדוף, וינייטות בוחנות זיהוי, מקרים מנוגדים תומכים בהבחנה, וסימולציות מוסיפות קבלת החלטות בזמן אמת.

מדוע מקרים עובדים

מקרים הם גשר מידע מופשט לשיפוט ממוקם. הם נותנים ללומדים הקשר שבו למושגים יש השלכות, והם הופכים ידע קודם לגלוי: הסטודנטים צריכים להבחין מה המקרה מאפשר, מה הוא מותיר בעמימות, ואילו עקרונות חלים. בחינוך המקצועי זו הנקודה. החינוך המשפטי משתמש במקרים ובשיח סוקרטי כדי ללמד סטודנטים לקרוא סמכות, להבחין בין הלכות, ולהסיק מתקדים. החינוך העסקי משתמש במקרים כדי לתרגל ניתוח תחת אי-ודאות, לרוב עם החלטה שאין לה תשובה נכונה אחת. חינוך מקצועות הבריאות משתמש במקרים קליניים כדי לתרגל אבחנה, ניהול ותקשורת לפני שמטופלים אמיתיים נמצאים בסיכון.

המנגנון אינו רק "דוגמאות מהעולם האמיתי". מקרה יכול להיות ריאלי ועדיין ללמד מעט מאוד אם הדיון אינו מבקש מהסטודנטים להבחין, לנמק או להשוות. העיצובים החזקים יותר משתמשים במקרים כדי ליצור מרחב בעיה לפני ההסבר, וזה הקישור לכישלון פרודוקטיבי: סטודנטים מנסים מקרה, נתקלים בגבולות המודל הנוכחי שלהם, ואז מקבלים הוראה שמטפלת בפער. מקרים מנוגדים מחדדים זאת עוד יותר. כאשר שני מקרים נבדלים במאפיין שחשוב, הלומדים יכולים לראות את המאפיין ולא את הסיפור השטחי. מחקר קיים על קורס GenAI בן שלושה שבועות עם 78 סטודנטים בתוכנית הכנה לקבוצות מיעוט אתני השתמש בהדגמה של מורה עם מקרים מנוגדים כדי להעביר סטודנטים מהעתקה יעילה ליצירה משותפת ביקורתית (Scaffolding critical engagement with GenAI: Transforming ethnic minority preparatory students' collaborative discourse in prompt engineering tasks). זהו עיצוב של השוואת מקרים, לא מבחן של למידה מבוססת מקרים במשפטים או בעסקים, אך הוא מראה את המנגנון בכיתה אמיתית.

מקרים נושאים גם ממד חברתי. דיון במקרה הופך את ההיגיון לגלוי: סטודנטים מציעים פרשנויות, שומעים חלופות ומתקנים. השאלות של המנחה עושות את העבודה שספר לימוד אינו יכול לעשות. לכן החלפת מקרה בתקציר או בהרצאה יכולה לשמר את התוכן ולאבד את הלמידה. זו גם הסיבה ש-AI שעונה על שאלות המקרה בשם הסטודנט יכול לקצר את הדיון, גם כאשר תשובותיו מדויקות.

מה AI משנה

הראיות החדשות מתקבצות סביב שלושה שימושים: יצירת מקרים, מסירת מקרים וסינתזת הראיות.

יצירת מקרים. היגשיצוג'י, אוצוקה וואטנבה (2025) השוו יצירת מקרים ידנית ובסיוע ChatGPT על ידי שמונה חברי סגל בסיעוד. זמן היצירה החציוני ירד מ-106.0 ל-71.0 דקות, הבדל מובהק סטטיסטית, בעוד שהעומס הנתפס ואיכות הדיון לא הראו שינוי מובהק. המחקר הוא ניסוי היתכנות עם תשעה סטודנטים וקרוסאובר לא-אקראי בעיוורון, כך שהוא תומך בחיסכון זמן סביר ולא בשקילות. שאלת העיצוב החשובה אינה אם מודל יכול להפיק מקרה. היא אם המקרה המיוצר משמר את ההיגיון הקליני שהמנחה התכוון לו, ואם מישהו בודק אותו לפני שהסטודנטים משתמשים בו.

מסירת מקרים. טרוורן ועמיתיו (2026) בנו חמישה מקרים פרי-אופרטיביים, טענו אותם בפלטפורמת LLM מותאמת, והעמידו ארבעה מתמחים בהרדמה לחקור את המקרים כהערכות מטופל. מתוך 547 זוגות שאלה-תשובה, 99.3% (543/547) נשפטו כראויים ואף אחד לא הומצא; ארבעת הכשלים היו סירובים לדווח מידע שהמקרה הכיל. זוהי ראיה שמודל מעוגן יכול להחזיק מקרה יחד תחת חקירה. היא אינה ראיה שהמתמחים למדו יותר ממה שהיו לומדים בדיון מקרה קונבנציונלי, והמחקר לא השווה בין השניים.

סינתזת הראיות. וויי ועמיתיו (2025) סקרו שישה ניסויים אקראיים מבוקרים של PBL ו-CBL בסיוע AI בחינוך הרפואי והדנטלי. ארבעה ניסויים נכנסו למטה-אנליזה של הידע, שדיווחה על שיפור של 46% עם הטרוגניות נמוכה; שלושה הפיקו ציון שביעות רצון מאגד של 0.7. לא ניתן היה לאגד היגיון קליני משום שהניסויים השתמשו בכלים שונים. רק שניים מהשישה בחנו CBL, והסקירה לא ניתחה PBL ו-CBL בנפרד. התוצאה מעודדת לעיצובי מקרים ובעיות בסיוע AI, אך היא אינה מספרת אילו מאפייני מקרה הפיקו את הרווח.

הסקירות הסובבות מוסיפות הקשר בלי להוסיף אומדן CBL נקי. הארדי ועמיתיה (2026) מצאו למידה מבוססת מקרים בתוך תמת הסימולציה של סקירת סיעוד בת 103 מחקרים, ולא כאחת מארבע הקטגוריות הנקובות שלה. לורטו וסארו (2025) מתארים AI כמשלים להוראה הסוקרטית ולסימולציות משפטיות אינטראקטיביות, אך סקירתם בת 82 עבודות אינה מנתחת את שיטת המקרים כהתערבות. צ'אסאר ועמיתיו (2026) במפורש אינם דנים בהוראה מבוססת מקרים; אזכורי המקרים היחידים שלהם אגביים, והם מציינים שחלק ממחקרי המקרה הוחלפו בסימולציות עסקיות. החינוך העסקי והמשפטי מספק אפוא את הרציונל המוסדי למקרים, לא את ראיות התוצאה. עיצובים דמויי-מקרה סמוכים כוללים מטופלים מתוקננים עם תמיכת LLM ואת סקירת החינוך הרפואי שמונה למידה מבוססת מקרים בין קטגוריות היישום שלה.

עיצוב והנחיית מקרים עם AI

  • כתבו את המקרה סביב החלטה או הבחנה. מקרה בלי בחירה בעלת השלכות הופך לקריאה. פרטו מה הסטודנטים צריכים להבחין, להחליט או לנמק, ואז בנו את העובדות והעמימות סביב המטרה הזו.
  • בדקו מקרים מיוצרים מול ההיגיון המיועד. AI יכול להפיק פרט קליני או משפטי רהוט שהוא שגוי מבחינה מבנית. בקשו ממומחה תחום לבדוק את העובדות, את ההשמטות ואת מסלול ההיגיון לפני שהמקרה מגיע לסטודנטים.
  • שמרו על העמימות של המקרה. מקרה מיוצר שפותר כל מתח מלמד זיהוי, לא שיפוט. שמרו על המידע החסר ועל הפרשנויות המתחרות שהופכים את הדיון לנחוץ.
  • השתמשו במקרים מנוגדים כאשר המטרה היא הבחנה. זוגו מקרים הנבדלים במאפיין שהסטודנטים חייבים להבחין בו, ובקשו מהם להסביר את ההבדל ולא רק לסווג כל אחד מהם.
  • הגנו על הדיון מפני מסירת תשובות. אם מתרגל AI זמין במהלך עבודת המקרה, הגבילו אותו לשאלות, רמזים או משחק תפקידים. AI שמספק את האבחנה או את המסקנה המשפטית מסיר את העבודה הקוגניטיבית שהמקרה נועד ליצור.
  • העריכו את ההיגיון, לא את הזיכרון של המקרה. בקשו נימוק, אבחנה מבדלת, השוואה או תזכיר החלטה. חידון על עובדות המקרה יכול לעבור בעוד ההיגיון שמתחתיו חסר.
  • התייחסו להנחיה של המנחה כחלק מהעיצוב. רצף השאלות, רגע ההסבר והתמודדות עם פנייה שגויה אינם קישוט. הם קובעים אם המקרה יהפוך לכישלון פרודוקטיבי או למבלבל.

גבולות ופערי ראיות

הראיות דקות באופן מסוים. המחקר הפרי-אופרטיבי בוחן אם מודל מעוגן יכול לענות על שאלות בנוגע לחמישה מקרים, לא אם הוראה מבוססת מקרים משפרת למידה. מחקר הסיעוד בוחן זמן יצירת מקרה ואיכות דיון עם תשעה סטודנטים. המטה-אנליזה מאגדת שישה ניסויים, שרק שניים מהם בחנו CBL, ותוצאת הידע שלה מערבבת PBL ו-CBL. הסקירות המשפטיות והעסקיות מתארות שימושים והקשרים מוסדיים; הן אינן מבודדות את השפעות שיטת המקרים. מחקר המקרים המנוגדים הוא הערכת קורס, לא השוואה מבוקרת של פורמטי מקרים.

קיים גם סיכון מושגי. מקרה יכול להיות זכיר משום שהוא חי, לא משום שהפיק הבנה. דיון יכול להרגיש פרודוקטיבי משום שהסטודנטים דיברו, לא משום שהפעילו היגיון. התחום זקוק לתכנונים שמפרידים בין המקרה להנחיה, בין הפורמט לתחום התוכן, ובין המעורבות המיידית להעברה מאוחרת. עד אז, הטענה הכנה היא שמקרים הם פדגוגיה מקצועית מבוססת היטב עם תמיכת AI סבירה, ולא שלמקרים בסיוע AI יש יתרון למידה מוכח.

תפיסות מוטעות נפוצות

  • "למידה מבוססת מקרים היא רק למידה מבוססת בעיות עם סיפור." PBL היא חקר מונחה-סטודנט מבעיה בלתי-מובנית. CBL מתחילה בדרך כלל במקרה מוכן וביעד הוראה מוגדר יותר.
  • "מקרה ריאלי מלמד מעצמו." ריאליזם מספק הקשר. השאלות, ההשוואות ומשימות הנימוק מספקות את הלמידה.
  • "מקרים שנוצרו ב-AI מוכנים לשימוש." מקרים מיוצרים יכולים להיות רהוטים, סבירים ושגויים. הם זקוקים לבדיקת מומחה ולבדיקה של ההיגיון שהם מזמינים.
  • "אם הסטודנטים נהנו מהדיון, המקרה עבד." מעורבות אינה העברה. את התוצאה יש למדוד במשימה שהסטודנטים לא יכלו להשלים קודם.

מושגים מחוברים

מאמרים מחוברים

מטא-דאטה

רמהHigher Ed
קהל יעדInstructors, Learners, Researchers
למידה והוראהלמידה מבוססת בעיות, כישלון פרודוקטיבי
טכנולוגות ושיטותבינה מלאכותית יוצרת, סימולציה, חונך אינטליגנטי
יסודות הבינה המלאכותית בחינוךאוריינות AI, חשיבה ביקורתית
מקורהיסטוריהעריכהשיחה

הטמעת העמוד הזה

העתיקו את הקוד שלמטה כדי להטמיע את העמוד הזה במערכת ניהול למידה או באתר אחר. הגרסה המוטמעת מציגה רק את תוכן העמוד — היא מסתירה את כותרת האתר, את הניווט ואת כותרת התחתונה.