קונסטרוקטיביזם

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

קונסטרוקטיביזם — התורת למידה שידע נבנה באופן פעיל על ידי הלומד דרך חוויה, הגה ואינטראקציה, ולא מתקבל פסיבית ממנחה או ממערכת. בAI בחינוך, קונסטרוקטיביזם מרקע את המחויבות התכנונית שכלי AI צריכים לתמוך בבניית הידע של הלומדים עצמם — פרומפטים, עירור ספק, ופיגום — במקר לבצע את העבודה הקוגניטיבית עבורם.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

שאלות לשימת לב

• האם אי-פעם 'למדתם' משהו בכיתה רק כדי לגלות שלא הצלחתם להסביר או להשתמש בו מאוחר יותר? מה חסר — ומה זה אומר לכם על כיצד הבנה אמיתית מתעצבת?
• קונסטרוקטיביזם טוען שידע נבנה, לא מועבר. אם זה נכון, מה קורה כאשר מורה-AI פשוט מספק את התשובה הנכונה?
• הביטוי 'קונסטרוקטיביזם בשם, ביהביוריזם בתרגול' מתאר כלי AI שטוענים לתמוך בלמידה פעילה אבל בעצם מריצים תרגול-וחזרה. האם ראיתם את הפער הזה? כיצד הייתם מזהים אותו בכלי שאתם מעריכים?
• constructionism של Papert אומר שאנו לומדים בעוצמה רבה ביותר על ידי בניית חפצים ניתנים-לשיתוף. בעידן ה-AI, מסגרת אחת מנסחת זאת: 'ה-AI כותב את הקוד, אבל התלמיד כותב את המודל.' מה התלמיד בעצם בונה כאשר AI מטפל במכניקה?
• כלי AI מסוימים מתרגלים 'סירוב גנרטיבי' — אוחזים תשובות ופוסלים שאלות במקר זאת. מתי היעזרות מכוונת הייתה בעלת-ערך פדגוגי רב יותר ממתן?
• אם ידע נבנה, אורייות AI לא נלמדת על ידי שמיעת הרצאות על AI — היא נלמדת על ידי שימוש, ביקורת ובנייה עם AI. מה המשתמע מכך על אופן הוראת אורייות AI לכם או לתלמידיכם?

מבוא

קונסטרוקטיביזם הוא משפחה של תורות ולא דוקטרינה בודדת, אך הטענה הליבתו משותפת: לומדים אינן סופגות משמעות; הם בונות אותה. הבנה בתפיסה זו אינה הצטברות עובדות מועברות אלא ארגון פעיל של חוויה למודלים מנטליים. לכך השלכות ישירות על אופן תכנון, הערכה והוראת AI בחינוך — וזה עוזר להסביר הן את ההבטחה והן את הסיכון של AI גנרטיבי בכיתה.

Mishra ואח' מניגדים את ה-constructionism של Papert (Logo, מיקרועולמות, ניפוי-באגים-כלמידה) עם המורים הקוגניטיביים של Anderson כחזויות מתחרות של סוכנות יצירתית לעומת שליטה שיטתית בהיסטוריית AIED.

רעיונות ליבה

• ידע נבנה, לא מועבר. לומדים בונים הבנה על ידי פעולה בעולם, פיוס מידע חדש עם ידע קודם, והגה על התוצאות. מורה-AI שפשוט מספק תשובות נכונות עוקף את הפעילות הבנאית המייצרת הבנה עמידה.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• ידע קודם מהדס למידה חדשה. רעיונות חדשים מפורשים דרך המודלים המנטליים הקיימים של הלומד, כך שהוראה חייבת לחשוף ולבנות על מה שלומדים כבר יודעים — עקרון רלוונטי ישירות לתפיסות מוטעות על בינה מלאכותית ולמורי-AI שמסתדרים ללומד.
• אינטראקציה חברתית תומכת בבנייה. זרם מרכזי — קונסטרוקטיביזם חברתי — מחזיק שמשמעות נבנית-משותף דרך דיאלוג, שיתוף פעולה, ופעילות סיטואטיבית תרבותית. זה מחבר קונסטרוקטיביזם ללמידה שיתופית ולגישות השיטה הסוקרטית שבהן AI מעורר ולא מכתיב.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
• בנייה גלויה בפעילות. לומדים חושפים (ומגבשים) את הבנתם על ידי יצירה, הסברה והפקה — וזו הסיבה שמסגרת ICAP מדרגת מעורבות "בנאית" ו"אינטראקטיבית" מעל מצבים "פעילים" ו"פסיביים".(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents) גבול על התיאוריה הוא שקונסטרוקטיביזם מניח סוכנות אפיסטמית ממוקדת-אדם, מה שמשאירו חסר לחשוב על AI שמדמה היגיון ובונה-משותף משמעות; המוסף המוצע הוא סוכנות-משותפת אפיסטמית, שבה לומדים מתייחסים לפלט AI כאל ניתנת-לערעור ושומרים ריבונות אפיסטמית על מה שנחשב כידע (Samuel (2026)).

Constructionism

Constructionism הוא הענף של קונסטרוקטיביזם הקשור לסמור Papert שמוסיף טענה ספציפית: למידה מתרחשת בעוצמה רבה ביותר כאשר לומדים בונים חפצים חיצוניים, ניתנים-לשיתוף — עצמים פיזיים או דיגיטליים שהם מתכננים, בונים ומנפים-באגים. היכן שקונסטרוקטיביזם פיאז'טיאני מתמקד בבנייה המנטלית הפנימית של הידע, constructionism מחזיק שהבנייה הזו נתמכת ומופיעה בצורה הטובה ביותר באמצעות עשיית משהו מוחשי (Harel & Papert, 1991). בהיסטוריית AIED, constructionism עומד כקוטב ה"סוכנות" של המתח המרכזי שליטה-לעומת-סוכנות בשדה, מול המורים הקוגניטיביים המבניים של Anderson.

• Logo ומיקרועולמות. Papert פיתח-משותף את Logo (1967) עם "הצב" האיקוני שלו — מיקרועולם תכנות שבו ילדים חוקרים גאומטריה ורעיונות עוצמתיים אחרים על ידי פיקוד וניפוי-באגים של סוכן גלוי. ניפוי-באגים ממוסגר מחדש כחלק טבעי ורב-ערך של הלמידה, לא ככשלון.(Control vs. Agency: Exploring the History of AI in Education)

• בנייה על פני הוראה. Constructionism מבקר "instructionism" — ההנחה שהוראה היא העברה יעילה של ידע — וממקם במקר זאת לומדים כסוכנים אוטונומיים הבונים הבנה דרך פרויקטים והתנסות (Papert, 1980, Mindstorms).

• שושלת לedtech מודרני. הדגשתו של Logo על בנייה יצירתית, מעשית מרקעת את למידה מבוססת משחק, למידה מבוססת פרויקטים, רובוטיקה (LEGO Mindstorms, Scratch, לבנים תכנותיות), ואת תנועת ה-maker הרחבה.

• המורשת הקונסטרוקטיביסטית ב-AI. Constructionism מייצב שכלי AI צריכים לשמש כחומרים לבנייה איתם — כלי חשיבה ובונים-משותפים יצירתיים שהלומד מכווון — ולא כמורים מספקי-תשובות. זהו האב הקדמון הישיר של מסגרת הmindtool של מאגר הידע ל-AI גנרטיבי ושל מחויבויות תכנון השומרות על סוכנות הלומד על תהליך הלמידה.(Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics)

• Constructionism בעידן ה-GenAI: למידו על ידי כתיבת המודל, לא הקוד. הופעתו של AI מייצר-קוד חידדה את ה-constructionism כתגובה תכנונית ולא החלישה אותו. מסגרת ה-Code-to-Learn with Generative AI (CtL-GenAI) של Gousopoulos מסנתזה constructionism, תורת העומס הקוגניטיבי, למידה עצמית מוסדרת, את מודל המעורבות ICAP, כשל פרודוקטיבי, ופיגום סוציו-תרבותי לתלמידי בית-ספר-על-יסודיים בונים תוכנה עם AI. הטענה המארגנת שלו — "ה-AI כותב את הקוד, אבל התלמיד כותב את המודל" — ממסגרת מחדש את מטרת הבנייה: כאשר GenAI מבצע את העבודה הסינטקטית של כתיבת קוד, הבנייה של הלומד עוברת לבניית וניפוי-באגים של המודל הקונספטואלי שהקוד מבטא. CtL-GenAI מגדיר קיום-מודל כמבנה עם ארבע פאצטות ורמות מסודרות הנושאות אינדיקטורים נצפים, ומפורמלת מודל מדידה בר-אשראי-חלקי, ניתן-להזמה כדי לבדוק האם למידה כזו מתרחשת בפועל.(Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education)(The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI) זהו ה"עשו משהו ניתן-לשיתוף ונפו-באגים בו" הקלסי של constructionism, מעודכן כך שהחפץ שהתלמיד עושה ומהגה עליו הוא מודל מנטלי נעשה-גלוי, לא רק קוד-מקור — וזה מחבר את התיאוריה לתכנית מדידה מפורשת כך שהטענה הופכת לבדיקה אמפירית.

Constructionism הוא אפוא הן תורת למידה והן ביקורת: הוא מתעקש שמטרת החינוך אינה לשחזר מבני ידע קיימים אלא להעצים לומדים לבנות ולהשחיר אותם — עמדה עם השלכות ברורות לשאלה האם AI בחינוך מחזק או מאתגר היררכיות מבוססות.

קונסטרוקטיביזם ו-AI בחינוך

AI ללמידה קונסטרוקטיביסטית

AI מעוצב-היטב יכול לאפשר בנייה בקנה-מידה. מערכות חונך אינטליגנטי וAI Tutoring יכולות להציב בעיות ולהנחות חיפוש עזרה במקר למסור תשובות; סביבות סימולציה ולמידה מבוססת משחק מאפשרות ללומדים לבנות ולבדוק מודלים מנטליים; ופעילויות למידה מבוססת פרויקטים ולמידה חווייתית נתמכות AI נותנות ללומדים משימות בנייה אותנטיות. דפוס התכנון המרכזי הוא פיגום — תמיכה מכוילת שנעלמת ככל שיכולת גדלה — ולא השלמה.(The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents)(Embodied Inquiry with AI as Facilitator: An Exploratory Case Study)

סיווג השאלות שהלומדים שואלים הוא דרך אחת לראות בנייה מתרחשת, ולפעול על פיה. Lee, Atif & Kang (2026) מסווגים 434 שאלות לומד אותנטיות מ-11 סטודנטים IT ב-12 קורסים לשלושה תפקידים הוראה קונסטרוקטיביסטיים — משדר ידע, מנחה, ולומד-משותף — ומאמנים ארבעה טרנספורמרים לזהותם. DeBERTa סיווג שאלות משדר-ידע עובדתיות ב-96.67% דיוק אך שאלות מנחה ב-78.79% בלבד, וכל מודל בלבל את שני תפקידי המסדר-הגבוה ביותר: זיהוי חקר דיאלוגי, מחקרי קשה בהרבה מזיהוי חיפוש-מידע. כיוון שהטיפולוגיה מתייחסת לשאלות כראיה אבחנתית של מעורבות אפיסטמית ולא כקלטים פשוטים, היא תומכת במהלך תכנון קונסטרוקטיביסטי ברור — כאשר לומד שואל שוב ושוב רק שאלות עובדתיות, המערכת יכולה לעורר שאלות מהגות, מחקריות שמפתחות מטאקוגניציה וחקר ביקורתי במקר לענות בכל עומק שהשאלה מרמזת.

הסיכון של "קונסטרוקטיביזם בשם, התנהגותנות בתרגול"

עבודה אמפירית מוצאת שוב ושוב פער בין מטרות קונסטרוקטיביסטיות מוצהרות ליישומי AI בפועל. סקירה שיטתית של AI בחינוך מקצועי, למשל, מצאה שתורות קונסטרוקטיביסטיות מוצהרות בדיסקורס VET בעוד שתכנוני תרגול-וחזרה התנהגותניים שולטים בתרגול, והזהירה ממלכודת "טיורינג" חינוכית — שימוש ב-AI לשחזור ולא להגדלת הוראה אנושית.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

הדפוס הזה מתכלל על פני השדה:

• כאשר AI גנרטיבי משלים כתיבה, היגיון או קוד עבור תלמידים, הלומד מאבד את תהליך המחשבה הבנאי שהמשימה תוכננה לבנות — הדאגה המרכזית לפריקת עומס קוגניטיבי ולהסתמכות-יתרה.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• יישומי AI שמדגישים משוב מסתגל ויעילות לרוב משרתים-פחות את מטרות סוכנות-הלומד, הגה-ביקורתית והחלטה-אוטונומית שקונסטרוקטיביזם מייצב.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

מלכודת השם: פלט AI גנרטיבי אינו למידה גנרטיבית

בלבול חוזר בשדה מתגלגל סביב התנגשות שם. AI גנרטיבי מכנה מחלקה של טכנולוגיה — מודלים שמייצרים טקסט, תמונות או קוד. למידה גנרטיבית (תורת הלמידה הגנרטיבית של Wittrock) מכנת פעילות לומד — הלומד actively עושה משמעות על ידי בניית קשרים בין מידע חדש לידע קודם, דרך אסטרטגיות כמו סיכום, מיפוי, ציור, בדיקה-עצמית והסברה-עצמית. השניים אינם אותו דבר, ושילוכן נושא השלכות פדגוגיות אמיתיות: AI מייצר סיכום או מפה עבור התלמיד הוא ההיפך מהתלמיד מבצע את מעשה הלמידה הגנרטיבית. Dabbagh & Fake (2026) בונים ישירות על ההבחנה הזו, וטוענים שכלי-mindtool של GenAI תומך בלמידה גנרטיבית רק כאשר הלומד מניע את הפעילות הבנאית — יצירת מפת-מוח בסיוע AI היא למידה גנרטיבית; היעזרות ל-AI לייצר את המפה בשלמות אינה, כמה שטוף או נכון הפלט.

השאלה הקובעת היא מי מבצע את עשיית-המשמעות:

• האם התלמיד בונה הסבר, או רק מקבל אותו?
• האם AI מעורר את הלומד לחבר רעיונות, או מספק את הקשרים עבורו?
• האם החפץ (סיכום, מפה, קוד, מודל) הוא התוצר של בניית הלומד, או תחליף לה?

זה משקף את ההיררכיה של ICAP — מעורבות בנאית ואינטראקטיבית גוברות על פעילה ופסיבית — אך מחדד אותה: כלי יכול להפיק פלט שנראה "בנאי" באופן גלוי בעוד שהלומד יושב במצב פסיבי או פעיל. הערכת כלי GenAI ללמידה גנרטיבית מייצבת אפוא בדיקת היכן המאמץ הבנאי מתרחש בפועל, לא האם פלט גנרטיבי קיים. זו אותה מלכודת קונסטרוקטיביזם-בשם / התנהגותנות-בתרגול, מוחלת על המקרה הספציפי של יצירה: קיום-מודל (ה-AI כותב את הקוד, התלמיד כותב את המודל) היא פתרון קונקרטי אחד — הלומד בונה את המודל הקונספטואלי גם כאשר AI מספק את החפץ המשטחי.

תגובות תכנון מעוגנות בקונסטרוקטיביזם

• סירוב גנרטיבי — כלי AI שאוחזים אסטרטגית טקסט מיוצר ופוסלים שאלות במקר זאת, מחזירים חיכוך קוגניטיבי למשתמש כך שעבודת הביטוי עצמה בונה הבנה.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)

• כלי חשיבה על פני מכונות תשובות — שימוש ב-GenAI כGenerative AI (GenAI) as a mindtool that supports generative learning (GL) שבו הלומד מניע את הכלי, במקר הכלי מחליף את הלומד.(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

• סכס בונה — סוכני AI יריביים שמאתגרים את התכנון או ההיגיון של לומד, מעוררים התחשבות ובנייה מעמיקה יותר של חלופות, במסורת של ייעוץ סוקרטי.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)

• התנגדות מדומה אינה התנגדות. ניגוד-עמדה שניתן להשמיע על-פי-דרישה אך לא מתנגד אף פעם חוזר על הכוראוגרפיה של הדיאלוג תוך אי-מתן למה שהופך אותו עוצמתי: אין לו גיבוש, הימור, או חשיפה לתוצאה, כך שבעודו שונה מאחר אנושי הוא אינו מציע נתיב לתיקון (Du ואח' (2026)).

• משוב פנימי דרך השוואה — הנחלת לומדים להשוות את עבודתם מול אקסמפלרים מיוצרים-AI כך שמעשה ההשוואה עצמו מייצר למידה.(Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback)

• פרומפטים מודעי-סוג-שאלה — סיווג שאלות הלומד לתפקידים קונסטרוקטיביסטיים כך שהמערכת יכולה להסלים בכוונה תלמיד מחיפוש-מידע לחקר מחקרי, דיאלוגי במקר לשקף כל עומק קוגניטיבי שהשאלה מרמזת. כיוון שכוונת מנחה ולומד-משותף נותרות מבלבלות לסיווגים אוטומטיים, התכנון הזה שומר אנושי מאמת את הסיווג לפני שהוא מניע משוב או פיגום.(Analysing AI utilisation in education through learner question types: A constructivist approach)

• קהילה כסטנדרט הערכה — לומדים מתכננים משהו אמיתי עבור הקהילה שלהם תוך שימוש ב-AI כמשאב תכנון, בעוד שידע הקהילה ובעלי-המקצוע של הקהילה משמשים כסטנדרט השופט את התוצאה, ומשאירים מקום להגבלה, סירוב, או אי-שימוש אסטרטגי היכן שמעורבות ביקורתית דורשת זאת.(Ojeda-Ramirez, Gyles & Peppler (2026))

קונסטרוקטיביזם ו"חינוך על AI"

קונסטרוקטיביזם מהדס גם את אופן הוראת אורייות AI עצמה. אם ידע נבנה, אורייות AI לא נרכשית על ידי הרצאה על מודלים אלא על ידי שימוש פעיל, ביקורת ובנייה עם AI — יצירת חפצים, עירור פלטים, והגה על האינטראקציה.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) זה ממקם אוריינות AI ככשירות פעילה, משתתפת ולא כגוף ידע פסיבי, ומחבר קונסטרוקטיביזם לחשיבה ביקורתית ולסוכנות הלומד במפגשי הלומדים עם AI.

השלכות לתכנון ולמחקר

1. שמרו על הפעילות הבנאית. AI צריך לפיגום את חשיבתו של הלומד עצמו — לעורר, לשאול ולתמוך — ולא לבצעה. מתכננים צריכים לשאול האם הכלי מגביר או מחליף את המאמץ הבנאי של הלומד.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
2. השתמשו בעדשת הICAP. ICAP מסווג מעורבות למצבים בנאיים, אינטראקטיביים, פעילים ופסיביים — השתמשו בו כדי להעריך האם אינטראקציות AI מעוררות בפועל מצבים בנאיים ואינטראקטיביים ולא צריכה פסיבית. מתכננים צריכים להעדיף את המצבים העמוקים יותר (בנאיים ואינטראקטיביים) היכן שמטרת הלמידה מצדיקה זאת.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
3. יישרו תיאוריה ומימוש. חוקרים צריכים להסתכל מעבר לשאלה האם AI "עובד" לכיצד הוא מגלם תורת למידה, ולבדוק את פער הקונסטרוקטיביזם-בשם, התנהגותנות-בתרגול.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)
4. למדו סוכנות לומד והעברה. מחויבויות קונסטרוקטיביסטיות מייצבות הערכה לא רק של רווחי מבחן מיידיים אלא האם לומדים יכולים להעביר ולהחיל באופן עצמאי את הבנתם הבנויה.(שיטות מחקר ב-AIED)

מושגים מחוברים

• קהילת חקר — Community of Inquiry (מעוגן בפרגמטיזם קונסטרוקטיביסטי/דיויאני)
• פסיכולוגיה קוגניטיבית — קוגניטיביזם, הקוטב הקלסי השלישי של תורת למידה
• למידה פעילה
• לימוד דרך הוראה
• פיגום
• למידה עצמית מוסדרת
• למידה שיתופית
• למידה חווייתית
• למידה מבוססת פרויקטים
• למידה מגולמת
• עיצוב למידה
• בינה מלאכותית יוצרת
• חונך אינטליגנטי
• פריקת עומס קוגניטיבי
• סוכנות הלומד
• חשיבה ביקורתית
• אוריינות AI
• תפיסות מוטעות על בינה מלאכותית
• תיאוריות למידה
• ביהביוריזם
• חינוך כימיה — חינוך כימיה ו-AI: מעבדות, הערכה פורמטיבית, מגבלות LLM, פילוסופיה של התנסות
• פיתוח תיאוריה ב-AI בחינוך — פיתוח תיאוריה ב-AI בחינוך
• כישלון פרודוקטיבי

מאמרים מחוברים

• Analysing AI utilisation in education through learner question types: A constructivist approach — שאלות לומד מסווגות לשלושה תפקידים קונסטרוקטיביסטיים: משדר, מנחה, לומד-משותף (Lee, Atif & Kang 2026)
• Control vs. Agency: Exploring the History of AI in Education — ממקם constructionism (Papert) מול מורים קוגניטיביים בהיסטוריית AIED
• Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education — Code-to-Learn with GenAI: מסגרת constructionism לבניית חפצים
• The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI — קיום-מודל: תיאוריה ותכנית מדידה ללמידה-דרך-בנייה עם GenAI
• Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness — קונסטרוקטיביזם מוצהר אך AI התנהגותני שולט ב-VET; "מלכודת הטיורינג"
• Stop Writing for Me: Generative Refusal in AI Tools for Thought — כלי AI שאוחזים יצירה כדי להגן על חשיבה בנאית
• Generative AI (GenAI) as a mindtool that supports generative learning (GL) — GenAI ככלי חשיבה התומך בבניית הלומד
• Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers — סוכני AI יריביים המעוררים התחשבות בונה
• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy — אורייות AI שיתופית ומסגרת המעורבות ICAP
• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — השוואה נתמכת-AI מייצרת שיפוטים הערכיים
• Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents — ICAP ומעורבות קוגניטיבית עם סוכני LLM
• The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents — פיגום דיאלוג במורי-AI
• Embodied Inquiry with AI as Facilitator: An Exploratory Case Study — חקר מגובש עם מנחה AI
• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — הערכה אותנטית ובניית ידע
• Towards Synergistic Teacher-AI Interactions with Generative Artificial Intelligence — רמות שיתוף פעולה מורה-AI בתכנון
• Learning with machines: Toward a theory of epistemic co-agency — סוכנות-משותפת אפיסטמית בין לומד למכונה
• Community-Based AI Learning: Redistributing Artificial Intelligence's Epistemic Authority in Education
• Connecting Education with Reality: AI as a Catalyst for Situated Learning
• Beyond Automation: AI as a Pedagogical Mediator in Collaborative Learning
• Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics — Pathways to Learning AI-Powered Educational Robotics (2026)
• CogEvolution: A Human-like Generative Educational Agent to Simulate Student's Cognitive Evolution — CogEvolution: סוכן גנרטיבי המדמה התפתחות קוגניטיבית של תלמידים
• The synthetic position: generative artificial intelligence and the suspension of self-authorship in emerging adulthood — ניגודי-עמדה מדומים של AI חוזרים על תבנית הדיאלוג אך אוחזים את ההתנגדות המכריחה תיקון