חשיבה ביקורתית

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

חשיבה ביקורתית — היכולת לנתח, להעריך ולסנתז מידע — היא גם מיומנות שכלי AI יכולים לעזור לפתח וגם מיומנות שתלמידים חייבים להחיל בעת שימוש ב-AI. בAI בחינוך מחקר, חשיבה ביקורתית מופיעה בשתי צורות קשורות זו לזו: כמטרת למידה (הוראת תלמידים לחשוב ביקורתית) וכמגן מפני הסתמכות בלתי-ביקורתית על AI.

שאלות לשימת לב

• כמה אתם בטוחים ביכולתכם לזהות תשובת AI שגויה או מטעה? מחקר מצביע על שמיושמת-עצמית כשירות AI עולה בהרבה על יכולת ההערכה בפועל — כיצד הייתם בודקים את עצמכם?
• חשיבה ביקורתית כאן מופיעה בשתי צורות: מיומנות להוראה, ומגן מפני הסתמכות בלתי-ביקורתית על AI. האם תוכלו לחשוב על מצב שבו כלי ש' מלמד' חשיבה ביקורתית בעצם מאמן את ההיפך?
• מחקר אחד מצא שהנחלת תלמידים לחקור טעויות מיוצרות AI הניבה רווחים גדולים בחשיבה מסדר-גבוה. כיצד חשיפת שגיאות בכוונה — במקר להסתירן — עלולה להיות מהלך הוראה עוצמתי יותר משהנחתם?
• גישה קלה לתשובות AI עלולה לדחוק מעורבות ביקורתית לפני שתלמידים שמים לב. איזו תכונת תכנון, במקר מדיניות או איסור, עלולה לשמור על המאמץ הקוגניטיבי חי?
• הוכח שייעוץ AI מדכאים את הנכונות לומר 'אני לא יודע' — גם כאשר הייעוץ שגוי. כיצד זה משנה את המשמעות של יצירת תרבות כיתה שבה עירור ספק בטוח?

מבוא

חשיבה ביקורתית מרכזית לאוריינות AI — תלמידים שאינם מסוגלים להעריך ביקורתיות פלטי AI פגיעים להסתמכות-יתרה, למידע מוזם, ולהמלצות מוטים. מחקר על פריקת עומס קוגניטיבי מראה שגישה קלה לתשובות AI עלולה לדחוק מעורבות ביקורתית, בעוד שגישות סוקרטיות שאוחזות תשובות ישירות שומרות על המאמץ הקוגניטיבי הנדיר לחשיבה מעמיקה יותר.

בקרת דיאלוג מבנית, לא פרומפט טוב יותר, היא מה שמפריד בין מורה-כשל מורה לשוני לבין צ'אטבוט מתדיין: ניתוב כל תור דרך זיהוי כוונה מבוסס-Toulmin, סדר אסטרטגיה קבוע וסוכן מאמת מאפשרים למערכת סוקרטית אחת לעבור 84.5% ממדדי איכות הדיאלוג לעומת 61.5% לבסיס-היוריסטיקה (Shi ואח' (2026)).

חשיבה ביקורתית במחקר AI בחינוך

המאמרים של מאגר הידע חוקרים חשיבה ביקורתית דרך עדשות מבוססות-תכנון ואמפיריות. סוכני AI יריביים מפעילים סכס בונה לעורר התחשבות מחדש במתכננים מתחילים — וריאנט סוקרטי שמכיר חשיבה ביקורתית מחדש. מחקר RCT על GenAI בהוראה מעלה את השאלה האם כלי AI שממטבים לתוצאות ברמת-פנים עלולים להדכא ללא-מתכוון את החשיבה הביקורתית המובילה ללמידה מעמיקה יותר. עדות נמדדת מחדדת את הנקודה: האם חשיבה ביקורתית נעה תלוי באופן תכנון המשוב והמשימות המתווכות-AI, ובוויסות המטאקוגניטיבי של הלומדים, לא בגישה למודל.

הקשר בין שימוש ב-GenAI לחשיבה ביקורתית המיושמת-עצמית עבר כמעט כולו דרך אוריינות משוב GenAI: ב-421 סטודנטים סיניים לתואר ראשון, אוריינות המשוב תיווכה 71.98% מהקשר הכולל (β=0.185), והנתיב הישיר המשוב היה חיובי רק לסטודנטים פחות מהגהים (β=0.177) ולא-מובהק לאלה יותר מהגהים (Yan ואח' (2026)).

עוגן מטא-אנליטי לטענת התיווך. על פני 29 ניסויים GenAI העלה חשיבה מסדר-גבוה במידה בינונית (g = 0.609), עם חשיבה ביקורתית ב-ES = 0.691 — מתחת לפתרון-בעיות (0.745) ומעל יצירתיות (0.444) — החזק ביותר להתערבויות בת 8–16 שבועות (0.759) וללומדי-SRL גבוהים (0.863 לעומת 0.284) (Zhao ואח' (2025)).

סקירות על השפעת ChatGPT על החשיבה מתעדות ממצאים מעורבים: AI יכול לפיגום ניתוח ביקורתי כאשר משתמשים בו במודע (למשל, בקשת תלמידים לבקר טיעונים מיוצרים AI), אבל הוא יכול גם לקצר חשיבה כאשר משמש כמנוע תשובות. המתח הזה מתחבר למחקר How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures שמראה שכשירות AI המיושמת-עצמית עולה בהרבה על יכולת ההערכה הביקורתית בפועל. סקירה ביקורתית של 80 מחקרי HCI על חשיבה ביקורתית עם AI מצאה את השדה מודד את מה שהוא בהנחה מגדיר: רק 23 מתוך 80 ציינו כיצד הם הבינו חשיבה ביקורתית כלל, 49 (61%) העריכו אותה דרך דיווח-עצמי ולא דרך ביצועים, ו-42 (52%) לא השתמשו בקבוצת בקרה (A Critical Review of Critical Thinking in HCI Research About AI).

Lin and Al-Hada (2026) קוראים את התמונה המעורבת כפירוק מוצר-תהליך: GenAI יכול להעלות את איכות משימה תוך הורדת ההעברה הבלתי-מסוייעת, המתעכבת מאחוריה, כך שלמידה צריכה להשפט על ביצועים בלתי-מסוייעים ומתעכבים ולא על המוצר בסיוע-AI.

• מעורבות קוגניטיבית מסדר-גבוה בצ'אט תלמיד-AI. Chang and Li (2026) מוצאים ש-~62% מפרומפטי התלמידים ל-AI מקודדים דרישה קוגניטיבית מסדר-גבוה, עם פרופילי Bloom המשתנים לפי תחום (STEM Apply-נפוץ 20.8%, שפה Understand-נפוץ 31.7%, מדע חברתי Create-נפוץ 33.8%). התכנון intra-person שלהם מראה שאותם תלמידים מייצרים פרומפטים מסדר-גבוה באופן מובהק יותר במדע חברתי מאשר בקורסי STEM (p < .001), ומציין שהקשר התחומי מהדס את המעורבות הביקורתית ומסדר-הגבוה עם AI.
• דפוסי אינטראקציה מתקבצים לפי רמת Bloom וידע קודם. במשימת כתיבה מבוססת-חקירה במדעי הנתונים, 19 תלמידים ייצרו 14 דפוסי אינטראקציה LLM שהשתנו לפי רמת הידע הקודם, וההשלכה לתכנון הייתה לכוון פיגום לשלבי חשיבה מסדר-גבוה ספציפיים ולא לשימוש LLM בכלל (Luo ואח' (2026)).
• AI כזרז לאורייות מדיה ביקורתית בילדים. Demir and Akar (2026) מעריכים תכנית אורייות מדיה ביקורתית בת 18 שעות, מודל 5E, לתלמידים טורקיים בכיתה ד' שבה AI גנרטיבי (ChatGPT, Grammarly) פעל כסוכן פדגוגי מוטבע שלב-אחר-שלב ולא כתוספת. השוואות זוגות-דגימות הראו רווחים גדולים בקריאת מדיה (+3.50), בכתיבה (+1.67), ובאורייות מדיה כוללת (+5.17, כולם p < .01), עם גדלי אפקט של מבחן-אחרי בין-קבוצתיים של Cohen's d = 1.12 (קריאה), 1.18 (כתיבה), ו-1.31 (אורייות כוללת) לטובת הקבוצה הנתמכת-AI. ניתוח איכותני (ריאיונות, פוסטרים/ציורים/סלוגנים של תלמידים, תצפית כיתה) העלה שישה תחומי צמיחה באורייות מדיה ביקורתית — הגנה-עצמית דיגיטלית ופרטיות נתונים, שימוש מדיה מכוון ואחראי, תקשורת בטוחה ומודעות גבולות, הערכה ביקורתית ומודעות למידע-כוזב, מודעות לסיכון מקוון, ואתיקהאתיקה של מדיה/אזרחות דיגיטלית — ומציין שחקירה מכוונת של תוכן מתווך-AI יכולה לטפח ניתוח והגה ביקורתיים בלומדים צעירים.
• רווחים ספציפיים-ממד בחשיבה ביקורתית בכתיבה מולטימודלית יסודית. Lu ואח' (2027) עקבו אחרי 60 תלמידי כיתה ה' בתרגול כתיבה מולטימודלית נתמכת-בינה מלאכותית שיחתית בת שמונה שבועות שבו הפכו נרטבים לתמונות וסרטונים קצרים מיוצרים AI. ניתוח מדידות-חוזרות על פני שישה ממדי חשיבה ביקורתית מצא רווחים מתמשכים (T1→T2 ו-T1→T3) בפרשנות, ניתוח, הערכה והסבר, רווח עצמי-רגולציה של בינה מלאכותית בחינוך קצר-מועד, ושום שינוי בהסקה — דפוס ברמת-מדד לא אחיד שציון חשיבה ביקורתית צבור היה מסתיר. המחברים טוענים שהממחשים המיוצרים-AI החיצוניו משמעות ובכך הורידו את הדרישה ההסקית שהכתיבה מטילה בדרך כלל, בעוד ששיתוף פעולה עמיתים (שאלות עמיתים שאילצו הסקת פרשנויות אחרים] סיפק את ההזדמנויות להסקה שאינטראקציית AI סולית לא סיפקה. לקח התכנון: קומפוזיציית AI מולטימודלי תומכת בכמה פאצטות חשיבה ביקורתית אך צריכה להיות מצומדת לפיגום ממושך ולהחלפת-עמיתים מבנית כדי לשמר הסקה וויסות-עצמי.
• פיגום AI ופריקת-עומס מושכים חשיבה ביקורתית לכיוונים מנוגדים. Davor, Larbi and Boateng (2026) סקרו 533 סטודנטים אוניברסיטה בגאנה ומצאו שפיגום משימות AI נבא חשיבה ביקורתית גבוהה יותר (β = .185) בעוד שנטיית פריקת-עומס קוגניטיבי נבאה חשיבה ביקורתית נמוכה יותר (-.240); אורייות אימות AI לא הייתה לה אפקט ישיר על חשיבה ביקורתית ופעלה רק דרך ויסות-עצמי מטאקוגניטיבי, דפוס תיווך מלא שהמחברים קוראים כהוכחה שללימוד תלמידים לבדוק-עובדות AI אינו מספיק בעצמו. (Davor ואח' 2026)
• עומק הפריקה, לא השימוש, מגביל חשיבה מסדר-גבוה. האצלת שכבת ההיגיון של הכתיבה — עוגנים, נימוקים נגדיים, פרשנות ראיות — נשאה את הקשר השלילי החזק ביותר עם חשיבה מסדר-גבוה עצמאית (ab = −0.34), וכתיבה ויסותית-עצמית החלישה אך לא הפיכה אותו (Chen (2026)).
• תלות, לא שימוש, היא היכן הקשר עם חשיבה ביקורתית מתהפך. Shojaei וקולגות (2026) סקרו 412 סטודנטים עסקים בעומאן ומצאו קשר דו-משתני אפסי כמעט בין שימוש בGenAI לנטיית חשיבה ביקורתית המיושמת-עצמית (r = 0.050), עם תלות מנבאת נטייה נמוכה יותר (β = -0.389) ומחלישה את הקשר משימוש לנטייה (β = -0.239), כך שהשיפוע הפשוט ירד מ-0.424 בתלות נמוכה ל-(-0.054) בתלות גבוהה. (Shojaei ואח' 2026)

סקר חתך-רוחבי גדול יותר מצביע לכיוון הנגדי: בין 1,157 סטודנטים מתקדמים סיניים, תלות בGenAI הייתה קשורה חיובית לחשיבה ביקורתית (β = 0.492), וחשיבה ביקורתית נשאה כ-85.0% מהנתיב מתלות תפקודית ליצירתיות מחקרית (Yin ואח' (2026)).

• פרומפט הגה קצר הופך הסתמכות על ייעוץ AI לדיסקרימינטיבית יותר. בניסוי תלת-תנאי עם 342 סטודנטים לתואר ראשון, Ren (2026) מצא שתמיכת ChatGPT פתוחה הניבה קבלה של המלצות AI שגויות ב-62.4% מהניסויים, ויורדת ל-39.7% עם פרומפט הגה מטאקוגניטיבי קצר (OR = 0.40, 95% CI [0.28, 0.56]); הגה שיפרה גם כיול מודעות (0.59 לעומת 0.41) וקיצרה את מדד הטיה מיוחסת-AI מ-0.42 ל-0.21 ללא הפחתת דיוק המלצות או עירור דחיה כוללת של ייעוץ מועיל. (Ren 2026)

• ביטחון יכול לעלות בעוד דיוק יורד. Shaw and Nave (2026) מצאו שהתייעצות עם עוזר AI העלתה דיוק ב-25 נקודות-אחוז כאשר הוא צדק והורידה ב-15 כאשר טעה, אך שילוחו העלה ביטחון גם לאחר שגיאות, ו-73.2% מניסיי-AI השגויים הסתיימו בכניעה ולא בפריקת-עומס אסטרטגית.

• משוב ChatGPT שאוצר על ידי המורה מעלה חשיבה ביקורתית דרך תיקון מסדר-גבוה. Chen וקולגות (2026) הרצו קוואזי-ניסוי בת 18 שבועות עם 64 סטודנטים לתואר ראשון, כולם מורים קדם-שירותיים לכימיה, פיזיקה או מתמטיקה, המשווים משוב מורה קונבנציונלי (n = 32) נגד משוב מורה בסיוע-ChatGPT (n = 32) על פני שתי משימות כתיבה טוענית. הקבוצות החלו שוות, ורק הקבוצה בסיוע השתפרה באופן מובהק (p < 0.001), עם Cohen's d עולה מ-0.25 בטרום-מבחן ל-3.74 במבחן-אחרי. המנגנון היה סוג המשוב, לא נוכחות המודל: הקבוצה בסיוע קיבלה יותר הדגמה (33.1% לעומת 10.9%) ושאלה-מקורבת (21.5% לעומת 6.0%), תיקנה 91.00% (435 מתוך 478) מיחידות המשוב לעומת 85.21% (242 מתוך 284), וניתוח רשת אפיסטמית קשר את התיקונים לניתוח, הערכה ויצירה ולא להכרה והבנה, בעוד שהוראה של מורה בלבד ומשוב הערכה הניבו ברוב תיקוני הכרה והבנה. מורים התייחסו לפלט המודל כחומר טיוטה, מרחיבים, מתקנים או מזריקים אותו (14% זרקו, 9% דרשו תיקון), ושישה מתוך שמונה ריאיונויים עדיין סימנו חוסר דיוק או חוסר מקצועיות. לקח התכנון הוא שרווח החשיבה הביקורתית בא ממשוב שמדגים חלופות וחוקר את ההיגיון של התלמיד, עם מורה מאצר את מה שהמודל ייצר; הדגימה הקטנה, בסמסטר בודד, פירושה שגודל האפקט הגדול מאוד צריך להיקרא במשנה זהירות. (Chen ואח' 2026)

• סמסטר של גישת AI השאיר חשיבה ביקורתית שטוחה, בעוד שימוש מהגה עקב אחריה. Melanou, Beege and Kimmig (2026) עקבו אחרי 87 סטודנטים אינפורמטיקה-עסקים בקורס בן תשעה שבועות בשלושה תנאים מקבילים (AI ממוסגר-מורה, AI בלתי-מודרך, וללא AI) שנמדדו שלוש פעמים. ידע עלה בכל קבוצה ללא יתרון לכל תנאי AI וללא אפקט מתיאוס (BF01 = 8.70), בעוד שחשיבה ביקורתית המיושמת-עצמית ומוטיבציה נשארו יציבים. מה שהבדיל תלמידים היה שימוש מהגה, התרגול של בדיקת מקורות ואימות פלט AI לפני אימוצו: היה גבוה יותר בתנאי AI מאשר בקבוצת הבקרה (ממוצעים של 3.72 לעומת 2.82) ונבא חשיבה ביקורתית במדידה הסופית (R² = 0.183, β = 0.43, p < 0.001). התוצאה מתננת כל ציפייה שקורס של שימוש AI יניע חשיבה ביקורתית מעצמו: ויסות מטאקוגניטיבי, לא גישת כלים, הוא היכן הקשר גר, והמחברים מציינים שסמסטר כנראה קצר מדי מכדי לראות שינוי עמיד. (Melanou ואח' 2026)

קשרים למושגים אחרים

חשיבה ביקורתית מצטלבת עם פיגום (תכנון תמיכת AI שמקיימת דרישה קוגניטיבית), הנדסת הנחיות (ניסוח שאלות המעוררות ניתוח ביקורתי), והסתמכות-יתרה (ידוע מתי לסמוך ומתי לערער על AI). היא בסיסית ליושרה אקדמית ומשמשת כממד מפתח של מסגרות אוריינות AI בהקשרי חינוך גן ותיכון (K-12) והשכלה גבוהה כאחד.

• שגיאות AI כפרובוקציות לחשיבה מסדר-גבוה: Hosseini (2026) מפעיל את רמות המסדר-הגבוה של Bloom (נתח, הערך, צור) באמצעות הנחלת תלמידים לחקור טעויות מיוצרות AI בקורס בסיסי-נתונים, עם רווחי טרום/אחרי מובהקים (Cohen's d=1.49) בכשירות נושא-עניין.
• ביקורת על פלט AI היא מיומנות ניתנת-לפיגום, לא תוצר-לוואי של פתרון-בעיות. קבוצות שפתרו רק בעיית פיזיקה קשורה קיבלו פתרון AI מלוטש או ביקרו אותו מהשגותיהן שלהן, בעוד שהגה מונחית-MAPS הניבה ביקורתיות מיושרות-מומחה על אינטגרציה חסרה וסימון לא-מוגדר (Borse ואח' (2026)).
• גדרו את ה-AI כדי לשמר סוכנות קוגניטיבית. תכנית ה-E3-HOT ממפה שלושה נתיבים מגובשים — הטמעה סיטואטיבית, השתתפות מגובשת, יצירה קוגניטיבית — על Analyze, Evaluate ו-Create, ומגבילה את ה-AI לפרומפטים, ביקורת והצעות אסטרטגיה כך שתלמידים חייבים להביע נימוקים ולצטט ראיות לפני שתביעה מתקבלת (Zhu ואח' (2026)).
• ביקורת דו-צדדית של הסברים AI. Bernstein and Sibia (2026) השתמשו בסטנדרטים של Paul–Elder (דיוק, בהירות, הנחות, נקודת-מבט) כמקדמי ריאיון עם עשרה תלמידים שהשלימו CS2, ומצאו בדיקת מכניזם של הסברי GenAI: תלמידים איתרו היכן מיפוי האנלוגיה נשבר (אנלוגיית מסלול-אי לרשימה מקושרת שהביעה עיגול, מירוץ בדמינטון שהוצע לרקורסיה שהיה לה קלט לא-מובטח-מתכווץ), דרשו ניסוח מדויק על גבייה מילים, והתייחסו להסברים כטיעונים הנושאים נקודת-מבט. באופן מכריע, הבדיקה עקבה אחרי מומחיות תחום-מקור או תחום-יעד ולא אחרי עניין אישי — ממסגרת מחדש את ההערכה הביקורתית של פלט AI כבעיית ידע ("ביקורת אנלוגיות דו-צדדית") ולא כשעתית — ומציעה שהקצאת אנלוגיות AI פגומות כעצמים לבדיקה ותיקון היא בדיקה קשה יותר על הבנה קונספטואלית מקריאת הסבר מוגמר.(Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education)
• חשיבה ביקורתית כמעורבות בלתי-ניתנת-ליצוא. Xie (2026) מוסיף עמית פילוסופי מטיפוח-עצמי דאואיסטי: כיוון ש-AI הוא "קופסה שחורה" אטומה, מסגור מונחה להרמוניזציה של אי-ודאות במקר פסיקת אמת במונחים אבסולוטיים מתאים יותר לנוף האפיסטמי הנוכחי, וחשיבה ביקורתית הופכת למעורבות מתמשכת, דור-ראשון, בלתי-ניתנת-ליצוא עם המציאות ולא לנהל רציונלי ניתן-להדגמה. בתרגול Neidan (內丹) "אין קיצורי-דרך קוגניטיביים," כך ש-AI ממוקם כ"לא סרוגט קוגניטיבי אלא מוסמך אינסטרומנטלי" לשגשוג אנושי.(Alternative AI Philosophy: Daoism as Method for AI in Education)
• רוטציית תפקידים כמבנה לאינטראקציה אנושית-AI ביקורתית. Kenzhebayeva וקולגות (2026) מדווחים על מחקר מבוסס-תכנון שבו 62 פסיכולוגים חינוכיים קדם-שירותיים רוטטו דרך ארבעה תפקידים מקצועיים (Case Constructor, Research Analyst, Practitioner-Interventionist, Reflective Researcher) שהפכו המלצות מיוצרות לחפץ דיון: משתתפים השוו פלט AI עם תיאוריה פסיכולוגית ושינו או דחו המלצות שלא התאימו למקרה, ומחזורים מאוחרים יותר הראו יותר בקשות להצדקה תיאורטית, בעוד שהסתמכות-יתרה על תגובות שנראות סמכותיות נמשכה. (Kenzhebayeva ואח' (2026))
• אינטגרציה ממוקדת-אימות בתחום. סקירה ביקורתית של AI גנרטיבי בחינוך כימיה אוניברסיטאי (Vega-Baudrit and Rivera Álvarez, 2026) טוענת שכיוון שהיגיון כימי צריך להיות מתואם על פני ייצוגים מקרוסקופיים, תת-מיקרוסקופיים וסימבוליים, תלמידים אינם מסוגלים לאמת מה שהם לא מבינים, כך שידע קודם ופיגום באים ראשונה ואימות צריך להיות מתוכנן לתוך הערכה כפעילות מוערכת: זהה הנחה שגויה, תקן שגיאת יחידה או מכניזם, או הצדק דחיית תשובה מיוצרת, תוך שמירת יומני פרומפט והיסטוריות תיקון כעקבות היגיון. (Vega-Baudrit and Rivera Álvarez 2026)
• אימות כפעילות למידה, לא רק כמגן. Wang (2026) מארגן הערכת חפצי-AI סביב שישה ממדים תלויים זה בזה — Process, Evidence, Access, Reproducibility, Legitimacy ו-Source — ומתייחס להרכבת הערבות הזו, ולא לשטף הפלט, כמבנית מומחיות תחומית.

הפגיעות המדורגת-מומחה הגדולה ביותר במאגר הידע היא חשיבה ביקורתית. על פני 65 תהליכי למידה שנדרגו על ידי 30 מומחים, Critical Thinking ו-Critical-Analytic Thinking משכו את דירוג השיבוש הגבוה ביותר של הדו"ח (ממוצע 4.00 מתוך 5; 96% מהמדרגים ב-3 או מעל) עם שיפור מתחת לסף (2.40, 43%) (Kendeou, Greene & Nixon ואח', 2026). עשרה מתוך שמונה-עשר תהליכים מסדר-גבוה הגיעו לקונצנזוס על פגיעות בלבד, מה שהדו"ח קורא כסיכון חד-צדדי ולא כמחלוקת.

מושגים מחוברים

• מטאקוגניציה
• פריקת עומס קוגניטיבי
• אוריינות AI
• בינה מלאכותית יוצרת
• השכלה גבוהה
• למידה מבוססת בעיות
• חונך אינטליגנטי
• פיתוח חינוכי
• הוראה
• חוויית הסטודנט
• חינוך כימיה — חינוך כימיה ו-AI: מעבדות, הערכה פורמטיבית, מגבלות LLM, פילוסופיה של התנסות
• חינוך לביולוגיה — חינוך ביולוגיה ו-AI: עוזרי מעבדת הוראה, אורייות AI בביולוגיה, חשיבה ביקורתית, כלים מתמחים
• כניעה קוגניטיבית

מאמרים מחוברים

• Ways Generative AI Can Support and Threaten Learning in K–20 US Education - קונצנזוס של 30 מומחים: חשיבה ביקורתית נושאת את דירוג השיבוש הגבוה ביותר של הדו"ח (ממוצע 4.00)
• From Plausibility to Verifiability: The PEARLS Framework for Developing Epistemic Agency in Generative AI-Mediated Higher Education — מסגרת PEARLS לסוכנות אפיסטמית ואימות פלט AI (Wang 2026)
• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — פריקת-עומס קוגניטיבי רגישה-שכבה בכתיבה בסיוע-GenAI (Chen 2026)
• The critical-thinking paradox in generative AI-integrated learning: distinguishing efficiency from cognitive depth — a differentiated framework and testable propositions — פרדוקס החשיבה הביקורתית בלמידה משולבת-GenAI
• The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking — הפדגוגיה של טעויות AI: טיפוח חשיבה מסדר-גבוה (Hosseini 2026)
• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — תורת Tri-System וכניעה קוגניטיבית: כיצד AI מהדס חשיבה אנושית (Shaw & Nave 2026)
• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — הטרגדיה של הנחיל הקוגניטיבי: AI וחדשות מומחיות
• Does Generative Artificial Intelligence Improve Students' Higher-Order Thinking? A Meta-Analysis Based on 29 Experiments and Quasi-Experiments — מטא-אנליזה של GenAI וחשיבה מסדר-גבוה
• Can we disrupt the momentum of the AI colonization of science education? — שיבוש הקולוניזציה של AI בחינוך מדעי
• Reorienting Critical AI Literacy: A Community-Rooted Praxis of “Resisting AI” — כיוון-מחודש לאורייות AI ביקורתית
• Inquiry-Based Learning Patterns in Large Language Model-Driven Learning Environments: An Exploratory Study From Bloom's Perspective — דפוסי IBL בסביבות מונעות-LLM (נקודת מבט של Bloom)
• Probing AI-Generated Physics Solutions and Preparing Students to Critique Them — הכנת תלמידים לביקורת פתרונות פיזיקה מיוצרים AI
• Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education — Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education
• Alternative AI Philosophy: Daoism as Method for AI in Education — פילוסופיית AI חלופית: דאואיזם כמתודה ל-AI בחינוך
• Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era — Fostering Sustainable Learning via Embodied Intelligence (E3-HOT)
• Modeling AI Overreliance as a Complex Adaptive System — הסתמכות-יתרה על AI ממודלת כמערכת מותאמת-מורכבת
• More externalization, but less inference? Exploring changes in young learners' critical thinking during conversational — רווחים ספציפיים-ממד בחשיבה ביקורתית בכתיבה מולטימודלית נתמכת-AI (Lu ואח' 2027)
• Tackling the Root of Misinformation by Teaching Laypeople about Logical Fallacies via Socratic Questioning and Critical Argumentation — הוראת זיהוי כשלים לוגיים דרך דיאלוג מבנה רב-תורי
• Building AI Companions that Prioritize Learning over Performance — למידה על פני ביצועים: על מה חברים צריכים להיות ממוטבים ונדדים
• Artificial intelligence-supported learning and higher-order cognitive outcomes: the mediating role of metacognitive self-regulation — פיגום AI, פריקת-עומס, ואורייות אימות דרך ויסות-עצמי מטאקוגניטיבי (Davor ואח' 2026)
• Helpful or harmful? Generative AI dependence, self-reported critical thinking disposition, and self-perceived employability among business students — תלות GenAI מגבילה את הקשר שימוש-לחשיבה-ביקורתית בסטודנטים עסקים (Shojaei ואח' 2026)
• College students’ metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias — פרומפט הגה מקטין קבלת ייעוץ AI שגוי וטיית-ייחוס (Ren 2026)
• Designing an AI-integrated role-rotation pedagogical model to support competence-related learning in pre-service educational psychologists — רוטציית תפקידים כמבנה לאינטראקציה אנושית-AI ביקורתית (Kenzhebayeva ואח' 2026)
• Generative artificial intelligence in university chemistry education: a critical review using Johnstone’s chemistry triplet and Biggs’ 3P model — אינטגרציית GenAI ממוקדת-אימות בחינוך כימיה אוניברסיטאי (Vega-Baudrit and Rivera Álvarez 2026)
• Effects of ChatGPT-Assisted Teacher Feedback on College Students' Critical Thinking Skills and Perceptions of Argumentative Writing — משוב ChatGPT שאוצר על ידי המורה העלה חשיבה ביקורתית דרך תיקון מסדר-גבוה (Chen ואח' 2026)
• Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study — סמסטר של גישת AI השאיר חשיבה ביקורתית שטוחה; שימוש מהגה נבא אותה (Melanou ואח' 2026)
• GenAI dependence and graduate students’ research creativity: the roles of critical thinking and human–AI collaboration quality — תלות GenAI קשורה חיובית לחשיבה ביקורתית ב-1,157 סטודנטים מתקדמים
• The association between generative AI use and university students’ critical thinking: a moderated mediation model of GenAI feedback literacy and reflective thinking — שימוש GenAI לחשיבה ביקורתית דרך אורייות משוב, עם נתיב ישיר רק לסטודנטים פחות מהגהים
• AI Literacy and STEM Education: Emerging Frontiers and Research Priorities — סינתזה של עשרת המחקרים המצוטטים ביותר על אוריינות AI בחינוך STEM (Hallström et al. 2026)