אתיקה

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

אתיקה — העקרונות המוסריים המנהלים את העיצוב, הפריסה והשימוש בבינה מלאכותית בהקשרים חינוכיים. אתיקת החינוך בבינה מלאכותית משתרעת על פרטיות נתונים, הוגנות אלגוריתמית, שקיפות, אחריות, ועל השאלה הרחבה יותר של מה שבינה מלאכותית צריכה ומה היא לא צריכה לעשות בסביבות למידה. היא הבסיס הנורמטיבי לכל יתר הדאגות של מאגר הידע בנושא חינוך-ובינה-מלאכותית — שוויון, צמצום הטיה, יושרה אקדמית, ממשל בינה מלאכותית, ובטיחות פדגוגית — והתחום עובר יותר ויותר מרשימות עקרונות אבסטרקטיות אל פרקטיקה אתית מושתתת, רגישה-להקשר ונתמכת-מוסדית.

שאלות למחשבה

• מערכות בינה מלאכותית נשפטות לרוב לפי רשימות-בדיקה אתיות — הוגנות, פרטיות, שקיפות, אחריות. אך מחקר מצביע יותר ויותר על כך שאתיקה מבוססת-עקרונות של "רשימת-בדיקה" אינה מספיקה בפני עצמה. מה עלולה רשימת-בדיקה לפספס שקורה רק בפרקטיקת כיתה אמיתית ומושתתת?
• החלטות הסטודנטים על גילוי שימוש בבינה מלאכותית מעוצבות מעוצבות פחות מפניות אתית מאשר מפני פחד מעונשים, סטיגמה ומדיניות לא-ברורה. אם כנות מונעת מפחד ולא מעקרון, מה זה אומר על האתיקה של גישת יושרת-האקדמיה הנוכחית?
• התאמה אישית של משוב AI בתכונות סטודנט יכולה בעצמה להפוך לווקטור להטיה. כיצד ניסיון טוב-כוונה להתאים משוב ללומד בודד עלול להסתיים בטיפול פחות הוגן בו — וכיצד הייתם מגלים זאת?
• מי מחזיק בכוח ביחסים בין מוסדות, מערכות בינה מלאכותית ולומדים — וכיצד חוסר-האיזון הזה מעצב הסכמה, פרטיות ומעקב סטודנטים ככל שהאנליטיקה נעשית גרנולרית יותר?
• חוקרים מסוימים טוענים שהגנה על הפיתוח הקוגניטיבי והאפיסטימי של הלומדים — יכולתם לחשוב ולפעול בעצמם — היא בעצמה חיוב אתית, במיוחד ככל שההסתמכות-יתר על בינה מלאכותית גוברת. האם אתם מסכימים ש"שימור החשיבה" הוא חובת מוסר של מערכות בינה מלאכותית?

מבוא

אתיקה היא עמוד-השדרה הנורמטיבי של בינה מלאכותית בחינוך: כל כלי, מדיניות והחלטה פדגוגית מקודדים הנחות לגבי מה הוגן, שקוף, אחראי ובטוח. מאגר הידע מתייחס לאתיקה הן כקבוצת עקרונות (הוגנות, פרטיות, שקיפות, אוטונומיה, אחריות) והן כקבוצת פרקטיקות — כיצד בעלי-עניין בהלכה נוקטים את שיקוליהם לגבי בינה מלאכותית, כיצד מוסדות מנהלים אותה, וכיצד לומדים מוכנים להשתמש בה באחריות. מחקר אחרון מתעד תנועה כפולה: מצד אחד, דאגה מעמיקה שאתיקה מבוססת-עקרונות של "רשימת-בדיקה" אינה מספיקה; מצד שני, דגש גובר על חשבונות מושתתים ואקולוגיים של שיפוט אתי, ועל התנאים המבניים והמוסדיים שהופכים שימוש אחראי לאפשרי.

מימדים אתיים ליבה

• הוגנות והטיה: מחקר צמצום הטיה ושוויון מתייחס לשאלה האם מערכות בינה מלאכותית מתייחסות לכל הלומדים בהוגנות. מחקרי הטיית שפה וצמצום הטיה מתעדים אי-שוויונים בעולם האמיתי, ומחקר משוב-כתיבה מראה שהתאמה אישית של משוב AI בתכונות סטודנט יכולה בעצמה להפוך לווקטור הטיה.
• פרטיות והסכמה: מחקר פרטיות בודק איסוף נתונים, מעקב סטודנטים, וחוסר-האיזון בין מוסדות ללומדים — אילוץ שנעשה חד יותר ככל שהאנליטיקה נעשית גרנולרית יותר ומונעת בינה מלאכותית.
• שקיפות והסבריות: מסגרות של AI מסביר טוענות שסטודנטים ומורים צריכים להבין כיצד מערכות בינה מלאכותית מקבלות החלטות המשפיעות עליהם. זה מתרחב לשקיפות המופנית-לסטודנט על השימוש שלהם בבינה מלאכותית — הצהרות שימוש וגילוי AI — שהמחקר מראה שמעוצבות פחות מפניות אתית מאשר מפני פחד מעונשים, סטיגמה ומדיניות דו-משמעית (ראו Kirsanov et al., Chang et al., Vetter et al., Gonsalves).
• אוטונומיה וסוכנות: מחקר הסתמכות-יתר ופריקת עומס קוגניטיבי מעלה שאלות אתיות לגבי האם שימוש בבינה מלאכותית מפחית מסוכנות הלומד, והתחום מעצב את הגנת הפיתוח הקוגניטיבי והאפיסטימי של הלומדים כחובת מוסר בפני עצמה.
• בטיחות ומניעת נזק: בטיחות פדגוגית ומחקר נזק חונך מגדירים חובות אתיות למפתחי מערכות בינה מלאכותית, ופדגוגיה מבוססת-טעויות מראה כיצד חשיפת לומדים לשגיאות AI יכולה להפעיל ולא לעקוף ביקורת אתית ומטאקוגניטיבית.
• קיימות והשפעה סביבתית: בינה מלאכותית בחינוך נושאת טביעת-רגל חומרית — העלות הפחמנית והמים של מודלי שפה גדולים משמעותית לאור האימוץ הגבוה בקרב סטודנטים באוניברסיטה — ואחריות רחבה יותר לעיצוב קיים ולא-חולצי. מאגר הידע מתייחס לזה כמימד אתי, ולא רק כדאגה טכנית או עלותית: Daniel et al. (2026) מבחינים בין בינה מלאכותית לקיימות (שימוש בבינה מלאכותית לקידום תוצאות סביבתיות וחברתיות) לבין בינה מלאכותית קיימת (צמצום הטביעה של בינה מלאכותית עצמה, כולל פריסה יעילת-אנרגטית ומקומית), וAlsuhami & Atallah טוענים שבינה מלאכותית תומכת בחינוך קיים רק כשהאימוץ נכנע לערכי חינוך מפורשים ולא לטכנולוגיזציה וקומודיפיקציה. עבודת אתיקה מושתתת גם שמה דגש על עלות סביבתית ועל שוליינות של ידע מהדרום הגלובלי כדאגות אתיות ליבה. ראו קיימות.

כיצד בעלי-עניין נוקטים את שיקוליהם לגבי אתיקת AI

שימוש אתי בבינה מלאכותית אינו רק עניין של עקרונות אלא של כיצד האנשים המעורבים מפרשים ומיישמים אותם — והמחקר חושף הבדלים שיטתיים בין קבוצות.

• פקולטה מול סטודנטים. Bilgiç & Sever (2026), מחקר שיטות-מעורבות של 971 סטודנטים ו-135 אנשי פקולטה, מצאו ששתי הקבוצות תומכות בשימוש אתי בבינה מלאכותית אך ברישומים שונים: הפקולטה הדגישה עקרונות אתיים תוך סימון היעדר הנחיות מוסדיות, בעוד שהסטודנטים העריכו את יתרונות הלמידה של בינה מלאכותית אך הביעו אי-ודאות לגבי מי חולק אחריות אתית. שתי הקבוצות חששו ששימוש מופרז בבינה מלאכותית עלול לחלש את הכישורים הקוגניטיביים — דאגה שמעצבת את האינטגרציה האתית כשימור הפיתוח הקוגניטיבי של הלומדים, ולא רק כרגולציה של שימוש בכלים. הפקולטה קיבלה ציון גבוה באחריות אישית אך דירגה את תקפות ההנחיות המוסדיות הנמוכה ביותר (M = 2.99), וחושפת פער בין אתיקה אישית לתמיכה מבנית.

• סטודנטים מול מרצים במוכנות. Fekete (2026) מצאה שסטודנטים מדווחים על מודעות אתית גבוהה יותר מהמרצים (4.03 לעומת 2.44), אך המרצים מראים נכונות חזקה יותר להשתמש בבינה מלאכותית — סטודנטים מפרשים אתיקה דרך עבודות-קורס מיידיות בעוד מורים מתייחסים אליה כבהירות מוסדית ויושרה. שתי הקבוצות מדווחות על תמיכה מוסדית חלשה, והמוכנות מתפתחת בערוצים שונים: המודעות המוסרית של המרצים גדלה עם תמיכה מוסדית וחברתית, בעוד שהביטחון של הסטודנטים מתואם עם יעילות עצמית ושיתוף פעולה ולא עם הוראה פורמלית.

• השימוש עולה מהר יותר מהקונצנזוס האתי. לאורך ארבעה סמסטרים בתוכנית להכשרת מורים בארה"ב, שימוש הסטודנטים ב-GenAI עלה מ-57% ל-83% להכנה להערכה ומ-44% ל-76% ללמידה, בעוד שהתשובות האתיות של 'לא בטוח' עלו ברציפות ומשתמשי AI דירגו את השימוש האקדמי שלו כאתי יותר ממי שאינם משתמשים (Parker et al. (2026)).

• מסגרות נורמטיביות אינן מתחלפות. בין 151 סטודנטים לתואר ראשון בספרד, שוויון מוסרי היה תנאי הכרחי לכוונה להשתמש ב-LLMs להכנה לבחינות (d = 0.338) אך לא חוזה מספיק, בעוד ששיפוטים תוצאתיים (β = 0.350) ודאונטולוגיים (β = 0.329) כן היו — סטודנטים מיישמים מספר מסגרות נורמטיביות (Pérez-Portabella et al. (2026)).

• מבנה רב-ממדי משותף. ששת הנושאים בBilgiç & Sever — החוצים אתיקת נתונים, אתיקת אלגוריתם ואתיקה פדגוגית — יוצרים שרשרת סיבתית מקושרת מעקרונות בסיסיים (שקיפות, אחריות, הוגנות, אוטונומיה) אל תוצאות התנהגותיות, ומדגישים ששימוש אחראי בבינה מלאכותית תלוי במפת-דרכים מוסדית ברורה לא פחות מאשר במודעות אישית.

מעקרונות לממשל מוסדי

המחקר של מאגר הידע ממקם יותר ויותר את האתיקה במוסדות ובמבנים, לא רק ביחידים:

• פער האחריות המוסדית. Bilgiç & Sever קוראים להתפתחות מקצועית של הפקולטה, לקורסי אתיקה ולהנחיות מוסדיות ברורות; Fekete גם מוצאת שתמיכה מוסדית מניעה את מוכנות המרצים בעוד סטודנטים מסתמכים על למידה מונחית-עצמית בלתי-פורמלית — פער אחריות למדיניות.

• הדרכת אתיקה מזיזה מודעות, אך פערי מדיניות מורכבים את הציות. תוכנית התפתחות מקצועית ב-GenAI בת שמונה שבועות עם 97 מחנכים העלתה ציוני מודעות אתית מ-3.21 ל-4.05 (d של Cohen = 0.93) והיכרות עם המדיניות מ-27% ל-79%, אך המחסום הקשה ביותר שהמשתתפים ציינו היה יישוב פערי מדיניות מוסדיים עם הערכים האתיים שלהם (Alharbi et al. (2026)).

• חוסן המדיניות משתנה. Adarkwah et al. (2026), בניתוח מדיניויות GenAI ב-30 האוניברסיטאות המובילות מול מסגרת UNESCO בת שמונת הרכיבים, מצאו שעקרונות אתיים ליבה נתפסים נרחב אך שהכללה, שוויון וקיימות נזנחים לעיתים קרובות — ובדירוג המוכנות הלאומי לבינה מלאכותית לא חזו מדיניות מוסדית חזקה. מדיניויות נוטות להיות הצהרתיות וממוקדות-התנהגות-אסורה ולא מובטחות מבחינה תפעולית.

• אתיקה וממשל נתונים כמאפשר. Svetec, Divjak & Kadoić (2026) מזהים אתיקה וממשל נתונים כאחד משבעה מאפשרים של התערבויות אמינות מבוססות-אנליטיקת למידה — וממקמים את האמינות (ציות אתי, אבטחת נתונים, אלגוריתמים שקופים, תקפות פדגוגית) כתנאי-קדם בלעדיו שינוי חינוכי מונעה-נתונים אינו משמעותי.

• סקירה שיטתית של חינוך הנדסה מוצאת שהנחיות AI אתיות מופנות בעיקר לסטודנטים ומונחות-ציות (במרכז יושרה אקדמית וגילוי), בעוד שאחריות הדדית לשימוש של הפקולטה ב-AI ואחריות מוסדית נותרות לא-מפותחות — דפוס שמתגבר מפני החזיתות המקצועיות של הנדסה בבטיחות הציבור וברווחה. (Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review)

• המורה כמשתמש ב-AI מעלה אתיקה משלו. שמונה תחומי שיקול אתי — מקצועיות, אחריות, שקיפות, יעילות, הכלה, אבטחה, התאמה הקשרית, ומדיניות ומשאבים — מעצבים את שימוש המורים ב-AI למשוב, ורק 14 מתוך 50 האוניברסיטאות המדורגות-הגבוהות ביותר היו להן הנחיה ספציפית לכך (Luo & Eaton (2026)).

• מסגרת ערכים מאוחדת לאתיקת AIED. Agarwal et al. (2026), סקירה שיטתית של 25 מאמרים, מאחדים את ספרות האתיקה המפוצלת לשישה ערכים אתיים עיקריים עבור בינה מלאכותית בחינוך — אי-אפליה, ניהול נתונים, פיקוח אנושי, רצון-טוב, הסבריות, והתאמה חינוכית — וממפים את הנורמות האתיות שנחלצו מהספרות על מטריצת בעל-עניין-לערך (מפתחים, מכונים חינוכיים, משתמשי-קצה, רגולטורים). הסקירה מוצאת שנורמות מחולקות באופן בלתי-שווה: מפתחים מושכים את הרוב, בעוד שמשתמשי-קצה מקבלים את הנורמות המועטות והפחות-ניתנות-לפעולה ביותר, ואף נורמה על אי-אפליה, ניהול נתונים או התאמה חינוכית אינה פונה ישירות למשתמשי-קצה — קולות סטודנטים נעדרים באופן יסודי, כאשר נורמות "משתמש-קצה" הן בעיקר פעולות שבעלי-עניין אחרים נוקטים כדי לאפשר מורים. המחברים טוענים שלמשתמשי-קצה צריכה להיות סוכנות ותפקידים פעילים במקום שיתייחסו אליהם כמוטבים פסיביים, ומציינים שהערכים מקושרים היטב ועשויים להתנגש (למשל, הסבריות מול דיוק/פרטיות, אי-אפליה מול ניהול נתונים), ולייצר דילמות אתיות לצד אי-סימטריות כוח בין קבוצות בעלי-עניין.

• אחריות שנקראה ללא קשר. ניתוח קורפוס של 366 תקצירי השכלה-גבוהה על GenAI מראה שאוצר המילים של האחריות בתחום הוא ברובו תארי: "בינה מלאכותית/GenAI אחראי" מופיעה 83 פעמים ב-59 מסמכים ו"שימוש אחראי" 66 פעמים ב-44, בעוד ש"אחריות AI" ו"אחריות סטודנט" אינן מופיעות כצירופים מדויקים, והסרה דקדוקית שגרתית — 800 מבנים סבילים, 780 מהם ללא התייחסות לייצן, לצד 1,152 נומינליזציות הקשורות-לאחריות. Poudyal (2026) מוצא שאין פסוקית המקשרת תוצאה למערכת, כך שהאחריות מוכרת כמילה ללא הסוכנות היחסית שתהפוך אותה לפעולה.

אל עבר אתיקת AI מושתתת ואקולוגית

המפנה התאורטי הגדול במאגר הידע הוא הביקורת על אתיקה אוניברסליסטית מבוססת-עקרונות של "רשימת-בדיקה" לטובת חשבונות מושתתים, אקולוגיים וטרנספורמטיביים:

• אתיקת AI מושתתת. Raffaghelli et al. (2026) ממזגים את תיאוריית המערכות האקולוגיות של Bronfenbrenner עם תיאוריית הפעילות התרבותית-היסטורית כדי למסגרת את בינה המלאכותית כהרכבה סוציו-טכנית לא-ניטרלית שההשלכות האתיות שלה מיוצרות היסטורית ונסחרות מקומית. לאורך שבעה מקרים לאומיים, מורים ממוקמים כשומרי-סף מוסריים של שימוש ב-AI תוך שאינם חשים בתמיכה מבנית, מוסדית ואפיסטימית — והמסגרת מרחיבה את אוריינות AI מעבר לכישורים טכניים אל סוכנות ביקורתית, פוליטית ואקולוגית, כולל התנגדות לקפיטליזם מעקב ולנזק סביבתי.
• המפנה אל פרקטיקה מושתתת. ניתוח ביבליומטרי של 282 מאמרים מראה שהשיח על אתיקת AI שלאחר 2021 ממסגר יותר ויותר אתיקה סביב שיפוט מקצועי, אמון, שיתוף פעולה בין אדם ל-AI, ופרקטיקה פרשנית ולא רק סביב ציות טכני — כאשר חינוך הוא הקשר שמושגית חשוב.
• חשבון תרבותי-היסטורי של אחריות. המסגור מחדש הזה מחבר אתיקה לתיאוריות למידה ולכושר AI של המורה: שימוש אחראי בבינה מלאכותית מטופל כסוכנות רגישה-להקשר, קולקטיבית וטרנספורמטיבית ולא כציות אישי עם רשימות-בדיקה. סקר של 454 מורי אוניברסיטה תומך במסגור: ידע AI-אתי תיווך את הדרך מידע AI טכני אל מיומנות הוראה משולבת (β = 0.186) ושידר אותו הלאה דרך ידע פדגוגי ותכני (Chen et al. (2026)).
• מסגור אונטולוגי מחדש של חובת מוסר. Xie (2026) דוחף את ביקורת האתיקה-המושתתת רחוק יותר על ידי מיקומה באונטולוגיה: היכן שחומר רב מתייחס לשוויון, אי-סימטריות כוח ועלות סביבתית כאל חיצוניות שיש לנהל, עצמי יחסי דאואיסטי הופך אותן לפנימיות למי שאנחנו, כך ש"להישאר מאחור" נעשה אונטולוגית בלתי-נתמך ולא רק בלתי-הוגן. המשימה האתית היא איפוא לא אופטימיזציה מנותקת אלא Wuwei (无为) — פעולה לא-מאולצת מיושרת לטבעיות — כנגד ה-Youwei (有为) של מונוקולטורה אלגוריתמית, הוצאה קוגניטיבית ותשתיות חולצות, המיושמת על שלושה תחומים: ידע (מונוקולטורה אפיסטימית ומידע סינתטי שגוי), הידיעה (הוצאה שמשפיעה לרעה על חשיבה ביקורתית) והשפעה (עלות סביבתית ואי-סימטריות צפון-דרום). (Alternative AI Philosophy: Daoism as Method for AI in Education)

אתיקה בפרקטיקה

מאמרי האתיקה של מאגר הידע נעים ממסגרות תאורטיות (גישות תיאוריית-משחק) ועד להנחיות מעשיות (חינוך אתיקה במדעי המחשב), מניתוח שיח ציבורי ועד מסגרות מדיניות של UNESCO. לאורך הטווח הזה, מסר מעשי עקבי עולה: אתיקה חייבת לעבר מפלישת-שימוש-לרעה לבניית אוריינות AI ויכולת שימוש אתי, בתמיכת הדרכה מוסדית, התפתחות מקצועית של מורים, ועיצוב ששומר ולא דוחה את שיפוט הלומד.

המקרה המעשי הזה מתחזק על ידי עבודה אמפירית על כיצד אתיקה מתפקדת בתוך אוריינות AI עצמה: Zhu and Kong (2026) מראים שהמודעות האתית ל-AI — לצד העצמה בפתרון בעיות של AI — מתווכת את היחס בין למידה מבוססת-פרויקטים נתפסת לבין הסיפוק בקורס אוריינות AI. סולם ה-AI-PBLS המאומץ שלהם ותוצאות ה-SEM (1,027 סטודנטים) מצביעים על כך ש-PBL יוצר תנאים שבהם סטודנטים בונים מסגרת אישית לנימוק אתי על בינה מלאכותית, ומחזקים את הטענה שהאתיקה אינה תוספת אלא מנגנון ליבה של פיתוח אוריינות AI משמעותי.

הסימן של אותו מנגנון תלוי במה שאחריו. בין 584 סטודנטים שהמיומנות שלהם ב-AI באה מלימוד עצמי, המיומנות הגבירה את המודעות האתית ל-AI (β = 0.644, p < .001). המודעות האתית אז הגבירה את חרדת ה-AI (β = 0.439, p < .001) במקום להפחיתה — תיווך עקיף-בלבד, שנקרא על ידי המחברים כמודעות שהתעוררה ללא מסגרת התמודדות (Mu et al. (2026)). המסקנה שלהם להוראת אתיקה היא שהיא אינה יכולה לעצור ברמה הקוגניטיבית. דאגת שקיפות או פרטיות חייבת להגיע עם נתיב הממשל שעונה עליה, וזאת הסיבה שהמודול המוצע שלהם יושב בתוך חינוך משפטי.

קשרים

אתיקה מתחברת לשוויון, פרטיות, צמצום הטיה, רגולציה של בינה מלאכותית בחינוך, בטיחות פדגוגית, יושרה אקדמית, וממשל בינה מלאכותית. היא הבסיס הנורמטיבי לכל שאר מושגי חינוך-ובינה-מלאכותית — המסגרת שבה שאלות הוגנות, שקיפות, אוטונומיה ובטיחות מועלות ונפתרות.

מושגים מקושרים

• חינוך עסקי
• שוויון
• פרטיות
• צמצום הטיה
• רגולציה של בינה מלאכותית בחינוך
• בטיחות פדגוגית
• יושרה אקדמית
• הצהרות שימוש וגילוי בבינה מלאכותית — הצהרות שימוש וגילוי AI
• ממשל בינה מלאכותית
• אוריינות AI
• פריקת עומס קוגניטיבי
• הוראה
• הכשרת מורים
• חינוך כימיה — חינוך כימיה ובינה מלאכותית: מעבדות, הערכה מעצבת, מגבלות LLM, פילוסופיה של ניסוי
• חינוך לביולוגיה — חינוך ביולוגיה ובינה מלאכותית: עוזרי הוראה במעבדה, אוריינות AI בביולוגיה, חשיבה ביקורתית, כלים מיוחדים

מאמרים מקושרים

• Modeling the Relationships Between University Students' AI Competence, AI Ethical Awareness, and AI Anxiety: A Dual-Stage PLS-SEM and ANN Analysis - מודעות אתית הגבירה חרדת AI כשאף מסגרת התמודדות לא נלמדה: תיווך עקיף-בלבד בין 584 סטודנטים
• From Learning Analytics to Educational Interventions: Enhancing Decision-Making and Learning Design — מלמידה אנליטית להתערבויות חינוכיות: מאפשרים של התערבויות אמינות מבוססות-LA (Svetec, Divjak & Kadoić 2026)
• Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It — כיצד סטודנטים משתמשים ומסתירים AI בהערכות מקוונות
• "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education — גילוי AI של סטודנטים, סטיגמה, ולמידה מוסדרת-עצמית
• The Hidden Cost of Disclosure: A Multi-institutional Study on Undergraduate Students' Generative AI Usage and Faculty Accusations — The hidden cost of disclosure
• Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher — אי-ציות של סטודנטים להצהרות שימוש ב-AI
• Understanding ethical dimensions of AI in higher education: insights from faculty members and students — תצפיות פקולטה וסטודנטים על מימדים אתיים של AI
• Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review — Ethical Use of AI in Engineering Education: A Systematic Review
• A Longitudinal Analysis of Public Discourse on AI Ethics in Education Using Twitter Data — ניתוח אורכי של שיח ציבורי על אתיקת AI בחינוך
• Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning — מסגרת תיאוריית-משחק לשימוש אתי ב-AI בהשכלה גבוהה
• Cost-of-Ethics Crisis: Beliefs, Decisions, and Justifications in the Job Searches of Computer Science Students in Canada and the United States — Cost-of-ethics crisis in the job searches of CS students
• Explainable Artificial Intelligence in Education (XAI-ED) — Explainable AI in education (XAI-ED)
• Alternative AI Philosophy: Daoism as Method for AI in Education — Alternative AI Philosophy: Daoism as Method for AI in Education
• SafeTutors: Benchmarking Pedagogical Safety in AI Tutoring Systems — בטיחות חונך AI ונזקים פדגוגיים
• Situated AI ethics: a cultural-historical and ecological framework for education — אתיקת AI מושתתת: מסגרת תרבותית-היסטורית לחינוך
• Towards a New AI-TPACK Framework: Evidence from China — ידע AI-אתי כמתווך אינטגרטיבי ב-AI-TPACK של מורי אוניברסיטה (Chen et al. 2026)
• From Abstract Ethics to Situated Practice: A Bibliometric Analysis of AI Ethics and Professional Judgement — AI Ethics and Professional Judgment: A Bibliometric Analysis (Mazlan et al. 2026)
• Generative Artificial Intelligence Policy: A Qualitative UNESCO Framework Analysis — ניתוח מסגרת מדיניות GenAI של UNESCO
• Is It Ethical for Teachers to Use AI for Student Feedback? — האם זה אתי שמורים ישתמשו ב-AI למשוב סטודנטים?
• Between Promise and Practice: Bridging Ethical Artificial Intelligence Literacy Gaps Across Students, Educators, and Policy — גישור פערי אוריינות AI אתית בין סטודנטים, מחנכים ומדיניות
• Ethical Generative AI Integration in English for Academic Purposes within Higher Education: A Mixed-Methods Study — אינטגרציה אתית של בינה מלאכותית יוצרת באנגלית למטרות אקדמיות
• Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach — גישה ביקורתית-ערכים לחינוך קיים ולבינה מלאכותית (Alsuhami & Atallah 2026)
• Ethical Conditions for University Students' Adoption of Large Language Models in Exam Preparation Contexts — תנאים אתיים לאימוץ LLM בהכנה לבחינות (Pérez-Portabella et al. 2026)
• Longitudinal Insights into AI in Education: Usage, Ethics, and Policy Development in Higher Education — שימוש אורכי ב-GenAI, אתיקה ומדיניות בהכשרת מורים (Parker et al. 2026)
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — ערכים ונורמות אתיים לבינה מלאכותית בחינוך
• Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research — Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research