הערכה ממוקדת-תהליך

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

הערכה ממוקדת-תהליך — עיצובה של הערכה סביב הדרך שבה לומד מגיע למסקנה, ולא רק סביב הארטיפקט שהוא מגיש: הגשות מדורגות, הצדקה משתקפת, חלף דיאלוגי ובעל-פה, היסטוריית טיוטות וגרסאות, וקריטריונים שסטודנטים יכולים להחיל על עצמם. זהו לא נרדף לריאליזם המשימה ולא טענה לגבי מי מדרג את העבודה: משימה ריאליסטית שראיתה היחידה היא מוצר אחד ללא פיקוח חשופה לאותה בעיית תחלוף כמו החיבור שהחליפה אותה. בינה מלאכותית יוצרת היא מה שהופך את ההבחנה לדחופה, מכיוון שפלט רהוט יכול כעת להיות מופק לפי דרישה, וקובץ מוגמר אינו נושא עוד מידע על ההיגיון של מי הפיק אותו.

שאלות למחשבה

• אם סטודנט מגיש חיבור מלוטש, מה הארטיפקט הזה מאפשר לכם לטעון בפועל על החשיבה שלו — ועל אילו טענות הוא רק נראה לתמוך?
• ראיות תהליך מבקשות טיוטות, הצדקה ודיאלוג. מי בסביבתכם רהוט בסוג של הבעה-עצמית אקדמית זה, ומי עשוי להיות נשפט על הנוחות שלו עמה ולא על ההבנה שלו?
• הגילוי אינו אמין ועיצוב מחדש סביב תהליך יקר. היכן הייתם מוציאים תקציב מוסדי מוגבל, ומה הראיה שהייתה משנה את תשובתכם?

מבוא

ההערכה בהשכלה גבוהה הסקה כבר מזמן את החשיבה מהמוצר. חיבור מוגש, דוח או תשובת בחינה עמדו במקום ההיגיון שמאחוריהם, והדירוג התייחס לארטיפקט טוען-היטב כראיה לתהליך טוען-היטב. Thapa and Lewis (2026) מכנים את ההנחה שבינה מלאכותית יוצרת שוברת: תגובה מלוטשת "עשויה לא לייצג יותר את תהליך החשיבה של איש", ולכן ההסקה מארטיפקט להבנה מפסיקה להיות בטוחה. תשובתם היא לא גלאי טוב יותר אלא בסיס ראיות שונה. הערכה ממוקדת-תהליך אוספת ראיות של פרשנות, הצדקה ובניית ידע כאשר הן מתפתחות, כדי שההיגיון יישאר נראה כאשר הפלט יכול להיות מופק לפי דרישה.

משתלם לומר מה שהמושג אינו. זהו לא הערכה אותנטית, השואלת האם משימה משקפת פרקטיקה אמיתית ראויה; Thapa and Lewis שומרים את הצירים נפרדים ומדגישים שמשימה אותנטית עם מוצר יחיד ללא פיקוח עדיין חשופה. זהו לא גילוי בינה מלאכותית, השואל האם הכלי הופעל ולא כיצד התקבלה החלטה. וזהו לא הערכה אוטומטית, העוסקת במי או במה שמבצע את הדירוג: תיק תיק עבודות מדורג-מכונה יכול להיות ממוקד-תהליך, וחיבור סופי מדורג-אדם לאו דווקא. המושג עוסק באיזו ראיה נאספת, לאורך איזה פרק זמן, ובאילו תנאים היא מופקת.

הרעיון עבר מהצעה להמלצה חוזרת ברחבי מאגר הידע. הוא מופיע כעדיפות שמורה בסדר היום של AIED לסוכנות ולמוטיבציה של הלומד, כסדרת המחקר המארגנת את בעיית השימור וההעברה במחקר ביצועים-לעומת-למידה, כ"הערכה קופסה-שחורה" בתיאור של Brunnström ו-Palmqvist על למידה עצמית מוסדרת עם בינה מלאכותית, וכבקשה ממחנכי מורים בפרקטיקה שמצאו שעבודתם הכתובה לעבודה מהבית לא יכלה עוד להוות ראיה ללמידה כלל.

כיצד נראית ראיית תהליך בפרקטיקה

אוצר המילים העיצובי המפורש ביותר מגיע מ-Thapa and Lewis, שארבעת המחויבויות שלהם נושאות את הטענה לעיצוב המשימה: הצדקה משתקפת, עיצוב משימה מדורג, מעורבות דיאלוגית, ושקיפות הערכתית. בפרקטיקה, סטודנטים מסבירים החלטות פרשניות ולא רק מציגים מסקנות, מגישים עבודה שמתפתחת על פני נקודות-בדיקה, משתתפים בחלפים בעל-פה ודיאלוגיים על ההיגיון שלהם, ועובדים כנגד קריטריונים שהם יכולים להחיל בעצמם — הטרמין של אוריינות משוב והערכה עצמית. הצעתו של Boysen (2026) לפרקטיקות למידה פתוחות מתרגמת את אותו ההיגיון לשביל-ביקורת: תוכנית למידה משותפת שנקבעת לפני שהפרויקט מתחיל, תוכנית ניתוח-למידה המכנה מקורות נדרשים ואסורים, וטיוטות מתועדות והיסטוריות גרסאות, הנשמרות באמצעות Track Changes וגרסאות קבצים שמורות, שחושפות את תהליך העבודה ומסבירות מה הנחה כל תיקון. הוא ממסגר זאת כויסות-עצמי המופיך לנראה.

הערוץ שנבחר לראיית תהליך משנה את מה שניתן להוות ראיה עליו: במחקר ה-79-סטודנטים עצמו על בינה מלאכותית יוצרת, פיקוח ותכנון בעומק גבוה היו נפוצים יותר ביחידות חשיבה-בקול, בעוד ויסות בעומק גבוה היה נפוץ יותר ביומני אינטראקציה, ולכן אין רשומה בודידה שתופסת את התהליך כולו (Li and Liu (2026)). עקבות יכולים גם לסטות מציונים ממש: על פני 150 שיחות סטודנט–בינה מלאכותית, 41% נשאו ציון מטלה של בדיוק 1.00 בעוד מעורבות קוגניטיבית נצפית השתנתה, ולכן ציונים מותאמים יכולים להסתיר תהליכים שונים (Fábrega, 2026)). DraftTrace עונה על אותה הבעיה לכתיבה משולבת-בינה מלאכותית על ידי יישור מדדי תהליך ברמת-הקשתה עם המוצר הסופי ועם עקבות אינטראקציה עם בינה מלאכותית, ומראה שהקלדת-העתקה ניתנת-לזיהוי רק כאשר מוצר ותהליך נקראים יחד (Chandarana et al. (2026)), מופע קונקרטי של מדידת עקבות-התנהגות שהתחום חסר עדיין.

חשבונות פרקטיקניים ומסגרות ממלאים את הארטיפקטים. מסגרת LEARN של Uden ו-Hwang (2026), המכוונת להערכה מבוססת-בעיה, מבקשת רובריקות ממוקדות-תהליך, הצדקות בעל-פה, הגשות מדורגות, ועקבות היגיון עם גילוי שימוש בבינה מלאכותית, ומתייחסת להשתקפות באמצעות יומני למידה ופרוטוקולי חשיבה-בקול כמנוע המטאקוגניטיבי של הרצף. Moganadas ועמיתיו (2026) הופכים הערכה שקופה-בינה מלאכותית וממוקדת-תהליך לאחת מחמש הצעות מחקריות, ודורשים תיעוד, אימות והצדקה משתקפת במקום איסור או שימוש בגלאי. Padhy (2026) ממליץ לתפוס היסטוריית תיקונים, דפוסי אינטראקציה וזמן-על-משימה, מזווגים עם גילוי שקוף. Goldstein, Marae-Haj and Zidan (2026) מדווחים על אותם ארטיפקטים מתעוררים מהפרקטיקה לאחר משבר אמון: רשומות הנחיה, היסטוריית גרסאות של מסמכים, תרומות קבוצתיות בפיקוח, ו"יומני מסע" משתקפים שנשמרו במחברות פיזיות — לצד הממצא הפשוט שעבודה כתובה לעבודה מהבית לא יכלה יותר להוות ראיה ללמידה. כלים קונקרטיים מתחילים להופיע: Kim et al. (2026) מעגנים את פתרון-הבעיות כארבעה שלבים ושמונה תתי-מיומנויות אבחוניות כדי ש-LLM יוכל לייצר שאלות ורובריקות ייחודיות-לשלב; חמישה מורות ו-64 תלמידים השתמשו במערכת על 90 בעיות ו-720 תתי-שאלות, עם ציון ממוצע של 83.5 בסולם-השימושנות.

ציר שונה מהאותנטיות, ומהדירוג

החזקת הצירים נפרדים חשובה, מכיוון שהתבלבלות ביניהם היא הדרך שבה עיצוב מחדש נראה גמור בעוד החשיפה נשארת. Sharma (2026) עושה את ההבחנה המשלימה בין אותנטיות לעיצוב מוכוון-יושר: האותנטיות שואלת האם משימה משקפת פרקטיקה ראויה, בעוד עיצוב מוכוון-יושר שואל האם לומדים יכולים להצדיק את החלטותיהם ולשאת באחריות ביחס לסטנדרטים תחומיים, וזו הסיבה שהפרקטיקות שהוא מציע — שבילי החלטה מועשים, אימות טענות שתרמנה GenAI, הגנה בעל-פה, הבדלי טיוטות עם היסטוריית גרסאות — נבחרו בשל השיפוט שהן הופכות לנראה ולא בשל הריאליזם שלהן. הסקירה בן-עשור השנים של Espino ו-Espino (2026) על חינוך עסקים מגיעה לאותה מסקנת עיצוב מכיוון הספרות, ומוצאת שהתחום מתכנס על משימות אותנטיות ונראות-תהליך הדורשות פרשנות, יישום הקשרי ושיפור איטרטיבי, ומתייחס לאימוץ כלי מבודד בתוך מבני הערכה שלא שונו ככישלון המתמיד ביותר שלו.

הקונסטרוקט ניתן להבחנה גם מהשאלה כיצד הראיה נמדרגת. התוקף הוא המקום שבו השניים נפגשים: Brunnström ו-Palmqvist (2026) טוענים שבזמן שצ'אטבוט יכול להפיק תשושת בחינה סבירה, המוצר המוגש הופך למחוון חלש יותר למה שהסטודנט למד — בעיית תוקף-הערכה ולא רק בעיית יושר. זוהי אותה הסקה שבסיכון בטענת הביצועים-לעומת-למידה של Yan, Greiff, Lodge ו-Gašević, שבה רווחי ביצועים שמכווצים ברגע שהסיוע נמשך מראים רווח שחי בכלי ולא בלומד, ושם התרופה המוצעת היא מדדי תהליך כמו מבחני שימור והעברה ולא הצלחת משימה מידית.

מדוע הגילוי אינו יכול לשאת את העומס הזה

הערכה ממוקדת-תהליך מוצעת בדרך כלל כאלטרנטיבה לגילוי, והראיות על הגילוי מסבירות מדוע. ספרות הגילוי מוצאת שיעורי שגיאה, תלות-משימה, והטיה מסוגננת נגד כותבים שאינם דוברי-שפת-אם ונגד כותבים מוגבלים, והעבודה האחרונה מגיעה למסקנה פרוצדורלית: ציון גלאי יכול לעורר סקירה מקרוב יותר אך אינו ממצא. Munoz ועמיתיו (2026) מראים מה זה עולה בפרקטיקה. בקידוד 1,162 טענות התנהגות-בלתי-הוגנת של בינה מלאכותית יוצרת, הם מצאו שסוגי הראיה החזקים ביותר נוצרים על ידי החקירה או על ידי הפיקוח, שראיות תהליך כמו טיוטות, פגישות פיקוח ומצגות מופיעות רק במקום שהפרקטיקות האלה כבר קיימות — ולכן בהערכה שלא עוצבה מחדש הן פשוט חסרות — ושפלט גלאי קיבל את דירוגי ההוכחתיות הנמוכים ביותר מכל קטגוריה. ההשלכה לעיצוב היא סדר: ראיית תהליך חייבת להתקיים לפני שצורך בה מתעורר, וההיגיון של Weidlich (2026) על איזו הסקה בסיכון עושה את אותה הנקודה מכיוון התוקף, מכיוון שניסיונות לשקם אבטחת הערכה באמצעות גילוי מכניסים שונות בלתי-רלוונטית-קונסטרוקט במקום ראיה על הלומד.

עלויות העיצוב והעומס

המקורות כנים בצורה יוצאת-דופן שזה יקר. Thapa and Lewis מציינים את אזהרת השוויון ישירות: משימות משתקפות ודיאלוגיות יכולות להעניק זכויות לסטודנטים בטוחים יותר בהבעה-עצמית האקדמית אלא אם הן מעוצבות באופן מכיל ופיגומים-פיגום, והעבודה היחסית העתירת-משוב מגבירה את העומס הרגשי והמקצועי של מחנכים במסגרות גדולות או מוגבלות-משאבים — סתירה עם ציפיות מוסדיות לסקלביליות, תיקנון וביצוע מדיד. Sharma מוסיף את הגרסה הפרשנית: דרישת היגיון מתועד מעניקה זכויות ללומדים רהוטים יותר בדיסקורס משתקף, ושיפוט כראיה "נשאר יחסי וממוקם ולא ניתן-לאימות מכני".

העלות התפעולית מפורטת במקומות אחרים. Boysen מונה טכנולוגיה חדשה, מטלות וסילבוסים מתוקנים, הוראת כישורים לא-מוכרים לסטודנטים, וחומר נוסף לאיסוף ולדירוג, מזהיר שנקודות-זכות בעלות-סיכון-נמוכה לתהליך יכולות לנפח ציונים, ומודה שהמודל מתאים לפרויקטי פיתוח-כישורים גדולים בהרבה יותר מעבודה של רכישת-ידע יומיומית; הוא מציין גם שמעקב תהליך הוא מה שהמבקרים מכנים פיקוח בינה מלאכותית. המשתתפים של Goldstein, Marae-Haj and Zidan דיווחו שגיוס תיעוד התהליך דרש עבודה אמיתית, שתשעה מתוך שלושה-עשר מימנו כלים מתקדמים מכיסם בדרך שיכולה להעמיק את הפער הדיגיטלי, ושמספרים מהם נסוגו לבחינות בפיקוח ולהגנות בעל-פה צפויות על עבודות גמר. לחשש השוויון יש קצה ספציפי-בינה מלאכותית בממצאם של Brunnström ו-Palmqvist ששימוש כלי ללא הדרכה דורש כישור ניהול-אינטראקציה המופץ באופן לא-שווה, ולכן בינה מלאכותית "עשויה להיות מועילה ביותר לסטודנטים שכבר בעלי-יתרון" — אותו סיכון התפלגותי שמלווה בקשת מסטודנטים לנהל תהליך מתועד. Lopez-López, Bru-Cordero ו-Correa-Álvarez (2026) מצאו שסטודנטים שהשקיעו יותר זמן לימוד עצמאי שפטו שימוש בבינה מלאכותית ביתר-קפדנות, והמליצו לבדוק אם תבניות גילוי, הגנות בעל-פה והערכה מבוססת-תהליך מצמצמות חוסר-ודאות אתית — מחקר שהתחום עדיין זקוק לו. הסיכון מצורף למנגנון שהופך ראיית תהליך לעובדת: במקום ששיתוף פעולה, תיקון והשתקפות נמדרגים, לסטודנטים יש סיבה להפיק ראיה מתאימה למה שהם מצפים שהמדרג ירצה, ולכן רשומות תהליך יכולות להפוך למבצעיות ולא לראייתיות (Alam & Jackson, 2026)).

מה שנשאר בלתי-נפתר

חשבונו של Thapa and Lewis הוא קונספטואלי: אין משתתפים, אין איסוף נתונים ואין ניסוי יישום, ולכן ארבעת העקרונות נטענים ולא נבחנו, והמאמר עצמו קורא לעבודה אמפירית על חוויית הסטודנט, עומס המחנך ויכולת-קיום ארוכת-טווח. היתכנות נשארת בלתי-מובדלת בין מסגרות — המעברה להרצאות גדולות, מעבדות, סטודיו או שיבוצים קליניים אינה מטופלת. נייר העמדה של Lane (2026) מציין את התקרה המוסדית: הערכה מבוססת-תהליך מטפטף על ידי מבני דירוג ותמלול שמתגמלים ארטיפקטים סופיים מלוטשים, ולכן עיצוב מחדש של הכיתה בלבד אינו משנה את התמריץ. המדידה דלה גם כן: הסקירה של Jin ועמיתיו (2026) על מכשירי אוריינות בינה מלאכותית קוראת להערכה מבוססת-ביצועים וממוקדת-תהליך ולמדידת עקבות-התנהגות של הנחיה ואימות, אך מדווחת שהמכשירים הקיימים נשענים על דיווח עצמי. אין מקור כאן שמדווח על ניסוי מבוקר של עיצוב מחדש ממוקד-תהליך כנגד ממוקד-מוצר, מה שמשאיר את הטענה המרכזית — שראיית תהליך היא גם קשה יותר לזיוף והוגנת יותר לשפיטה — נטענת מעקרון, מדוח פרקטיקני ומראיות קובצי-תיק ולא מוכחת בקנה מידה.

מושגים מחוברים

• דפוסים פדגוגיים — נקודות-בדיקה מדורגות וראיות תהליך כעיצובים מסודרים
• הערכה
• הערכה אותנטית
• גילוי בינה מלאכותית
• תוקף ההערכה
• שיפוט הערכתי
• הערכה עיצובית
• הערכה מסכמת
• משוב
• הערכה עצמית
• הערכה בעל-פה
• תיק עבודות אלקטרוני (e-portfolio)
• הצהרות שימוש וגילוי בבינה מלאכותית
• למידה עצמית מוסדרת
• יושרה אקדמית
• שוויון

מאמרים מחוברים

• Process-Oriented Collaborative Essays: Empowering Undergraduate Students Through Assessment Redesign in the Age of Generative AI — A graded, collaboratively written process essay in a first-year degree apprenticeship: iteration and collaboration in the rubric, GenAI permitted within stated boundaries (Alam & Jackson 2026)

• Distinguishing performance gains from learning when using generative AI — performance is not learning: a research agenda built on process measures (Yan et al. 2026)

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — teacher educators asking for AI-resistant, process-based tasks built on justification and reflection (Baran et al. 2026)

• Educational integrity in GenAI-augmented assessment: making judgment visible — annotated decision trails, oral defense, and draft differences selected for visible judgment

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — what misconduct case files contain, and the process evidence they lack

• Which inference is at risk? Assessment validity reasoning and generative AI — which inference is at risk when assessment evidence is substituted

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — authenticity must be redesigned, not policed

• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — authentic products and the processes that produced them

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — the oral exam as an AI-resistant format that makes reasoning live

• Preserving epistemic authenticity: process-oriented assessment in the age of generative AI — epistemic authenticity and the four design commitments behind process-oriented assessment (Thapa & Lewis 2026)

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — Channel-conditional process evidence: logs and think-aloud reveal different processes

• DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing — DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing

• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education — Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education

• STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions — STEPwise: תמיכה במורות באבחון מיומנויות-פתרון-הבעיות המתמטיות של תלמידים באמצעות שאלות המיוצרות ב-LLM