למידה מונחית עצמית

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

למידה מונחית עצמית (SDL) — התהליך שבו לומדים נוטלים יוזמה ואחריות על אבחון צרכי הלמידה שלהם, קביעת מטרות, זיהוי משאבים, בחירה ויישום אסטרטגיות, והערכת תוצאות, לעתים קרובות עם מבנה חיצוני מוגבל. בעידן הבינה המלאכותית, SDL היא גם תוצאה מפתח (האם שימוש ב-AI תומך או שוחק את יכולת הלומדים לנווט את הלמידה שלהם?) וגם פגיעות (הנוחות של בינה מלאכותית יוצרת יכולה להחליש את האוטונומיה ואת היעילות העצמית ש-SDL דורשת).

שאלות למחשבה

• למידה מונחית עצמית פירושה אבחון הצרכים שלכם, קביעת מטרות והערכת תוצאות עם מבנה חיצוני מוגבל. לפני שאתם קוראים, כמה אתם באמת נוחים בניהול הלמידה שלכם — והאם כלי AI אי פעם הפך אתכם פחות מסוגלים לכך, בלי ששמתם לב?
• העמוד ממסגר SDL גם כתוצאה מיוחלת וגם כפגיעות: נוחותה של בינה מלאכותית יוצרת יכולה לשחוק את האוטונומיה והיעילות העצמית ש-SDL דורשת. מדוע כלי שנותן לכם תשובות מיידיות יקשה עליכם יותר לכוון את הלמידה שלכם מאוחר יותר?
• שימוש ב-GenAI לא-מחשבוני — אימוץ תוצרים ללא הערכה ביקורתית — נמצא שפוגע ב-SDL הן ישירות והן על ידי שחיקת יעילות עצמית ומוטיבציה. האם תוכלו להיזכר בזמן שקיבלתם תשובת AI ללא הערכה שלה? מה, אם בכלל, זה עלה לכם?
• SDL וויסוס עצמי (SRL) קשורים אך נבדלים: SRL עוסק ברגולציה של הלמידה ברגע-נתון, בעוד SDL עוסק באחריות כוללת לאורך זמן. היכן אתם רואים את הגבול בין "ניהול המשימה הזו" ל"ניהול הלמידה שלי" בפרקטיקה שלכם?
• הנזק משימוש לא-מחשבוני ב-AI פגע במוטיבציה קשה יותר עבור סטודנטים מסוימים וביעילות עצמית קשה יותר עבור אחרים. אם שחיקת המשאבים הפסיכולוגיים האלה אי-אחידה בין לומדים, איזה חשש שוויון זה מעלה לגבי מי מפסיד הכי הרבה מנוחות AI?
• קבעו מטרה לפני שאתם קוראים: קראו למטרת למידה אחת שאתם רודפים אחריה ברובכם בעצמכם, ודרך אחת שבה כלי AI עוזר לכם אליה ודרך אחת שבה הוא עשוי לקחת בעדינות את הניהול מכם.

מבוא

למידה מונחית עצמית קשורה קשר הדוק לוויסוס עצמי (SRL) — אך נבדלת ממנו. בעוד SRL מדגיש את הרגולציה הקוגניטיבית, המוטיבציונית וההתנהגותית של הלמידה ברגע-נתון (תכנון, ניטור, שליטה, השתקפות), SDL מדגישה את האחריות הכוללת של הלומד לכיוון ולניהול הלמידה שלו לאורך זמן, לעתים קרובות בהקשרים לא-פורמליים או שנבחרו בעצמו. SDL היא בסיסית ללמידת מבוגרים וללמידה לכל החיים, והיא תיאוריה בולטת בחינוך מרחוק ומקוון, שבו לומדים חייבים לקיים אוטונומיה ללא זמן כיתה מתוזמן. SDL היא גם פתירה יותר ויותר לחקר אמפירי: ניתוח זרמי-הלחיצות של 315 לומדים מקוונים שבנו 822 מודלים ב-VERA, An, Hammock & Goel (2025) זיהו שלוש חתימות התנהגותיות של מונחיות-עצמית — תצפית, בנייה, וחקירה — ומצאו לומדים שמתקדמים מבנייה מעשית אל חקירה שלמה יותר, מונחית-היפותזה, בעוד תצפית נמשכת בכל השלבים, ומראים שהדרגה והסוג של אוטונומיה שלומדים מפעילים במשימה מקוונת לא-מבנית ניתנים להבחנה מנתוני המסלול שלהם בלבד.

כיצד בינה מלאכותית יוצרת מעצבת מחדש למידה מונחית עצמית

המחקר של מאגר הידע מתעד את שני צדדי הקשר GenAI–SDL.

• AI יכול לתמוך ב-SDL. AI ולמידה לכל החיים וצמיחה מונחית-עצמית עם GenAI + אנליטיקת למידה מראים שכלי AI יכולים ללפיגם חקירה עצמאית, לספק משאבים על-פי-דרישה, ולהתאים נתיבי למידה בדרכים שמחזקות אוטונומיית הלומד. ראיות מטא-אנליטיות על תוצאות חינוכיות של בינה מלאכותית יוצרת וAI שיחתי בלמידה לא-פורמלית מציעות פוטנציאל חיובי כאשר AI משמש כמשאב שהלומד מנהל.
• לומדים רוצים שותף חשיבה, לא אורקל. לומדים מבוגרים ריאיינו רצו ש-AI יעודד השתקפות ואימות במקום לספק תשובות, ושישאיר אותם בשליטה על נתיב הלמידה במקום לקבוע אותו (Kim et al. (2026)).
• שימוש לא-מחשבוני מחליש SDL. Zhao & Gu (2026) מראים שהשימוש הלא-מחשבוני ב-GenAI — אימוץ תוצרי AI ללא הערכה ביקורתית — פוגע באופן מובהק ב-SDL של סטודנטים לתואר ראשון הן ישירות והן דרך שחיקת יעילות עצמית ומוטיבציה (המודל הסביר 75.3% משונות SDL; TUGA β = −0.42). האפקט השלילי על מוטיבציה היה חזק יותר עבור סטודנטים גברים ועל יעילות עצמית חזק יותר עבור סטודנטות נשים. זה מתחבר לסיכון ההסתמכות המופרז יותר המתועד במאגר הידע.
• פריקת עומס קוגניטיבי והאצלה. אנדרגוגיה והאצלה קוגניטיבית ולמידה על ידי שיחה עם GenAI בוחנים כיצד לומדים עשויים להאציל עבודה קוגניטיבית ל-AI בדרכים שעוקפות את העיבוד המאמץ ש-SDL דורשת — מצבי כשל של כלים תומכי-אוטונומיה אחרת. פיגום חשיבה ביקורתית עם GenAI ולמידה בסיוע AI מונחית-מבחן מדגימים עיצובים פרודוקטיביים יותר.

הבחנת SDL–SRL בפרקטיקה

מכיוון ש-SDL מדגישה כיוון המונחה על ידי הלומד, התערבויות להגנתה מתמקדות בשימור סוכנות ויעילות עצמית במקום ברגולציה של התנהגות מרגע-לרגע בלבד. הראיות ששימוש לא-מחשבוני ב-AI שוחק מוטיבציה ויעילות עצמית — המשאבים הפסיכולוגיים ש-SDL תלויה בהם — מציעים שקידום שימוש אחראי ב-AI אינו רק בעיית יושרה אלא בעיית התפתחות: הגנת יכולת הסטודנטים לנווט את הלמידה שלהם.

מחקר למידה מבוססת-מחקר עם פיגום חילוץ AI

• חילוץ AI כפיגום ללמידה מבוססת-מחקר. An et al. (2026) מתכננים מערכת חילוץ מידע המופעלת על ידי AI שממירה פרסומים מחקריים למערכי נתונים מובנים וניתני-מעקב כדי לתמוך בהשלמת עבודת גמר לתואר ראשון בSTEM, ממוקמת כפיגום אפיסטמי שמאפשר בדיקה של קשרי ראיה-טענה תוך הפחתת דרישות טיפול-נתונים ברמה נמוכה. בפילוט שיטות מעורבות עם 20 סטודנטים על פני 80 מסמכים, סטודנטים חילצו מעל 90% מהפרמטרים המטרה, זמן סקירת ספרות מדווח-עצמית ירד ~65%, והיכולת שלהם לזהות משתנים משפיעים עלתה 50% — תומכת ברעיון שAI יכול לאזן מחדש עומס קוגניטיבי כלפי חשיבה מחקרית מונחית-עצמית מסדר גבוה במקום סיכום שגרתי.

מושגים מקושרים

• וויסוס עצמי
• סוכנות
• יעילות עצמית
• מוטיבציה
• מטאקוגניציה
• פריקת עומס קוגניטיבי
• שימוש לרעה והזדקנות למידה
• אוריינות AI
• למידת מבוגרים
• למידה לכל החיים
• השכלה גבוהה

מאמרים מקושרים

• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences — שימוש לא-מחשבוני ב-GenAI ולמידה מונחית עצמית (SEM, הבדלי מגדר)
• Artificial Intelligence in Lifelong Learning: Opportunities and Challenges in Adult Education Policy — מדיניות AI ולמידה לכל החיים
• Fostering Self-Directed Growth with Generative AI: Toward a New Learning Analytics Framework — צמיחה מונחית-עצמית עם GenAI ואנליטיקת למידה
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — מטא-אנליזה של תוצאות חינוכיות של בינה מלאכותית יוצרת
• What Remains Self-Directed? Revisiting Andragogy Through Cognitive Delegation in Generative AI-Mediated Adult Learning — אנדרגוגיה והאצלה קוגניטיבית עם GenAI
• Adult Learners' Perspectives of AI Applications in Supporting Andragogy — יישומי AI בתמיכת אנדרגוגיה (Kim et al. 2026)
• How Online Learners Engage in Self-Directed Modeling: A Behavioral Analysis