למידה חברתית-רגשית

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

למידה חברתית-רגשית (SEL) — תהליך פיתוח היכולות המאפשרות לאנשים לסנכרן מחשבות, רגשות ומעשים לטיפוח אינטראקציות חיוביות עם עצמם ועם אחרים: מודעות עצמית, ניהול עצמי, מודעות חברתית, מיומנויות מערכות-יחסים וקבלת החלטות אחראית (מסגרת CASEL). בחינוך בבינה מלאכותית, SEL מוכרת יותר ויותר כבעלת חשיבות מכרעת, משום שהשתלבות המהירה של בינה מלאכותית יוצרת בלמידה מעלה שאלות על הרווחה של הסטודנטים, החברתיות שלהם, האמפתיה והאמון — ומשום שאוריינות טכנית בבינה מלאכותית בלבד אינה מספיקה לניווט בסביבות למידה המתווכות בבינה מלאכותית.

שאלות למחשבה

• מסגרת CASEL מפרטת חמש יכולות — מודעות עצמית, ניהול עצמי, מודעות חברתית, מיומנויות מערכות-יחסים, וקבלת החלטות אחראית. באילו מהן לדעתכם מורה AI יוכל לתמוך, ובאילו אתם חושדים שלא?
• העמוד מבחין בין למידה חברתית-רגשית לבין אינטליגנציה רגשית. לפני שתמשיכו לקרוא, כיצד הייתם מתארים את ההבדל, ומדוע ההבחנה עלולה להיות חשובה לאופן שבו בתי הספר מתייחסים אליהן?
• אם אוריינות טכנית בבינה מלאכותית בלבד אינה 'מספיקה' לניווט בלמידה המתווכת בבינה מלאכותית, מה לדעתכם חסר — ומה הדבר מרמז על האופן שבו אתם מכינים סטודנטים (או את עצמכם)?
• כיצד הסתמכות כבדה על בינה מלאכותית עלולה לעקם מחדש את החברתיות של סטודנט, את האמפתיה שלו או את תחושת האמון שלו — והאם שינויים אלה הם משהו שהחינוך צריך לתכנן באופן פעיל?
• המחקר מצביע על כך ש-SEL תומכת בממדים היחסיים של הלמידה, שעל בינה מלאכותית 'להשלים ולא להחליף'. היכן ראיתם טכנולוגיה מחזקת יחסי אנוש, והיכן היא החליפה אותו בשקט?

מבוא

למידה חברתית-רגשית קשורה קשר הדוק, אך נבדלת, מאינטליגנציה רגשית (EI): SEL/SEC (יכולות חברתיות-רגשיות) מקפילה את היכולת לסנכרן מחשבות, רגשות ומעשים לטובת אינטראקציות חיוביות, בעוד ש-EI היא יכולתו של הפרט לעבד מידע רגשי (תוך גיבוש באמצעות מודלים יכולתניים — גיבוש ופתרון בעיות — או מודלים תכונתיים — נטיות רגשיות והתנהגויות). בעידן הבינה המלאכותית, SEL חשובה משום שבינה מלאכותית יכולה לעצב מחדש את הלמידה בדרכים המשפיעות על ההתפתחות היחסית והרגשית של הסטודנטים, ומשום שמחנכים זקוקים הן לכישור טכנולוגי והן לאינטליגנציה רגשית כדי לתמוך בלומדים ביעילות.

כיצד SEL מופיעה במחקר

• שילוב SEC באוריינות בבינה המלאכותית: הסקירה הנרטיבית של Palmquist et al. מציעה מסגרת משולבת המשלבת אוריינות בבינה מלאכותית עם יכולות חברתיות-רגשיות, בטענה שיעילות טכנית בלבד אינה מספיקה — מחנכים וסטודנטים זקוקים הן לאינטליגנציה טכנולוגית והן לרגשית כדי לנווט בסביבות למידה המתווכות בבינה מלאכותית, תוך טיפוח למידה מותאמת אישית, שיתוף פעולה ומעורבות אתית.

• מורים ופרקטיקה יחסית: מחקר על מסגרות אוריינות בבינה מלאכותית ועל אמון מורה-סטודנט מדגיש ש-SEL תומכת בממדים היחסיים של הלמידה (יחסי מורה-סטודנט ויחסי סטודנט-סטודנט), ועל בינה מלאכותית להשלים אותם ולא להחליפם.

• מה שסוכן פדגוגי יכול ואינו יכול לשאת ב-SEL. לאורך 108 תצפיות שדורגו עיוור, סוכן פדגוגי מבוסס בינה מלאכותית יוצרת היה עקבי יותר ממחנכים בשמירה על טון מכבד ועל פיגום שגרתי הליכי, בעוד שמחנכים התעלו עליו בהכוונת רפלקציה ובקידום ידע חברתי-רגשי — ומחזקים חלוקת עבודה, לא החלפה (Raave et al., 2026).

• רווחה וההשפעה הרגשית של בינה מלאכותית: מחקר בוחן כיצד השימוש הגובר בבינה מלאכותית יוצרת משפיע על כישורים החברתיים-רגשיים של הסטודנטים, על רווחתם, חברתיותם ותחושת האמון והאמפתיה שלהם — חששות שהניעו את קריאת ה-OECD לאוריינות בבינה מלאכותית המעוגנת בערכים הומניסטיים, חברתיים ורגשיים.

• ממדים רגשיים של בינה מלאכותית: SEL מתחברת למחשוב אפקטיבי ולמחקר הרווחה, ובוחנת כיצד מערכות בינה מלאכותית יכולות לתמוך בלמידה רגשית ויחסית או לפגוע בה.

• גרעון מדיניות ב-AI × SEL: סקירה שיטתית של 65 מאמרים בצומת ה-AI–SEL (Tran, Liu & Nguyen 2026) מוצאת "גרעון מדיניות" משמעותי: קרוב לשלושת-רבעים מהמחקרים אינם מציינים השלכות מדיניות, והמעטים שכן לעתים קרובות חסרים הכוואה ייעודית לגורמים. הסקירה מקשרת מעורבות מדיניות לזירת הפרסום ומזהירת מפני מלכודת "טכנו-פתרונות" שבה הפוטנציאל הטכני מוצג בחזית, בעוד שהתנאים המוסדיים ליישום אחראי נותרים בלתי-מצוינים. היא מציעה מסגרת "שאלת WH" (מי, מה, למה, מתי/היכן, כיצד) כדי לעבור מ"השלכה כמחשבה-בסופו-של-דבר" ל"השלכה כמתודולוגיה", ומקשרת חדשנות של AI-for-SEL למדיניות חינוכית ולממשל.

נושאי משנה פוטנציאליים של SEL במחקר בעידן הבינה המלאכותית

מחקר של מאגר הידע מקבץ את SEL לכמה נושאי משנה נבדלים, לכל אחד מהם בסיס ראיות משלו:

יעילות עצמית וביטחון

יכולת ליבתית ב-SEL (מודעות עצמית/ניהול עצמי) שמקבעת במידה רבה את האופן שבו סטודנטים מתקשרים עם בינה מלאכותית. תלות של סטודנטים בבינה מלאכותית (478 סטודנטים ישראלים בהשכלה גבוהה) מצאה שבעוד ממדי אוריינות מבוססי-כישור בבינה מלאכותית קשורים חיובית לתלות בבינה המלאכותית, גם היעילות העצמית האקדמית וגם זו הייחודית-לבינה המלאכותית וגם ויסות המאמץ קשורים שלילית — כלומר אוריינות בבינה מלאכותית בלבד אינה מגינה מפני תלות; יעילות עצמית מגינה. Cen et al. (EC-TEL 2026) מצאו שסטודנטים עם יעילות עצמית בסיסית נמוכה יותר השיגו רווחי למידה גדולים יותר ללא קשר לפורמט התרגול, ושהעדפת המורה הייתה חשובה יותר בתרגול מבוסס-מורה — ומדגישים את הערך בהתאמת התרגול לפרופילים מוטיבציוניים. מושגים מקושרים: יעילות עצמית, מוטיבציה, סוכנות.

מוטיבציה ואפקט "זמינות ה-AI"

מוטיבציה מצטלבת עם קבלת ההחלטות האחראית ועם הניהול העצמי של SEL. מחקר על זמינות של בינה מלאכותית ומוטיבציית סטודנטים ועל מוטיבציה ויעילות עצמית של סטודנטים/מורים מראה שהזמינות בלבד של בינה מלאכותית יכולה לעצב מחדש את הכיוון המוטיבציוני של הסטודנטים ואת המאמץ הנתפס שלהם — רלוונטי לאופן שבו בינה מלאכותית עלולה לפגוע במוטיבציה פנימית או לתמוך בה. מחקר יעילות עצמית מציג את ויסות המאמץ כמשקל-הנגד לתלות בבינה המלאכותית.

ויסות רגשי ותמיכה אפקטיבית

ויסות רגשי הוא יכולת ליבתית ב-SEL עם השלכות למידה ישירות, היוצרת קשר ישיר מ-SEL להישגים. כלי מחשוב אפקטיבי כמו MathBuddy מדמים רגשות של סטודנטים כדי לעצב תגובות פדגוגיות, וכלי רווחה קמפוסיים מבוססי בינה מלאכותית (כגון PsychoGPT, AURA) נפרשים על מניעה ועל התערבות.

בושה, אשמה ותגובות רגשיות לשימוש בבינה מלאכותית

רגשות מווסתים כיצד סטודנטים הופכים את השימוש בבינה מלאכותית לגלוי. "Stuck in a Spiral" (19 סטודנטים למחשוב) מצא שבושה ואשמה פועלות כווסתים חברתיים של השימוש בבינה מלאכותית, ומניעות התנהגויות הסתרה וחשיפה סלקטיבית ויוצרות מעגלים של סוכנות מוקטנת. חרדת AI ניתנת להפיכה לויסות אסטרטגי של בינה מלאכותית כמשאב למידה. אלה מקשרים את המודעות החברתית ואת הניהול העצמי של SEL ליושרה אקדמית ולשימוש אחראי בבינה מלאכותית.

אמון ושייכות

SEL תומכת בלמידה יחסית בקוהזיה חברתית. חינוך עקרוני בבינה מלאכותית וצ'אטבוטים של בינה מלאכותית ללמידה שיתופית מתחברים לשייכות ויעילות קולקטיבית — האמונה המשותפת ביכולתה של קבוצה להשלים משימות. ה"פרמורטם" של Brookings מדגיש שהסתמכות מופרזת על בינה מלאכותית מאיימת על רווחה חברתית-רגשית, על יחסי מורה-עמיתים, ועל הפרטיות/בטיחות הסטודנטים — ממדי שייכות וקשריות. אמון מורה-סטודנט הוא מרכזי לשאלה האם בינה מלאכותית נתפסת כתומכת.

התמדה, גישת חשיבה ומאבק פרודוקטיבי

SEL מצטלבת עם הממד המאמץ-דורש של הלמידה. "Framing the 5% problem" מזהה התמדה נמוכה של סטודנטים כאתגר חוזר בטכנולוגיה חינוכית, המעוצב על ידי מוטיבציה/קליטה, מחסומי קוגניציה, חוסן בתגובה לאתגר, וקשר. Favero et al. מזהירים שבינה מלאכותית שמחליפה מאמץ שוחקת את היכולות עצמן שהחינוך בונה — בהתאמה למטאקוגניציה ולערך של מאבק פרודוקטיבי על פני הסתמכות מופרזת.

השלכות למרצים ולעיצוב הוראה

• התייחסו ל-SEL כמטרת עיצוב ממדרגה ראשונה, לא כתוספת. שילבו יכולות חברתיות-רגשיות בתכניות אוריינות בבינה מלאכותית (על פי Palmquist et al.), כדי שסטודנטים ילמדו לא רק כיצד להשתמש בבינה מלאכותית אלא מתי ולמה — תוך תשומת לב לרגשות שלהם, למאמץ שלהם וליחסים שלהם.
• עצבו ליעילות עצמית ולסוכנות. משום שאוריינות מבוססות-כישור בבינה מלאכותית יכולות להגביר תלות, בעוד שיעילות עצמית וויסות מאמץ מגנים מפניה, ההוראה צריכה לבנות בכוונה את הביטחון ואת הניהול העצמי של הסטודנטים לצד הכישור הטכני — למשל, תרגול בפיגום, הצלחות בסיכון נמוך, והנחיות הדורשות מהסטודנטים לאמת ולאמץ את פלט הבינה המלאכותית.
• השתמשו בבינה מלאכותית לתמיכה בלמידה יחסית, לא להחלפתה. כלי בינה מלאכותית צריכים להשלים את יחסי המורה-סטודנט ויחסי הסטודנט-סטודנט, ומחנכים צריכים לשמור על התפקיד היחסי — ניטור רגש ושייכות — ולא להאציל אותו כולו.
• מודע-רגש ועיצוב רגיש-לאפקט. מערכות מודעות-אפקט יכולות לזהות ולהגיב למצבים רגשיים (חרדה, תסכול, בלבול), אך הראיות מראות שהיתרונות אינם אוניברסליים — הן מתאמות לפי מיומנות ובפרופיל הלומד — ולכן יש להתאים את העיצוב הרגשי, לא להניחו.
• טפלו בצד הרגשי של השימוש בבינה מלאכותית. עצבו נגד סחרויות בושה/אשמה וחרדת AI על ידי נורמליזציה של דיון בשימוש בבינה מלאכותית, טיפוח שקיפות, והפחתת תגובות מבוססות-מעקב ששוחקות אמון וסוכנות.
• תמכו בהתמדה ובמאבק פרודוקטיבי. בנו פיגום במקום להחליף (על פי Favero et al.), כדי שבינה מלאכותית תעמיק למידה מאמצת במקום לעקוף אותה — בהתאמה למטאקוגניציה ולקושי רצוי.
• אמנו את המהלך המיללי בזמן אמת. תמיכת SEL נוטה להיות ממוסגרת כעיצוב או כזיהוי אפקט על ידי בינה מלאכותית, אך מרצים זקוקים גם למה לומר כשמצב רגשי של סטודנט מאיים לסיים את המעורבות — ולהתייחס למצב זה כאל משהו עמו עובדים בזמן אמת, ולא כתנאי מוקדם ללמידה. מדריך היישום של Parlant מכנה אלה מיקרו-התערבויות רגשיות: מעשים מילוליים קצרים המאמתים את הרגש, מעצבים מחדש את ההערכה שמאחוריו, ומחברים מחדש את המאבק לזהות המקצועית, מוכנים באמצעות טקס סיור טרום-כיתתי וספריית ביטויים לשימוש חוזר שבינה מלאכותית יוצרת יכולה לעזור למורה לספק.
• הכינו את כשירות ה-SEL של המורים. מחנכים זקוקים הן לכישור טכנולוגי והן לאינטליגנציה רגשית (כשירות מורים בבינה מלאכותית); הפיתוח המקצועי של מורים צריך לבנות יכולת לתמוך ב-SEL של סטודנטים בהגדרות המתווכות בבינה מלאכותית.

קשרים לרווחי למידה ולמדדים אחרים

• יעילות עצמית מתאמת את הרווחים. Cen et al. מצאו שסטודנטים עם יעילות עצמית בסיסית נמוכה השיגו את רווחי הלמידה הגדולים ביותר, ושנוחות המורה נבאה רווחים בתרגול מבוסס-מורה — ומראים שפרופילים מוטיבציוניים מעצבים מי נהנה מאיזה פורמט.
• רווחה ומעורבות כתוצאות ביניים. תוצאות הקשורות ל-SEL (מוטיבציה, רווחה, שייכות, מעורבות, יעילות עצמית) פועלות לעתים קרובות כמתווכות של הישגים בהמשך, ומחקר בבינה מלאכותית מודד אותן יותר ויותר לצד — או במקרים מסוימים במקום — ציוני מבחן גלמיים.
• האפקטים מותנים, לא אוניברסליים. מחקר מזהיר שהתערבויות מוכוונות-SEL עלולות לסייע ללומדים מסוימים (לפי פרופיל/מיומנות) ולא לאחרים, ולכן יש לבחון טענות על רווחי למידה מבוססי-SEL לאור אפקטי מתאם.
• צד הנזק של המאזן. ה"פרמורטם" של Brookings מזהיר שהסתמכות מופרזת על בינה מלאכותית המונעת על ידי העמסת מטלות קוגניטיביות מאיימת על רווחה חברתית-רגשית, על יחסים ועל שייכות — תוצאות שאם תישחקנה, עלולות לפגוע ביסודות עצמם של למידה והישגים לטווח ארוך.

קשרים למושגים קשורים

SEL מתחברת לאוריינות בבינה מלאכותית (כהשלמה שהופכת את אוריינות הבינה המלאכותית ליחסית ואתית), למחשוב אפקטיבי ולרווחה (הממדים האפקטיביים של בינה מלאכותית), ללמידה בלתי-מכוונת-עצמית (ניהול עצמי וויסות מאמץ), ליעילות עצמית ולמוטיבציה (אמונות לומדות המתאמות את האינטראקציה עם בינה מלאכותית), לסוכנות (הגנה על שליטת הלומד מפני תלות), לאתיקה (קבלת החלטות אחראית), לכשירות מורים בבינה מלאכותית (יכולת המחנכים לתמוך ב-SEL), לחוויית הסטודנט (רווחה ושייכות), ולרווחי למידה (הראיה ש-SEL תומכת בהישגים). היא מתייחסת להשכלה גבוהה ולK-12 כהגדרות שבהן אוריינות מזוגת-SEL נטופחת.

מושגים מקושרים

• חרדה ומתח
• אוריינות AI
• מחשוב אפקטיבי
• רווחה
• למידה עצמית מוסדרת
• יעילות עצמית
• מוטיבציה
• סוכנות הלומד
• למידה שיתופית
• אתיקה
• כושר AI של המורה
• הוראה
• פיגום
• פיתוח חינוכי
• חוויית הסטודנט
• רווחי למידה
• השכלה גבוהה

מאמרים מקושרים

• Exploring interfaces and implications for integrating social-emotional competencies into AI literacy for education: a narrative review — שילוב יכולות חברתיות-רגשיות באוריינות בבינה מלאכותית
• Mind the Trust Gap: Identifying (Mis)alignments in Teacher-Student Views Toward Control and Agency in K-12 Classroom AI — Mind the Trust Gap: Teacher-Student Views
• The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education — The Scaffolded AI literacy (SAIL) framework
• Teacher education for artificial intelligence literacy through a self-determination theory perspective — Teacher Education for AI Literacy (SDT)
• Understanding Student Dependency on AI: The Role of AI Literacy, Academic Self-Efficacy, and Resource Management Strategies — Student Dependency on AI, Self-Efficacy, and Resource Management
• Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice — Self-Efficacy and Favorability Shape Learning from Tutoring
• Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — Shame and Guilt as Social Regulators of AI Use
• From Substitution to Scaffolding: Breaking the Self-Reinforcing Harm Cycle of AI in Education (and Beyond) — From Substitution to Scaffolding
• AI chatbot design principles to enhance the collective efficacy in collaborative learning — AI Chatbots and Collective Efficacy
• MathBuddy: Affective Math Tutoring — MathBuddy: Affective Math Tutoring
• New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — AI-Driven Campus Well-being Tools
• The Policy Deficit in AI × Social-Emotional Learning Research — The Policy Deficit in AI × SEL Research
• An Experimental Study Exploring Human–AI Complementarity in Early Social-Emotional Learning — Human–AI complementarity in early social-emotional learning (Raave et al. 2026)
• Can You Feel It? A Practical Guide to Emotional Micro-Interventions for Higher Education Teachers — Real-time emotional micro-interventions and a phrasebook for instructors