נורמות חברתיות של שימוש ב-AI

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

נורמות חברתיות של שימוש ב-AI — הכללים הבלתי-פורמליים שנאכפים באופן מקומי ושקובעים מתי לומדים ומרצים רשאים להשתמש בבינה מלאכותית יוצרת, עד כמה הם יכולים להודות בכך בגלוי, ומה נחשב לרמאות בפועל ולא במדיניות. הקורפוס דל בנורמות כנושא ועשיר במנגנונים שמייצרים אותם. לומדים אינם מסוגלים להסיק באופן מהימן את השימוש ב-AI של עמיתם: הקורלציה החציונית בין אומדנים של תופש לבין פרופ-השימוש המדווח-עצמית שלו הייתה r = .73 בשני הגלים, ודיוק-הדירוג עבור הסוג של שימוש ב-AI היה r = .34 בגל השני. בושה ואשמה מסדירות נראות ולא שימוש, ומייצרות הסתרה וחשיפה-סלקטיבית במקום שינוי-התנהגות. נורמות-משמעת סוטות באופן חריג: מטלות המשולבות-AI הופיעו ב-27% מתוכניות-הקורס לעסקים ו-5% מתוכניות-הקורס להומניסטה across 31,000 קורסים. וספרות האתיקה הפורמלית מנתבת את הנורמות המועטות והפחות-אפשריות-ליישום למשתמשי-הקצה, ומשתמע שהאנשים הכפופים לנורמות-הכיתה חסרים ברובם מהמסמכים שדנים בהם.

שאלות למחשבה

• אם סטודנטים אינם יכולים לדעת מי משתמש ב-AI, על מה הכללים הבלתי-פורמליים בנויים בפועל?
• מהיכן נורמות-AI מגיעות כשאין למוסד מדיניות, או כשהמדיניות סותרת את מה שהמרצים אומרים בכיתה?
• למה סטודנט שמעולם לא השתמש ב-AI ידווח על יותר אשמה אודותיו מאשר סטודנט שמשתמש בו מדי שבוע?
• מה בושה משיגה שמדיניות אינה יכולה, ובאיזו עלות לבקשת-עזרה?
• האם מעקב משנה התנהגות, או רק את מידת הנראות של ההתנהגות הזו?
• נורמות של מי שולטות במטלת-צוות, ומי סופג את העלות של הרגלי-ה-AI המשותפים של הקבוצה?
• האם לסטודנטים צריך להיות יד בכתיבת הנורמות שנאכפות עליהם?

מבוא

רגולציה פורמלית של AI בחינוך מגיעה כמדיניות: הצהרות-שימוש-מקובל, סעיפי-תוכנית-קורס, הליכי גילוי, מערכות פיקוח, קודי-יושר. כל מה שהסטודנטים חווים בפועל, עם זאת, יושב מתחת לשכבה הזו. בן-כיתה שמעולם לא מזכיר שהוא משתמש ב-ChatGPT, מרצה שאומר "לא אכפת לי איך אתם כותבים את זה" ואז אוסר את זה בתוכנית-הקורס, קבוצת-לימוד שהתיישבה בשקט על מה הוגן, מחלקה שכולם מניחים שהעיקול-הציון כבר הזז. אלה נורמות: ציפיות משותפות על התנהגות-מקובלת, שנאכפות על ידי אישור, סירוב, והסיכון להיפגע.

העמוד הזה אוסף את מה שבסיס-הראיה אומר על השכבה הזו. שווה להפריד בזהירות, מכיוון ש"תכנית-לימודים נסתרת" משמשת לעתים קרובות ברישעות כדי למצוא כל דבר בלתי-רשמי. כאן הנושא צר יותר: הכללים התפעוליים על שימוש ב-AI, כיצד הם נוצרים, כיצד הם נאכפים, ועד כמה הקשר ביניהם לבין הכללים הכתובים חלש. לקורפוס כמעט אין מחקר שמודד נורמות באופן ישיר, וזוהי בעצמו תוצאה. מה שיש לו הוא ראיה חוזרת על המנגנונים: הסקה, חשיפה, רגש, והווריאציה-המשמעתית שמעצבת את מה שכל נורמה-מקומית יכולה להפוך אליו.

מה שסטודנטים מאמינים זה על זה

נורמות דורשות מידע על התנהגות של אנשים אחרים, והמידע הזה גרוע ממה שרוב המרצים מניחים. מחקר על זוגות-סטודנטים עקב אחר הדיוק שבו לומדים שפטו על השימוש ב-AI של שותף across פגישות-תכנות-זוגיות. מול פרוף-השימוש המדווח-עצמית של כל שותף, הקורלציה החציונית הייתה r = .73 בשני הגלים, גבוהה מספיק כדי להרגיש כמו ידע ונמוכה מספיק שה אומדנים רבים היו שגויים. דיוק-הדירוג עבור סוג-השימוש ב-AI היה r = .34 בגל השני, ו-25% מהקבוצות הפסידו ביכולת לשפוט על חברי-הקבוצה שלהן לאורך זמן.

שני פרטים חשובים לנורמות. ראשית, חוסר-היישור לא התכווץ עם עבודה פנים-אל-פנים חוזרת. היכרות לא הפיקה דיוק, מה שמחליש את ההנחה שהנורמות מתייצבות כשקבוצות למדות להכיר זו את זו. שנית, התיקון שהמחברים הציעו היה מבני ולא גישתני: היסטוריות-הנחיה משותפות, ביאורי-שימוש-AI, או רשומות-גלויות-לעמיתים של עבודה-בסיוע-AI. הפיכת השימוש ב-AI לגלוי הוא פרויקט שונה מזה שאנשים צריכים להיות כנים או תפיסניים יותר אודותיו, ורק לראשון יש ראיה מאחוריו.

נראות, בושה, וחשיפה-סלקטיבית

אם עמיתים אינם רואים שימוש ב-AI בדיוק, אז הכללים שמתפתחים סביבו נאכפים בעיקר דרך סיכון-חברתי. מחקר-ריאיון עם 19 סטודנטים למחשוב בחן בושה ואשמה כמסדרות-חברתיות ומצא שהן שולטות בחשיפה ולא בשימוש. הסטודנטים תיארו התנהגויות-הסתרה וחשיפה-סלקטיבית, ודיווחו על בושתם את עצמם, את עמיתם ואת חברי-הסגל שלהם. התוצאה-השלילית החשובה היא שהרגשות האלה קוימו לצד שימוש-AI מתמשך, ומייצרים מעגלים של סוכנות הלומד מופחת ומתח-מוסרי במקום לגרום למישהו להפסיק.

הדפוק הזה מעביר את הנורמה מ"להשתמש או לא להשתמש" ל"להודות או לא להודות." לכיתה יכולה להיות נורמה אנטי-AI חזקה על הנייר, שימוש נפוץ בפרקטיקה, ושיווי-משקל של שקט ביניהם, בלי שאף אחד יהיה מבולבל על מה שהכלל אומר. זה חוזה גם היכן העלות נופלת: על לומדים שהם הפחות מסוגלים לנהל את הסיכון-החברתי, ועל לומדים שהשימוש-הגלוי שלהם נושא השלכות שונות.

הצד-המרצה של אותה רגש מדיד. סקירת סגל באמצעות אינדקס-אשמת-AI בן ארבעה פריטים (Cronbach's alpha = 0.88) מצאה שאשמה-ציפוית עולה על חרטה-מחווית: ציון-האינדקס הממוצע היה 2.39 (SD = 1.01), עם 22.9% מהמשתתפים מעל נקודת-האמצע. לא-משתמשים ב-AI דיווחו על אשמה גבוהה יותר (M = 3.25, SD = 1.04, n = 8) ממשתמשים (n = 101, M = 2.32, SD = 0.97), t(8.39) = 2.00, p = .078, ופריט-החרטה הפריד את הקבוצות בחריפות רבה יותר, t(7.79) = 2.44, p = .041. ניתוח-אשכולות הפיק ארבעה פרופילים: מאמצים-נוחים (26.6%), לא-משתמשים-אשמים (29.4%), משתמשים-נזהרים (28.4%) ונמנעים-בסבל-מוסרי (15.6%), עם הבדלים שאושרו על אשמה, F(3, 105) = 22.13, p < .001, eta-squared = 0.39.

נורמה שגורמת לאנשים שלא פעלו להרגיש אשמים עושה את עבודתה דרך ציפיה. זהו מנגנון-רגולטורוי אמיתי, והוא בלתי-נראה לכל ביקורת-מדיניות שמסתכלת רק על מה שחברי-הסגל והסטודנטים עושים.

ספר-הכללים המקומי: משמעת וכיתות

נורמות הן מקומיות, והראיה על עד כמה מקומי היא קונקרטית במיוחד. ניתוח של 31,000 תוכניות-קורס מצא שמטלות המשולבות-AI נעות מ-27% בעסקים ל-5% בהומניסטה. הטווח אינו פער בציות-מדיניות; הוא משקף שיפוטים-משמעתיים שונים על מה שהעבודה היא, מה פרקטיקה שווה, ואילו כישורים תעודה אמורה להסמיך. ההמלצה של המחברים נובעת מכך: העניקו למרצים אוטונומיה בתוך נורמות-משמעת במקום להנפיק מנדטים one-size-fits-all, מכיון שהמנדט היה צריך להיכתב עבור ממוצע שלא קיים.

שכבת-הכיתה יכולה גם לסותר את שכבת-המסמך באותו קורס. ריאיונים עם סטודנטים לשיווק מצאו שנורמות-עמיתים ו"להשתוות" מניעים אימוץ, עם שמועה-פה שתוארה כקידום-השיווק הגדול ביותר ש-AI קיבל, שנשען על פחד מהזנחה. אותו מחקר תיעד סתירה שמרצים יכירו: חלק מהכיתות דרשו AI בעוד שתוכנית-הקורס אסרה אותו, ועידודו-של-מרצה בכיתה לא תמיד שרד לתוך המדיניות הכתובה. כששני אלה חלוקים, סטודנטים מתייחסים לנורמה-המדוברת כתפעולית, ולתוכנית-הקורס כחבות-לניהול.

עבודת-צוות היא היכן שהנורמות הבלתי-פורמליות עושות את רוב העבודה, מכיוון שהיחידה המדורגת היא קולקטיבית. מחקר על 52 מורים לפני-הכשרה across 15 קבוצות-מיקוד זיהה דפוקים מובחנים ולא קו-אחד-של-התלהבות-לנמנעות, עם קבוצות שמשא-ומתן על מה נחשב לסיוע-לגיטימי בהיעדר כלל-משותף. כל סטודנט שראה קבוצה מתיישבת בשקט על השימוש ב-AI של חבר אחד ראה נורמה נכתבת בזמן אמת, בלי תהליך-מדיניות ובדרך-כלל בלי רשומה.

אתיקה פורמלית, נורמות מחיויות

הספרות-המקצועית על אתיקת-AI והנורמה-הכיתתית שהיא אמורה להשיג נמצאות בהתרחקות אחת מהשנייה, והפער מתועד. סקירה שיטתית של ערכים אתיים ונורמות חילצה נורמות מ-15 מאמרים ומיפסה אותם על ארבעה סדרות-בעלי-עניין מ-Smuha (2022). מפתחים קיבלו את הנורמות הרבות ביותר, ואחריהם מוסדות-חינוך ורגולטורים. משתמשי-הקצה קיבלו את המועטות והפחות-אפשריות-ליישום, בלי נורמות שמתייחסות לסטודנטים ישירות על אי-אפליה, נאמנות-נתונים, או התאמה-חינוכית, וקולות-סטודנטים חסרים ביסודם מהחומר.

התוצאה היא ספרות שמציינת מחויבויות עבור האנשים שבונים וומרשי AI, ומשאירה את האנשים שחיים איתה בכיתה לעבד את הכללים שלהם. זוהי הסברה סבירה למה הנורמות שהסטודנטים מתארים, כמו במחקר הבושה-והאשמה, הן כל כך הרבה על נראות ומוניטין מאשר על הערכים שמסמכי-האתיקה קוראים להם. שני המערכים מסדירים דברים שונים.

מדוע מעקב אינו מיישר נורמות

כשמוסדות מנסים להחליף נורמות בלתי-פורמליות בניטור פורמלי, הראיה עקבית ולא-מחמיאה. מחקר בן ארבעה גלים על 1,760 סטודנטים across 105 קורסים מצא שפיקוח-מקוון העלה חרדת-מבחן באופן משמעותי, ולא היה לו השפעה על הפיתוי לרמות. הוא גם לא שינה קושי-נתפס או ביצועי-מבחן. עלות-החרדה התקבצה בין סטודנטים שנמצאים-כבר-פגיעים, כולל אלה עם סביבות-בית חלשות וטכנולוגיה פחות-אמינה.

שני מחקרים נוספים מסבירים מדוע מעקב הוא כלי-עני להנחת-נורמות. סקירת-היקף של פיקוח-מרחוק מצאה שניטור נתפס ברחבה כמרתיע, ובכל זאת מרצים דרום-אפריקאים דיווחו על חוסר-יושרה מתמשך למרות ניטור-פעיל, מצב ש-Khalil et al. (2022) קוראים לו "subterranean ethics," והתראות-קטנות תכופות הניבו חיובי-שווא ועבודת-סקירה-לסגל. מעבד קונה ציות דרך פחד-גילוי במקום דרך מחויבות לתקן-משותף. מודל של הערכה תחת מידע-בלתי-מושלם מחדים את המנגנון: רתעה תלויה ביכולתו של גלאי להבחין בין שימוש-מוסתר לעבודה-לגיטימית ולא בשיעור-הלכידה שלו, וכשחיובי-שווא עולים מהר יותר מחיוביים-אמיתיים, סטודנטים מתנתקים מהמערכת במקום לציית לה. התוצאה-הנוספת שלו היא זו הנוגעת ישירות לנורמות: ניטור מוריד את האטרקטיביות של שימוש-מוסתר, אך אינו מגדיל חשיפה. סטודנטים נעים לעבר פתיחות רק כשדיווח בטוח או בעל-ערך יותר מהסתרה, ואיסור יכול להפוך הסתרה לאטרקטיבית יותר מציות.

טענת-הצדק-ההליכית מושאת את המסקנה: מכיוון ששימוש ב-AI מיומן או מעורך-קלות הוא בלתי-ניתן-לגילוי במקרה-הכללי, הליך-של-התנהגות-לא-הוגנת הבנוי על גילוי מייצר אי-הוגנות בלי יעילות, והתשובה היא הערכה טוב יותר, לא מעקב טוב יותר.

העלות של ההחלפה הזו מופיעה היכן שחברי-סגל והסטודנטים מדברים בפועל. Across 253,222 רשומות-קשורות-AI מ-26 תת-רדיטים של חינוך, שליש מכל שרשורי-הסגל-סטודנטים היו סכסוכי-גילוי או אכיפה, סטודנטים פתחו 68.4% מהם, ושליליות חזה מעורבות (ρ = −0.72) — סכסוך-עויין, לא דיון, היא צורת-המגע-הרב-שערית ביותר across-תפקידים על GenAI (Yüce et al. (2026)).

מה שמשתמע מכך לפרקטיקה

• הפכו שימוש לגלוי במקום להסיק אותו. סטודנטים אינם יכולים לשפוט זה על זה בדיוק, ושיתוף-פעולה חוזר אינו מתקן זאת. רשומות-משותפות קלות-משקל של עבודה-בסיוע-AI, ביאורים, או היסטוריות-הנחיה נותנים לקבוצה משהו עובדתי להסיק ממנו.
• ציפו שהנורמה-המדוברת תנצח על הכתובה. אם מה שנאמר בכיתה סותר את תוכנית-הקורס, הסטודנטים ילכו אחרי הכיתה. יישור בין השניים שווה יותר מסעיף מחמיר יותר.
• התייחסו לחשיפה כבעיית-עיצוב, לא כבעיית-סגולה. חשיפה הופכת סבירה כשדיווח בטוח או בעל-ערך יותר מהסתרה. זה פירושו הפיכת שימוש-מודה-לגלוי בהערכה עצמה, במקום לבקש כנות כתכונת-אופי.
• כבדו וריאציה-משמעת. התפשטות של 27% ל-5% across מחלקות אינה חוסר-עקביות שיש לנרמל החוצה, היא שיפוטים שונים על מה שהתעודה מסמיכה. מנדטים כלל-מוסדיים נוטים להיכתב עבור תחום-דעת שלא קיים.
• אל תטו לניטור כדי להנחות נורמות. פיקוח העלה חרדה בלי לשנות את הפיתוי לרמות במחקר החזק הזמין ביותר, והוא מתקבץ את העלות הזו על הסטודנטים המוגבלים-ביותר.
• שאלו מי חסר מהנורמה. ספרות-האתיקה מקצה לסטודנטים כמעט אין מחויבויות ומנצלת מעט את שיפוטם, בעוד שהכיתה מקצה להם רבה ואוכפת זאת חברתית. סגירת הפער הזה היא שאלת-תכנית-לימודים, לא שאלת-ציות.

Connected Concepts

• יושרה אקדמית — the formal rulebook these norms grow alongside
• הצהרות שימוש וגילוי בבינה מלאכותית — the practice norms regulate most directly
• מסגור שימוש בבינה מלאכותית עבור סטודנטים — how a classroom states its expectations
• צמצום שימוש לרעה בבינה מלאכותית — the instructional counterpart to norm-setting
• זהות הלומד — who a learner is taken to be when AI use becomes visible
• גילוי בינה מלאכותית — the technical response that mostly fails
• פיקוח מרחוק — surveillance as an attempted substitute for norms
• אמון — what norms and disclosure both depend on
• שוויון — who absorbs the social cost
• חיפוש עזרה — the behavior shame suppresses first
• עבודה בקבוצות — where group norms are negotiated
• חוויית הסטודנט — the lived side of all of this
• חרדה ומתח — the affective residue
• ממשל בינה מלאכותית — the formal layer these norms sit under
• אתיקה — the literature that has least to say to students

Connected Articles

• Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance — Students' perception accuracy of partners' AI use and its relation to collaboration performance
• 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 in computing education
• How Instructors Regulate AI in College: Evidence from 31,000 Course Syllabi — How instructors regulate AI in college: evidence from 31,000 course syllabi
• The AI guilt complex: Moral emotions and ethical dilemmas in academic technology adoption — The AI guilt complex: moral emotions and ethical dilemmas in academic technology adoption
• Identifying the ethical values and norms for artificial intelligence in education: A systematic literature review — Identifying the ethical values and norms for artificial intelligence in education
• The fear of Big Brother: The potential negative side-effects of proctored exams — The fear of Big Brother: the potential negative side-effects of proctored exams
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Under surveillance: mapping remote proctoring practices in nursing assessment
• Assessment Design Under Imperfect Information: Generative AI, Disclosure, and Student Response in Higher Education — Assessment design under imperfect information: generative AI, disclosure, and student response
• Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI — Detecting the undetectable: misconduct procedures after generative AI
• Cheating or Competing? University Students' Experience of AI Marketing and What It Means for AI Literacy Programming — Cheating or competing? AI in marketing education
• Students' Agency in GenAI-Mediated Group Assessment: An Ecological-Emergent Perspective — Agency in GenAI-supported group assessment
• ChatGPT vs Teachers vs Students: Large-Scale Analysis of Generative AI Discourse in Education Communities on Reddit — Reddit discourse analysis: faculty–student contact concentrates in detection and enforcement disputes (Yüce et al. 2026)