בעלי עניין

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

בעלי עניין — מגוון בעלי העניין האנושיים המעורבים בבינה מלאכותית בחינוך, המושפעים ממנה ואחראים לה, והמושג-המטרייה לכיסוי של מאגר הידע את השאלה מי הם השחקנים. בינה מלאכותית בחינוך היא שדה מרובה-בעלי-עניין: לומדים שמשתמשים בבינה מלאכותית, מורים וסגל הוראה שמשלבים אותה, מנהלים שמנהלים אותה, מעצבי הוראה שבונים חוויות למידה סביבה, וקובעי מדיניות שרגולטוריים עליה. לכל קהל צרכים, מיומנויות, תפקידים ופרספקטיבות נבדלים, ומאגר הידע מתייחס אליהם כהקשר האנושי שבו כלי בינה מלאכותית מתוכננים, נפרסים ומוערכים.

שאלות למחשבה

• העמוד טוען שאותה מערכת בינה מלאכותית ניראת שונה מנקודת מבט של כל אחד — כלי שהסטודנט חווה כתמיכה עשוי להיראות למורה כסיכון יושרה ולמנהל כהחלטת ממשל. עם איזה תפקיד אתם מזהים ביותר, ומה לדעתכם אתם נוטים לפספס מאחרים?
• לפני הקריאה, נסו לרשום את כולם במוסד שלכם שנגועים בהחלטת בינה-מלאכותית-בחינוך — מעבר לסטודנטים ומורים בלבד. את מי שכחתם, ומה היה מעניין את כל אחד מהם ביותר?
• אם ללומדים, מורים, מנהלים, מעצבי הוראה וקובעי מדיניות יש צרכים ומיומנויות נבדלים, למי צריכה להיות המילה האחרונה על אופן פריסת כלי בינה מלאכותית — ומדוע?
• "תמיכה מותאמת אישית" של סטודנט יכולה להיות בו-זמנית "סיכון יושרה" של מורה. כיצד הייתם מעצבים שיחה או תהליך שנותן לדאגתו של כל בעל עניין משקל אמיתי במקום לתת לקול הכי רם לנצח?

מבוא

בינה מלאכותית בחינוך היא למעשה על אנשים — הלומדים והמחנכים שהעבודה שלהם היא משנה, והמנהיגים והמעצבים שמחליטים כיצד היא משמשת. הבנת בעלי העניין הנבדלים חיונית מכיוון שאותה מערכת בינה מלאכותית ניראת שונה מאוד מנקודות מבט שונות: כלי שהסטודנט חווה כתמיכה מותאמת אישית עשוי להיראות למורה כסיכון יושרה, למנהל כהחלטת רכש וממשל, ולמעצב כבחירה פדגוגית. מאגר הידע מארגן את הכיסוי של הקהלים האלה על פני כמה עמודי מושגים.

נוף בעלי העניין

• לומדים (סטודנטים). הקהל הראשי — סטודנטים בגן עד תיכון, בהשכלה גבוהה, ובלמידת מבוגרים. מאגר הידע מכסה לומדים דרך חוויית הסטודנט, מעורבות סטודנטים, תפישות מוטעות, מידול סטודנט, רווחה, וסוכנות. אוריינות הAI של הלומדים, ויסות-עצמי (למידה עצמית-ווסתת), וסיכון לסמוך-יתר הם דאגות מרכזיות.
• מורים וסגל הוראה. מחנכים שמשלבים בינה מלאכותית בהוראה. מכוסים על ידי תפקיד המורה, מיומנות מורה בבינה מלאכותית, הכשרת מורים, פיתוח חינוכי, וTPACK. מורים מתמודדים עם האתגר הכפול של שימוש בבינה מלאכותית בהוראה שלהם והוראת סטודנטים להשתמש בה באחריות (ראו פדגוגיות ואסטרטגיות הוראה).
• מעצבי הוראה וטכנולוגים למידה. המקצוענים שמתכננים קורסים, תכניות לימודים וחוויות למידה סביב בינה מלאכותית. קשורים לתכנון למידה (התחום דעת) ולתכנון תכנית לימודים, אם כי האנשים/התפקיד של מעצב הוראה אינו עדיין עמוד ייעודי — הוא מקובץ כאן.
• מנהלים ומנהיגים מוסדיים. פרובוסטים, דיקנים, CIOs ומנהיגים שקובעים מדיניות, מקצים משאבים ומנהלים אימוץ. מכוסים על ידי מנהל, ומקושרים למדיניות חינוכית, ממשל, ורגולציה.
• קובעי מדיניות ורגולטורים. גופים ממשלתיים ומוסדיים שקובעים את המסגרת המשפטית והרגולטורית. קשורים למדיניות חינוכית, רגולציה, וממשל.
• הורים ומשפחות. נוכחים במחקר (למשל ניטור שימוש סטודנטי בבינה מלאכותית, גישות אליה) וכעת מכוסים בעמוד ייעודי — מקובצים כאן כבעלי עניין.

כיצד בעלי עניין מופיעים במחקר

• מסגרות מיומנות ספציפיות-תפקיד. מיומנות מורה בבינה מלאכותית וTPACK מגדירים מה שמורים צריכים כדי להשתמש בבינה מלאכותית באפקטיביות; אוריינות AI מגדירה מה שכל הקהלים (ובמיוחד סטודנטים) צריכים.
• השפעות דיפרנציאליות לפי תפקיד. מחקר בוחן כיצד בינה מלאכותית משפיעה על קהלים שונים באופן שונה — חוויית הסטודנט חוקרת תוצאות סטודנטים, תפקיד המורה חוקרת שילוב פדגוגי, מנהל חוקר אסטרטגיה מוסדית, ופיתוח חינוכי חוקר למידה מקצועית.
• ממשל מרובה-בעלי-עניין. מחקר ממשל ומחקר מדיניות חינוכית מדגישים יישור בעלי עניין לאומיים, מוסדיים ושל כיתה — קובעי מדיניות קובעים ציפיות, מנהלים מיישמים, מורים מתאימים, וסטודנטים חווים את התוצאה.
• שוויון בין קהלים. שוויון בבינה מלאכותית בחינוך בוחן כיצד התועלות והנזקים של בינה מלאכותית מתחלקים בין לומדים ומוסדות, ומחבר בעלי עניין להוגנות ולגישה.
• הבדלי תפקידים יכולים לטעון ביתר קלות מאשר להתבונן. SWOT של 167 תרומות מ-152 אנשי השכלה גבוהה מצא מורים, חוקרים ומנהלים מתכנסים על אותם חוזקות ואיומים, בעוד שאיסוף אנונימי לחלוטין השאיר תפקידים בלתי-מזהים, כך שהמחקר לא יכול היה לבדוק את התוכנית שלו להשוות ביניהם (Humble & Mozelius, 2026).

זהות בין קהלים

חוט משותף בין בעלי עניין אלה הוא זהות — תחושת מי אדם ומה הוא הופך להיות ביחס לבינה מלאכותית ולתחום. מאגר הידע מתייחס לזהות כמחולקת בין קהלים ולא כשייכת לקבוצה בודדת.

• זהות לומד — הזהות הדיסיפלינרית, המקצועית, היצירתית והאקדמית המתפתחת של סטודנטים (זהות הלומד). היא נבדלת מסוכנות אך קשורה אליה סיבתית: סוכנות היא היכולת המושתתת לפעול, בעוד שזהות היא תחושת-העצמי המתמשכת שמצטברת ממעשים סוכניים מואוגמת על ידי אובדן קוריינות וספק מיומנות תחת בינה מלאכותית.
• זהות מורה — ההבנה-העצמית המקצועית של מחנכים (תפקיד המורה), שעוצבה מחדש על ידי בינה מלאכותית כשאלה של מטרה ותפקיד ולא של מיומנויות בלבד (ראו GenAI as identity crisis).
• מעצבים ומנהיגים — זהות מקצועית מעצבת גם כיצד מעצבי הוראה, מנהלים וקובעי מדיניות מתמצאים בבינה מלאכותית, אם כי הכיסוי המפורש לזהות במאגר הידע מתרכז בלומדים ובמורים.

זהות היא העוגן האנושי של נוף בעלי העניין: היא מה שבינה מלאכותית חייבת לתמוך בו (לא לשחוק) עבור כל קהל, והיא הקונסטרוקט שמחבר דפי תפקידים נבדלים — זהות הלומד, סוכנות ותפקיד המורה בפרט. היכן שסוכנות עוסקת בשליטה וזהות עוסקת בעצמי, תכנון בינה מלאכותית חייב לשמר את שניהם: שליטה על הלמידה של עצמו ותחושת-עצמי מחברת וסופרת חסונה בתחום.

השלכות לבינה מלאכותית בחינוך

• תכננו למלוא מערך בעלי העניין: בינה מלאכותית בחינוך אפקטיבית חייבת לשרת לומדים, לתמוך במורים, ליידע מנהלים, ולהתיישר עם מדיניות — לא רק למקסם קהל אחד.
• בנו מיומנויות ספציפיות-תפקיד: מורים, סטודנטים, מעצבים ומנהיגים צריכים כל אחד אוריינות ותמיכת בינה מלאכותית מותאמות (ראו אוריינות AI, מיומנות מורה בבינה מלאכותית, פיתוח חינוכי).
• התיישרו בין רמות: מחקר הממשל של מאגר הידע מראה שבינה מלאכותית מצליחה כאשר מנהיגות מוסדית, פרקטיקת מורה וחוויית סטודנט מיושרות ולא מפוצלות.
• שקלו הורים וקהילה רחבה יותר: משפחות הן בעלי עניין באימוץ בינה מלאכותית, שתפקידם ודאגותיהם ראויים לתשומת לב מפורשת.

מושגים מקושרים

• לומדים — לומדים: המטרייה למושגים בצד הלומד
• הוראה
• זהות הלומד
• סוכנות הלומד
• כושר AI של המורה
• הכשרת מורים
• פיתוח חינוכי
• ידע טכנולוגי-פדגוגי-תוכני (TPACK)
• חוויית הסטודנט
• מעורבות סטודנטים
• תפיסות מוטעות על בינה מלאכותית
• מנהלים
• עיצוב למידה
• עיצוב תוכנית לימודים
• מדיניות חינוכית לבינה מלאכותית
• ממשל בינה מלאכותית
• אוריינות AI
• שוויון
• השכלה גבוהה
• חינוך גן ותיכון (K-12)
• בוגרים (מבוגרים הלומדים)
• הורים ומשפחות
• תמיכה והצלחת סטודנטים — מי מחזיק בתביעה על החלטות תמיכה מוסדית בבינה מלאכותית

מאמרים מקושרים

• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison — חוויות סטודנטים של GenAI בהשכלה גבוהה בריטית
• Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making — בינה מלאכותית במדיניות השכלה גבוהה בריטית (סטודנטים ומוסדות)
• New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — כלי רווחה מונעי-בינה מלאכותית בקמפוס
• Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs — מוכנות AI-TPACK בהכשרת מורים למתמטיקה
• A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education — מדיניות GenAI מוסדית במחשוב
• Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning — מסגרת משחק תיאום לשימוש אתי בבינה מלאכותית בהשכלה גבוהה
• It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing — הצדקת שימוש בבינה מלאכותית על ידי סטודנטים בכתיבה אקדמית
• How AI Is Changing Teaching Workflows — כיצד בינה מלאכותית משנה תהליכי הוראה
• Beyond the Hype: How Higher Education Stakeholders View the Benefits and Concerns of Generative AI for Teaching, Research, and Administration — תפיסאות בעלי עניין של GenAI בהשכלה גבוהה (Humble & Mozelius 2026)
• "We'll Fix It Later": Education, AI, and the Deferral of Student Privacy in EdTech — "We'll Fix It Later": Education, AI, and the Deferral of Student Privacy in EdTech