תיאוריות ומסגרות

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

תיאוריות ומסגרות — מלאי העבודה של המבנים ההסבריים והארגוניים שמאגר הידע הזה משתמש בהם בפועל. תיאוריות מסבירות מדוע למידה מתרחשת (תיאוריות למידה, תיאוריית ההגדרה העצמית, סוציו-תרבותיות, תיאוריית הפעילות); מסגרות מארגנות החלטות עיצוב, הוראה ואימוץ (TPACK, SAMR, מודלים לאימוץ טכנולוגיה, ICAP, עיצוב אוניברסלי ללמידה); מודלים הופכים טענות למידה לברי-בדיקה ולחישוביות (תיאוריית תגובת הפריט, תוקף ההערכה, מעקב אחר ידע). השתמשו בעמוד הזה כדי למצוא את העדשה שעליה מחקר נשען, או לבחור אחת לעבודתכם.

שאלות למחשבה

• תיאוריה חוזה מה קורה כאשר משהו משתנה; מסגרת אומרת לכם על מה לשים לב. כאשר מחקר מדווח על רווח תחת דגלה של מסגרת אך אינו עושה תחזית שיכלה להיכשל, מה באמת נלמד?
• TPACK, SAMR, UDL, מודלי האימוץ וICAP כולם קודמים למודלים לשוניים גדולים. אילו חלקים שלהם מחזיקים עדיין כאשר הכלי יכול לכתוב, להסביר ולהסתגל מעצמו, וכיצד הייתם אומרים זאת?
• כמה מהתיאוריות המתועדות להלן נטבעו עבור בינה מלאכותית בשנים האחרונות. מה היה נדרש כדי שאחת מהן תהיה שגויה, והאם מישהו ניסה להראות זאת?
• אימוץ מדווח לרוב כמהלך דרך שלבים. אם עמית מדווח שהקורס שלהם עבר "מהחלפה להגדרה מחדש" השנה, איזו ראיה עצמאית הייתם דורשים לפני שאתם מאמינים?
• רובו של התחום הזה מיישם תיאוריה שאולה במקום לבדוק אותה. בחרו ממצא שאתם נשענים עליו: האם ניתן היה למסגרו מחדש כבדיקה של תיאוריה, ואיזו מדידה הדבר היה דורש?

מבוא

כל חונך AI, מערכת משוב ולוח מחוונים מטביעים הנחות לגבי האופן שבו אנשים לומדים, בין אם המתכננים מציינים אותן ובין אם לא. עמוד זה אוסף את התיאוריות, המסגרות והמודלים שההנחות האלה מגיעות מהם, מסודרים בערך לפי כמות ספרות המחקר הנוכחית הנשענת עליהם, ואומר בקצרה למה כל אחד מהם טוב. ההבחנות בין שלושת התוויות הן אמיתיות אך מינוריות, והן מסוכמות לקראת הסוף ולא נטופלות כנושא. מה שחשוב למעשה הוא איזו עדשה טענה נשענת עליה, והאם העדשה הזו מסוגלת לתמוך בטענה.

תיאוריות למידה שהספרות מיישמת

אלה מסבירות מנגנונים: הן קוראות לחלקים העושים את העבודה וחוזות מה נובע כאשר החלקים האלה משתנים. בספרות הבינה המלאכותית הן בעיקר שאולות מפסיכולוגיה וממדעי הלמידה, ומשמשות כמסגרות פרשניות סביב כלי חדש.

• תיאוריות למידה (מטרייה) — המשפחה בשלמותה, כולל הקטבים הקלסיים של ביהביוריזם וקונסטרוקטיביזם ואת פער ה"קונסטרוקטיביזם בשם, ביהביוריזם בפרקטיקה" החוזר ביישומי בינה מלאכותית. קונקטיביזם ותיאוריית העומס הקוגניטיבי מכוסים כאן גם.
• קונסטרוקטיביזם — למידה כבניית ידע פעילה. היא תומכת בעבודה מבוססת-פרויקטים, בחונכות AI מבוססת-דיאלוג, ובביקורת שמערכות תרגול-ומשוב מפרות את הפדגוגיה המצוינת שלהן.
• תיאוריה סוציו-תרבותית — למידה כמתווכת על ידי כלים ואינטראקציה חברתית, ולכן בינה מלאכותית מתוארת כחפץ מתווך ולא כסיוף בלבד.
• תיאוריית הפעילות — לוקחת את מערכת הפעילות השלמה, סתירות בכלל, כיחידת הניתוח. נפוצה במחקרי AI מופני-מורה, שבו הממצא המעניין הוא בדרך כלל המתח בין כלים, כללים וקהילה.
• למידה ממוקמת ו**למידה מגולמת** — למידה כקשורה להקשר ולגוף, המשקל הנגד להתייחסות לבינה מלאכותית כמדיום לשוני טהור.
• קוגניציה מבוזרת — חשיבה המופצת בין אנשים וחפצים, וממסגרת סיוף בינה מלאכותית כחלוקה מחדש של עבודה קוגניטיבית ולא כהחלפה לה.
• קהילת חקר — הנוכחויות החברתית, הקוגניטיבית וההוראה שהופכים חוויה מקוונת לעובדת; תיאוריה של החוויה ומסגרת עיצוב בו-זמנית.
• תיאוריית ההגדרה העצמית — אוטונומיה, מיומנות וקרבה כתנאי מוטיבציוניים מוקדמים. לרוב ההסבר המוצע כאשר שימוש בבינה מלאכותית מעלה מעורבות ללא העלאת למידה.
• קוגניטיביזם — עיבוד מידע, זיכרון עבודה, והפער בין תחושת הלמידה לבין הלמידה בפועל.

מודלים של הלומד ושל תהליך הלמידה

• למידה עצמית מוסדרת — תכנון, ניטור והערכה של הלמידה העצמית. המבנה המהימן לשאלה אם תמיכת AI מגיעה לשלבים החשובים או לביצוע בלבד.
• מטאקוגניציה — חשיבה על החשיבה העצמית, והמבנה הנקרא בתדירות הגבוהה ביותר כאשר בינה מלאכותית מואשמת בחשיבה במקום הסטודנטים.
• מוטיבציה — מדוע לומדים מתעörבים, והמבנה שמפריד מעורבות מלמידה במחקרי בינה מלאכותית.
• מסוגלות עצמית — אמון ביכולת העצמית, שונה ממיומנות, ומגשר תכוף בין שימוש בבינה מלאכותית לבין תוצאות.
• סוכנות — מי מכווין את העבודה: המבנה שמאחורי מתח השליטה-מול-אוטונומיה של התחום, ומאחורי מנגנון הסוכנות המואצלת בתיאוריה החדשה ביותר.
• קשיים רצויים, שליפה, פיזור, ומיזוג, ו**טקסט הפרכה** — ממצאים שהופכים שפשוף לבעל-ערך פדגוגי, ויושמים על החלטות לגבי כמה בינה מלאכותית צריכה לעשות.
• העברת למידה — האם יכולת מתמשכת לאחר שהתמיכה נסוגה, מה שתיאוריה עדכנית מתייחסת אליו כקריטריון המפריד למידה מסיוף ולא כתוצאה אחת מני רבות.

מסגרות הוראה, יִשום ואימוץ

• TPACK — ידיעת המורה הממזגת טכנולוגיה, פדגוגיה ותוכן; מסגרת ברירת-המחדל למחקרי AI מופני-מורה.
• מודלי אימוץ — כוונה כפונקציה של תועלת נתפסת וקלות שימוש נתפסת. משמשת במידה רבה כל כך שהסתמכותו של התחום על כוונה ולא על התנהגות היא ביקורת קבועה.
• ICAP — מדרגת מעורבות כפסיבית, פעילה, קונסטרוקטיבית, אינטראקטיבית; מועילה לשאלה איזה מצב אינטראקציה AI מעניקה בפועל.
• SAMR — החלפה דרך הגדרה מחדש. פופולרית כסיפור בשלות, חלשה כמכשיר מדידה.
• עיצוב אוניברסלי ללמידה, למידה מכילה, ו**נגישות** — מסגרות עיצוב לשאלה מי נשָׁט, ואלה המוזכרות בתדירות הגבוהה ביותר בעבודת מוגבלות ושוויון.
• עיצוב למידה, עיצוב תוכנית לימודים, ו**חשיבה עיצובית** — כיצד משימות, סדרות ותוכניות מבוּנות לפני שבכלל נבחר כלי.
• ניהול שינוי — האם מערכת נאמצת כלל, מה שבדרך כלל שאלה מוסדית ולא פדגוגית.

מודלים למדידה ולחישוב

• תיאוריית תגובת הפריט — הערכת פריט ויכולת, והמודל שהופך את המספרים של מבחן לניתני-פירוש.
• מדידה חינוכית — נוף המכשירים, כולל המדדים שנבנו במיוחד לאוריינות בינה מלאכותית.
• תוקף — האם מכשיר מודד את המבנה שהוא טוען, מה שקובע אם תוצאה מדווחת תומכת בטענה התיאורטית המצורפת אליה.
• מדדי דיווח עצמי — המקור הדומיננטי והשביר ביותר של ראיה בספרות זו; כמה מבנים שלעיל ידועים כסוטים בחריפות בין דיווח עצמי לביצוע.
• מעקב אחר ידע ו**מידול סטודנטים** — הערכת מצבו של לומד לאורך זמן מנתוני אינטראקציה.
• אבחון קוגניטיבי — ייחוס ביצוע לרכיבי מיומנות ספציפיים, הנגד המודלני להוראה אבחונית.
• מדדי ביצועים, הערכת AIEd, ו**מודעות פסיכומטרית בעיצוב AI** — כיצד מערכות והתערבויות מדורגות, מושווות ונבדקות.
• מחקר מבוסס-עיצוב — השיטה המייצרת תיאוריה מהתערבויות מעוצבות במקום לבדוק אותה מראש.

תיאוריות שנטבעו לעידן הבינה המלאכותית

ארבעה הצעות במאגר הידע בונות תיאוריה במקום לשאול אותה. הן עמודי מאמר ולא צמתי מושג, מכיוון שכל אחת מהן טענה בודדת:

• גנרטיביזם — תיאוריית למידה חדשה הטוענת שארבע הקלסיות מציגות מגבלות מושגיות משמעותיות ככל שבינה מלאכותית יוצרת מתרבה.
• סוכנות-משותפת אפיסטימית — מודל של האופן שבו לומדים ומערכות AI מפיקים ידע והבנה jointly.
• קו הבסיס הקוגניטיבי הנעדר — מתאר מדוע סטודנטים ילידי-בינה-מלאכותית מעריכים יותר מדי את הלמידה שלהם כאשר בינה מלאכותית מנפחת ביצוע.
• אגנטיביזם — תיאוריית טווח-ביניים הקוראת ארבעה מנגנונים (סוכנות מואצלת, ניטור ואימות אפיסטימי, פנימיזציה רקונסטרוקטיבית, והעברה תחת תמיכה מופחתת) ומציינת שישה הצעה ברי-בדיקה.

הבחנה בין שלוש התוויות

המילים משמשות באופן רופף בספרות, וההבדל שווה פסקה ולא עמוד שלם:

• תיאוריה מסבירה מנגנון וחוזה מה קורה כאשר החלקים שלה משתנים. היא יכולה להיכשל, ולכן מחקרים הבודקים אחת יכולים לדווח גדלי השפעה.
• מסגרת מארגנת או מורות. היא קוראת לרכיבים שיש לשים לב אליהם, בדרך כלל ללא חיזוי ערכי גודל, והיא אינה ניתנת להפרכה.
• מודל הוא ייצוג פורמלי, לרוב ביותר של מדידה או של מצב הלומד. הוא יכול להיות מותאם, מושווה ומוצג כשגוי באופן שמסגרת אינה יכולה.
• התוויות חופפות. קהילת חקר היא תיאוריה ומסגרת עיצוב בו-זמנית; תיאוריית הפעילות היא הסברית ואנליטית. התייחסו לתווית כרמז על מה שמקור טוען, ולא כקטגוריית תיוק.

שכבות קשורות

שני עמודים שכנים עוסקים בכוונה במשהו אחר. פילוסופיה של בינה מלאכותית בחינוך שואלת שאלות נורמטיביות ומושגיות — למה חינוך הוא עבור, האם מכונה יכולה ללמד — ואינה חוזה גדלי השפעה; מחקר יכול להיות פילוסופית נאיבי ותיאורטית נשמע, או ההפך. פיתוח תיאוריה הוא הפעולה-מעל של בנייה, שאילה ותיקון של תיאוריה, כולל הביקורת הקבועה שעבודה AIED רבה מיישמת תיאוריה קיימת במקום לבדוק אותה. עמוד זה הוא המלאי; פיתוח תיאוריה עוסק בייצור ובתיקון של המלאי.

בחירת עדשה כאשר השאלה מעשית

• מדריכים המתחילים מבעיה יכולים לעבוד אחורה: אם לומדים אינם מתעörבים, ICAP וSDT קוראים סיבות שונות ומציעים תיקונים שונים; אם השאלה היא האם לאמץ כלי כלל, מודלי אימוץ וSAMR שואלים שאלות שונות לגביו.
• מעצבי למידה מקבלים הכי הרבה ממסגרות העיצוב — UDL, עיצוב למידה, ופיגום — מזווגות עם תיאוריה שחוזה מה קורה כאשר הפיגום נסוג.
• חוקרים צריכים לציין איזה צומת מחקר טוען והאם העיצוב מסוגל לבדוק אותו; מודלי המדידה (IRT, תוקף ההערכה, דיווח עצמי) קובעים אם תוצאה מדווחת תומכת בטענה הזו.
• מנהלים פוגשים את המסגרות האלה כשאלות אימוץ ושינוי, שבהן מודל שלבים משמש לרוב כסיפור בשלות ולא כמכשיר.

מה שמסגרות אינן יכולות לעשות

מסגרות אינן ראיה. הן לרוב שאולות מהקשרים טרם-LLM וממוקמות על ידי מי שמחיל אותן, הן יכולות לתפקד כמתן-מותג, ומודלי שלבים מזמינים אימוץ תיבות-סימון שדווח תנועה דרך רמות ולא למידה. טענות הנשענות על מסגרת צריכות להיקרא לצד המגבלות החוצות-תחום של התחום, את התוקף של כל שמדד את התוצאה, ואת המגבלות הידועות של דיווח עצמי.

יישור מנגנון-לתיאוריה עשוי עם זאת להיות מכריע: סינתזה נושאית של 55 מחקרי למידה מבוססת-משחק נתמכת-AI מצאה שהיעילות תלויה בשאלה אם מנגנון ה-AI מִלא את הפדגוגיה שהוא אמור לשרת ולא במורכבות אלגוריתמית (Kaşarcı and Yurt (2026)).

מושגים מחוברים

• פיתוח תיאוריה — בנייה ותיקון של תיאוריה בתחום
• הפילוסופיה של בינה מלאכותית בחינוך — השכבה הנורמטיבית והמושגית
• תיאוריות למידה — המטרייה לתיאוריית למידה
• מדעי הלמידה — השדה השכן שרוב התיאוריה שאולה ממנו
• המגבלות במחקר AIEd — מה שבסיס הראיה יכול ואינו יכול לתמוך
• TPACK — מסגרת ידיעת המורה
• מודלים לאימוץ טכנולוגיה — מסגרות אימוץ
• תיאוריית תגובת הפריט — מודל מדידה
• עיצוב אוניברסלי ללמידה — מסגרת עיצוב
• שיטות מחקר ב-AIED — כיצד תיאוריה נבדקת

מאמרים מחוברים

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — Mechanism-to-theory alignment, not algorithmic sophistication, drove effectiveness in 55 AI game-based learning studies

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — four decades of AIED through the AI×Ed framework

• Educating minds with generative AI — theory-heavy synthesis of generative AI and learning

• An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — activity theory applied to teacher professional development

• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — activity theory and teacher adoption

• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — a learning theory proposed for the generative AI era

• Learning with machines: Toward a theory of epistemic co-agency — toward a theory of epistemic co-agency

• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — theorizing a structural gap in AI-native students' self-assessment

• Agentivism: a learning theory for the age of artificial intelligence — a mid-range learning theory for human-AI interaction

• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — instrument development across a young construct

• Control vs. Agency: Exploring the History of AI in Education — the field's foundational control-versus-agency tension