כיצד עליכם לעצב שילוב של בינה מלאכותית בחוויית הלמידה?

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

התחילו ממטרת הלמידה ומתהליך הלמידה — לא מתכונת הבינה המלאכותית. מושג פדגוגיות ואסטרטגיות הוראה של מאגר הידע מדגיש שהבינה המלאכותית הזו יכולה לתפקד כפיגום, כשותף סוקרטי, כשותף למשוב, כסימולציה, או כיוצרת תשובות — כתלות בעיצוב ההוראה. מה שחשוב הוא האם ההגדרה משמרת את הפעילות שמייצרת את הלמידה המיועדת.

דפוס ברירת-מחדל חזק

דפוס ברירת-מחדל חזק הוא: הלומד מנסה ← הבינה המלאכותית תומכת ← הלומד מעריך או מתקן ← הלומד מדגים הבנה. באופן קונקרטי יותר:

• שמרו על כישלון פרודוקטיבי במקומות שבהם הוא משרת למידה.
• בקשו תחזית או פתרון ראשוני לפני שמוצג סיוע הבינה המלאכותית.
• העדיפו שאלות, רמזים, דוגמאות, נימוקים נגדיים ומשוב על השלמה מיידית.
• דרשו אימות של טענות קונסקוונטיאליות.
• שלבו הזדמנויות להסבר ולהוראה חוזרת (teach-back).
• דהו בהדרגה את התמיכה ככל שהמיומנות גדלה.
• שמרו הזדמנויות מסוימות נטולות-בינה מלאכותית כדי שהלומדים יוכלו לכייל את מה שהם מסוגלים לעשות בעצמם.

הסינתזה צמצום שימוש לרעה בבינה מלאכותית ממליצה באופן ספציפי על רצפים של "חשיבה-ראשונה/בינה-מלאכותית-שנייה/רפלקציה" ועל נקודות ביקורת הערכה מכוונות.

התאימו את תפקיד הבינה המלאכותית לרמת המעורבות הקוגניטיבית

אנלוגיית מכשיר-המטבח של Rummel, Nachtigall and Panadero מעצבת מחדש את שאלת העיצוב מהאם לומדים משתמשים בבינה מלאכותית יוצרת לכיצד השימוש הזה מעצב את מה שהם הופכים להיות. מיפוד ארבעה שימושים של מכשיר מטבח חכם על מקרי למידה באמצעות מסגרות הICAP וSAMR מניב סולם עיצובי: העברה חיצונית מוחלטת של מטלה, בלי עריכה או מעורבות ביקורתית, היא החלפה פסיבית והיא מסכנת באובדן מיומנויות ותלות-יתר; שיפור הנחיות ואימות צולב של פלטים דורש ידע קודם וווסדות עצמית (פעיל/הגברה); שימוש בבינה מלאכותית לסיעור מוחות, תיחום והערכה של עבודה מקורית הוא קונסטרוקטיבי/שינוי; ובינה מלאכותית כשותפת דיאלוג אמיתית לבנייה משותפת ומשוב אדפטיבי הוא אינטראקטיבי/הגדרה מחדש. המשמעות העיצובית ישירה: אותו כלי הוא מעקף במדרגה אחת ופיגום במדרגה הבאה, ולכן יש לציין את המצב המיועד במקום להעניק גישה כללית.

סדרו את העיצוב, אל רק הרשו את הכלי

Divjak, Svetec and Horvat ניתחו את הרצף המתוכנן של 29,064 פעילויות הוראה ולמידה ב-554 קורסים ומצאו דקדוק עיצובי נצפה: פעילויות מסוג רכישה (Acquisition) הן נקודת הכניסה הנפוצה ביותר והסוג הבודד הגדול ביותר (מעל 20%), סוג הלמידה עוקב אחר רמת בלום המיועדת (רכישה יורדת מ-~50% ברמה 1 ל-~20% ברמה 6, ייצור עולה מעל 20% ברמות 5–6), והמעבר החזק ביותר הוא הערכה ← דיון (0.332). שני לקחים לעיצוב AI: הבינה המלאכותית שייכת במקומות שבהם הרצף מתכוון לסוג פעילות ספציפי, ולא מצורפת בסוף; וכיוון שמשוב התקבץ עם שיתוף פעולה, עבודת קבוצה ונוכחות המורה, מבנים עמיתים וסינכרוניים יוצרים את רגעי המשוב שבהם תמיכת הבינה המלאכותית צריכה להתחבר במקום להחליף.

מסגרת "refrain, then amplify" של Torres-Sahli and colleagues דוחפת זאת לרמת התוכנית: מנועים מהכלי הגנרטיבי בזמן שיכולת מתגבשת, ומשחזרים אותו ברגע שהתלמיד מסוגל לנווט אותו, לשפוט מה שהוא מחזיר, ולענות עליו, עם נקודת ביקורת קשה-לזיוף בכל ציר. המכשירים נשלטים על ידי קריטריון של גיבוש-לעומת-העמסה — מותרים היכן שהם תומכים בעבודה מעורבת, אסורים היכן שהם מזיזים את תשומת הלב. הדבר הופך החלטות העמסה לשאלה של תוכנית לימודים וממשל שקדמה, ולא נגררת, לעיצוב ברמת הקורס.

ההתאמה הבונה מגיעה ראשונה

ניתוח הדיסקורס של McInnes and colleagues של 14 קטעי הדרכה להשכלה גבוהה מזהיר שייעוץ הממוסגר כיעילות — שימוש בבינה מלאכותית יוצרת לניסוח מטרות, רובריקות ותוכניות קורס — מייצר התאמה שנראית מתאימה תוך הזנחת החצי ה"בונה": מטרות, פעילויות והערכה המיוצרים כפריטים נפרדים ולא כפריטים תלויים זה בזה. התרופה שלהם היא סידור מחדש, לא איסור: מחנכים צריכים להבין התאמה בונה היטב דיים כדי לנווט, לחקור ולדחות פלט של בינה מלאכותית לפני שהם מאצלים כל חלק ממנו, כיוון שהרגל קבלת-משטח המבוסס על סבירות הוא אותו כישלון הערכה שמרצים מזהים מפני תלמידים. היכן שבינה מלאכותית נמצאת בשימוש, הם טוענים בעד מערכות מוגבלות מוסדית ומוגברות-אחזור המוגדרות סביב מדיניות מקומית ותקני איכות, ולא סביב ברירות מחדל גנריות שאומנו באינטרנט.

העיקרון הרחב יותר

העיקרון הרחב במסגרת חינוך ה-AI העקרונית הוא שטכנולוגיה צריכה להגביר ולא להחליף יכולות אנושיות שהחינוך מתכוון לפתח. ראו גם עיצוב הוראה, למידה פעילה ופיגום.

עבור ברירות המחדל הפדגוגיות שקובעות אם אינטראקציה מעוצרת משמרת למידה, ראו כיצד אוכל לצמצם רמאות בבינה מלאכותית בקורס שלי? וכיצד אתכנן מחדש הערכה כך שציון עדיין יגיד לי משהו הגני על מה שהסטודנט יודע או יכול לעשות?; עבור כיצד אותם עקרונים מגבילים את התוכנה עצמה, ראו מהן השיטות הטובות ביותר והטיפים לעיצוב תוכנה חינוכית יעילה מבוססת בינה מלאכותית?, ועבור תרגומם לארכיטקטורה של מורה AI, ראו מהן שיטות העבודה המומלצות לפיתוח חונך בינה מלאכותית אפקטיבי?.