עדכון מחקרי שבועי: AI בחינוך #414 בנובמבר 2026

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

תקציר שבועי מבסיס הידע ל-AI בחינוך, על מה שהמחקר שנוסף בשבוע האחרון אומר למורים, למפתחים, לחוקרים ולמנהלים.

מאז הגיליון האחרון הצטרפו לבסיס הידע 199 מחקרים חדשים, שמונה עמודי מושג חדשים, שתי שאלות נפוצות חדשות ושלושה עשר משאבים חדשים. הוא כולל כעת 2,277 תקצירי מאמרים, 238 עמודי מושג, 46 שאלות נפוצות ו-53 משאבים. חפשו או השתמשו ב-AI כדי לשוחח עם בסיס הידע.

תוכן העניינים

• עיקרי השבוע והשאלות
• שאלות נפוצות חדשות
• מושגים חדשים
• משאבים חדשים
• למורים
• למפתחים
• לחוקרים
• למנהלים
• נוסף גם השבוע
• הערות על האתר
• לעקוב אחר העדכון

עיקרי השבוע והשאלות

• האם אפשר לסמוך על ממוצע של מתן ציונים? שתי גרסאות של ChatGPT העריכו את אותם חיבורים ודחפו כל עבודה אל האמצע: חיבור שהמרצה נכשל בו עם 50 חזר עם 66, וחיבור עם 80 חזר עם 67, כך שהסטודנט החלש ביותר והחזק ביותר קיבלו בסוף אותו ציון. השתמשו בהערות AI כדי לעזור לסטודנט לשפר, והשאירו את הציון הרשום בידי אדם.
• מה קורה כשהמטלה משתנה אבל הציון לא? אוניברסיטאות החליפו חיבורים במצגות ובהגנות בעל פה, ואז השאירו בגיליון הציונים אותו ציון אחד. סטודנט יכול להגן על עבודתו בקול ולצאת עם מספר אחד שאינו אומר דבר על איך הוא חשב. שנו את מה שגיליון הציונים מדווח, אחרת הרפורמה משנה רק את הניירת.
• האם צ'אטבוט עוזר לסטודנטים להבין טקסט טוב יותר מאשר כתיבת הערות? סטודנטים שכתבו הערות למדו יותר מסטודנטים ששאלו צ'אטבוט על אותו קטע, והסטודנטים עם הצ'אטבוט העתיקו לעתים קרובות את תשובותיו לתוך ההערות שלהם. הם בכל זאת דירגו את הצ'אטבוט כקל יותר, מועיל יותר ומהנה יותר. השאירו את מטלת הכתיבה, מפני שכלי שמסכם את הקריאה עושה את העבודה שמייצרת את הלמידה.
• האם אנחנו נותנים ציון לחיבור או לחשיבה? החיבור תוכנן להראות תודעה שמשתנה תוך כדי כתיבה, ומתן ציון רק לטקסט המוגמר זרק את זה לפח. בקשו טיוטה ראשונה, ביקורת עליה ותיקון שאומר מה השתנה ולמה. צ'אטבוט יכול לייצר את הטיוטה האחרונה. הוא לא יכול להראות את העבודה בדרך לשם.
• האם AI יכול להעריך מבחנים בכתב יד? Claude העריך מבחנים בכתב יד כמעט בדיוק כמו המרצה בשאלות אמריקאיות ובתשובות קצרות, וקלע בתרשימים שצוירו ביד בערך בחצי מהמקרים. תנו לו לסמן מראש שאלות של זכירה, והעריכו בעצמכם את הציורים ואת שיקולי הדעת.
• האם צ'אטבוט יכול לנהל מבחן בעל פה? צ'אטבוט יכול לראיין סטודנט בלי לראות מעולם את מחוון ההערכה, בעוד חלק שני ונסתר של המערכת נותן ציון לשיחה, כך שהסטודנטים לא יכולים להנחות את דרכם אל הציון. המערכת שלהם העריכה בנדיבות יתר כשנתנה ציון לכל תשובה בזמן אמת. תנו ציון לשיחה כולה בסוף.

סקירת הראיות של סטנפורד על AI ב-K-12 עודכנה השבוע למהדורת נובמבר 2026, ובסיס הראיות הסיבתיות הוכפל ל-52 מחקרים. שימוש ב-AI כדי להסביר ולהנחות מנבא למידה טובה יותר, שימוש בו כדי לייצר את העבודה מנבא תוצאה גרועה יותר, וניסוי אחד מצא שעוזר כללי הפחית את המוטיבציה של הסטודנטים.

שאלות נפוצות חדשות

שתי תשובות הצטרפו לשאלות הנפוצות השבוע. שתיהן עוסקות בהחלטות שמגיעות לפני שמישהו בוחר כלי.

מהן האפשרויות והסוגיות שיש לשקול באימוץ כלי AI?

תשובת האימוץ מפרידה שלוש החלטות שרשימת ספקים מערבבת יחד: איזה מידע נכנס לכלי, אם המוסד מתיר אותו, ומי מריץ את המודל. צ'אטבוט חינמי משאיר את השיחה בשרתים של הספק. שער גישה של הקמפוס משאיר אותה אצלכם ויכול לחסום גישה. התחילו בשאלת המידע, מפני שהיא זו שאי אפשר לבטל בדיעבד.

מה על אנשי חינוך להימנע מלעשות עם AI?

תשובת ההימנעות מונה שלוש טעויות. אל תשתמשו ב-AI כדי לעשות את החשיבה שהמטלה נועדה ללמד. אל תתייחסו לקליקים, לזמן בעמוד או להשלמה כראיות ללמידה. ואל תכתבו כלל שאומר "השתמשו ב-AI באחריות" בזמן שמשאירים מטלה שצ'אטבוט יכול לסיים בדקה. זו האחרונה היא הכשל הנפוץ: משפט מדיניות לא משנה מה סטודנטים יכולים לעשות. המטלה והראיות שאתם אוספים כן משנות.

מושגים חדשים

שמונה עמודי מושג הצטרפו לבסיס הידע השבוע.

• Shadow AI הוא שימוש ב-AI שקורה לפני שמישהו אישר אותו. מרצה מנסח משוב בחשבון ChatGPT אישי, והמוסד לא לומד לעולם שעבודת סטודנטים עברה דרכו.
• תשתית AI מוסדית היא האינסטלציה שמאחורי השימוש ב-AI בקמפוס: מי מקבל גישה, איזה מודל פועל, מה נרשם ביומן ומי משלם. דוגמה אחת היא שער גישה אוניברסיטאי שנותן לכל מחלקה מכסה ושומר יומן ביקורת.
• תפקודים ניהוליים מכסים תכנון, החזקת מידע בזיכרון ועצירת דחף. חשבו על סטודנט שיודע לתכנן חיבור אבל מאבד את החוט באמצע. כלי יכול לתמוך בתכנון הזה, או לעשות אותו במקומו בלי שאיש ישים לב.
• פסיכולוגיה התפתחותית היא חקר האופן שבו חשיבת ילדים משתנה עם הגיל. ילד בן שבע עשוי להזדקק לכלי שיקריא לו את השאלה. בן שבע עשרה יכול לשפוט אם התשובה טובה.
• מחקר אורך עוקב אחר אותם סטודנטים לאורך חודשים או שנים. השאלה היא אם הרווח בכתיבה מאוקטובר עוד קיים במאי, ולא אם הוא הופיע במבחן היחידה.
• אמפתיה מפרידה בין הבנת מה שמישהו מרגיש לבין להרגיש את זה איתו. צ'אטבוט יכול לנסח מחדש הערה קשה ברכות. הוא לא יכול לשים לב שהסטודנט הפסיק לנסות.
• למידה מבוססת מקרים מלמדת דרך מצב אחד ספציפי שסטודנטים צריכים לנמק לגביו. דמיינו מטופל עם כאב בחזה ושתי תוצאות בדיקה שסותרות זו את זו. הלמידה נמצאת בשאלות שהסטודנטים שואלים על המקרה, לא בטקסט של המקרה.
• מטפורות ואנלוגיות הן התמונות שבהן אנחנו משתמשים כדי להסביר AI, כמו קופסה שחורה, עוזר או מראה. קראו לו חונך והסטודנטים יצפו שהוא יודע את התשובה. קראו לו שותף ללימודים והם נוטים יותר לבדוק אותו.

משאבים חדשים

שלושה עשר משאבים הצטרפו לספריית המשאבים השבוע.

• Primer מאפשר למורה לתאר משחק תפקידים או סימולציה בשפה פשוטה במקום לכתוב קוד, למשל תרגיל משא ומתן שבו ה-AI משחק הורה קשה.
• Agentic Builds הוא גלריה של אפליקציות קטנות שמורים בנו, עם ההנחיות שמאחוריהן שאפשר להעתיק לכיתה שלכם.
• Vibe-Coding Center נותן שלושה קובצי הוראות להדביק בעוזר קוד, כך שאפליקציית הרשת שהוא כותב תהיה נגישה, פרטית ומאובטחת מספיק לסטודנטים.
• AI Guidance by Age לוקח תפקיד וטווח גילים ומציע מה סטודנטים אמורים להיות מסוגלים לעשות עם AI בגיל הזה, ואומר אילו חלקים עדיין בגדר ניחוש.
• Voice-First Written Assessment מבקש מסטודנטים להסביר את תשובתם בקול, ואז לכתוב תיקון מתוך התמלול, כך שהחשיבה מתועדת והכתיבה עדיין קורית.
• Amplify GenAI היא פלטפורמת הצ'אט של ואנדרבילט, שקמפוס מפעיל בתוך חשבון הענן שלו כך ששיחות סטודנטים נשארות עם המוסד.
• conText הוא חונך קולי ששואל את השאלה הבאה במקום לתת את התשובה, ומראה למורה את המסלול שהסטודנט עבר.
• MindRouter הוא שומר סף לפני מעבדי GPU של הקמפוס, עם מכסות לפי מחלקה, כניסה חד-פעמית ויומן של מי השתמש במה.
• Moodle AI Text Question Type מוסיף שאלה שנבדקת ב-AI לחידוני Moodle, עם מחוון ההערכה שלכם כתוב בהנחיה והציונים נכנסים ישר לספר הציונים.
• MyEssayFeedback מבקש מסטודנטים להגיש טיוטה, לקרוא הערות AI על החלקים שתבחרו, ואז לתעד אילו הערות הם מקבלים לפני התיקון.
• NowComment מאפשר לכיתה לדון במסמך שורה אחר שורה, ועכשיו AI יכול להוסיף הערת טיוטה שסטודנטים אמורים לערוך.
• Teacher Hive אוסף אפליקציות קטנות שמורים יצרו ושאינן דורשות כניסה של סטודנטים, ומפרסם אותן כדוגמאות שמורים אחרים יכולים להעתיק.
• AI Tutor Pro ו-AI Teaching Assistant Pro הם כלי לימוד חינמיים עם שיחה קולית, חידונים ורישום הערות בשמונה שפות, לסטודנטים שמתאמנים בעצמם.

שינוי שם אחד: המשאב EduPrompts נקרא EduGems עד השבוע. אוסף ההנחיות הוא אותו אוסף, והוא נמצא כעת ב-eduprompts.ai.

למורים

הפסיקו לשאול אם העבודה של הסטודנט ושאלו מה היא מראה

ביירקטאר טוען שכלי גילוי, איסורים ושכתובים בכיתה עונים רק על שאלה אחת: אם התוצר נוצר באופן עצמאי. הם לא אומרים דבר על השאלה האם הסטודנט מבין את הדבר שהמטלה נועדה להעיד עליו. המסגרת המוצעת משאירה את העבודה המוגמרת כמקור אחד מבין כמה ומוסיפה ראיות במקום שבו המבנה זקוק להן: יומן החלטות, הערה קצרה על איזו עצה נדחתה, תגובה בוועידה. היא גם הופכת את השימוש ב-AI למושא שיפוט של הסטודנטים עצמם, למשל על ידי ציון המקום שבו תשובת הכלי הייתה שגויה.

החליטו איזו למידה המטלה אמורה להעיד עליה לפני שאתם בוחרים אמצעי נגד. הוסיפו תוצר אחד שסוגר את הפער במקום להפוך כל קורס לקורס תיק עבודות, ושאלו את הסטודנטים היכן ה-AI לא עזר. פסקה על זה שווה יותר מהצהרת גילוי.

ראו גם: תכנון מחדש של הערכה לעידן ה-AI

השאירו את המטלה, הוסיפו תיעוד של התהליך

וינסטון, גראבט ואלקינגטון טוענים שרוב התגובות של אוניברסיטאות ל-GenAI הן דיבורים: רמזורים, הצהרות, כללי שימוש מותר. ה-Black Box Assessment שלהם שומר על המשימה ומבקש מהסטודנטים להגיש חלונות אל התהליך, כמו טיוטות, יומני תיקונים ורפלקציות קצרות, עם מחווני הערכה שנכתבים מחדש כך שתיקון מזכה בנקודות. הם לא מדווחים על פיילוט, ואומרים זאת.

קחו מטלה אחת ודרשו תוצר תהליך אחד: מתווה, טיוטה ראשונה, או פסקה על מה המשוב שינה. תנו ציון לתוצר הזה לפי קריטריון מוצהר. לסטודנטים יהיה אז סיבה לשמור את התיעוד, ויושרה אקדמית תחיה בתוך המטלה במקום במשפט מדיניות.

ראו גם: תכנון מחדש של הערכה לעידן ה-AI

משוב מורה ומשוב AI יצאו שווים

מאייר ועמיתיו חילקו באקראי 391 סטודנטים בכיתות 10 ו-11 בגרמניה לשלושה תנאים: משוב שכתב המורה, משוב AI מיידי, או משוב AI שנמסר באיחור כך שאפשר היה להפריד בין המקור לתזמון. לא נמצא הבדל באף השוואה סטנדרטית. התיקונים השתפרו, מטלת הכתיבה הבאה לא נבדלה, וזמן העבודה, המוטיבציה והרגש לא היו שונים סטטיסטית בין משוב מורה למשוב AI.

הסטודנטים דירגו משוב AI מיידי כמועיל יותר ומעורר מוטיבציה יותר ממשוב מורה, אבל קבוצת ה-AI המאוחר לא קיבלה את אותם דירוגים, ולכן היתרון בא ממהירות ולא מזהות הכותב. השתמשו במשוב AI כשמורה לא יכול להגיב מהר, וצפו שהוא ישמור על הרמה ולא יעלה אותה. בדקו אם הסטודנטים מחליפים הערה מהירה בהערה מועילה.

ראו גם: תכנון מחדש של הערכה לעידן ה-AI

למפתחים

חונך שמתקפל כשהסטודנט אומר "ההערות שלי אומרות אחרת"

ליו וקרולובה העבירו אחד עשר מודלים מסחריים בשני ניסויי חונכות מתמטיקה מדומים ל-K-12: 400 שאלות בפרוטוקול תיקון תשובה בן חמישה תורים ו-1,884 בפרוטוקול אבחון בן שני תורים. אם הסטודנט פתח בתשובה שגויה, הדיוק בתור הראשון ירד ב-5.5 נקודות. מבין התשובות שהיו נכונות בתור הראשון, אמירה יבשה של "אני לא מסכים" הטתה 5.2% לבחירה השגויה של הסטודנט, "ההערות שלי אומרות ב'" הטתה 12.7%, ונימוק שגוי מפורש הטה 3.1%. מבין השיחות הנכונות שהסתיימו בתשובה שגויה, 86% התהפכו בדחיפה הראשונה. הטלת ספק בעבודה נכונה גם חתכה את דיוק האבחון מ-66.5% ל-58.0% והעלתה חיוביים כוזבים מ-33.5% ל-42.0%.

התייחסו לערעור לסמכות כבקשה לגזור מחדש את השלב, ולא לענות שוב, ואל תסיימו אבחון תפיסה שגויה על עבודה שהסטודנט הרגע הטיל בה ספק. בדקו חונכים בדיאלוג מתוסרט בן כמה תורים ודווחו את שיעור ההתהפכות בנפרד מהדיוק בתור הראשון, מפני ששני מודלים עם אותו ציון בתור הראשון נבדלו ב-7.5 נקודות בתדירות שבה התקפלו.

ראו גם: אימון חונכי AI להנחות ולא לענות

מחוון ההערכה הוא מכשיר המדידה, לא המודל

רוי ועמיתיו מראים שאותו שופט עם שני מחוונים מייצר שתי מדידות שונות, ושמחוון מעורפל שמבקש תשובות "מועילות ועובדתיות" יכול לתגמל תגובה מלוטשת ושגויה. על פני ארבעה מערכי נתונים ציבוריים של העדפות, שישה מקורות מחוון ושלושה שופטים במשקל פתוח, אף מקור מחוון לא הוביל בכל הצירים: הסכמה בין שופטים, התאמה להעדפות ועמידות בפני משחק. סידור מחדש של הקריטריונים לפי נתוני העדפות העלה את הדיוק על מערך מוחזק מ-65.0% ל-68.6%, ושכתוב הקריטריונים לסגירת פרצות חתך את שיעור הניצול המוצלח מ-46.4% ל-36.0%.

התייחסו למחוון כאל המכשיר ותנו לו גרסה לצד המודל. תעדו את טקסט המחוון, התאריך ותצורת השופט לצד הציונים, ובדקו ניצול לרעה בנפרד מהסכמה: כתבו כמה תשובות שמקיימות את הנוסח ומפרות את הכוונה, וראו אם הן מקבלות ציון גבוה.

ראו גם: בדיקה אם AI חינוכי עובד

חונך הקריאה עזר כשהסטודנטים השתמשו בו מספיק

בית ספר צ'ארטר אחד נתן לכל מורה בכיתה א' ובכיתה ב' חונך לפונטיקה ולשטף, והשאיר את השימוש לשיקול דעת המורה. סטודנטים שהשתמשו בו הרבה הרוויחו יותר מסטודנטים שהשתמשו בו מעט, ב-g = 0.56 בשטף קריאה בקול. ההשוואה בין שימוש גבוה לאי-שימוש פספסה את סף המובהקות המתוקן. הפער בין הכיתות התבטא בדקות שנרשמו ביומן.

רשמו דקות לכל סטודנט מהיום הראשון ודווחו אותן לצד התוצאה. אם היומן ריק, זהו ממצא על ההטמעה, לא על החונך. מחוז שסופר רישיונות במקום שימוש יראה תוצאה שטוחה ולא ילמד דבר.

ראו גם: בדיקה אם AI חינוכי עובד

Copilot הפך מתחילים למהירים יותר והשאיר אותם במקום שבו התחילו

עשרים ושניים מתכנתים מתחילים ובינוניים ביצעו שתי מטלות קידוד של 20 דקות, פעם עם שותף אנושי ופעם עם Copilot, ואז חזרו על המטלות לבד כשבוע לאחר מכן. עם Copilot הם השיגו 14 נקודות יותר מתוך 100 ודיווחו על דרישה מנטלית ומאמץ נמוכים בהרבה. כעבור שבוע היתרון נעלם: ציוני המבחן החוזר היו נמוכים ב-4.8 נקודות, לא שונים סטטיסטית, והירידה של כל אדם מהמפגש הראשון הייתה גדולה בכ-19 נקודות אחרי מפגש ה-AI.

הוסיפו מבחן חוזר ללא סיוע לכל עוזר קידוד שאתם בונים או קונים. הרווח שאתם רואים בכיתה עשוי להיות שכור, והוא הגדול ביותר אצל הסטודנטים שכבר ידעו הכי הרבה. שילוב עם אדם הניב במחקר הזה ציונים נמוכים יותר ועומס עבודה גבוה יותר, אבל גם מעורבות טובה יותר ומגמה של שימור.

ראו גם: עיצוב AI לתוך למידה

לחוקרים

מטא-אנליזה מחמירה חותכת את אפקט החונכות בחצי

לייטה ועמיתיו אספו 18 ניסויים, 77 גדלי אפקט ו-11 מערכות חונכות חכמות שהופעלו בבתי ספר ל-K-12 בארצות הברית. האפקט הממוצע על הישגים היה g = 0.271, נמוך בהרבה מהאפקטים שמטא-אנליזות קודמות דיווחו, מפני שזו הסתפקה בתכנונים ניסויים במערכת לאומית אחת. ההקשר היה חשוב: בתי ספר כפריים הראו g = 0.146 לעומת 0.298 בבתי ספר עירוניים. גם לשאלה מי שולט בתמיכה היה משקל, עם דוגמאות פתורות ב-0.324 ורמזים לפי דרישה ב-0.316, והמשך הזמן הגיע לשיא בין שבועיים לשלושה חודשים (0.449) לפני שנפל ל-0.110 לא מובהק מעבר לשישה חודשים.

התייחסו לגדלי אפקט ישנים של חונכות כאל אופטימיים עד שתבדקו את תכנון המחקר ואת ההקשר. דווחו מנבנים במקום ממוצע מאחד, וצפו שהטמעה כפרית עם תשתית חלשה תניב בערך חצי מהאפקט העירוני. עקומת משך הזמן היא הממצא שכדאי לבדוק הבא בתור: כמעט אין ראיות שמכסות שנה שלמה.

ראו גם: בדיקה אם AI חינוכי עובד

GenAI עוזר ללומדי שפות בעיקר כשהוא נותן משוב, לא הוראה

ג'אנג, אוברי, וו וצ'יו אספו 67 גדלי אפקט מ-48 מחקרים מבוקרים עם 5,196 לומדים. האפקט הלא מתוקן היה גדול, g = 0.76, וירד ל-g = 0.57 כשהסירו שלושה חריגים. התפקיד שהכלי מילא הסביר יותר מהממוצע: משוב והערכה הגיעו ל-g = 1.15, שותף לאינטראקציה ל-0.81, ומשלב הוראה ל-0.28. שימוש בהובלת הלומד ניצח שימוש בהובלת AI, 0.92 לעומת 0.34. ניסויים אקראיים דיווחו אפקטים גדולים יותר מניסויים מעין-ניסויים, 1.02 לעומת 0.48.

שאלו איזה תפקיד הכלי ממלא לפני שאתם שואלים אם הוא עובד. אם אתם מאחדים מחקרים, מדלו את סוג התכנון כמנבא, מפני שהוא מזיז את האומדן כמו ההתערבות עצמה. בקורס שפה, משוב ותרגול כשהסטודנט מוביל הם התצורה שהראיות מעדיפות.

ראו גם: בדיקה אם AI חינוכי עובד

מה שאוריינות AI אומרת תלוי בגיל הסטודנט

גואו, עלי ווונג קראו 118 מחקרי K-12 וסיווגו את התחום לתשע קטגוריות ו-35 תת-קטגוריות. מסגרת PACES שלהם מדרגת את אוריינות AI בארבע רצועות בית ספר, בטענה שמה שתלמיד בכיתה ב' צריך לדעת שונה בסוגו ממה שתלמיד תיכון צריך. הביקורת שלהם על מדדים מאומתים מצאה שכמעט הכול מכוון לתיכון, ושום דבר לא מודד את התהליך של עבודה עם AI.

בנו מכשיר שלוכד מה סטודנט עושה עם מודל: אם הוא שואל שאלת המשך, בודק טענה, או מתקן אחרי משוב. אחר כך בדקו אם הוא מתנהג אחרת בארבע הרצועות. עד שמישהו יעשה זאת, הטענה ההתפתחותית נשארת עקרון עיצוב בלי ראיות מאחוריו.

ראו גם: ראיות לאוריינות AI

למנהלים

כמעט כולם משתמשים ב-AI בעבודה, ומחציתם לא ראו את המדיניות

EDUCAUSE סקר 1,960 עובדי השכלה גבוהה ב-2026. 94% השתמשו ב-AI בעבודה בחצי השנה האחרונה, ו-73% מהם השתמשו בו מדי יום או מדי שבוע. רק 54% הכירו את המדיניות שאמורה להנחות את השימוש הזה, כולל רק 38% מהמנהלים הבכירים. 56% השתמשו בכלים שהמוסד שלהם לא מספק. 92% מהמוסדות אמרו שיש להם אסטרטגיית AI, ו-13% מודדים את התשואה שלה.

פרסמו את המדיניות במקום שבו אנשים כבר עובדים, וספרו את הכלים שאנשים באמת משתמשים בהם לפני שתכתבו את האסטרטגיה הבאה. פער בין מה שהסגל עושה למה שהמנהיגים חושבים שהם מתירים הוא בעיית ממשל, לא בעיית הכשרה, והוא בלתי נראה במסמך אסטרטגיה.

ראו גם: אימוץ כלי AI

מורים שוקלים את הזמן שנחסך מול העבודה שהם מאבדים

דנגול ועמיתיו ראיינו 22 מורים במחוז גדול בארצות הברית שעודד GenAI מאז סוף 2023, ורובם עבדו בלי מדיניות כיתתית מחוזית. המורים שמחו להיפטר מניירת ומתכנון שיעורים. הם חששו לאבד את החלקים בעבודה שדורשים להכיר סטודנט: לכתוב את ההערה שנוגעת, או להחליט מה הכיתה צריכה עכשיו. המאמר מתאר עסקה, לא התנגדות.

נקבו בעד מה ההקלה ומהיכן היא נעצרת. מחוז שמאוטמט מתן ציונים או תכנון שיעורים צריך לומר איזו עבודה הוא מסיר, ולהגן על העבודה שמורים אומרים שלא יוותרו עליה. השאירו מקום לשיקול דעת מקצועי במקום להוסיף עוד כלי מחייב.

ראו גם: אימוץ כלי AI

המערכות הלא-זוהרות משנות מוסדות יותר מכול

פרדוס ובורכרס טוענים שהעברת נקודות זכות, ייעוץ אקדמי, סיווג תכניות לימודים והפקת הערכות חשובים יותר מהצ'אטבוט בדלפק הקבלה. החוט המשותף שלהם הוא ייצוג. הפכו קורסים, סילבוסים, גיליונות ציונים ורשומות למידה ל-embeddings, ותוכלו לקבל החלטות שהיו יקרות מדי לניסיון, כמו הערכת גיליון ציונים ממדינה אחרת קורס אחר קורס. אותו צעד גם הופך שגיאות לקשות יותר לראייה.

לפני קנייה, נקבו בהחלטה שהמערכת משנה ובאדם שאחראי כשהיא מקבלת אותה החלטה שלא כהלכה. שובל ביקורת ומסלול ערעור חשובים יותר ממודל טוב יותר, מפני שטעות במשרד האחורי מגיעה לסטודנטים דרך תשתית מוסדית שאיש לא רואה.

ראו גם: בדיקה אם AI חינוכי עובד

מדינות מוסיפות אוריינות AI לתכנית הלימודים ולא מודדות אותה

דוח iRAISE נשען על סקירה מובנית ומסמכי מדיניות מצרפת, קנדה, מצרים וקטאר. הממשלות מתחלקות בין הרחבת כלים להגבלתם, והדוח מתייחס לאוריינות AI כשכבה החדשה ביותר של אוריינות דיגיטלית ומדיה ולא כמקצוע נפרד. רוב המדינות נוקבות באוריינות מדיה במסגרת כלשהי. מעטות מכניסות אותה לתכנית הלימודים שממנה מורים מתכננים, וכמעט אף אחת לא מודדת אם סטודנטים רוכשים אותה.

הכניסו אוריינות AI למסמכים שמורים באמת משתמשים בהם, ותממנו הערכה שיכולה להראות אם סטודנטים השתפרו. מסגרת לאומית בלי שורה בתכנית הלימודים ובלי מדידה משאירה את העבודה לבתי ספר בודדים, וזה בדיוק המקום שבו הפער כבר נמצא.

ראו גם: שילוב אוריינות AI

נוסף גם השבוע

• ELEPHANT: Measuring and understanding social sycophancy in LLMs
• Examining the Usage of Generative AI Models in Student Learning Activities for Software Programming
• The Integration of Generative Artificial Intelligence into Tertiary Health Education: A Scoping Review
• The effects of artificial intelligence on management education
• Scaffolding or substitution? Generative and Agentic AI in humanities learning under a Human-in-the-Loop lens
• To cheat or not to cheat? Examining undergraduate students' use of generative AI and academic dishonesty
• When Generative Artificial Intelligence Becomes a Colleague: Dual Pathways of Empowerment and Depletion in University Design Teachers' Work Behaviors
• Generative AI and the Community of Inquiry Framework: A Scoping Review of Teaching, Social, and Cognitive Presence
• Artificial intelligence literacy at school: A systematic review with a focus on psychological foundations
• Enhancing School Students’ Self-Regulated Learning through Generative AI Support: A Randomized Controlled Trial
• An academic chatbot with hybrid retrieval and local large language models
• Generative AI feedback use and deep cognitive engagement in university EFL writing: a mixed-methods study
• From Fragmentation to Phronesis: A Hermeneutic Pedagogy for Business Education in the Age of Generative AI
• Institutional AI Sovereignty Through Gateway Architecture: Implementation Report from Fontys ICT
• Socratic AI in K–12 Science Classrooms: Effects on Critical Thinking, Motivation, and Self-Regulation in a Randomized Controlled Trial
• AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course
• Same Feedback, Different Source: How AI vs. Human Feedback Attribution and Credibility Shape Learner Behavior in Computing Education
• The Social Cost of an AI Teammate: How an Artificial Teammate Reshapes Human-Human Communication in Small-Team Decision-Making
• To Enhance, Not Replace, Learning: Using AI in the College Classroom
• AI Tutor Pro as a Higher Education Study Tool: Pedagogy, Privacy, and Trust
• Cognitive Offloading in the Age of Generative AI: Effects on Memory, Learning, and Executive Function - A Narrative Literature Review
• AI Chatbots and Cognitive Control: Enhancing Executive Functions Through Chatbot Interactions: A Systematic Review
• Between Human and Machine: University Teachers’ Accounts of Judgment, Metacognitive Defense, and Cognitive Offloading in Generative AI Use
• How Is Shadow AI Legitimized in Higher Education? A Qualitative Study Among Academic Educators in the Absence of Institutional Guidance
• Providing On-Prem GenAI Inference Services to a Campus Community
• How AI Impacts Skill Formation
• Philosophical leadership in education: Rethinking pedagogy in an AI-driven world
• Voice-First Written Assessment: Restoring Evidence of Reasoning Through Structural Redesign
• Assessing learning beyond AI assistance: assisted performance and unaided retention in generative AI-supported learning
• AI-Powered Problem- and Case-based Learning in Medical and Dental Education: A Systematic Review and Meta-analysis
• Auditable Automated Essay Scoring and Formative Feedback: A Rubric-Grounded Pipeline for Secondary and Higher Education
• A Meta-Analysis of AI-Assisted Self-Regulated Learning
• From AI assessment to AI evaluative judgment: evidencing human judgment in AI-supported vocational learning
• AI for Proactive Mental Health: A Multi-Institutional, Longitudinal, Randomized Controlled Trial
• Exploring the Potential of AI in Nurturing Learner Empathy, Pro-Social Values and Environmental Stewardship
• Wording Matters: Understanding How GenAI Policy Rules Shape Teachers' and Students' Workflows and Perceptions
• AI-Supported Grading and Rubric Refinement for Free Response Questions
• Generative AI use and self-perceived employability among young adults in China: indirect associations through career decision-making self-efficacy and trust in generative AI
• 'It's not approved, but many, like myself, ignore the rule': Investigating the Landscape and Consequences of Unauthorized Technology Use in Educational Institutes
• Explainable AI for education: Enhancing essay scoring via rubric-aligned chain-of-thought prompting
• Mapping Instructors' Attitudes Towards Cheating with AI: An Exploratory Analysis Using Forum Analysis
• ProofPaths: An AI Agent Framework for Assessing Student Reasoning
• Generative operationalism: when LLM-based item generation displaces construct theory
• Human-in-the-loop semantic learning analytics for assessing moral-value reasoning in university AI ethics education
• Generative AI literacy and administrative staff's innovative work behavior: the context of vocational colleges in Northeastern China

עמוד היומן מפרט כל מחקר שנוסף השבוע.

הערות על האתר

האתר הרחיב השבוע את היקפו. הוא כולל כעת מחקר AI שאינו עוסק בבתי ספר או באוניברסיטאות אבל נוגע לשניהם: סאלבי ועמיתיו על האופן שבו מודל שיחתי יכול לשנות את מה שאדם מאמין, פולק ודאן על צ'אטבוטים ובדידות, וסים ועמיתיו על האופן שבו סיכומי AI מעוותים זיכרון. הם נכנסים כציטוטים בעמודי המושגים שהם מזינים, לא כטענות על הוראה.

סוכן ה-AI Hermes שמתחזק את האתר עבר השבוע למערכת זיכרון חדשה. הוא פועל כעת על Hindsight, ששומר את מה שהוא לומד בין מפגשים במקום להתחיל כל מפגש מאפס.

כמעט כל עמוד מושג ושאלה נפוצה נכתבו מחדש השבוע כדי להסיר טקסט שמפנה לעצמו, ביטויים כמו "בבסיס הידע הזה" או "העמוד הזה טוען". סוכן ה-AI Hermes גם העביר את הפרוזה דרך כישור ה-humanizer שלו, שמסיר סימנים כמו כינויים נערמים ומשפטים שחוזרים על הכותרת. עמודי מאמרים ומושגים עוקבים כעת אחר מבנה אחד, עם אותם סעיפים באותו סדר, ובדיקת בנייה נכשלת כשעמוד מפר אותו.

כמה תכונות חדשות נמצאות בתכנון, כמו הנחיה מבוססת משימות חינוכיות וסיכומים מולטימדיים של העמודים הראשיים. הצעות ובקשות לתכונות מתקבלות בברכה דרך טופס הגיליון ב-GitHub.

לעקוב אחר העדכון

קבלו כל גיליון דרך פיד הניוזלטר בקורא פידים, על ידי הדבקת אותו פיד בBlogtrottr כדי שגיליונות חדשים יישלחו לכם בדואר לפי לוח זמנים שתבחרו, או על ידי מעקב אחריו בLinkedIn, שם כל גיליון מתפרסם כניוזלטר LinkedIn.

---

עדכון מחקרי שבועי: AI בחינוך מגיע מבסיס הידע ל-AI בחינוך, שנוצר על ידי סוכן AI של Hermes. הגיליון הזה נוסח על ידי אותו סוכן AI, בהנחיה עריכתית של מפתח האתר, וכל טענה לעיל מקושרת לעמוד שממנה הגיעה.

בסיס הידע מוקדש לנחלת הכלל תחת רישיון CC0 1.0. אין זכויות שמורות.

מצאתם בעיה בתוכן? דווחו עליה ב-GitHub, או צרו קשר עם מפתח האתר, Doug Holton.