שילוב בינה מלאכותית במוסדות להשכלה הגבוהה

על מה מדובר?

דוח מינרווה (יוני 2023) נכתב בגל הראשוני של חדירת כלי הבינה המלאכותית להוראה, ללמידה ולניהול אקדמי. הוא ממפה את ההזדמנויות והאתגרים הראשונים ומשרטט עקרונות פעולה למוסדות. בשלוש השנים שחלפו מאז השימוש התרחב מאוד והמוקד עובר מאימוץ ראשוני לאופטימיזציה, אתיקה ומדיניות. עם זאת, הדוח מספק תשתית חשובה להבנת נקודת הפתיחה בישראל ועקרונות שחלקם עדיין רלוונטיים.

מה למדנו מהדוח?

• לא לאסור – לאמץ בחוכמה. הניסיון לאסור/להגביל שימוש בבינה מלאכותית משקף חוסר הבנה של קצב האימוץ והעלות של מניעה; עדיף לאמץ באופן מושכל ולכוון את השימוש.
• שינוי פרדיגמה פדגוגי.  מודלים מחוללי-תוכן מחייבים עיצוב מחדש של הוראה, למידה והערכה (פחות זכירה, יותר חשיבה, פרויקטיות ומיומנויות עתיד).
• למידה מותאמת אישית. מערכות AI מאפשרות התאמת תרגול, משוב ותהליכי הערכה לכל סטודנט/ית (בתנאי שיש תשתיות ומדיניות נתונים).
• אתיקה, שקיפות והוגנות. יש צורך בגופי פיקוח מוסדיים שיבחנו פרטיות, הטיות אלגוריתמיות, זכויות יוצרים והסכמה מדעת לשימוש בנתוני לומדים.
• היערכות מוסדית כוללת. הדוח קורא לאסטרטגיה כלל-מוסדית, להקצאת משאבים, להכשרת סגל ולהגדרת מיומנויות שלא ניתן “להפקיד” בידי מודלים.

כיצד ניתן ליישם זאת באקדמיה?

1. להתחיל מפיילוטים ממוקדים (2–3 קורסים) עם יעדי למידה ומדדי הצלחה ברורים, למשל משוב אוטומטי מונחה-מרצה, סימולציות ותרגול כתיבה/ניתוח.
2. להכשיר סגל בשתי שכבות:: סדנאות מבוא מעשיות לכלל הסגל + קליניקות מתקדמות לפיתוח מטלות והערכה משולבת בינה מלאכותית.
3. לנסח מדיניות מוסדית אחידה: מטרות השימוש, כלים מותרים, מסגרות פרטיות-נתונים, הנחיות לסטודנטים, התייחסות להטיות, ולשימוש הוגן.
4. להקים מרכז ידע פנימי(Knowledge Hub) : מדריכים, תבניות מטלות, מאגר דוגמאות, קהילה מקצועית לשיתוף וללמידה עמיתים.
5. למדוד ולהתאים: לוחות מחוונים (dashboards) ללמידה, שימוש והוגנות; עדכון תקופתי של המדיניות בהתאם להתקדמות הטכנולוגית והרגולטורית.

לקריאת הדו״ח באנגלית