מאת קרן טייטר
קרן טייטר, יועצת ומדריכה טכנו-פדגוגית במכון מופ"ת,
וחוקרת עיצוב משימות הערכה בעידן הבינה המלאכותית, בפקולטה לחינוך למדע וטכנולוגיה בטכניון בהנחייתה של ד"ר רינת רוזנברג קימה
האתגר: עבודות הנעשות עם AI וצורך בהערכה מחודשת
הדילמה המרכזית המעסיקה כיום מרצים ואנשי חינוך: כיצד ניתן להעריך עבודות המוגשות על ידי סטודנטים שנעשות, בחלקן או במלואן, באמצעות כלי GenAI?
שיטות ההערכה לאורך העשורים האחרונים כללו מבחנים אך הם זכו לביקורת שהם לא תמיד בודקים את ההבנה של התלמידים, בהמשך עברו להערכה באמצעות עבודות והערכה חלופית. אולם, כניסת ה-GenAI יצר "מסלול עוקף" חדש ומהיר. סטודנטים יכולים כעת "לקצר דרך" ולהשתמש בבינה המלאכותית במענה על משימות/ עבודות ולהגיע ל"סוף המסלול" מבלי שנוכל לדעת בוודאות אם התקיימה למידה עצמאית ואותנטית.
בספרות המקצועית מתוארים מודלים ומתודות שונות היכולות לתת מענה לאתגר. במהלך החודשים האחרונים בהם העברתי סדנאות וקראתי מחקרים שונים בנושא, הצעה אחת תפסה את עיני יותר מהכל – שילוב של מספר תוצרי ההערכה עם הלימה ביניהם.
תוצרי ההערכה צריכים לשלב:
ממדים חזותיים וטקסטואליים (כגון ניתוח תמונות, גרפים, מצגות או וידאו) כדי לאפשר ביטוי מגוון של הידע.
קישור ישיר לתוכן שנלמד בפועל בכיתה או שהופיע בחומרי הלמידה, כדי להוכיח שליטה והבנה בהקשר האקדמי הרלוונטי.
ביטוי אישי רפלקטיבי – כולל התייחסות לחוויות פרטיות, נקודות מבט אישיות, ומסקנות של הלומד עצמו – כך שיתאפשר להבחין בקול האנושי ובחשיבה העצמאית שמעבר לשימוש בטכנולוגיה…
(Based on the suggestions of Chen, 2023; and Rudolph et al., 2023, as cited in Foung et al., 2024).
כאשר התנסיתי בכך בעצמי וביקשתי מהסטודנטים שלי להגיש שלושה תוצרים בהתאם לעקרונות אלו, נוכחתי לגלות שגם כאשר נעשה שימוש בבינה מלאכותית להכנת המצגת או לכתיבת הדוח, עדיין יכולתי להבחין בלמידה אותנטית. הדרישה להלימה בין התוצרים השונים חייבה את הסטודנטים להפעיל שיקול דעת, לבצע אינטגרציה של מידע ולהטביע את חותמם האישי. כך, יכולתי להעריך את איכות עבודתם ולהבחין בהבנתם את החומר הנלמד, בין אם נעזרו בכלי AI ובין אם לאו. השימוש בכלי AI הפך למשני, שכן גם אם נעזרו בו, הסטודנטים נדרשו להפעיל חשיבה אנושית ביקורתית כדי להפיק תוצרים איכותיים וקוהרנטיים.
וודאי תחשבו שמדובר עכשיו בעבודה כפולה ומכופלת עבור המרצה ועבור הסטודנטים, אך לא בהכרח. השינוי המרכזי אינו בהכרח בכמות העבודה, אלא באופי שלה ובמיקוד שלה. ניתן לתכנן את שלושת התוצרים כך שכל אחד מהם יתבסס על קודמו, ויהווה נדבך נוסף בתהליך הלמידה וההערכה, ולא שלוש משימות נפרדות לחלוטין.
לדוגמה, התהליך יכול להתחיל מניתוח טקסטואלי מעמיק של מאמר (תוצר 1), המבוסס על קריטריונים לניתוח ביקורתי שנלמדו והודגמו באופן ספציפי במהלך השיעור. תוצר זה ישמש כבסיס ליצירת תרשים זרימה או מודל ויזואלי אחר (תוצר 2), הממחיש ומפרק תהליך מרכזי שתואר במאמר, תוך דרישה מהסטודנט להצביע על נקודות מפתח מהניתוח שלו (מתוצר 1) הרלוונטיות לכל שלב בתרשים.
המשימה תסתיים ברפלקציה אישית כתובה או מוקלטת (תוצר 3), בה הסטודנט ינתח את תהליך הלמידה שלו, יסביר כיצד הניתוח הטקסטואלי השפיע על בניית התרשים, ויקשר את התובנות מהמאמר ומהתהליך כולו לחוויותיו האישיות או לתכנים נוספים שנלמדו בקורס.
בנוסף ישנן עוד דרכים היכולים להקל על עבודת המרצה כגון חלוקת המשימות על פני הסמסטר, הגשה בזוגות/קבוצות או הערכת עמיתים.
לסיכום, בעידן שבו הבינה המלאכותית מציבה בפנינו "דרכים עוקפות", תפקידנו כאנשי חינוך אינו לחסום את הטכנולוגיה, אלא לחשב מסלול מחדש. עלינו לראות בAI לא מכשול, אלא הזדמנות לעדכון מפת הדרכים הפדגוגית שלנו.
הצעה זו היא חלק ממתווה רחב יותר שפיתחתי, הכולל גם בחינה מחודשת של תוצרי הלמידה, התאמת הערכה מעצבת, שימוש מושכל בטכנולוגיה ועוד.
לצפייה בהרצאה המציגה את המתווה המלא. (מומלץ לצפות)
Foung, D., Lin, L., & Chen, J. (2024). "Reinventing assessments with ChatGPT and other online tools: Opportunities for GenAI-empowered assessment practices".
Computers and Education: Artificial Intelligence, 6, 100250. https://doi.org/10.1016/j.caeai.2024.100250
