יום ראשון, כג באייר תשפ"ו, 10 במאי 2026, בשעה 20:00 ב-ZOOM תכנון שיעור בעידן הבינה המלאכותית: שימוש בבינה מלאכותית יוצרת והשפעתה על מורים                  דקלה חן-סער      מטלות מורכבות שאין להן פתרון יחיד מאופיינות בעמימות, בצורך להפעיל שיקול דעת, ובקושי להעריך עד כמה הפתרון טוב. תחום החינוך כולל מטלות רבות מסוג זה, ובהן תכנון מערכי שיעור. תכנון זה מחייב לשלב ידע מקצועי מהיבטים שונים: מטרות הלמידה, צורכי הלומדים, דרישות תוכנית הלימודים, שיטות הוראה, הידע הדיסציפלינרי והטכנולוגיות הזמינות. בשל כך מדובר בתהליך מורכב הכרוך גם בידע מקצועי וגם בתהליכים של בקרה והערכה.     אחד הרכיבים המרכזיים בתהליך זה הוא ניטור מטה-קוגניטיבי, כלומר יכולת להעריך את רמת הביצוע ביחס למטרות המשימה. על בסיס ניטור זה, הלומדים מווסתים את תהליך הלמידה שלהם, ומחליטים למשל להקדיש זמן רב יותר לנושא מסוים. לכן, לניטור מדויק חשיבות רבה בקבלת החלטות במהלך הלמידה. עם זאת, מחקרים מראים כי תהליך הניטור עלול להיות מוטה, בייחוד אם הלמידה מתקיימת בסביבה דיגיטלית. נמצא כי בסביבות אלו משתמשים נוטים להעריך שביצועיהם טובים יותר מכפי שהם בפועל. ממצאים עדכניים מעלים חשש כי לבינה מלאכותית יוצרת (GenAI) עשויה להיות השפעה דומה על תהליכי ניטור. יתרה מכך, מהממצאים עולה חשש מתופעה שכונתה "עצלות מטה-קוגניטיבית", ובה משתמשים מעבירים לבינה המלאכותית את האחריות להערכת ביצועיהם. אף על פי כן, בתחום החינוך בכלל, ובהקשר של בינה מלאכותית יוצרת בפרט, המחקר על תהליכי ניטור של מטלות מורכבות עדיין מצומצם.    המחקר הנוכחי בחן את תכנון מערך השיעור כמטלה מורכבת מסוג זה, ואת השפעת השימוש בבינה מלאכותית יוצרת על דיוק הניטור המטה-קוגניטיבי בקרב 90 מורים. המשתתפים חולקו באופן אקראי לשתי קבוצות, עם סיוע מבינה מלאכותית או ללא סיוע. המשתתפים בשתי הקבוצות התבקשו לאתר ליקויים במערך שיעור נתון על פי מחוון, לנמק את קביעותיהם, ולדרג את ביטחונם בהנמקות אלו. ביצועיהם הוערכו בידי מומחים, ונבחנה מידת ההתאמה בין איכות ביצועיהם לבין מידת הביטחון שדיווחו עליה ביחס להנמקות. ממצאים ראשוניים מראים כי לשימוש בבינה מלאכותית יוצרת יש השפעה מובהקת על דירוג הביטחון, ומורים שנעזרו בבינה המלאכותית דיווחו על ביטחון גבוה יותר בביצועים שלהם, לעומת קבוצת הביקורת. היעלמות האמצע: מחקר אורך על התפתחות הכשירות לשימוש ב-AI בקרב מורי תיכון, לפי מסגרת DigCompEdu AI Supplement        The Vanishing Middle: A Longitudinal Study of High School Teachers' AI Competence Development Through the DigCompEdu AI Supplement Framework              מעיין שי סייג     המחקר בוחן כיצד מתפתחת כשירות של מורי תיכון לשימוש בבינה המלאכותית לאורך זמן לאחר שהשתתפו בפיתוח מקצועי פורמלי הממוקד בבינה מלאכותית יוצרת (GenAI). המחקר משתמש במסגרת DigCompEdu AI Supplement להבנת התפתחות הכשירויות בשישה תחומים: מעורבות מקצועית, משאבים דיגיטליים, הוראה ולמידה, הערכה, העצמת לומדים ופיתוח כשירות דיגיטלית של לומדים (Bekiaridis & Attwell, 2024). המחקר מתבסס על מערך אורך בגישה מעורבת (Mixed-methods) המכילה שני סבבים של ראיונות חצי-מובנים שבהם 20 מורי תיכון מכמה תחומי דעת. הסבב הראשון נערך בסמיכות לסיום תוכנית לפיתוח מקצועי של משרד החינוך בהיקף של 30 שעות, והסבב השני נערך כעבור כחצי שנה. הניתוח שילב גישה אינדוקטיבית ודדוקטיבית, וכלל יותר מ-1,400 אמירות שקודדו לפי רמות הכשירות במסגרת. הממצאים חושפים תופעה שכונתה "היעלמות האמצע": במקום התקדמות הדרגתית מרמות חקר בסיסיות (1A–2A) לרמות שילוב מתקדמות (1B–2B), התפלגות הכשירות הראתה קיטוב מובהק בין נסיגה לפרה-כשירות (Pre-Proficiency), שבה מורים נותרים מתחת לרמת הכשירות הבסיסית, ובין פריצה לרמות מומחיות. רמות האמצע, שאפיינו את רוב המורים בסיום ההשתלמות, כמעט נעלמו כעבור חצי שנה. קיטוב זה נמצא אסימטרי, והייתה לו משמעות גדולה יותר  בתחומים ממוקדי-תלמיד, כגון הוראה ולמידה והעצמת לומדים, בעוד שבתחומים ממוקדי-מורה הקיטוב היה מתון יותר. ניתוח הדינמיקה שעיצבה את הקיטוב חושף את המנגנון שבבסיסו: מורים שנסוגו לפרה-כשירות התמודדו עם הצטברות של אתגרים ללא גישה לגורמים מאפשרים, כגון קהילות עמיתים, תמיכה ארגונית והזדמנויות ללמידה עצמית. לעומתם, מורים שפרצו לרמות מומחיות פעלו בסביבה שבה כל אתגר לווה בגורם מאפשר שהפך את האתגר להזדמנות ללמידה. ההרצאה תציג את תופעת "היעלמות האמצע" ואת המנגנון שמוביל אליה, ותדון במשמעות הממצאים לעיצוב התוכנית לפיתוח מקצועי ממוקד AI. בלב הדיון ניצבת ההבנה שהכשרה נקודתית אינה מספיקה, ונדרשת ארכיטקטורה של תמיכה מתמשכת. תמיכה זו היא המאפשרת למורים להפוך את הידע שרכשו לפרקטיקה שכן זמן לבדו אינו מקדם התפתחות, אלא מקטב אותה. נכונות של מורים מבוגרים לאמץ טכנולוגיות לבינה מלאכותית – גורמים מקדמים ומעכבים    אוולין לוי       שילוב טכנולוגיות מבוססות בינה מלאכותית בהוראה מהווה כיום אתגר מרכזי, במקביל להתבגרות כוח העבודה בחינוך. מורים מבוגרים (מעל גיל 50) מהווים כשליש מכוח ההוראה בישראל, ומעטים המחקרים שבחנו את נכונותם לאמץ טכנולוגיות חדישות אלו. מחקר זה בוחן את הגורמים המקדמים והמעכבים נכונות לאמץ טכנולוגיות מבוססות בינה מלאכותית בהוראה בקרב מורים מבוגרים. במחקר השתתפו 301 מורים שהשיבו על שאלונים מתוקפים הבוחנים גורמים מתוך מודל TAM3 וגורמים רלוונטיים נוספים. ניתוחי הרגרסיה חשפו כי תפיסת הנאה ורצוניות הינם מנבאים ייחודיים לנכונות לאמץ טכנולוגיות מבוססות בינה מלאכותית בקרב מורים מבוגרים. גורם הטכנו-סטרס נמצא כמעכב משמעותי, בעוד שרלוונטיות לעבודה והנאה מהשימוש נמצאו כגורמים מקדמים מרכזיים. בנוסף, נמצא כי בניגוד לממצאים קודמים, מורים מבוגרים הציגו פתיחות לשינוי ומוטיבציה פנימית גבוהות לעומת מורים צעירים, אך תחושת שייכות נמוכה יותר לקהילת המורים. ממצאי המחקר מצביעים על כך שמורים בגילים שונים מונעים מגורמים שונים באימוץ טכנולוגיות בינה מלאכותית וכי עולה הצורך בגישות הטמעה מבדלות. עבור מורים מבוגרים, הטמעה יעילה של כלי בינה מלאכותית בהוראה צריכה לכלול: חוויה מהנה, תחושת אוטונומיה, הפחתת מורכבות טכנולוגית וחיזוק של שייכות קהילתית דרך למידה שיתופית. המרצות    הרשמה    אם נחוץ הסדר הנגשה, יש לפנות לדוא"ל  events_nagish@openu.ac.il עד 10 ימי עבודה לפני מועד האירוע

Powered by Publicators