השפעות בינה מלאכותית באקדמיה
בשנקר אנו מעודדים וממליצים על שילוב כלי בינה מלאכותית בכל תוכניות הלימוד לצד הבנת המשמעויות האתיות הכרוכות בכך. להלן טופס מדיניות שנקר אודות שימוש ביישומי בינה מלאכותית – והתאמת ההוראה והלמידה
המשמעות של בינה מלאכותית יוצרת באקדמיה
ככל שהאקדמיה ממשיכה להתפתח, השילוב של כלי AI ג'נרטיביים מציג הזדמנויות לשיפור מתודולוגיות הוראה ולמידה, מה שהופך אותה למרכיב הכרחי במוסדות חינוך מודרניים. כלים אלו משנים בקצב מהיר את הנוף של האקדמיה. אי לכך יש חשיבות בהתאמה של שיטות הוראה והערכה.
התאמת שיטות הוראה
יישומי בינה מלאכותית מאפשרים לעבור מלמידה פסיבית, המתמקדת בהעברת ידע, (לדוגמה אל למידה פעילה. בלמידה מסוג זה ניתן לרכוש, לתרגל וליישם חשיבה מסדר גבוה ומיומנויות הניתנות להעברה. למידה פעילה היא שיטת הוראה, בה הלומד מעורב בתהליך הלמידה בפעילות כלשהי לדוגמה: קריאה, דיון, ניסוח ומענה על שאלות, יישום רעיונות וניתוח. (לקריאה נוספת).
קורסים מבוססי הרצאות היו רחוקים מלהיות מיטביים גם לפני פריצתה של הבינה המלאכותית, אך בעידן הבינה המלאכותית הם יהפכו ללא רלוונטיים במיוחד.
התאמת גישות ההערכה
שיטות הערכה מסורתיות מסתמכות לרוב על הערכה מסכמת בסיום הקורס, הדורשת שינון, שליפה ויישום ידע בהקשר ספציפי. דוגמאות לכך הם בחנים, מטלות ביצוע ומבחנים. אף ששיטות אלה יעילות לצורך הערכת מספר גדול של סטודנטים בנקודת זמן אחת, הן פחות אופטימליות ללמידה משמעותית של ידע, תוכן ומיומנויות, לאור העובדה שסטודנטים נוטים לשכוח את הנלמד במהרה.
כיום יישומי בינה מלאכותית מוטמעים בכל כלי דיגיטלי העומד לרשותנו ולא מן הנמנע שסטודנטים/יות עשויים/יות להשתמש/להסתמך יתר על המידה בכלי הבינה המלאכותית על מנת להגיע להישגים גבוהים במבחנים וכתיבת מאמרים.
ההערכה בעידן ה-AI צריכה לחייב את הסטודנטים להפגין חשיבה מסדר גבוה בהקשרים מעשיים. לדוגמה: מטלות קבוצתיות, דיון ביקורתי על מאמרים בקבוצות או העברת פרזנטציה. הערכה של תהליכי ניתוח, חשיבה ביקורתית ויצירת רעיונות חדשים במקום מיקוד בתוצר הסופי, מקדמת את מיומנויות הסטודנטים והיכולת שלהם לפתור בעיות.
>> איך בינה מלאכותית יכולה לסייע בחיבור ובבדיקה של מבחנים ועבודות? ד"ר טליה חימוביץ (17 דקות)
>> עבודות סטודנטים בעידן Gen AI ד"ר טליה חימוביץ (12 דקות)
סוגי ההערכה:
- הערכה מעצבת – מטרתה העיקרית היא בשיפור הלמידה בתחילתו של הקורס ובמהלכו.
- הערכה מסכמת – מטרתה העיקרית תיאור הישגים בנקודת זמן מסוימת לרוב בסיום הקורס
- הערכה מתמשכת – מטרתה לאפשר למידה מבוקרת תוך מתן משוב לאורך הקורס, משלבת את שתי שיטות הערכה הקודמות.
שיקולים אתיים בשימוש בבינה מלאכותית יוצרת
כמו בכל הכלים החזקים, השימוש בבינה מלאכותית גנרטיבית באקדמיה מביא עמו מערכת של שיקולים אתיים. בעוד שכלים אלה אלה מציעים פוטנציאל אדיר, הם גם מעלים חששות לגבי אותנטיות, שימוש לרעה והשלכות נוספות.
להלן מספר דוגמאות:
- מקוריות – היות ובינה מלאכותית יוצרת טקסט ותוכן ויזואלי, היא מטשטשת את הגבולות היצירה והמקוריות. לכן יש להשתמש בטכנולוגיה זו תוך שימוש בערכים של שקיפות ולציין את אופן השימוש במסגרת תהליך היצירה.
- מידע מוטעה והטיה – מודלים של AI יכולים לפעמים להנציח הטיות הקיימות בנתוני האימון שלהם. אם לא בודקים זאת, זה יכול להוביל להפצת מידע מוטעה או לחזק סטריאוטיפים מזיקים, מה שמדאיג במיוחד בהקשר אקדמי שמעריך אובייקטיביות וחשיבה ביקורתית. לדוגמא, צפו בהרצאת טד הקצרה הזו.
- תלות – הסתמכות יתרה על כלי בינה מלאכותית יכולה לעכב את הפיתוח של חשיבה ביקורתית ומיומנויות פתרון בעיות. חשוב מאוד להבין את מגבלות הכלים ולרתום את יכולותיהם בצורה מאוזנת תוך שימוש מושכל וביקורתי לאור מטרות המשתמש.
- פרטיות ונתונים – מודלים מאומנים על כמויות עצומות של נתונים. אם נתונים אלה מכילים מידע רגיש או אישי, קיים סיכון שהתוכן שנוצר עלול לחשוף בטעות פרטים אישיים, מה שמציב דאגה לפרטיות המשתמש.
לאור חששות אלו, הכרחי לקבוע קווים מנחים ומדיניות ברורה סביב השימוש בבינה מלאכותית יוצרת באקדמיה, להלן קישור לתקנון / מדיניות בנוגע לשימוש בכלי בינה מלאכותית באקדמיה.
>> לקריאה נוספת: חקיקה בנושא בינה מלאכותית של האיחוד האירופי – 14/06/23.
