הוראת יצירתיות ומיומנויות לטווח ארוך בעולם של בינה מלאכותית

כשתלמיד תיכון משתמש בבינה מלאכותית כדי לעצב ציור קיר קהילתי או כשסטודנט שנה ראשונה משתף פעולה עם סטודנטים מיבשות אחרות בפרויקט סיפור דיגיטלי, ברור שגבולות הלמידה משתנים. הלמידה בכיתות כבר לא מוגבלת לקליטת מידע. הכיתות הופכות לסטודיו יצירתי שבו תלמידים וסטודנטים משתמשים בטכנולוגיה כדי לפתור בעיות מהעולם האמיתי.

לאחרונה, מנחה EdSurge קארל הוקר הנחה סדרת וובינרים בשני חלקים בחסות Adobe, שכללה פאנליסטים מומחים שבחנו את ההצטלבות בין יצירתיות, בינה מלאכותית והצלחה של תלמידים וסטודנטים בחינוך יסודי ותיכוני ובמוסדות להשכלה גבוהה. הדוברים כללו את מליסה ויטו, סגנית הפרובוסט לחדשנות אקדמית באוניברסיטת טקסס בסן אנטוניו; לורה סלובר, מנהלת Skills for the Future, יוזמה משותפת של ETS ו-Carnegie Foundation; ג'סטין הודג'סון, פרופסור חבר באוניברסיטת אינדיאנה בבלומינגטון; אדיל קאן, מייסד ומנכ"ל MagicSchool AI; ובריאן יונסרוד, ראש החטיבה הגלובלית ללמידה וקידום במגזר החינוך ב-Adobe.

בהשראת המחקר האחרון של Adobe בנושא האופן שבו יצירתיות ובינה מלאכותית משפיעות על התוצאות של תלמידים וסטודנטים והמוכנות לקריירה, הסדרה הדגישה איך המנהיגים האלה רואים – ומדמיינים מחדש – את תפקיד החדשנות בסביבות הלמידה של היום.

EdSurge: אילו מיומנויות הכי חשובות לעתיד של התלמידים והסטודנטים, ואיך מוסדות החינוך מגיבים לכך?

סלובר: אנחנו רוצים שכל התלמידים בחינוך היסודי והתיכוני יפתחו את המיומנויות החיוניות האלה לטווח ארוך – שהן קריטיות לא רק להצלחה בלימודים האקדמיים ובשוק העבודה, אלא גם לרווחה אישית ולתרומה חיובית לקהילות שלהם.

לפי מחקר של Carnegie ו-ETS, המיומנויות החשובות ביותר לטווח הרחוק הן שיתוף פעולה, תקשורת, יצירתיות, חשיבה ביקורתית, סקרנות, אוריינות דיגיטלית ובינה מלאכותית, גישה של צמיחה, מנהיגות, התמדה, ויסות עצמי ומעורבות אזרחית.

איך בינה מלאכותית משנה את תפקיד המחנך בכיתות של היום?

הודג'סון: אנחנו עדיין רואים קצת התנגדות לשילוב בינה מלאכותית. אבל ברוב המקרים, חברי הסגל מתחילים להבין שהתפקיד שלהם צריך להשתנות – לא רק מבחינת הדברים שהם בוחנים, אלא גם הצורך שלהם להפוך למנטורים שמשתמשים בבינה מלאכותית.

אנחנו עוברים מתגובות שמבוססות על פחד למעורבות מחושבת יותר. התגובה הראשונה הייתה שבינה מלאכותית תוביל לרמאות. אבל עכשיו אנחנו רואים חשיבה אסטרטגית יותר על הדברים שבינה מלאכותית מאפשרת.

איך מחנכים משלבים יחד יצירתיות ובינה מלאכותית בפועל?

ויטו: ב-UTSA קפצנו למים מוקדם. התחלנו עם כמה ערכים מרכזיים – אחד מהם היה להפגין סקרנות ולהתנסות. רצינו לתת לסגל הזדמנויות פשוט ללמוד; כולנו למדנו יחד. השינויים קורים במהירות גבוהה מאוד כרגע, ואנחנו צריכים להבין את זה. חברי הסגל שלנו היו מדהימים.

בתחילת הדרך, הסטודנטים תיארו את הבינה המלאכותית בתור מורה פרטי אנונימי מעולה, בעל ערך מיוחד לתלמידים מדור ראשון שהשתמשו בו כדי לשאול שאלות, לחדד את החשיבה וללמוד.

יונסרוד: אם מסתכלים על המחקר הקיים לגבי כמות הפעמים שסטודנטים באמת מתרגלים יצירתיות ומפתחים חשיבה יצירתית, אני חושב שזה מכניס הכול לפרופורציות.

רוב הענפים היצירתיים דווחו למעשה על יותר יצירתיות – במיוחד כשמפרקים הכול לרכיבים של חשיבה יצירתית: הבנת בעיות בדרכים שונות, סיעור מוחות למציאת כמה פתרונות, תכנון גישות שונות לפתרון בעיות וחקירת מגוון דרכים לתקשר את הפתרונות האלה.

אלה בדיוק הדברים שבינה מלאכותית באמת מסוגלת לעזור לנו בהם.

צפו בשני הוובינרים לפי דרישה עכשיו:

• עידוד הצלחה מקצועית של תלמידים וסטודנטים באמצעות יצירתיות ובינה מלאכותית בחינוך יסודי, על-יסודי ואקדמי
• האצת תוצאות אקדמיות באמצעות יצירתיות ובינה מלאכותית בחינוך יסודי, על-יסודי ואקדמי

איך בינה מלאכותית יכולה לעזור למחנכים להתאים אישית את הלמידה?

קאן: בינה מלאכותית נותנת למחנכים את היכולת לחסוך זמן ביצירת חומרים – אבל חשוב יותר, היא מאפשרת להם להתאים באופן מעמיק את החומרים האלה בהתבסס על מה שהתלמידים יודעים, המקום שבו הם נמצאים מבחינה אקדמית וההקשר של החיים שלהם והקהילות המקומיות שלהם.

הלמידה הופכת עשירה הרבה יותר כשמחנכים באמת מכירים את התלמידים שלהם. וכשהם משתמשים בכלי בינה מלאכותית כדי למנף את ההבנה הזו, הם יכולים להתאים את ההוראה כדי לענות טוב יותר על צרכים אישיים.

בסופו של דבר, הדבר הכי חשוב שמחנכים עושים הוא לבנות קשרים עם התלמידים שלהם. אני חושב שבינה מלאכותית היא גורם מאיץ מדהים של הקשר הזה.

יונסרוד: כשמדובר באוריינות בבינה מלאכותית, אני חושב על המקום שבו אנחנו נמצאים עכשיו, בדיוק כמו הימים הראשונים של אוריינות במדיה כשלימדתי ספרנות בבתי ספר. המטרה לא הייתה רק לבחור כלי, אלא ללמד תלמידים להיות צרכנים ביקורתיים. עם בינה מלאכותית, זה אותו הדבר: אנחנו צריכים ללמד תלמידים "לקרוא את הרכיבים התזונתיים" לפני שהם צורכים תוכן של בינה מלאכותית. מי בנה את המודל? איך הוא תוכנן? במה הוא מצליח, ואיפה הוא נכשל? איך אני מחליט אם לסמוך על התוצאות?

קאן: רוב הילדים משתמשים בבינה מלאכותית, אם הם מודעים לזה או לא. בינה מלאכותית גנרטיבית קיימת רק כשנתיים, אבל היא כבר משולבת בצורה משמעותית בעולם שלהם, למשל בטלפונים שלהם או בכלים פופולריים.

עבור אנשים רבים, האינטראקציה הראשונה שלהם עם בינה מלאכותית היא עם משהו כמו חבר בינה מלאכותית בצ'אט. זה דווקא מדאיג מאוד. הפעם הראשונה שהם מתקשרים עם בינה מלאכותית גנרטיבית, זה משהו שטוען שהוא חבר שלהם.

אנחנו מאמינים בתוקף שתלמידים צריכים ללמוד על בינה מלאכותית גנרטיבית בבית הספר מאדם מבוגר מהימן, כך שהם יוכלו לנהל שיחות ביקורתיות על אופן ההכשרה של המודל, מהי בינה מלאכותית גנרטיבית, איך נוצרות תגובות ולאילו מטרות צריך ולא צריך להשתמש בה. בינה מלאכותית הוא לא "החבר" שלכם.

סלובר: הבעיה היא שבתי הספר מאורגנים סביב מקצועות כמו אלגברה, אנגלית וביולוגיה. אלה מקצועות חשובים והם מלמדים הרבה כישורים. אבל הדרך שבה מנסחים את התעודות ומקיימים הערכות גורמת לכך שהתלמידים מקבלים ציון במתמטיקה או באנגלית – לא בשיתוף פעולה, בתקשורת או בחשיבה ביקורתית.

הכישורים האלה לא מזוהים, לא נמדדים ולא מדווחים באופן מפורש. העבודה שאנחנו עושים נוצרה בכוונה כדי להתמודד עם הבעיה הזו – לשנות את היעדים ולהבהיר שלא רק מתמטיקה ואנגלית חשובות. יש גם מערכת שלמה של כישורים לטווח ארוך שהם חשובים לא פחות.

הודג'סון: אם בינה מלאכותית יכולה לעבור את הקורס שלכם בהצלחה, אולי הבינה המלאכותית היא לא הבעיה. אם מכונה יכולה לעשות את מה שאתם עושים, אנחנו צריכים לחשוב מחדש על הדברים שאנחנו בוחנים. לא מדובר במשהו ספציפי לתוצר אלא בתהליך. איך אני מעריך את הלמידה שמתרחשת או את היכולת של התלמידים לעבוד על הבעיה?

התרגלנו לדרך הוראה מסוימת – בגלל תוצאות סטנדרטיות, ציפיות, רשימות תיוג וכל הציונים שקשורים אליהן – והפכנו למערכת עמוסת תוכן שממוקדת בהעברת אותו התוכן.

אבל בסופו של דבר, מה שמגדיר תחום ידע הוא הדרכים שבהן אנחנו יודעים, עושים ויוצרים באותו התחום. היכולת ליצור בכל המתודולוגיות, הפדגוגיות והפרקטיקות האלה – זה העיקר.