מאת: תום הגלעדי | מנהל קהילת "בינה מלאכותית בחינוך ובאקדמיה" בפייסבוק ומנחה הפודקאסט "דיבורי בינה"
24.9.2024
אחד הנושאים המרכזיים העולים בדיון על טכנולוגיית הבינה המלאכותית היוצרת (Generative Artificial Intelligence), ובפרט מודלי השפה הגדולים (Large Language Models) כגון ChatGPT, הוא סוגיית ההערכה. השאלה הנשאלת על פי רוב היא: "כיצד יתמודדו מורים במערכת החינוך ומרצים באקדמיה עם העובדה שעבודות יכולות להיכתב על ידי בינה מלאכותית?".
נושא ההערכה אינו נחלת המרחב הלימודי בלבד במסגרת ההכשרה והחינוך, אלא ממשיך אל עולמות התעסוקה בהערכת עובדים במקומות העבודה. רבים, המוטרדים מהנושא, מנסים למצוא דרכים להתמודד עם העובדה שבינה מלאכותית יכולה כבר היום לכתוב עבודות מלאות, ברמת בית ספר, ולקצר תהליכי כתיבה נרחבים, בעבודות אקדמיות. הפתרונות המוצעים נעים בין ניסיונות פיקוח, איתור טקסט שנכתב על ידי בינה מלאכותית, ואיסור שימוש בכלי בינה מלאכותית, לבין פתרונות מתוחכמים יותר של התאמת המטלות לטכנולוגיה. לדוגמה, שאלות כמו "האם ניתן לתכנן מטלה 'חסינת' בינה מלאכותית?" או "האם ניתן לתכנן מטלה שבה הלומד עובד עם בינה מלאכותית אך מביא לידי ביטוי את התרומה האנושית שלו, תוך תיעוד השיחה עם מודלי השפה, הפעלת ביקורת ובקרה כלפי התוצרים הנוצרים על ידי הבינה, או אינטגרציה של המחשבות שלו עם ה'מחשבות' של הבינה המלאכותית?".
אולם, אסטרטגיות אלו עלולות להחמיץ את הנקודה המהותית: למעשה, בעיית ההערכה היא סוגיה ותיקה שהייתה קיימת במערכת זמן רב, והבינה המלאכותית רק מגבירה ומדגישה את הפער המשמעותי בין עולמות הלמידה לבין עולמות התעסוקה, ומצביעה על בעיה אחרת לגמרי: בעיה בפרדיגמות ההכשרה.
ניקח את עידו לדוגמה. כשעידו היה סטודנט באוניברסיטה, תהליכי ההערכה שעבר התבססו בעיקר על מבחנים ועבודות כתובות. רוב הקורסים התמקדו בהערכת הידע התיאורטי שלו ויכולתו לענות על שאלות מוגדרות היטב. ציונים מספריים היוו את הבסיס העיקרי להערכתו, עם דגש על הישגים אישיים.
עידו לעיתים קרובות התקשה לראות את הקשר בין החומר הנלמד לבין יישומו המעשי בעולם העבודה. הגשת העבודה בצוות, גם אם הייתה אפשרית, הייתה מוגבלת, והדינמיקה של הצוות הייתה מלאכותית ומאולצת. ההערכה התרחשה בנקודות זמן קבועות – בסוף כל סמסטר או בעת הגשת עבודות – ולרוב לא כללה משוב מתמשך או הזדמנויות לשיפור לאורך הקורס.
כיום, כשעידו עובד בחברה מסחרית, הוא חווה גישה שונה לחלוטין להערכה. במקום להתמקד בידע תיאורטי, ההערכה שלו מבוססת על יכולתו ליישם את הידע שלו לפתרון בעיות מעשיות ולהשגת תוצאות מוחשיות. ההערכה היא תהליך רציף ומתמשך, עם משוב שוטף מעמיתים ומנהלים, שלעיתים מוגדר כאירוע משוב (שיחת חתך) ולרוב מתרחש במקביל לעשייה דרך אינטראקציות עם קולגות ועם הדרגים הניהוליים של הארגון.
עידו עובד בעיקר על פרויקטים ארוכי טווח, ונמדד לא רק על התוצאה הסופית, אלא גם על תהליך העבודה, יכולת הלמידה שלו ותרומתו לצוות. הוא נדרש להתמודד עם בעיות מורכבות ולא מוגדרות היטב, לקבל החלטות במצבי אי-ודאות ולהסתגל במהירות לשינויים בסביבת העבודה.
בעוד שבאוניברסיטה היה דגש רב על הישגים אישיים, בעבודה ההצלחה של עידו קשורה הדוקות להצלחת הצוות והחברה כולה. הוא מגלה שכישורי תקשורת ויוזמה הם קריטיים להצלחתו המקצועית, לעיתים רבות אף יותר מהידע הפורמלי שרכש בלימודיו.
ההערכה בעולם העבודה היא תהליך רב-ממדי, שדורש מעידו לא רק לבצע משימות ספציפיות, אלא גם להבין את ההקשר הרחב של עבודתו ולתרום למטרות החברה. הוא מוצא את עצמו מתמודד עם אתגרים שלא נתקל בהם באקדמיה, ומעריך את החשיבות של למידה מתמדת והסתגלות לדרישות המשתנות של שוק העבודה.
אל תוך פער עמוק זה בשיטות ההערכה נכנסת הבינה המלאכותית ושומטת את הקרקע מתחת למשמעות המועטה שעוד נותרה לשיטת ההערכה הטקסטואלית, שכן לא רחוק היום בו בינה מלאכותית תוכל לכתוב עבודות ברמה אקדמית טובה תוך התערבות אנושית מינימלית.
מכאן שעלינו לחפש את הפתרון, לא בשינוי שיטות ההערכה, אלא בראש ובראשונה בשינוי שיטות ההכשרה, ובכך לצמצם את הפער בין ההערכה באקדמיה להערכה "בעולם האמיתי".
השאלה המנחה שצריכה להוביל את מקבלי ההחלטות במערכת החינוך וההשכלה הגבוהה בהקשר זה אינה רק השאלה "כיצד לתכנן מערכת הערכה המתאימה לעידן הבינה המלאכותית" (תוך שימור שאר הזירות כפי שהן) אלא כיצד לייצר מערכת הכשרה רלוונטית, אשר מכשירה את הבאים בשעריה אל העולם המקצועי אליו הם עתידים להיכנס, תוך יצירת כמה שיותר חוויות סימולציה להוויית התפקיד העתידי. המודלים קיימים כמובן: סטאז' נועד לעשות בדיוק את זה, שוליות (Apprenticeship) היא עוד דוגמה. אולם, מהו הנפח אותו תופסים תהליכים אלו מתוך מסלולי ההכשרה השונים? בזירות רבות התשובה אינה מעודדת.
חשוב, כמובן, להכיר בכך שמערכת ההשכלה הגבוהה היא הטרוגנית ומורכבת. ישנם תחומי לימוד המיועדים להכשרה מקצועית, בעוד שאחרים, מכוונים להכשרת דור העתיד של חוקרים ואנשי הגות ואקדמיה. פתרונות לאתגרי ה-AI צריכים להיות גמישים ומותאמים לכל דיסציפלינה, מוסד לימודים ותרבות ארגונית, תוך התחשבות בהבדלים תרבותיים וחברתיים.
הבינה המלאכותית מספקת לנו הזדמנות ייחודית לחשוב מחדש על מערכת החינוך וההכשרה שלנו. במקום להתמקד בפתרונות קצרי טווח למניעת "רמאות" באמצעות בינה מלאכותית, עלינו לשאול את עצמנו שאלות מהותיות יותר:
כיצד נוכל לשלב את הבינה המלאכותית כחלק אינטגרלי מתהליך הלמידה, במקום לראות בה איום?
איך נוכל לפתח מיומנויות רלוונטיות לעולם העבודה המודרני, כגון חשיבה ביקורתית, יצירתיות ופתרון בעיות מורכבות?
כיצד נוכל ליצור סביבות למידה שמדמות יותר את סביבת העבודה האמיתית, עם דגש על עבודת צוות, פרויקטים ארוכי טווח ומשוב מתמשך?
איך נוכל לפתח שיטות הערכה שמשקפות באופן אמיתי את היכולות הנדרשות בעולם העבודה, ולא רק את היכולת לזכור ולשחזר מידע?
כיצד נוכל לטפח תרבות של למידה מתמדת ומסתגלת, שתכין את הלומדים להתמודד עם השינויים המהירים בעולם הטכנולוגי?
לאחרונה שוחחתי עם קולגה המתמודד השנה עם משימת הקמה וניהול של בית ספר חדש, אתגר שגם לי הייתה הזכות להתנסות בו. שיחתנו חשפה פער מטריד בין המיומנויות והכישורים שנלמדו בתואר השני ב"ניהול מערכות חינוך" לבין המציאות המורכבת של הקמת בית ספר בפועל. מה שהדגיש עוד יותר את הפער הזה היה התובנה לגבי השימוש בכלי AI: בעוד שהמפקחת של אותו מנהל צעיר, האמונה על הערכתו, לא רק שלא תתנגד, אלא אף עשויה לעודד שימוש בכלי AI לסיוע במשימותיו המאתגרות, הרי שבמסגרת לימודיו האקדמיים, שימוש דומה בAI לכתיבת עבודות היה נתפס בעין ביקורתית על ידי הסגל האקדמי. פער זה ממחיש את הצורך הדחוף בהתאמת תוכניות ההכשרה האקדמיות למציאות המקצועית המשתנה, ובחשיבה מחודשת על היחס לכלים טכנולוגיים מתקדמים בתהליכי למידה והערכה.
במקום לאסור שימוש בבינה מלאכותית, נוכל לעודד סטודנטים להשתמש בה ככלי עזר בפרויקטים מורכבים. הם יוכלו ללמוד כיצד לנסח שאלות אפקטיביות, לבקר את המידע שהם מקבלים ולשלב את התובנות של הבינה המלאכותית עם הידע והניסיון שלהם. הדבר ידמה יותר את האופן שבו אנשי מקצוע משתמשים בכלים טכנולוגיים "בעולם האמיתי".
בנוסף, נוכל לשנות את מבנה הקורסים כך שיתמקדו יותר בפרויקטים ארוכי טווח, שדורשים מהסטודנטים לעבוד בצוותים, להתמודד עם אתגרים לא מוגדרים ולהציג את עבודתם בפני קהל. ההערכה תתבסס לא רק על התוצר הסופי, אלא גם על התהליך, על יכולת הלמידה וההסתגלות ועל התרומה לצוות.
יתרה מזאת, נוכל לשלב יותר התנסויות מעשיות במהלך הלימודים, כמו סטאז'ים ממושכים או פרויקטים בשיתוף עם חברות אמיתיות. זה יאפשר לסטודנטים לחוות את המורכבות של עולם העבודה האמיתי ולפתח את המיומנויות הרכות החיוניות להצלחה מקצועית.
חשוב לזכור כי השינוי הזה אינו רק אתגר טכני, אלא גם תרבותי. הוא דורש שינוי תפיסתי עמוק אצל מחנכים, מרצים וסטודנטים כאחד. עלינו לעבור מתפיסה של "הכנה למבחן" לתפיסה של "הכנה לחיים", מדגש על ידע לדגש על יכולות, ומהערכה חד-פעמית להערכה מתמשכת ורב-ממדית.
הבינה המלאכותית מאלצת אותנו לחשוב מחדש על מהות הלמידה, ההכשרה וההערכה בעידן הדיגיטלי. אם נשכיל לנצל את ההזדמנות הזו, נוכל לשפר את הרלוונטיות של מוסדות ההשכלה ולהבטיח שיכשירו בוגרים המוכנים לאתגרים ולהזדמנויות של העתיד.
Comments