רעידת אדמה בלימודים אקדמיים
כיצד להתמודד עם העתקות של סטודנטים מהבינה מלאכותית?

הפתרון "הקל" הוא לחזור למבחנים בדף ועט. אבל אנחנו מעוניינים לפתח אצל הסטודנטים גם ידע ומיומנויות מורכבים, שמבחן מסורתי מתקשה להעריך. מטרת מדריך זה היא להציע עקרונות ברורים ופרקטיקות יישומיות לסגל ההוראה, שיאפשרו להתמודד באופן מושכל עם אתגר הבינה המלאכותית. ראשית, יש להכיר בכך שהבינה המלאכותית לא תיעלם. להפך – היא תלך ותשתפר, ותהפוך לזמינה ויעילה עוד יותר. המטרה אינה לאסור על השימוש בה, אלא לעצב הוראה שמקדמת למידה אותנטית, וליצור תהליכי הערכה שידרשו מהסטודנטים להביא לידי ביטוי את הבנתם, עמדותיהם ותהליך החשיבה האישי שלהם, גם אם יסתייעו בבינה מלאכותית.

רשימת פרקטיקות להתאמת דרכי ההערכה לעידן הבינה המלאכותית

עקרון מפתח של שינוי דרכי ההערכה בצל השימוש בבינה מלאכותית הוא "אל תהיו שוטרים ואל תהיו תמימים". העלאה של סטודנטים לועדת משמעת בגלל שימוש בבינה מלאכותית עלולה להתברר כפעולה סיזיפית, שכרוכה בבירוקרטיה רבה, בעימותים מול סטודנטים. בנוסף, נטל ההוכחה על שימוש בבינה מלאכותית מוטל על המרצה, ולא על הסטודנט. בנוסף, חשוב לא להיות תמים - גם אם הנחנו את הסטודנטים לא להשתמש בבינה מלאכותית (או להשתמש באופן חלקי), סביר להניח שחלקם ישתמש בבינה מלאכותית, ובחלק מהמקרים אפילו לא נוכל לגלות את זה. לאור זאת, מומלץ לעצב את דרכי ההערכה כך שימנעו מראש מצבים של העתקה של סטודנטים מהבינה המלאכותית.

1. לבדוק כיצד בינה מלאכותית מתמודדת עם המשימה - כאשר כותבים את ההנחיות לעבודה, מומלץ לבדוק כיצד בינה מלאכותית (ChatGPT ודומיו) מתמודדת עם המשימה. אפשר לגרור את קובץ ההנחיות לצ'אט, יחד עם מאמרים אקדמיים וחומרי עזר רלוונטיים, ולראות האם הבינה המלאכותית מצליחה לכתוב עבודה איכותית לפי הדרישות. אם הבינה המלאכותית הפיקה עבודה איכותית, סימן שמדובר בעבודה מיותרת. 

שימו לב! באינטרנט מסתובבות המלצות גרועות לגבי התאמה של עבודות לגבי בינה מלאכותית. למשל, לבקש מהסטודנטים לתת פרשנות אישית, לחשוב על בעיה או רעיון באופן ביקורתי, או להשוות בין מקורות שונים. ובכן, בינה מלאכותית יודעת לרוב להתמודד עם משימות כאלו בהצלחה גדולה, ולכן מדובר בעבודה מיותרת.

2. הצגת מדיניות ברורה לגבי שימוש בבינה מלאכותית - מומלץ להציג לסטודנטים מדיניות לגבי בינה מלאכותית. האם מותר להשתמש, ואם כן לאילו צרכים. למשל, הגיוני לאפשר לסטודנטים להשתמש בבינה מלאכותית עבור עריכה לשונית, וגם עבור סיעור מוחין. פחות הגיוני להתיר שימוש בבינה מלאכותית כדי לפתור בעיות במקומם או כדי להציג ניתוח תיאורטי של מקרה בוחן. בנוסף, אם מנחים סטודנטים לפתור משימה בכוחות עצמם, מומלץ להציג בפניהם את הרציונל של המשימה, או במילים אחרות: מה הסטודנטים "מרוויחים" מהלמידה? למשל, להסביר שמדובר במיומנות או בידע תיאורטי שחשובים מאוד להצלחה בקורסי ההמשך, או לפרקטיקה בשטח. מכל מקום, אסור להיות תמימים, עצם זה שאסרנו על הסטודנטים להשתמש בבינה מלאכותית, ממש לא מבטיח שהם לא יתפתו לעשות זאת למרות האיסור.

3. הגנה על העבודות בכיתה - לבקש מהסטודנטים להציג את העבודה בכיתה, או בפגישה פנים אל פנים מול המרצה או המתרגלת, יכולה לסייע לנו להבין האם אכן בקיא בחומר. סטודנטים נדרשים להציג את העבודה שכתבו, להסביר את הטיעונים המרכזיים, ולהשיב לשאלות שיתקבלו מהמרצה ומהכיתה. כאשר העבודה מבוססת על בינה מלאכותית בלבד, הסטודנט יתקשה להסביר אותה לעומק או להתמודד עם שאלות המשך. דיאלוג חי בכיתה מאפשר זיהוי מהיר של חוסר אותנטיות ומחזק את מעורבות הלומדים. אם בוחרים בפרקטיקה זו צריך להדגיש בפני הסטודנטים שחלק ניכר מהציון יינתן על הגנה על העבודה, ולא רק על התוצר הכתוב עצמו.  דגש חשוב נוסף - הגנה על העבודות אפשרית בעיקר בכיתות קטנות ובשנים מתקדמות.

4. הפקת תוצרים לא טקסטואליים - הערכה באמצעות תוצרים שאינם טקסטים סטנדרטיים מהווה אסטרטגיה אפקטיבית נוספת. כאשר הסטודנטים נדרשים להפיק פודקאסט אישי, לערוך ראיון מצולם, להפיק תוצר חומרי בהתנסות מעשית, הבינה המלאכותית מתקשה להחליף את חוויית הלמידה האנושית. תוצרים מסוג זה משקפים את מעורבותו האישית של הסטודנט, את יכולתו לתקשר ולהסביר, ואת ההקשריות של הידע. מומלץ גם לבקש מהסטודנטים ללוות את התוצר שלהם בהסבר כתוב.

5. משימות היברידיות - בכיתה ובבית - אפשר לבקש מהסטודנטים להתחיל לפתור את הבעיה בכיתה. דיון ראשוני של השאלה, כתיבת טיוטה חלקית ודיון עם חברים לקורס או עם המרצה, יוצרים מחויבות ראשונית ומפחיתה את הסיכוי שיעשה שימוש רק בבינה מלאכותית. בחלק מהמקרים סטודנט שהתחיל את העבודה בכיתה, והגיש טיוטה, וקיבל פידבק ראשוני בכיתה, לא יסתמך לחלוטין על בינה מלאכותית. זאת להבדיל מעבודות שנעשות רק בבית. 

6. הערכה מעצבת - בהערכה מעצבת הסטודנטים מקבלים פידבק על משימות במהלך הקורס, הפידבק הזה מאפשר להם להשתפר ומסייע להם לצלוח משימות מתקדמות יותר במהלך הקורס. המטרה של הערכה מעצבת היא לא לתת לסטודנטים ציון על הצלחה או כשלון, אלא בעיקר לתת משוב בונה שמסייע להם להתמודד טוב יותר עם בעיות בפעם הבאה. מתכונת של הערכה מעצבת בקורס משלבת משימות שנבנות ותלויות זו בזו, וכוללת גם הערכה בעל פה, הערכת עמיתים, הצגה מול הכיתה וכו'. בשיטת הערכה כזו קשה להציג תוצרים איכותיים רק באמצעות בינה מלאכותית.

7. שימוש בחומרים שאינם נגישים לבינה מלאכותית והתייחסות לדיון בכיתה – זוהי פרקטיקה פחות מומלצת, אבל אפשרית. בחלק מהמקרים בינה מלאכותית מתקשה להתמודד "ולקרוא" טקסטים סרוקים בפורמט תמונה. להבדיל, בינה מלאכותית לא יכולה להתייחס למה שנאמר בכיתה, אם אין לה תמלול או סיכום של השיעור. אם מבקשים מהסטודנטים להתייחס לרעיונות שעלו בשיעור, הדבר מחייב אותם לנכוח בשיעור, או לפחות להציג תיעוד ממצה שלו בטקסט.

8. קשר אישי - הנכונות של הסטודנטים לרמות, ולהעתיק בלי בושה תוצרים מהבינה המלאכותית פוחתת כאשר יש קשר אישי בין המרצה לסטודנטים. בקורסים קטנים מומלץ להכיר את הסטודנטים וגם לקיים שיחות אישיות קצרות. כשסטודנט נדרש להחליט באיזה קורס הוא ישקיע בעבודה ובאיזה קורס הוא יסתמך רק על בינה מלאכותית, סביר להניח שהוא יעדיף להשקיע בקורס בו הוא מכיר את המרצה, במיוחד אם יש סיכוי שהמרצה יתעניין וישאל את הסטודנט אודות העבודה שכתב.

9. הדגמה של שימוש נכון בבינה מלאכותית וניתוח ביקורתי של תוצרי בינה מלאכותית בכיתה - הסטודנטים יכולים לצאת נשכרים מאוד אם המרצה מציגה כיצד היא משתמשת בבינה מלאכותית כדי לפתור בעיות. שימוש מושכל כזה בבינה מלאכותית, שכולל חשיבה ביקורתית על התוצרים, שילוב של ידע מבחוץ וכו', יכול לסייע מאוד לסטודנטים להבין איך, מתי ולמה להשתמש בבינה מלאכותית באופן מושכל. בנוסף, מומלץ להוסיף לקורס פעילויות שבו הסטודנטים נדרשים לבחון תוצרי בינה מלאכותית על בעיות בדיסציפלינה ולבדוק את היתרונות והחסרונות של התוצרים, ולחשוב על דרכים כיצד ניתן לשפר את התוצרים.

10. חזרה למבחן בדף ועט - אפשר ואף רצוי לשלב בחלק מהקורסים מבחנים מסורתיים בכתב יד או בסביבה ממוחשבת מפוקחת. אם המבחן נכתב היטב – כלומר, כולל ניתוח מקרים, פתרון בעיות, שאלות שמחייבות פרשנות אישית – הוא יכול להיות אמצעי רלוונטי. המבחן מחייב את הסטודנט לפתור בעיות בזמן אמת באמצעות ידע ומיומנויות, ולא רק לשלוף ידע.