256 ע השפעות השימוש בבינה מלאכותית יוצרת לצו רכי תכנון הוראה על תהליכים מטה - קוגניטיביים בקרב מורים )פוסטר( תקציר מטלות בלתי - מובנות (ill-structured tasks) מאופיינות בהיעדר תוצאה חד - משמעית, בקבלת החלטות בתנאי חוסר ודאות ובקושי להעריך את הפתרונות המוצעים .(Graf-Drasch et al., 2021) תחום החינוך רצוף במטלות מסוג זה, לדוגמה תכנון מערכי - שיעור . מערך השיעור מהווה "מפת דרכים" למורים, ומנחה אותם בניהול פעילויות ההוראה, ביצירת מעורבות לומדים ובהערכת תוצרי הלמידה ) .(Heidari et al., 2015 תכנון מערכי - שיעור הוא תהליך מורכב, הדורש התחשבות במגוון גורמים: צרכי לומדים, תִּקְנֵי תכניות לימודים, שיטות הוראה, ידע דיסציפלינרי וטכנולוגיות זמינות ) Koehler et al., 2014 .( מורכבות זו הופכת את המשימה לעמומה ונטולת פתרון יחיד, ומקשה על הערכתה. לפיכך, תהליך תכנון מערך השיעור כרוך בהערכה מתמדת של עמידה ביעדים חינוכיים, פדגוגיים ומקצועיים, ומערב תהליכים מטה - קוגניטיביים . מטה - קוגניציה מתייחסת לתהליכי "חשיבה על החשיבה": תכנון, ניטור וויסות של תהליכים קוגניטיביים, המעורבים בלמידה ובפתרון מטלות ) .(Efklides, 2006 ה ניטור (monitoring) הוא הערכה מתמשכת של ההתקדמות ביחס למטרות, ואילו השליטה (control) עוסקת בקבלת החלטות על בסיס הערכה זו, למשל כמה זמן להקדיש לנושא מסוים (Nelson & Narens, 1990) . מכאן שניטור מדויק הוא מרכיב מרכזי בקבלת החלטות מיטביות. עם זאת, מחקרים מצביעים על כך שתהליך הניטור עלול להיות מוטה, ובמידה רבה אף יותר כאשר הלמידה מתבצעת במדיום דיגיטלי. נמצא כי בסביבות דיגיטליות לומדים נוטים להעריך את ביצועיהם כטובים ממה שהם בפועל ) Salmerón et al., 2024; Sidi et al., 2017 ( . מ מחקרים עדכניים עולה, כי ל - GenAI עשויה להיות השפעה דומה על תהליכי ניטור ) (Fan et al., 2025 . כיום, השימוש בבינה מלאכותית יוצרת ) Generative Artificial Intelligence, GenAI ( לצורך בניית מערכי שיעור בקרב מורים ני מצא בעלייה ) (Gonçalves Costa et al., 2024 . באופן טבעי, המחקר בתחום זה נימצא בראשית דרכו . יתרה מכך, למרות שכיחותן הגבוהה של מטלות בלתי - מובנות בתחום החינוך, המחקר על תהליכי הניטור המעורבים בהן מצומצם. בהתאם, המחקר הנוכחי יבחן את תכנון מערך השיעור כמטלה בלתי - מובנית, ואת השפעת השימוש ב - GenAI על דיוק הניטור בקרב 90 מורים. המשתתפים , אשר יוקצו באופן אקראי לאחת משתי קבוצות, יתבקשו ל אתר ולתאר ליקויים מכוונים ב מערך שיעור קיים, בהתאם למחוון, עם או בלי סיוע של GenAI , ולדרג את ביטחונם בביצועיהם . עבור כל אחד מהקריטריונים במחוון, המשתתפים יצטרכו להעריך באיזו מידה לוקה מערך השיעור הנתון ביחס ל דרישות. בהתאם לקביעתם בכל קריטריון , יצטרכו המ שתתפים ל נמק את קביעתם , ולאחר מכן, לדרג את ביטחונם ביחס למידת ה איכות של הנמקותיהם . ביצועי המשתתפים יוערכו על - ידי מומחים ויושוו לדירוגי הביטחון. ההשערה היא כי השימוש ב- GenAI יפגע בדיוק הניטור, שכן המשתמשים בו יעריכו את עמידתם במשימה כגבוהה מעמידתם בפועל. דיון בממצאים ראשוניים של המחקר מצביע על תרומתם להבנת תהליכי מטה - קוגניציה במטלות בלתי - מובנות ולהערכת השלכות השימוש ב - GenAI בהקשר תכנון הוראה. מילות מפתח: בינה מלאכותית יוצרת, מטלה בלתי - מובנית, מטה - קוגניציה, ניטור מטה - קוגניטיבי, תכנון הוראה . מקורות Efklides, A. (2006). Metacognition and affect: What can metacognitive experiences tell us about the learning process?. Educational Research Review, 1(1), 3-14. https://doi.org/10.1016/j.edurev.2005.11.001 Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544 Gonçalves Costa, G., Nascimento Júnior, W. J. D., Mombelli, M. N., & Girotto Júnior, G. (2024). Revisiting a teaching sequence on the topic of electrolysis: A comparative study with the use of artificial intelligence. Journal of Chemical Education, 101(8), 3255-3263. https://doi.org/10.1021/acs.jchemed.4c00247 Graf-Drasch, V., Gimpel, H., Barlow, J. B., & Dennis, A. R. (2021). Task structure as a boundary condition for collective intelligence. Personnel Psychology, 75(3), 739-761. https://doi.org/10.1111/peps.12489
RkJQdWJsaXNoZXIy Mjk0MjAwOQ==