ע 47 טלי גזית, עמיר גפן, לילך גל, ליהיא תלם הנשען על שקיפות, ביקורתיות ושליטה של המרצה בתהליך. לעומת זאת, היעדר אמון מוביל לאיום רגשי ומקצועי, המגביר תחושת חוסר שליטה ופחד מהחלפת המרצה במכונה. בהיבט זה, תוכניות הכשרה למרצים המשלבות התנסות מודרכת בכלים מבוססי AI יכולות לשמש מנגנון להפחתת איום ולהגברת תחושת המסוגלות. המחקר מדגיש כי שילוב בינה מלאכותית באקדמיה אינו רק אתגר טכנולוגי אלא גם רגשי ופדגוגי. מדיניות מוסדית צריכה לעודד שיח פתוח על גבולות השימוש, לאפשר למרצים לתכנן הערכות המבליטות את תהליך הלמידה, ולפתח הנחיות אתיות וגילוי נאות. כמו כן, יש מקום לחיזוק קהילות למידה בין - מוסדיות, שיאפשרו למרצים לשתף דרכי התמודדות, לבחון יחד דילמות, ולפתח מדיניות מבוססת ניסיון. מגבלות המחקר המחקר הנוכחי מתבסס על שאלון דיווח עצמי, העלול להיות מושפע מהטיות חברתיות ומהערכת יתר או חסר של שימוש בפועל בבינה מלאכותית. המדגם, אף שהיה רחב ומגוון, אינו בהכרח מייצג את כלל אוכלוסיית המרצים בישראל, במיוחד בתחומים שאינם טכנולוגיים או במדעי הרוח. נוסף על כך, המחקר נערך בתקופה שבה השיח הציבורי סביב AI היה דינמי מאוד, ולכן ייתכן שמידת האיום או האמון השתנתה מאז. השלכות תאורטיות ופרקטיות הממצאים מציעים תרומה משמעותית להבנה תאורטית של תהליכי אימוץ טכנולוגיות באקדמיה. ראשית, הם מאשרים כי יש להרחיב מודלים קלאסיים כמו )TAM (Davis, 1989 ו- UTAUT ) Venkatesh et al., 2003 ,( כך שיכללו משתנים רגשיים וחווייתיים כגון אמון, תפיסת איום וביטחון מקצועי. שילוב משתנים אלה מאפשר הסבר עמוק יותר של דפוסי קבלה והתנגדות, ומציע מסגרת רחבה להבנת יחסי אדם - מכונה בהקשר פדגוגי. שנית, נמצא כי אמון מהווה מנגנון מתווך בין שימוש בפועל לבין רגשות של א יום או קבלה, וכי יש להתייחס אליו לא רק כמדד טכנולוגי אלא גם כמדד של יחסים מקצועיים בין המרצה לטכנולוגיה . בהיבט הפרקטי, המחקר מדגיש את חשיבותה של מדיניות מוסדית ברורה התומכת בשילוב הדרגתי ומבוקר של בינה מלאכותית בהוראה. מומלץ למוסדות ההשכלה הגבוהה לפתח מערכי הכשרה מקצועיים למרצים , ובדגש על הוותיקים שבהם, הכוללים היכרות עם כלים דיגיטליים, דיון אתי על גבולות השימוש, ותרגול פרקטיקות פדגוגיות מבוססות שקיפות והערכה תהליכית. בנוסף, יצירת מנגנוני תמיכה בין - מוסדיים וקהילות למידה יכולה לעודד שיתוף ידע, לצמצם חרדות, ולחזק את האמון במערכות AI . חשוב ללוות שינויים משמעותיים אלו בתהליכי הוראה, למידה ומחקר אקדמי במחקר הערכה מלווה על מנת לבחון את יעילותם לאורך זמן ולאור ההתפתחויות המהירות בתחום הבינה המלאכותית. יישום ממצאי המחקר הנוכחי עשוי לתרום לעיצוב ה אקדמיה הישראלית כמרחב המשלב חדשנות טכנולוגית עם אחריות אקדמית, מוסרית ופדגוגית, ולשמש בסיס לפיתוח מדיניות לאומית לשילוב מושכל של בינה מלאכותית ב השכלה הגבוהה . מקורות Aharony, N., & Gazit, T. (2020). Students' information literacy self-efficacy: An exploratory study. Journal of Librarianship and Information Science, 52(1), 224-236. https://doi.org/10.1177/0961000618790312 Al-Hattami, H. M. (2025). Empowering business research with ChatGPT: Academic and behavioral determinants of adoption using an extended UTAUT model. Discover Computing, 28, 179. https://doi.org/10.1007/s10791-025-09692-1 An, Y., Yu, J. H., & James, S. (2025). Investigating the higher education institutions' guidelines and policies regarding the use of generative AI in teaching, learning, research, and administration. International Journal of Educational Technology in Higher Education, 22, 10. https://doi.org/10.1186/s41239-025-00507-3 Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & Andrade-Abarca, P. S. (2024). The impact of pedagogical beliefs on the adoption of generative AI in higher education: Predictive model from UTAUT2. Frontiers in Artificial Intelligence, 7, 1497705. https://doi.org/10.3389/frai.2024.1497705
RkJQdWJsaXNoZXIy Mjk0MjAwOQ==