למידה עם AI: למה שאלון קצר צריך משוב מתקן

להכיר תשובה אינו זהה ליכולת להשתמש בה

דוגמה היפותטית: אדם צופה בהדגמה של סיכום מסמך באמצעות AI. ההסבר ברור, והוא יודע לבחור את ההנחיה הנכונה מתוך ארבע אפשרויות. כאשר הוא מקבל מסמך אחר, הוא מתקשה להחליט מה צריך להיכלל בסיכום ואיך לבדוק שהפרטים המרכזיים נשמרו. שתי המשימות קרובות, אך אינן דורשות בדיוק אותה יכולת.

לכן כדאי לשאול מה נבדק בשאלון: זיכרון של ניסוח, הבנת תנאי שימוש או בחירה מקצועית במצב חדש. לכל אחת יש מקום. הבעיה מתחילה כאשר ציון גבוה בסוג אחד מוצג כהוכחה לשליטה רחבה. גם שאלה שנכתבה בעזרת AI צריכה לעבור בדיקה של תוכן ומטרה.

מה נמצא במחקר על שאלונים בסרטוני הדרכה?

מאמר ב־Applied Cognitive Psychology, שפורסם מקוון ב־25 באוקטובר 2026, בחן 223 תלמידי תיכון. המשתתפים למדו מסרטון וקיבלו שאלון לפניו, אחריו או לא קיבלו שאלון; בחלק מהתנאים ניתן משוב מיידי. השיפור בלמידה נמצא בפריטים שנשאלו, בעיקר כאשר תשובה שגויה לוותה במשוב מתקן. נמצא שיפור בוויסות הלמידה, אך לא בדיוק הניטור העצמי.

ההבחנה האחרונה חשובה: שינוי בדרך שבה אדם מנהל את המשך הלמידה אינו מבטיח שהוא יודע להעריך במדויק מה הוא כבר מבין. המחקר לא בדק עובדים, כלים גנרטיביים או תוכנית הכשרה ב־AI. התכנון המוצע בהמשך הוא התאמה מקצועית אפשרית, שיש לבדוק בהקשר שבו רוצים להשתמש בה.

מה הופך משוב לתיקון שאפשר ללמוד ממנו?

משוב מועיל מסביר מה לא התאים בתשובה, מהו העיקרון הנכון ובאילו תנאים הוא חל. הודעה כמו ׳לא נכון, התשובה היא ב׳ יכולה לתקן סימון בלי להבהיר את דרך ההכרעה. כאשר הטעות נוגעת להשמטת תנאי חשוב, כדאי להראות את התנאי ולהסביר כיצד הוא משנה את הבחירה.

בלמידת AI, למשל, תשובה לסיכום מסמך עשויה להיות רהוטה אך להשמיט חריג. המשוב צריך להפנות לקטע הרלוונטי ולתאר את השפעת ההשמטה על התוצר. אין צורך להציף כל טעות ברשימת כללים; עדיף להתמקד בפער שהוביל לתשובה ולהציג דרך סבירה לתיקונו.

• הטעות: מה בדיוק לא התאים?
• העיקרון: איזה שיקול משנה את התשובה?
• התיקון: איך נראית תשובה מתאימה יותר?

איך משתמשים ב־AI להכנת שאלות בלי לוותר על בדיקתן?

אפשר להיעזר במערכת כדי לנסח חלופות או לייצר גרסאות של מקרה, על בסיס חומר שמותר להשתמש בו. לפני הצגת השאלה, צריך לוודא שהפתרון נכון, שהחלופות אינן עמומות ושהמשוב נשען על מקור תקף. שאלה שיש בה שתי תשובות סבירות עלולה לייצר ויכוח על הניסוח במקום ללמוד את ההבחנה המקצועית.

כדאי להכין מפתח תשובות מנומק לפני שבוחנים תגובות של לומדים. במקרה התלוי בתנאים, התשובה יכולה להיות ׳חסר מידע׳, יחד עם פירוט המידע הדרוש. כך נבדקת גם היכולת להימנע מהכרעה מוקדמת. יצירת שאלה אוטומטית אינה כשלעצמה בדיקת איכות, גם כשהמערכת מפיקה הסבר ארוך לכל אפשרות.

אחרי התיקון: בודקים מקרה דומה אך שונה

חזרה על אותה שאלה עשויה לבדוק אם התשובה נזכרה. מקרה חדש יכול לעזור לבחון אם העיקרון זוהה גם כשהפרטים משתנים. למשל, לאחר טעות בזיהוי מידע חסר בסיכום, אפשר להציג מסמך מסוג אחר שבו החסר מופיע במקום אחר. יש לשמור על רמת קושי דומה כדי להבין מה השתנה.

זהו כיוון לתכנון הערכה, ולא תוצאה שהמחקר המדובר הוכיח לגבי העברת מיומנויות AI. אם ההצלחה נשארת מוגבלת לפריטים המתורגלים, כדאי לתאר זאת במפורש ולבחון מה עוד נדרש: הסבר אחר, תרגול נוסף או שינוי בדרך שבה מגדירים את המשימה.

למדוד ביצוע ותחושת מסוגלות בנפרד

תחושת ביטחון יכולה לעודד התנסות, אך היא אינה ציון ביצוע. אפשר לתעד בנפרד עד כמה אדם בטוח בתשובתו והאם הצליח לבצע את המשימה לפי קריטריונים. פער בין המדדים עשוי לעזור לבחור את המשך הלמידה: יותר תרגול, הסבר נוסף או בירור של התנאים שבהם נכון להשתמש בכלי.

בבדיקה מקצועית כדאי לכלול גם את איכות התוצר וגם את דרך האימות. מי שסיפק סיכום מדויק במקרה אחד אך אינו יודע לבדוק אותו עדיין זקוק לתמיכה שונה ממי שזיהה טעות ותיקן אותה בעזרת מקור. המטרה היא יכולת שניתן להשתמש בה, ולא מספר שאלונים שהושלמו.

• הערכת ביצוע בסדנת AI

לנסח שאלה שבודקת החלטה ולא רמז בניסוח

שאלה יכולה להיראות מקצועית ובכל זאת לבדוק בעיקר יכולת לנחש. אם האפשרות הנכונה ארוכה בהרבה מהאחרות, או אם כל החלופות האחרות בלתי סבירות, הציון לא יאמר הרבה על הבנה. כדאי שהחלופות ייצגו טעויות אמיתיות שאפשר להסביר. לדוגמה, שאלה על בדיקת סיכום יכולה להבחין בין חזרה על בקשת הסיכום, השוואה למסמך המקורי ובדיקה של חלק מהפרטים בלבד. כל אפשרות צריכה להיות ברורה דיה כדי להבין מה משמעות הבחירה בה.

במשימה התלויה בהקשר, חשוב למסור את התנאים הדרושים להכרעה. אם חסר תנאי בכוונה, מפתח התשובות צריך להסביר מדוע חסרונו משמעותי. אין צורך להפוך כל שאלה למלכודת. המטרה היא להאיר הבחנה מקצועית, לא להכשיל בניסוח. לאחר שימוש ראשון אפשר לבדוק אילו תשובות שגויות חזרו, לברר אם הן משקפות קושי בתוכן או עמימות בשאלה, ולתקן את חומר הלמידה בהתאם לפני שמפרשים את הציון כמדד ליכולת.

מתי לתת את ההסבר, וכמה פירוט נדרש?

משוב צריך להגיע בזמן שבו אפשר לקשור אותו לבחירה שנעשתה. במחקר הנדון נבדק משוב מיידי; אין להסיק מכך שכל למידה דורשת אותו תזמון בכל מצב. בהדרכה אפשר להגדיר מתי נחשף ההסבר ומתי מתקיים דיון. ההחלטה תלויה במטרה: האם רוצים לחשוף תפיסה מוקדמת, לבדוק זכירה או להבין שיקול דעת. חשוב שהתזמון יהיה מתוכנן, ולא תוצאה מקרית של הזמן שנותר בסיום המפגש או של הגדרה אוטומטית במערכת השאלונים.

עומק ההסבר צריך להתאים לטעות. לעיתים מספיק משפט המפנה לתנאי שנשמט; לעיתים נדרשת דוגמה נוספת. פירוט רב אינו בהכרח משוב טוב יותר אם הלומד מתקשה לזהות את העיקר. אפשר להתחיל בתיקון ממוקד ולהציע הרחבה למי שזקוק לה. כאשר AI משמש לכתיבת משוב אישי, צריך לוודא שההתאמה אכן מתייחסת לתשובה שניתנה ושאינה ממציאה הנחות על הידע, המוטיבציה או היכולת של האדם שמקבל אותה.

להבחין בין משוב על תוצר למשוב על האדם

משוב על תוצר מצביע על פעולה שאפשר לבחון: פרט חסר, מקור לא מתאים או קריטריון שלא נבדק. אמירה כללית כמו ׳אינך מבין AI׳ אינה מסייעת להחליט מה לתקן. אפשר לתאר את הפער בלי לייחס לו תכונת אופי: ׳הסיכום מציג את הכלל אך אינו כולל את החריג׳. כך נשארת דרך לתיקון ולבדיקה חוזרת. ההבחנה שימושית במיוחד כאשר כלי אוטומטי מפיק ניסוח שנשמע סמכותי יותר מכפי שהמידע שבידיו מצדיק.

אין צורך לתת ציון לכל חלק בתוצר. אפשר לבחור קריטריון מרכזי אחד או שניים ולוודא שהם מובנים. אם משתמשים במחוון, עליו לתאר רמות ביצוע שניתן לזהות באותו אופן, ככל האפשר, בין בודקים שונים. מחוון מערכת מוצע אינו מבחן מאומת מעצם קיומו. חשוב להסביר למה הוא משמש, מה אינו מכסה ומתי נדרש שיקול דעת מקצועי נוסף, במקום להציג מספר שנראה מדויק בלי שהכללים שמאחוריו גלויים.

מה שומרים במעקב למידה לאורך זמן?

מעקב קצר יכול לכלול את סוג המשימה, ההחלטה שהתקבלה, הטעות שהתגלתה והתיקון שבוצע. אם בודקים שוב בהמשך, כדאי לשמור על קריטריונים דומים ולציין שינויים. אין צורך לאסוף יותר מידע אישי מכפי שנחוץ למטרת הלמידה. חשוב גם להבחין בין תשובה שלא נבדקה לתשובה שגויה: היעדר בדיקה אינו כישלון ביצוע, אך הוא מגביל את המסקנה שאפשר להסיק. אותה הבחנה צריכה להופיע בדוח המסכם ולא להיעלם בעת חישוב ממוצע.

כשמסתכלים על התקדמות, כדאי לשאול אם האדם נזקק לאותה תמיכה כמו קודם. תוצר טוב לאחר הנחיה צמודה הוא הישג מסוג אחר מתוצר שנבנה ונבדק באופן עצמאי. שני המצבים יכולים להיות חלק מלמידה מועילה, אך אין לתאר אותם כאותה רמת שליטה. אפשר להגדיר מראש איזו עזרה מותרת בכל משימה, כדי שההשוואה תעסוק במיומנות שרוצים לפתח ולא בשינוי סמוי בכמות התמיכה שניתנה בין בדיקה אחת לאחרת.

כיצד מחברים בין שאלון לתוצר מקצועי?

שאלון יכול להיות נקודת פתיחה לדיון ממוקד, ולא סוף התהליך. לאחר זיהוי עיקרון אפשר לבחון אותו בתוצר קטן: סיכום הכולל תנאים וחריגים, טבלת השוואה שבה מסומנים נתונים חסרים או המלצה המפרידה בין עובדה להנחה. ההחלטה מה לבדוק נגזרת ממטרת הלמידה. אין צורך לייצר תוצרים רבים כדי להראות פעילות; עדיף לבחור תוצר שמאפשר לראות בבירור את ההבחנה שנלמדה ואת הדרך שבה נבדקה נכונותה מול חומר המקור.

אם התוצר מיועד לשימוש אמיתי, חשוב לבדוק אותו לפי כללי העבודה הרלוונטיים לפני הפצה. מסגרת למידה אינה מבטלת אחריות מקצועית. כאשר משווים בין התוצר הראשון למתוקן, אפשר לתאר מה השתנה ומה נשאר ללא מענה. כך המשוב מתחבר לפעולה שאפשר לראות, והסיכום יכול להציג תועלת ומגבלה יחד. ההחלטה אם להרחיב את השימוש נשענת על איכות הביצוע ועל תנאי העבודה, ולא רק על תחושת הנאה, מספר תשובות נכונות או התלהבות מהכלי.

איך המכון מחבר משוב ללמידת AI?

בתוכנית מותאמת של המכון הישראלי לבינה מלאכותית אפשר לשלב הדגמה, עבודה על משימה, משוב וחזרה לתוצר משופר. השאלות והמשימות נבנות לפי הכלים, הניסיון והצורך, וההתקדמות נבחנת גם באמצעות תוצרים. כך הלמידה מתייחסת להחלטות שאנשים נדרשים לקבל תוך כדי שימוש, ולא רק להיכרות עם ממשק.

במהלך קצר אפשר להתמקד בהבחנה מרכזית אחת; בסדרה ניתן לחזור לתוצרים לאורך זמן. התאמת המבנה אינה הבטחה לתוצאה בגודל קבוע, אלא דרך לקבוע מה לומדים ומה אפשר להעריך. להמשך העמקה כדאי לקרוא גם על בדיקת ההסבר שמאחורי המלצת AI ועל התנאים שבהם נכון לעדכן החלטה.

• תוכניות הדרכת AI מותאמות
• חשיבה ביקורתית: בדיקת הסבר ומשוב