במהלך השנה האחרונה (2025) חברו יחד מו"פ קהילות מקצועיות לומדות במכון מופ"ת והמכון למחקר יישומי של בינה מלאכותית במשרד החינוך כדי להקים את "מעבדת שילוב כלי בינה מלאכותית בהובלת קהילות מקצועיות לומדות". ניסוי ייחודי שבחן כיצד בינה מלאכותית (AI) יכולה לתרום להובלת קהילות, ומהם התנאים המקדמים והחוסמים לכך. את המהלך הובילו ד"ר יונתן מנדלס ממו"פ קמ"ל ומעיין סייג מהמכון למחקר יישומי של בינה מלאכותית.
המעבדה התנהלה באפיק כפול: תהליך קהילתי-קבוצתי בו בחנה הקבוצה תיאוריות שונות והתנסתה בכלי בינה מלאכותית, ומחקר מלווה אשר התבסס על מתודולוגיית Design-Based Research (DBR). בתהליך השתתפו 17 מובילות ומובילי קהילות מתחומי דעת שונים, כולם בעלי אוריינות דיגיטלית גבוהה וניסיון בפדגוגיה חדשנית. הוא התפרש על פני שישה חודשים וכלל מפגשים סינכרוניים, משימות א-סינכרוניות ויומני רפלקציה.
המשתתפים התנסו בכלים מגוונים: Base44 ChatGPT, Gemini, NotebookLM, Claude, Canva, ועוד. הם למדו לנסח פרומפטים מדויקים, ניסו לייעל בעזרתם משימות אמיתיות משגרת ההובלה, ותיעדו את חוויותיהם לצורך ניתוח מחקרי. לצד ההתנסות קיימו המשתתפים דיונים בהם ניסו לזקק את הצרכים שלהם כמובילים ואת המקומות בהם AI יוכל לסייע להם. התפיסה לאורה פעלה המעבדה גרסה כי שילוב ה-AI לא נתפס ככלי טכנולוגי בלבד, אלא כאמצעי להרחבת כשירותם של מובילי הקהילות, תוך מענה לאתגרים כגון עומס עבודה, קושי בניהול ידע קהילתי, תקשורת לא יעילה או קונפליקטים.
ממצאי הרפלקציות, הדיונים והתוצרים נותחו מחקרית תוך התבוננות בתהליך שהוביל לממצאים, כולל האתגרים והפערים שנחשפו בדרך. התובנות השונות יושמו על ידי המובילים בקהילותיהם והתובנות שותפו עם חברי וחברות הקבוצה. בהתאם ללקחים שהופקו שונו התוצרים, עד להפקת תוצר מדויק ומשמעותי.
כך נוצרה טיפולוגיה חדשה: "מודל התפקידים: טיפולוגיית AI להובלת קמ"ל" תשעה תפקידים בהם יכולה הבינה המלאכותית לסייע למובילים, כגון "אנליסטית נתונים", "מגשרת שיח", "מלווה אישית" או "שותפה רגשית-קוגניטיבית".
מודל 9 התפקידים
טיפולוגיית AI להובלת קמ"ל
לחצו על כל תפקיד כדי לגלות כיצד הבינה המלאכותית יכולה לשמש כשותפה אסטרטגית בעבודתכם, עם דוגמאות מעשיות, טיפים ל"הצלחה מהירה" והתמודדות עם מכשולים נפוצים.
תובנות עיקריות מהניסוי
- AI כמכפיל כוח: השימוש בכלי AI אפשר חיסכון בזמן, שיפור איכות התוצרים ותמיכה קוגניטיבית ורגשית למובילים.
- שינוי בשדה: באופן טבעי, המובילים העבירו את הידע שרכשו למורים בקהילותיהם, תוך התאמה דיסציפלינרית. בכך הופעל הלכה למעשה מודל "המניפה" לאורו פועלות הקהילות הדיסציפלינריות.
- למידה עמוקה דרך שילוב: ה-AI תרם לארגון ידע קהילתי, להתמודדות עם קונפליקטים וליצירת שפה מקצועית משותפת.
אתגרים ומתחים שעלו במהלך העבודה
- "פרדוקס הזמן": האתגר של "חוסר זמן" לא נפתר, אלא הוחמר. ככל שהמובילים נחשפו ליותר יכולות, כך גברה המודעות שלהם להשקעת הזמן הנדרשת למימוש הפוטנציאל המלא.
- צורך בדיוק פרומפטים: המשתתפים לא ידעו תמיד איך לנסח במדויק את רצונותיהם, דבר שהוביל לעתים לתוצרים כלליים.
- תחושת הצפה: ריבוי הכלים והצורך ללמוד את דרך השימוש בהם יצר עומס קוגניטיבי.
עקרונות פעולה עתידיים
המחקר מציע מספר עקרונות למינוף התהליך: המוביל אינו חייב להיות מומחה טכנולוגי, אלא מנחה המסוגל להוביל דיון משמעותי בשימושי AI.
התאמה מדורגת: להתחיל בכלים פשוטים, עם קהל פתוח, ולהרחיב בהדרגה.
ליווי אישי ויד-על-ההגה: שילוב מוצלח של כלי AI דורש זמן להתנסות ותמיכה רציפה.
פיתוח חשיבה ביקורתית: ה-AI טועה פעמים רבות. לפיכך יש להשתמש בו ככלי להעמקה, ולא כתחליף לשיקול דעת פדגוגי.
הניסוי הדגים את האפשרות לשילוב של AI באופן מושכל בהובלת קהילות מקצועיות לומדות וכאמצעי אשר מסוגל להקל את העומס המוטל על המובילים. הטיפולוגיה שגובשה מהווה בסיס ליישום רחב ומותאם.
