איזון בין בינה אנושית למלאכותית: עתיד מוסדות חינוך והשכלה גבוהה

1. רקע
   מוסדות חינוך והשכלה גבוהה ברחבי העולם עדיין מתאוששים מהמגיפה העולמית. אף שהקמפוסים נפתחו מחדש, הולכת וגוברת ההבנה כי לא תתרחש חזרה לשגרה המוכרת, שכן חדירת הבינה המלאכותית לעולם מובילה שינוי עמוק שיש המכנים אותו "המהפכה הרביעית". אז על מה בדיוק כולם מדברים?
   בינה מלאכותית כוללת מערך רחב של טכנולוגיות – כמו ראייה ממוחשבת, עיבוד שפה טבעית, זיהוי דיבור ולמידת מכונה – שמרחיבות את היכולת האנושית לפתור בעיות. חדירתה לכלל תחומי החיים יוצרת כבר היום שינויים מהותיים בסקטורים מובילים וזה לא פוסח גם על עולם החינוך וההשכלה הגבוהה. בין יתר התמורות ניתן למנות מעבר לדרכי הוראה פרסונליות באמצעות התאמת מערכי שיעור, סילבוסים וחומרים לקורס מסוים ואפילו לסטודנט ספציפי, צמצום משמעותי במטלות אדמיניסטרטיביות כמו מתן ציונים לעבודות ומבחנים, ואפשרות לזיהוי מועמדים עם הסתברות גבוהה להרשמה ללימודים כדי לשפר את שיעורי ההמרה של ההרשמה בפועל.
2. היבטים של הטמעת בינה מלאכותית בעולמות החינוך וההשכלה הגבוהה
   שוק החינוך וההשכלה הגבוהה הוא שוק תחרותי כמו כל סקטור עסקי אחר. הלקוחות הם הסטודנטים, הסגל האקדמי והחוקרים, ובדיוק כמו בסקטורים עסקיים אחרים הם מצפים שיחזרו אחריהם ויתאימו את התנאים לדרישותיהם. בהתאם לכך, הם יעדיפו לבחור במוסדות האקדמיים שידעו להטמיע את החדשנות הטכנולוגית ולהשתמש במגוון האפשרויות שמעניקה הבינה המלאכותית, בהן:
   • התאמה והנגשה מיידית של תכני לימוד לסטודנט, לסטטוס שלו ולנתוניו – כך למשל, בעזרת כלי בינה מלאכותית סטודנט ששפת אימו אינה עברית יכול לתרגם בלחיצת כפתור חומרי קורס וסטודנט עם מוגבלות ראיה יכול להשתמש בטכנולוגיות הקראה במקום להיות תלוי בתומך ראיה.
   • מסע למידה מותאם אישית – המבנים הקשיחים של תואר נפרצים אט אט ובאמצעות בינה מלאכותית סטודנטים יכולים להרכיב לעצמם מסע למידה מותאם לצרכיהם, אם בפריסת קורסים שתאפשר עבודה במקביל ואם בחיבור בין קורסים שונים ליצירת תואר רב-תחומי. 
3. רתימת היכולות לצורך טרנספורמציה
   האתגר המרכזי של מוסדות חינוך והשכלה גבוהה נעוץ ברתימה נכונה של הטכנולוגיה. לצורך טרנספורמציה מהותית בתהליכי למידה, הוראה, עבודת מינהל ומחקר. הנה כמה דוגמאות: חיבור אקדמיה ותעסוקה – תפקיד האקדמיה אינו רק ללמד אלא גם, ויש שיטענו בעיקר, להכשיר את דור העובדים הבא. הבינה המלאכותית כבר חדרה למרבית, אם לא לכל, תחומי העיסוק ומחובת מוסדות חינוך והשכלה גבוהה להכשיר את הסטודנטים לשימוש נבון בטכנולוגיה. זה אומר לא רק לתת לסטודנטים את האפשרות לשימוש בבינה מלאכותית גנרטיבית (דוגמת ChatGPT), אלא גם ללמד אותם כיצד להשתמש בכלי בינה מלאכותית שונים ולהתאים את תכני הלימוד לעולם הטכנולוגי העכשווי.
   דוגמה מעשית לכך היא המיתוג החדש של המכללה למנהל עם הסלוגן ' AI CONNECT האקדמיה של העולם החדש'. הלכה למעשה, המכללה משלבת את תחום הבינה המלאכותית במסלולי הלימוד כדי להכשיר את הסטודנטים להשתלבות מהירה ומוצלחת בעולם התעסוקה העתידי. במהלך הלימודים הסטודנטים נחשפים לקורסים וסדנאות בנושא דרך מרכזי למידה חדשניים כדי להבין כיצד ניתן לעשות שימוש בבינה המלאכותית בתחום הנלמד, כדי להעניק לסטודנטים יתרון בשוק העבודה.
   • רתימת הטכנולוגיה לתמיכה בהוראה – הטמעה נכונה של בינה מלאכותית מאפשרת לצמצם את הזמן שסגל ההוראה נדרש לעבודות אדמיניסטרטיביות כמו מתן ציונים ולהקדיש זמן רב יותר להוראה עצמה. בנוסף, היא מסייעת לייעל ולשפר תהליכי משוב, מדידה ובקרה ומאפשרת לבצע התאמות במערכי שיעור ובמטלות אקדמיות באמצעות ניתוח מידע ומדדי מעורבות סטודנטים.
     דוגמה לכך היא כלי הערכה פנימיים מבוססי בינה מלאכותית שפותחו על ידי ראמ"ה – הרשות הארצית למדידה והערכה בחינוך והמזכירות הפדגוגית. המבדקים חוסכים למורה את זמן הבדיקה וממפים במהירות את מצב התלמידים בכתיבה, בקריאה ובהבנת הנקרא. הם מיועדים לכיתות ה' וח' במקצועות עברית, ערבית ואנגלית.
   • שיפור בתהליכי קבלת החלטות ויעילות תפעולית – חדירת הבינה המלאכותית מאפשרת לייעל תהליכי עבודה באמצעות אוטומציה של משימות שגרתיות, התאמת מידע ותקשורת פנים ארגונית לסטודנטים ולסגל, איתור וזיהוי סטודנטים מתקשים ומתן מענים יזומים. כך למשל, מודל זיהוי מגמות הבוחן דאטה של סטודנטים מאפשר לזהות אם סטודנט מצטיין מקבל ציונים נמוכים בקורס מסוים או אם סטודנט עומד להיכשל ולא לעמוד בדרישות בתואר, ולהתריע על כך בפני הסגל והסטודנטים לצורך טיפול בבעיה.
   • תמיכה ושיפור יכולות מחקר – אם התחלנו בכך שתפקיד האקדמיה הוא להכשיר את עולם התעסוקה, נסיים בתפקידה הקלאסי – לחקור ולפתח את הידע האנושי באמצעות מחקר. בתחום זה האפשרויות מגוונות מאוד, החל ביכולת להגביר את כוח המחשוב לשם ניתוח מערכי מידע גדולים, עובר בזיהוי דפוסים, יחסי גומלין ומגמות, ויצירת מודלים וסימולציות מורכבות, וכלה בהטמעת אוטומציה בניסויי מעבדה, איסוף נתונים, מיון ומדגם. בנוסף, היא יכולה לסייע בצמצום היבטי אדמיניסטרציה בין היתר באמצעות אוטומציה של הגשת דוחות מחקר, בקשות מענקים, מענים למשובים ושאלונים, ובכך להגדיל את היעילות הכלכלית של שימוש במענקי המחקר לטובת מחקר חלף תפעול שוטף.
4. סיכום
   על מנת שמוסדות חינוך והשכלה גבוהה ימשיכו להיות רלוונטיים עליהם להשתמש במודלים חדשניים ולרתום את היכולת הטכנולוגית של הבינה המלאכותית לצורך התאמת מסלולי הלימוד לצרכים האישיים והתעסוקתיים המשתנים –  לא רק תארים אקדמיים אלא גם תעודות מקצועיות, לא רק לסטודנטים צעירים אלא גם למבוגרים, לא רק סינכרוני אלא גם גמיש ומתאים לקצב וליכולות של סטודנטים מגוונים. 

נכתב ע"י מחלקת המגזר הציבורי, EY ישראל

מתבסס על מחקר גלובלי שנעשה על ידי ה-GPS Education Sector
?EY – Are Universities of the Past Still the Future