מדידת הבנת התלמידים בחינוך מחשוב אינה משימה קלה. מכיוון שאוריינות בינה מלאכותית הופכת לנדבך חשוב בחינוך המחשוב, הגדרה ומדידה מדויקת של הבנת התלמידים במושגים וכישוריהם היא אתגר גדול עוד יותר.
בסמינר שנערך לאחרונה ב הסדרה שלנו בנושא הוראה על AI ומדעי נתוניםחוקר ז'סוס מורנו-לאון (Universidad de Sevilla) דיבר על עבודתו בפיתוח כלי הערכה לחשיבה חישובית (CT) ואוריינות בינה מלאכותית. Jesús הוא גם מייסד שותף של Programamosארגון ללא מטרות רווח המקדם פיתוח חשיבה חישובית, תמיכה במורים באמצעות הדרכה ושיתוף משאבים.
פיתוח כלי הערכה במדעי המחשב
ז'סוס התחיל בדיון בפיתוח האחרון של כלי הערכה במדעי המחשב. יחד עם גרגוריו רובלס (Universidad Rey Juan Carlos), הם יצרו ד"ר סקראץ'כלי מבוסס אינטרנט להערכת האיכות של פרויקטי Scratch וזיהוי שגיאות והרגלי תכנות גרועים (למשל קוד מת). פרויקטים מקבלים ניקוד על שימוש במושגי חשיבה חישובית (למשל מקביליות, לוגיקה מותנית) ושימוש בפרקטיקות תכנות רצויות (למשל מתן שמות ל-sprites, הסרת סקריפטים כפולים) על מנת לתת משוב לתלמידים ולמורים כדי לשפר באופן איטרטיבי את פרויקטי Scratch שלהם.
לצד מדידת כישורי התכנות של התלמידים, ג'סוס שיתף גם עבודה של מרקוס רומן-גונסאלס (Universidad Nacional de Educación a Distancia) לפיתוח מבחן החשיבה החישובית (CTt), כלי הערכה בן 28 פריטים שנועד למדוד את כישורי החשיבה החישובית של תלמידים בגילאי 10 עד 16. שני משתפי פעולה, מריה זפאטה ו אסטפניה מרטין (Universidad Rey Juan Carlos) התאים עוד יותר את הפריטים הללו כדי ליצור את מבחן חשיבה חישובית למתחילים (או BCTt), הערכה לא מחוברת המתאימה ללומדים צעירים בגילאי 5 עד 10 שנים.
מלמד על AI בספרד
ז'סוס תיאר גם את עבודתו האחרונה במשרד החינוך וההכשרה המקצועית בספרד לקידום מדעי המחשב בכל רמות החינוך. יוזמה אחת, La Escuela de Pensamiento Computacional e Intelligencia Artificial (או בית הספר לחשיבה חישובית ואינטליגנציה מלאכותית), תמכה במורים לספרדית באמצעות הכשרה ומשאבים להחדרת CT ובינה מלאכותית לכיתה. למעלה מ-400 מורים ו-7000 מורים לקחו חלק ברחבי ספרד באמצעות פעילויות וכלים מנותקים כמו למידת מכונה לילדים ו LearningMLהמאפשר לתלמידים לסווג טקסט ותמונות באמצעות למידת מכונה. תלמידים מבוגרים יותר יצרו אפליקציות באמצעות ממציא אפליקציות MIT. כאשר העריכו את עיצוב תכנית הלימודים, הם גילו שיש להם מכשירים חזקים למדידת התפתחות ה-CT – כמו כלי ההערכה שתוארו לעיל – אך אין דבר למדידת אוריינות בינה מלאכותית.
כלי למדידת אוריינות בינה מלאכותית
היעדר כלי הערכת אוריינות בינה מלאכותית תקפים הוביל את הצוות לפתח את מבחן הידע בינה מלאכותית (או AIKT), סקר בן 14 פריטים המורכב משאלות רב-ברירה שנועדו למדוד את הבנת התלמידים ב-AI. המכשיר נוצר בהשראת עבודות קודמות בתחום וממחקרים רלוונטיים (למשל מסגרת AI4K12).
דוגמה ממבחן AI Knowledge
דוגמה לאחד מהפריטים הללו מוצגת להלן. אתה יכול לפתור את זה? התשובה נמצאת בתחתית המאמר הזה.
שאלה 1. איזו מהאסטרטגיות הבאות תתאים ביותר ללמד מחשב לזהות תמונות של תפוחים?
- לאמן את המחשב עם תמונות של כלבים
- אימון המחשב באמצעות מספר תמונות של תפוחים שונים, שצולמו במקומות ובהקשרים שונים
- אימון המחשב עם מספר תמונות דומות של אותו תפוח, שצולמו באותו מקום
- אמן את המחשב עם כמה עותקים זהים של אותה תמונה של תפוח
בדיקת המבחן
ב א מחקר על ההשפעה של פעילויות תכנות על חשיבה חישובית ואוריינות בינה מלאכותית בבתי ספר בספרדית, המחברים בדקו את הפריטים מבוססי הידע הללו עם למעלה מ-2000 תלמידים כדי להעריך את המהימנות (למשל עקביות פנימית), או מדד לאיכות של סקר או מבחן. הם מצאו פריט אחד ("כמשתמש, הרגולציה המשפטית שאושרה לגבי מערכות בינה מלאכותית תשפיע על חיי") לא תואמת את הפריטים האחרים. זה הותיר בסך הכל 13 פריטים שנמצאו כבעלי עקביות פנימית מספקת – כלומר עד כמה כל פריט מתאם אחד עם השני כדי למדוד מבנה בסיסי (כלומר "ידע בינה מלאכותית"). הם הגיעו למסקנה שכלי ההערכה זקוק לתקרה גבוהה יותר וצריך לטפל בתפיסות מוטעות נפוצות. המחברים גם למדו שמורים זקוקים לכלים חינמיים וקוד פתוח עם חסמי כניסה נמוכים, כגון אי צורך ברישום, והם מתאימים לשימוש בכיתה, כגון הגבלת נתונים שנשלחים לענן.
אוריינות בינה מלאכותית בעידן הגנרטיבי
עם עלייתם של כלי AI גנרטיביים כמו ChatGPT או ג'מיני של גוגל, Jesús ועמיתיו הרגישו שכלי הערכת אוריינות בינה מלאכותית שלהם נחוץ כדי להתמקד ביכולות של כלי בינה מלאכותית גנרטיבית. הם גם הרגישו שהם צריכים לקבל ראייה רחבה יותר של AI ולהתמקד בממדים נוספים, כמו ההשלכות החברתיות והאתיות של כלי AI. לפיכך, הם מתקנים כעת את פריטי ההערכה שלהם כדי להתיישר עם מספר מסגרות נפוצות, כולל מסגרת SEAME ו עדיפויות למידת בינה מלאכותית לכל תלמידי ה-K-12.
דוגמה ממבחן הידע המתוקן של AI
אחד מהפריטים המתוקנים מוצג להלן. אתה יכול לפתור את זה? התשובה מתגלה להלן.
שאלה 2. ביקשת מהתלמידים שלך לעצב עץ החלטות כדי לסווג פירות שונים על סמך שלושה מאפיינים: צבע, גודל וצורה. כדי לבדוק אם הפתרון המוצע הבא נכון, אתה הולך לבדוק אותו. לאיזה פרי מסווג עץ ההחלטות א תפוח קטן, עגול, צהוב?
- תַפּוּחַ
- אֲבַטִיחַ
- לִימוֹן
- בָּנָנָה
למידע נוסף על עבודה זו
ז'סוס סיים את הסמינר בתיאור כוונותיו לשתף פעולה עם אחרים כדי לבדוק את מכשיר האוריינות בינה מלאכותית המתוקנת עם תלמידים בתחילת 2026. אנו מצפים לשמוע על התוצאות שלהם!
אתה יכול לצפות בסמינר כולו של ז'סוס כאן:
אם אתה מעוניין ללמוד עוד על ז'סוס ועבודתו, אתה יכול לקרוא על התפתחותו של מבחן AI Knowledge (או AIKT) כאן ואת מבחן חשיבה חישובית (CTt) כאן או להסתכל על פריטים מקוריים כאן. אתה יכול גם ללמוד על מבחן החשיבה החישובית למתחילים (BCTt) על ידי צפייה ב-a סמינר מחקר Raspberry Pi בנושא אוֹ לקרוא על זה כאן.
הצטרפו לסמינר הבא שלנו
בסדרת הסמינרים הנוכחית שלנו, אנחנו בוחנים בינה מלאכותית יישומית וכיצד ניתן ללמד בינה מלאכותית בכל תכנית הלימודים. בסמינר הבא שלנו בסדרה זו ב-17 במרץ בשעה 17.00 שעון בריטניה, אנו מברכים רבקה פיברינק (University of the Arts London) אשר יחקור את השאלות של כיצד ומדוע אנו עשויים ללמד AI עבור מתרגלים יצירתייםכולל ילדים, סטודנטים ואנשי מקצוע.
להשתתפות בסמינר, לחצו על הכפתור למטה להרשמה. אנו מקווים לראותך שם.
ה לוח הזמנים של הסמינרים הקרובים שלנו זמין באינטרנט. אתה יכול להתעדכן בסמינרים קודמים בנושא הבלוג שלנו ועל ה עמוד סמינרים והקלטות קודמים.
תשובות
קישור לכתבת המקור – 2026-02-19 12:55:00
