נשארים מעודכנים
הצטרפו לקהילת 'הגיע זמן חינוך' וקבלו עדכון שבועי עם כל מה שמורות ומורים צריכים לדעת
בשנים האחרונות גוברת ההכרה בחשיבה החישובית – הידועה גם כחשיבה אלגוריתמית – כאחת ממיומנויות החשיבה המרכזיות הנדרשות במאה ה־21. יותר ויותר אנשי חינוך ומקבלי החלטות מבינים את החשיבות הרבה שבהקניית כישורי החשיבה החישובית כבר בגיל צעיר, ובשנים האחרונות היא מהווה נדבך מרכזי בעיצוב החינוך לעידן הדיגיטלי, זוכה לתשומת לב רבה בחינוך ובמחקר ומשפיעה על תחומי דעת מגוונים.
בד בבד, גם ההתפתחות המהירה של מערכות הבינה המלאכותית והשפעתן ההולכת ומתרחבת על תחומי חיים רבים מציבה צורך משמעותי: להכשיר את דור המפתחים של העתיד שיוביל את מערכות הבינה המלאכותית של המחר.
כדי לבחון את הדרכים לשילוב של התחומים הללו בהוראה ובלמידה, הקימה האקדמיה הלאומית למדעים, לבקשת קרן טראמפ למצוינות בחינוך, צוות מומחים שפעל לגיבוש תשתית ידע והמלצות ראשוניות בנושא.
במסגרת עבודתו, נתן צוות המומחים הגדרה קונקרטית, בהירה ותמציתית לחשיבה חישובית, הנשענת על האיפיון הכללי של פרופ' ג'נט וינג לחשיבה חישובית ויכולה לשמש מורים, אנשי חינוך ומפתחי תכנים בתחום:
"חשיבה חישובית כוללת את תהליכי החשיבה שמשמשים בשלבים שונים של פתרון בעיות, מייצוג הבעיה וניתוחה ועד למציאת פתרון או פתרונות שונים עבורה, להערכתם ולביטוייםָָ באופן שניתן לבצע אותם אוטומטית (בעזרת מחשב או ללא מחשב). תהליכי חשיבה אלה משלבים אוסף מגוון של כלים מנטליים הקשורים זה לזה, כגון הפשטה, הכללה ופירוק, היסק לאחור, שינוי צורת ייצוג ואי־דטרמיניזם."
תהליכים אלו מאפיינים את עבודתם של מומחי מדעי המחשב, אך כיוון שמדובר בעקרונות כלליים לפתרון בעיות – המאפשרים לתלמידים להתמודד עם אתגרים מגוונים בעולם משתנה – הם ניתנים ליישום גם בתחומים שאינם כוללים טכנולוגיה או תכנון כמו מתמטיקה, ביולוגיה, כימיה, פיזיקה – ואפילו בלימודי שפה.
בדוח של צוות המומחים נקבע כי יש לשלב את החשיבה החישובית בהוראה של מגוון מקצועות, נוסף למדעי המחשב, כיוון שהיא מציעה כישורים ומיומנויות הרלוונטיים לתהליכים של פתרון בעיות בתחומים שונים. שילוב רוחבי של חשיבה חישובית במקצועות שונים יכול להוות מנוף משמעותי לפיתוח כישורים מנטליים וקוגניטיביים רחבים בקרב תלמידים בכל תחומי הדעת ובכל הגילים.
במערכת החינוך בישראל, כמו במדינות אחרות בעולם, הוראת החשיבה החישובית מתקיימת לרוב במסגרת לימודי מדעי המחשב. כתוצאה מכך, רק חלק קטן מאוד מהתלמידים נחשף לכלים ולמיומנויות החשובות שכוללת צורת חשיבה זו.
כמו כן, גישת ההוראה הרווחת לחשיבה חישובית ברוב תוכניות הלימודים – גם אם אינן כלולות תחת מקצוע מדעי המחשב – כוללת לימוד של שפות תכנות. ללימודי תכנות יתרונות רבים בעולם הטכנולוגי המתפתח, אך יש להם גם לא מעט חסרונות: ראשית, לימודים אלו אינם נגישים לכולם כיוון שהם נוטים להרחיק קבוצות אוכלוסייה מסוימות, למשל בנות או תלמידים ממעמד חברתי־כלכלי נמוך, עבורם הלמידה אינה מתאפשרת בשל מחסור במשאבים. שנית, למידה של שפת תכנות כוללת עיסוק טכני, שלרוב גוזל זמן רב הן מהמורים והן מהתלמידים – וכך נדחקת הצידה הלמידה של מיומנויות החשיבה עצמן.
בנוסף לאלה, הוראה המתמקדת בתכנות בלבד מקשה על העברת עקרונות החשיבה החישובית לתחומים אחרים שאינם מדעי המחשב – אם תלמידים ידעו ליישם את כלי החשיבה החישובית רק בסביבה תכנותית, כאשר יתבקשו לפתרון בעיות בצורה אחרת הם עלולים להתקל בקושי להשתמש בכלים שלמדו.
לפיכך, צוות המומחים ממליץ לבחון מחדש את אופי השימוש בתכנות בהוראה – הן במדעי המחשב והן בתחומי דעת אחרים. השילוב של תכנות בהוראה צריך להיות מושכל, ולכלול הוראה מפורשת, בה המורים נותנים שמות לתהליכי החשיבה שהתלמידים עושים ומקשרים בין רעיונות מתחומי דעת שונים. זאת במטרה להרחיב את האפשרות להטמיע את עקרונות החשיבה החישובית בקרב כלל הלומדים, כך שיוכלו ליישמם באופן יעיל גם בתחומים נוספים.
צוות המומחים ממליץ להתייחס לחשיבה החישובית כמקצוע עצמאי, אשר יתבסס על עקרונות מדעי המחשב אך לא יהיה משויך לו באופן בלעדי. מקצוע זה ישמש כתחום רוחבי, שיתמוך בתהליכי למידה ובפיתוח עקרונות חשיבה ומיומנויות קוגניטיביות כלליות במגוון תחומי דעת.
הדוח ממליץ להתחיל בהוראת עקרונות החשיבה החישובית כבר בחינוך היסודי, באמצעות למידה ספירלית – כלומר, כזו המותאמת לגיל ולשלב ההתפתחותי, וחוזרת לעקרונות הליבה ברמות הפשטה משתנות. כך ניתן לבסס את הכישורים לאורך זמן ולהבטיח שהתלמידים יפנימו את הכלים ויישמו אותם גם בתחומים אחרים.
עוד לפני יצירת מקצוע עצמאי, הדוח קורא לשלב עקרונות של חשיבה חישובית בתוך מקצועות שכבר קיימים במערכת החינוך. מורים למתמטיקה יכולים ללמד בעיות מבניות תוך הדגשת שלבי פתרון, הכללה ובניית אלגוריתם; מורים לביולוגיה יכולים להדגיש זיהוי תבניות, פירוק תהליכים ביולוגיים והכללה של עקרונות פעולה; מורים למקצועות אחרים יכולים לעודד שינוי ייצוגים – לדוגמה, להציג מידע גם בטקסט, גם בציור וגם בטבלה.
הדוח מדגיש את הצורך בהמשגה מפורשת של כל כלי חשיבה שנרכש, ויצירת קשרים בין מופעים שונים של אותו רעיון – בתרגילים שונים ואף בתחומי דעת מגוונים. טכניקות אלו מסייעות לתלמידים לבנות מודעות לתהליכים המנטליים שהם מבצעים, ומפתחות אצלם יכולת להתמודד עם בעיות חדשות בצורה יצירתית וגמישה.
לצד אלו, צוות המומחים מדגיש כי כל הפעולות והמהלכים שהוזכרו מעלה אינם יכולים להתקיים ללא הכשרת מורים מתאימה, המהווה תנאי קריטי להטמעה מוצלחת של התחום. לא מדובר רק בקורסי העשרה נקודתיים, אלא בפיתוח מסלולי הכשרה ייעודיים – הן למורי המקצוע החדש והן למורים בתחומים אחרים – לצד הקמת קהילות מקצועיות, תשתיות מתאימות, וגישה למשאבים מקוונים.
בשנים האחרונות הולכות ומתרבות תוכניות לימודים שמבקשות להכין את הדור הבא של מפתחי הבינה המלאכותית. אולם לצד הפיתוח המהיר עולה השאלה: מהו הידע הבסיסי שנדרש לתלמידים כדי להבין את מערכות הבינה המלאכותית, להשתמש בהן באופן מושכל – ואף לתרום לפיתוחן בעתיד?
צוות המומחים מדגיש את הצורך בהנחת תשתית ידע רחבה, המתמקדת בעקרונות הפעולה של מערכות בינה מלאכותית – ולא רק בהיכרות עם יישומים שונים שלה. הדוח ממליץ במיוחד על גישת הוראה מבוססת נתונים (Data-Centric AI), המדגישה את החשיבות בעבודה עם מידע רב כבסיס הכרחי ללמידה מושכלת של התחום.
היכרות עם תחום מדעי הנתונים והיכולת לעבוד עם נתונים אמיתיים – איסוף, ניהול, עיבוד, ניתוח וייצוג – הן מיומנויות קריטיות בפיתוח וביישום של מערכות בינה מלאכותית. עבודה כזו ניתן לשלב בלמידה כבר בגיל צעיר, במגוון תחומי דעת, והיא בעלת יתרונות רבים: היא מסייעת בהבנת תופעות, מחזקת כישורים אנליטיים וחישוביים, ומקנה לתלמידים הבנה טובה יותר של העולם הדיגיטלי שבו הם חיים.
בנוסף, כיוון שמדעי הנתונים נתפסים לעיתים כתחום נגיש יותר ממדעי המחשב, הוראתם עשויה לתרום לצמצום פערים מגדריים ולקידום גיוון והשתתפות רחבה יותר בלמידה הקשורה לבינה מלאכותית.
לצד זאת, לצורך פיתוח של מערכות בינה מלאכותית נדרשות מיומנויות נוספות: חשיבה חישובית, חשיבה ביקורתית ולוגית, אוריינות נתונים, שליטה בשפה האנגלית ויכולת שיתוף פעולה.
כמורים, ניתן לשלב מיומנויות אלה כחלק מתהליכי הוראה קיימים: לעודד תלמידים להסביר את דרך הפתרון שלהם, לבקש מהם לנתח ולהצליב מידע מכמה מקורות, לזהות דפוסים חוזרים בטקסטים, בתופעות מדעיות או בפתרון תרגילים במתמטיקה, לארגן נתונים בטבלאות או בדרכי ייצוג אחרות, ועוד.
פעולות פשוטות אלו, המותאמות לתחום הדעת, יכולות להוות בסיס להבנה של עקרונות הפעולה של מערכות חכמות – וכל זאת גם מבלי להשתמש בבינה מלאכותית בכיתה עצמה.
***
חברי צוות המומחים: פרופ׳ מיכל ארמוני (יו״ר צוות המומחים), ד״ר דוד גינת, פרופ׳ עמירם יהודאי, פרופ׳ טלי נחליאלי, פרופ׳ רז קופרמן, פרופ׳ אורן קורלנד ופרופ׳ שמעון שוקן.
מרכזת אקדמית: חן ברקמן.
