ה-AI כבר עובר את הבחינות. עכשיו הגיע תורם של המרצים להיבחן
מערכות בינה מלאכותית כבר מצליחות בבחינות מקצועיות במשפט, ברפואה ובתחומים נוספים. התגובה באקדמיה צפויה: איך נדע מי כתב את העבודה? כיצד נמנע העתקות? אלה שאלות לגיטימיות, אבל כולן מניחות שהבעיה נמצאת אצל הסטודנטים. אני מציע להפוך את נקודת המבט. כשמכונה פותרת בחינה סופית וזוכה בציון גבוה, השאלה הראשונה אינה איך "לתפוס" את מי שנעזר בה, אלא מה הבחינה הזאת בדקה מלכתחילה.
במובן הזה, הבינה המלאכותית היא המבקר הכנה ביותר של ההוראה האקדמית. בשיחה היא נוטה להחמיא, אבל כשהיא ניגשת לבחינה שלנו היא אינה מחמיאה לאיש. היא מציבה בפני המרצה שאלה לא נוחה: אם אפשר להפיק תשובה טובה כל כך בלי ללמוד את הקורס, מה בדיוק אנחנו מלמדים, ואיך אנחנו יודעים שהסטודנטים אכן רכשו את היכולות שביקשנו להקנות להם?
כדי להבין את משמעות השאלה, כדאי לזכור שהאקדמיה תמיד "מכרה" חבילה של שלושה רכיבים: ידע, תעודה ועיצוב אינטלקטואלי. ידע הוא ההסבר, הסילבוס וההרצאה. תעודה היא החותמת שמאשרת למעסיקים שהבוגר עמד בדרישות. עיצוב הוא מה שקורה לאדם בדרך: שיקול דעת, הרגלי חשיבה, היכולת להתמודד עם בעיה שאין לה פתרון בסוף הפרק. במשך דורות נמכרו השלושה יחד. הבינה המלאכותית מפרקת את החבילה הזאת.
החידוש אינו בכך שהידע הפך נגיש. הוא היה נגיש גם קודם. החידוש הוא שכעת אפשר לקבל הסברים מותאמים אישית, להתמודד עם שאלות מורכבות ולהפיק בתוך דקות תוצרים שבעבר דרשו לימוד ומיומנות. וכאשר התוצר נראה מקצועי גם בלי שנדרשה הבנה מעמיקה כדי להפיקו, קשה יותר לדעת מה האדם שמאחוריו באמת יודע.
מה נשאר לאקדמיה "למכור"? התשובה הצינית היא התעודה. כלכלנים קוראים לזה "איתות": התואר מסמן למעסיקים מי עמד במסלול תובעני, גם אם לא כל מה שנלמד בו ישמש אותו בהמשך. אבל מוסד שנשען בעיקר על החותמת מזמין את השאלה מדוע נדרשות שנים של לימודים כדי לקבל אותה. כשמעסיקים בוחנים כישורים בעצמם, וכשחלק מהיכולות נרכשות מחוץ לקמפוס, התעודה לבדה היא הצדקה הולכת ונחלשת להשקעה של זמן וכסף.
נשאר הרכיב השלישי, והוא החשוב מכולם. הבעיה בחינוך מעולם לא הייתה רק נגישות למידע. גם כשקורסים של מיטב האוניברסיטאות הוצעו בחינם באינטרנט, רובם המכריע של הנרשמים לא סיימו אותם. לדעת היכן נמצאת התשובה אינו דומה ליכולת להבין אותה, לבחון אותה ולהשתמש בה בשעת הצורך. למידה דורשת מסגרת, מחויבות, משוב והתמודדות עם אחרים. כאן נמצא היתרון של האקדמיה. אלא שלא מספיק להצהיר שאנחנו מפתחים חשיבה ביקורתית. צריך להראות כיצד. אני מציע שלושה צעדים.
ראשית, מבחן הצ'אט. לפני כל סמסטר, כל מרצה יבחן כיצד כלי בינה מלאכותית מתמודדים עם מטלות ההערכה בקורס, ויציג לסטודנטים כבר בשיעור הראשון: מה הכלי עשה היטב, היכן נכשל, ומה הקורס ילמד אותם לעשות טוב ממנו. אם אין למרצה תשובה טובה לשאלה האחרונה, צריך לשנות את הקורס, ולא רק את הבחינה. מרצה שמסוגל להראות לכיתה מדוע התשובה שהמכונה הפיקה אינה מספיקה - נותן לסטודנטים את הסיבה הטובה ביותר להגיע לשיעור.
שנית, לבחון שיפוט ולא רק תוצר. אם המכונה יודעת לכתוב חוות דעת משפטית סבירה, אין פירוש הדבר שהסטודנט כבר אינו צריך ללמוד משפטים. להפך: עליו להכיר את הדין היטב כדי להבחין בין טקסט שנשמע נכון לבין ניתוח שאפשר לסמוך עליו. לכן, לצד מטלות הכתיבה המסורתיות, יקבל הסטודנט בבחינה חוות דעת שכתבה בינה מלאכותית, משכנעת ומנוסחת היטב, ובה טעויות: הלכה שנהפכה, הבחנה שהוחמצה, עובדה שנבלעה. המשימה: להחליט אם היה חותם עליה, ולנמק. בחינה כזאת אינה מוותרת על ידע, אלא דורשת שליטה עמוקה יותר בו. פעם למדנו את החומר כדי לשחזר אותו. היום לומדים אותו כדי לדעת מתי מישהו, או משהו, משחזר אותו לא נכון.
שלישית, להעביר שעות מהדוכן לשולחן. כאן מגיעה השאלה הקשה: מי ישלם? הרצאה למאה סטודנטים זולה מהוראה בקבוצות קטנות, וזמן המרצים מוגבל. סיסמאות על "למידה פעילה" לא יפתרו את זה, אבל שינוי סדרי עדיפויות כן. את ההסברים הבסיסיים יש להעביר ללמידה עצמאית מונחית, ואת הזמן שהתפנה להקדיש לתרגול, לוויכוח ולהגנה על טיעונים. כל עבודה מסכמת תכלול שיחה קצרה בקבוצה קטנה, שבה הסטודנט מסביר מדוע בחר בפרשנות מסוימת, כיצד היה משיב לטענת נגד ומה היה משתנה אילו עובדה אחת הייתה אחרת. בזמן הכתיבה מותר להיעזר בבינה מלאכותית. בשיחה הסטודנט לבד.
ד"ר שי פרבר
כל זה מחייב גם אותנו, המרצים, לחשבון נפש. קל לבקר סטודנטים שמחפשים קיצורי דרך. קשה יותר לשאול אם כל שיעור שלנו מצדיק את הזמן של מי שיושב מולנו, אם המשוב שלנו באמת מקדם למידה, ואם היינו מצליחים להסביר מה השתנה ביכולותיו של סטודנט בזכות הקורס שלנו. במשך שנים התרגלנו למדוד הוראה בשעות, בנקודות זכות ובציונים. אלה מדדים של מה שהמוסד מספק, ולא בהכרח של מה שהסטודנט רכש.
סטודנטים משקיעים שנים מחייהם ושכר לימוד ניכר, והחברה משקיעה משאבים רבים בהשכלה הגבוהה. לא מופרך לבקש מכל מוסד להסביר מה הוא מבקש לפתח אצל בוגריו, כיצד הוא בוחן זאת, ומה שינה כשגילה שמשהו אינו עובד. אין כאן קריאה להפוך את האקדמיה למפעל של מדדים. סקרנות, עצמאות מחשבתית ובגרות אינטלקטואלית אינן נכנסות לטבלה. אבל הקושי למדוד אותן אינו פוטר אותנו מהחובה להראות שהן מתפתחות.
הבינה המלאכותית לא ביטלה את הצורך באקדמיה. היא ערערה את אחת ההצדקות הישנות שלה: "אצלנו תלמדו את החומר". הערך שלנו צריך להימצא במה שקורה לסטודנט בין היום שבו נכנס בשערינו ליום שבו יצא מהם: מה הוא יודע להבין, לבחון ולהכריע בעצמו, שלא ידע קודם. אם זה מה שאנחנו מוכרים, הגיע הזמן שנדע להראות אותו. הצ'אט כבר ניגש לבחינה שלנו. עכשיו תורנו.
ד"ר שי פרבר הוא ראש החוג למדיניות ציבורית, ממשל ומשפט ומרצה בכיר בפקולטה למשפטים במרכז האקדמי שערי מדע ומשפט
