בלוג

דמיינו תלמידה שלומדת נושא חדש ומתקשה קצת. כמו תלמידים ותלמידות רבים, היא פונה לצ'אטבוט AI לבחירתה. נניח שבאפשרות הראשונה הצ'אטבוט אומר: “יופי, את מתקדמת מצוין, המשיכי כך!”, ובאפשרות השנייה הוא שואל: “משהו בחומר עדיין לא ברור לך? נסי להסביר לי את החומר כאילו הייתי תלמיד בכיתה”. שתי התגובות נשמעות חיוביות, ושתיהן עשויות לתמוך בלמידה. אבל האם הן עושות את אותו הדבר למוח? האם הן מובילות לאותו סוג של ידע?

בשנים האחרונות צ׳אטבוטים מבוססי בינה מלאכותית נכנסים במהירות לעולמות ההוראה והלמידה. הם זמינים בכל שעה, מגיבים מיד, מתאימים את הקצב ללומד, ולעיתים מייצרים תחושה של למידה אישית, אחד-על-אחד. ככל שהשימוש בהם נעשה יומיומי יותר, השאלה החינוכית המרכזית כבר איננה רק האם AI יכול "ללמד", אלא כיצד עליו לתמוך בלמידה: איזה סוג של משוב יעזור לתלמידים לא רק לזכור, אלא גם להבין, להעביר ידע למצבים חדשים ולפתח מודעות לתהליך הלמידה שלהם?

מחקר מהשנה האחרונה (2025), שפורסם ב-npj Science of Learning , בחן כיצד סוגים שונים של משוב מצ׳אטבוט לימודי משפיעים על תוצרי למידה ועל פעילות מוחית בזמן הלמידה. החוקרים השוו בין שלושה סוגי משוב: משוב מטה־קוגניטיבי, משוב רגשי ומשוב ניטרלי, ובדקו לא רק מה הסטודנטים זכרו לאחר הלמידה, אלא גם עד כמה הצליחו להשתמש בידע במצבים חדשים, ועד כמה ידעו להעריך את רמת ההבנה שלהם.

לא כל המשובים שווים זה לזה

משוב הוא אחד הכלים החזקים ביותר שיש למורה. הוא מסמן ללומד היכן הוא נמצא ביחס למטרה, עוזר לזהות פערים בהבנה, לתקן טעויות, לווסת מאמץ ולהחליט איך להמשיך. המחקר הנוכחי מזכיר לנו שמשוב יכול להופיע באופנים שונים ולמלא תפקידים שונים. סוג אחד הוא משוב רגשי. משוב זה נועד להגביר מוטיבציה, לעודד, להרגיע ולחזק את תחושת המסוגלות. זהו משוב מהסוג של “כל הכבוד”, “אל תתייאש”, “זה באמת נושא לא פשוט, אבל אתה מתקדם”. מאחר שלמידה כרוכה לעיתים בתסכול ובאי־ודאות, משוב רגשי יכול לעזור ללומד להישאר בתוך התהליך.

סוג שני הוא משוב מטה־קוגניטיבי. משוב זה אינו מתמקד בתחושה, אלא במודעות של הלומד לעצמו כלומד. הוא מזמין אותנו לעצור ולשאול: מה הבנתי? במה אני בטוחה? איפה אני עדיין מנחשת? האם אני מסוגלת להסביר את הרעיון במילים שלי? מה כדאי לי לעשות אחרת בהמשך? זהו משוב שמפעיל את “מנגנון הבקרה” של הלמידה: היכולת לחשוב על החשיבה שלנו.

ההבחנה הזו קריטית במיוחד בעידן הבינה המלאכותית. צ׳אטבוטים רבים משבחים אותנו באופן מופרז, ואמנם משוב כזה יכול להיות נעים ומתגמל, אך נשאלת השאלה מה הוא עושה עבורנו בשעת למידה.

המחקר: ללמוד ביולוגיה עם צ׳אטבוט בזמן שהמוח נמדד

במחקר השתתפו 87 סטודנטים שלמדו באמצעות צ׳אטבוט חומר בביולוגיה, בנושא מערכת הלב וכלי הדם. הסטודנטים חולקו באופן אקראי לשלוש קבוצות. קבוצה אחת קיבלה משוב מטה-קוגניטיבי שכלל שאלות שמכוונות את הלומדים להעריך את ההבנה שלהם, לחשוב על הקושי, לנטר את ההתקדמות ולתכנן את המשך הלמידה. קבוצה שנייה קיבלה משוב רגשי שכלל חיזוקים, עידוד והרגעה. הקבוצה השלישית היוותה קבוצת ביקורת, ובה שלב המשוב כלל הפניה להפסקה קצרה לפני המשך הלמידה.

לאחר הלמידה נבדקו זכירה של החומר שנלמד והעברה, כלומר היכולת להשתמש בידע כדי לפתור שאלות חדשות. בנוסף, החוקרים בדקו רגישות מטה־קוגניטיבית: עד כמה הביטחון של הסטודנטים בתשובות שלהם תאם את רמת הדיוק שלהם. במילים פשוטות, לא רק האם הם ידעו, אלא האם הם ידעו לזהות מתי הם יודעים ומתי לא. מדידה זו חשובה כי לעיתים אנחנו נתקלים ב"אשליית עומק העיבוד", שבה אנשים נוטים להאמין שהם מבינים יותר ממה שהם מבינים באמת. בזמן הלמידה נמדדה גם הפעילות המוחית של הסטודנטים באמצעות  fNIRS, שיטה לא פולשנית המאפשרת לעקוב אחרי שינויים בזרימת הדם באזורים מוחיים בזמן ביצוע מטלה. 

הממצאים: עידוד עוזר לזכור, אבל שאלות על החשיבה עוזרות להבין

התוצאות הראו שגם המשוב הרגשי וגם המשוב המטה־קוגניטיבי הובילו לזכירה טובה יותר בהשוואה למשוב הניטרלי. כלומר, עצם העובדה שהצ׳אטבוט מגיב באופן משמעותי ללומד, עדיפה על משוב טכני וחסר תוכן.

אבל כאשר החוקרים בחנו העברה של ידע למצבים חדשים, נמצא כי רק הקבוצה שקיבלה משוב מטה־קוגניטיבי הראתה יתרון מובהק ביכולת להשתמש בידע באופן גמיש. במילים אחרות, הם לא רק זכרו יותר, אלא הבינו טוב יותר כיצד ליישם את מה שלמדו בשאלה חדשה.

גם במדד הרגישות המטה־קוגניטיבית נמצאה אותה מגמה. הסטודנטים שקיבלו שאלות על תהליך הלמידה שלהם הפכו מדויקים יותר בהערכת הידע של עצמם. הם ידעו טוב יותר מתי הם מבינים ומתי לא. זהו ממצא משמעותי, שכן אחת המטרות החשובות של הוראה היא לעזור ללומדים לפתח מצפן פנימי שמאפשר להם לנווט את הלמידה שלהם גם בלי המורה.

ומה קרה במוח?

בכל הקבוצות נמצאה מעורבות של אזורים הקשורים לקשב ולזיכרון עבודה, ובמיוחד אזורים פרה־פרונטליים. זה לא מפתיע, כי למידה של מושגים ביולוגיים חדשים דורשת להחזיק מידע, לעבד אותו, להשוות ולזכור. אבל סוגי המשוב השונים היו קשורים לדפוסי פעילות שונים. המשוב המטה־קוגניטיבי לווה בפעילות מוגברת באזורים הקשורים לרפלקציה, ניטור עצמי ועיבוד משמעות, בהם האזור הפרונטו־פולרי והאונה הטמפורלית האמצעית. המשוב הרגשי, לעומת זאת, לווה בפעילות באזורים הקשורים יותר לעיבוד חברתי ורגשי. משמעות הדבר היא שסוג המשוב עשוי להפעיל מערכות למידה שונות ולשנות את סוג העיבוד שהלומד מפעיל.

מה זה אומר למורים, למרצים ולמפתחי כלי בינה מלאכותית?

המסקנה הראשונה היא שלא צריך לוותר על עידוד. “כל הכבוד” הוא לא אויב של למידה. חיזוק רגשי יכול להפחית חרדה, לתמוך במוטיבציה ולעזור ללומדים להישאר בתהליך והוא חלק חשוב מאקלים למידה מיטיבי. אבל עידוד לבדו אינו מספיק. אם אנחנו רוצים לקדם למידה עמוקה, העברה וחשיבה עצמאית, עלינו להוסיף למשוב גם שכבה מטה־קוגניטיבית. במקום להסתפק ב“נכון מאוד”, כדאי לשאול: “מה גרם לך לבחור בתשובה הזו?”. במקום רק “יפה, הצלחת”, אפשר להוסיף: “איך תוכל להשתמש בעיקרון הזה בשאלה אחרת?”. במקום “לא נורא, נסי שוב”, אפשר לשאול: “איזה חלק עדיין לא ברור לך, המושג, הקשר בין המושגים, או הדרך ליישם אותם?”

המסקנה השנייה נוגעת לעיצוב כלי AI חינוכיים. צ׳אטבוטים לימודיים לא צריכים להיות רק מנועי חיפוש תשובות. הם צריכים להיות מנועי חשיבה. אם יבנו אותם כך שיספקו בעיקר פתרונות, סיכומים ועידוד, הם עלולים לחזק תלות. אבל אם נבנה אותם כך שישאלו שאלות טובות, ידרשו הסבר, יבקשו הערכת ביטחון, ויכוונו את הלומד לזהות את גבולות הידע שלו, הם יכולים להפוך לכלי לפיתוח לומד עצמאי.

לסיכום, המחקר מראה כי בעידן הבינה המלאכותית, השאלה החינוכית החשובה איננה רק כמה מהר תלמיד מקבל תשובה, אלא איזה תהליך מנטלי התשובה הזו מפעילה. משוב רגשי יכול לעזור ללומדים להמשיך. משוב מטה־קוגניטיבי יכול לעזור להם להבין איך להמשיך נכון. ובעולם שבו הידע זמין יותר מאי פעם, ייתכן שזה בדיוק ההבדל בין תלמיד שיודע לחזור על מידע, לבין לומד שיודע לחשוב, להעריך, להעביר וללמוד מחדש.

מקור: Yin, J., Xu, H., Pan, Y., & Hu, Y. (2025). Effects of different AI-driven Chatbot feedback on learning outcomes and brain activity. npj Science of Learning, 10, 17. https://doi.org/10.1038/s41539-025-00311-8