כישורי הנדסת פרומפט, ניהול ידע והתאמת טכנולוגיה כמניעים של קיימות חינוכית באמצעות בינה זורעת

למה שאלות חכמות יותר ל-AI חשובות לסטודנטים

כאשר כלי בינה זורעת כמו צ׳אטבוטים נכנסים לכיתות, נוצר חידה מרכזית: מה גורם לחלק מהסטודנטים להפוך כלים אלה לשותפים למידה שאראיים בעוד שאחרים משתמשים בהם בקצרה או באופן לא יעיל? מחקר זה בוחן כיצד מיומנות הסטודנטים בניסוח שאלות ל-AI, הדרך שבה הם מטפלים בידע שהם רוכשים, ועד כמה כלים של AI מתאימים לצרכי הלימוד שלהם — כולם פועלים יחד כדי לתמוך בלמידה ארוכת טווח וברת-קיימא בהשכלה גבוהה.

איך המחקר בחן סטודנטים המשתמשים ב-AI

החוקרים סקרו 437 סטודנטים באוניברסיטה שכבר משתמשים בכלי בינה זורעת כגון ChatGPT לעבודה אקדמית. באמצעות מודלים סטטיסטיים הם בנו ובדקו שרשרת השפעות שמתחילה בכישורי "הנדסת פרומפט" של הסטודנט, עוברת דרך כמה ידע שימושי הסטודנט רוכש ומממש בפועל, מעצבת את תחושת ההתאמה של ה-AI גם למטלות וגם לפרט, ולבסוף מובילה לכוונת הסטודנט להמשיך להשתמש ב-AI. נקודת הסיום של השרשרת היא קיימות חינוכית, המתוארת כאן כשימוש ארוך-טווח ויעיל ב-AI בלמידה ולא כאופנה טכנולוגית חולפת.

מפרומפטים טובים להתאמת למידה טובה יותר

הרעיון המרכזי הוא שבמערכות בינה זורעת, איכות הפלט שתלמידים מקבלים תלויה במידה רבה באיכות הקלט שהם מזינים. סטודנטים המסוגלים לנסח פרומפטים ברורים, מפורטים ומכווני מטרה נוטים להפיק מידע מדויק ורלוונטי יותר והם טובים יותר ביישומו במשימות, פרויקטים ופתרון בעיות. המחקר מראה שרכישת הידע ושימושו מעצבים בעוצמה את תחושת ההתאמה של ה-AI למטלות הקורס ולהעדפות, כישורים ורמת הנוחות של הסטודנט. במילים אחרות, פרומפטינג חכם לא רק מניב תשובות טובות יותר; הוא גורם לטכנולוגיה להיתפס כמתאימה יותר גם לעבודה וגם לאדם המשתמש בה.

מדוע "התאמה" מניעה שימוש מתמשך

המחקר מדגיש שני סוגי התאמה. התאמת מטלה–לטכנולוגיה מתארת עד כמה כלי ה-AI עוזרים במשימות למידה ספציפיות, כגון הבנת מושג או פתרון בעיה. התאמת פרט–לטכנולוגיה מתארת עד כמה הכלים מתאימים לסגנונות הלמידה של הסטודנטים, לביטחונם ולצרכיהם. שני סוגי ההתאמה מקושרים לתכניות הסטודנטים להמשיך להשתמש ב-AI, אך התאמת מטלה–לטכנולוגיה היא המניע החזק יותר. כאשר סטודנטים חשים שה-AI אכן עוזר להם לבצע מטלות אקדמיות ביעילות רבה יותר, הם נוטים יותר להמשיך להשתמש בו מרצון ובאופן קבוע. שימוש מתמשך זה מקושר ישירות לרעיון של קיימות חינוכית, שכן כלים משנהים את הלמידה רק כאשר הם נשארים חלק משגרות הלימוד היומיומיות.

מיומנויות פרומפט כחשיבה חדשה של אוריינות

המחקר מציב גם את הנדסת הפרומפט כסוג חדש של אוריינות אקדמית. סטודנטים המיומנים בפירוק מטלות מורכבות לשאלות קטנות יותר, בהתאמת פרומפטים לכלים שונים של AI, בשיפור הבקשות שלהם על סמך תשובות קודמות ובבדיקת פלטים של AI להטיה ולדיוק — מציגים רמות גבוהות הרבה יותר של הן רכישת ידע והן שימוש בידע. הנדסת הפרומפט הופיעה כגורם החזק ביותר בכל המודל, מה שמרמז שלדרך שבה סטודנטים מתקשרים עם ה-AI יכולה להיות חשיבות גדולה יותר מהפלטפורמה הספציפית שהם בוחרים. מעניין שהדפוס הכללי התקיים גם בקרב סטודנטים זכרים וגם בנקבות, אם כי יישום הידע במשימות אמיתיות נראה שמחזק במעט את תחושת התאמת המטלה יותר אצל נשים.

מה משמעות הדבר לעתיד הלמידה

להבין הקורא הכללי, המסר של המחקר ברור: בינה זורעת משפרת חינוך יותר כאשר הסטודנטים לומדים לשאול שאלות טובות ולעבוד באופן פעיל עם התשובות. כאשר כישורי פרומפט חזקים מזינים רכישת ידע יציבה ושימוש ממשי בעולם האמיתי, הסטודנטים רואים ב-AI חלק טבעי מארגז הכלים שלהם ללימוד, ולא כטרנד חולף. שימוש משמעותי ומתמשך זה הוא מה שהמחברים מכנים "קיימות חינוכית". במקום להחליף את הלמידה האנושית, ה-AI הופך לשותף התומך בהבנה עמוקה יותר ובכישורים ממושכים, בתנאי שבמוסדות הלימוד יסייעו לפתח את המיומנויות הנדרשות כדי להנחות ולבחון את הכלים החזקים הללו.

ציטוט: Gibreel, O., Karataş, K. & Arpaci, I. Prompt engineering competence, knowledge management, and technology fit as drivers of educational sustainability through generative AI. Sci Rep 16, 15596 (2026). https://doi.org/10.1038/s41598-026-46335-x

מילות מפתח: בינה זורעת בחינוך, הנדסת פרומפט, קיימות חינוכית, התאמת מטלה-לטכנולוגיה, ניהול ידע