למה הכלב הזה מסרב להפסיק לנבוח

שנת הלימודים נפתחה, ואחרי תקופה ארוכה של שקט כאן הגיע הזמן לשאול את השאלה הנצחית – “בשביל מה?”. הכוונה איננה “בשביל מה בית הספר?” – שאלה שהיא בהחלט לגיטימית בעיני, אבל בכל זאת גדולה עלי. ה-“בשביל מה?” שלי הרבה יותר ממוקדת: האם יש בכלל טעם לפרסם רשימה הולכת ומתארכת של תלונות כלפי המציאות המדאיגה של התקשוב בחינוך היום? מה שהיום נחשב “טכנולוגיה חינוכית” שונה באופן מהותי ממה שבזמנו, לפני יותר משני עשורים, משך אותי לתחום. אולי פשוט הגיע הזמן להודות שהנביחות של הכלב הזה בכלל לא השפיעו על השיירה שלא רק עברה, אלא דהרה בכיוון אחר.

פעם הכיוון היה לרוחי. זמינות ה-WWW פתחה את בית הספר למקורות מידע מעבר לספר הלימוד וכלי Web 2.0 הרחיבו את הסביבה הלימודית מעבר לכיתה הפיסית. שני אלה בישרו על העצמת הלומד, וההעצמה הזאת התאימה לגישות חינוכיות שביקשו להעמיד את התלמיד במרכז. אבל כבר זמן די רב היישומים הדיגיטאליים שפותחו בהמשך לא גוייסו להעצמה, אלא להקניה יעילה יותר. ה-“למידה מותאמת אישית” אמנם לפעמים קורצת לכיוון של הרחבת הבחירה של הלומד, אבל על פי רוב ביסודו של דבר הכוונה היא להתאים את התלמיד לחומר הנלמד. והכלים שהיום עומדים לרשות המערכת כדי לעשות זאת חזקים עשרות מונים מדפי ווב או בלוגים פשוטים. היום יש שפע של נתונים ואלגוריתמים שמסוגלים לנתח את קשיי הלמידה של התלמיד כדי לשפר את יכולת הקליטה שלו. אולי יש מי שמוצא בכך ברכה, אבל לא לילד הזה פיללתי.

בספרו מ-2015 Machines of Loving Grace ג’ון מרקוף מתאר שתי מגמות מתחרות במהלך ההיסטוריה של התפתחות התקשוב. הוא מכנה אותן AI מול IA – המחשב ככלי של הבינה המלאכותית מול המחשב ככלי שמסייע לאדם להרחיב את היכולות השכליות שלו. שתי המגמות האלו אינם בהכרח לגמרי מנוגדות זו לזו – לפעמים המדענים והמהנדסים שפיתחו אותן עבדו באותם מכוני מחקר. מרקוף מתאר מאבק מתמשך בין הגישות, כאשר היום הוא רואה את ידה של ה-AI, במיוחד בזכות שילוב ה-big data עם הרובוטיקה, על העליונה. יותר ויותר האדם מוצא את עצמו מיותר בתוך עולם טכנולוגי שמתפקד באופן עצמאי.

בשנים הראשונות של חדירת האינטרנט לחינוך גישת ה-IA, ה-augmented intelligence, היתה הגישה המובילה (מדובר באחרי דעיכת ההתלהבות מקופסאות סקינר למיניהן). המאגר האדיר של ה-WWW ושל מנועי חיפוש שזירזו את הגישה למידע הזה היו ביטוי לכך. אבל היום, אפילו כאשר לכאורה אלגוריתמים אמורים לסייע למורים ולא בהכרח להחליף אותם, ה-AI, ה-artificial intelligence, שולטת. ואולי יותר מאשר בכל מקום אחר זה בא לביטוי באותה “התאמה אישית” שאני חוזר אליה שוב ושוב.

לפני חודש, בבלוג שלו, פיטר גרין ציין שהיום ההתאמה האישית איננה מסתפקת באיתור ובזיהוי קשיי ההבנה של התלמיד, אלא מבקשת גם לחדור לתוך העולם הרגשי של התלמיד:

So we’re seeing attempts to mine other sorts of data. NWEA, the company that brought us the MAP test, now offers a feature that tells you whether or not the student taking the computer test is engaged or not. They believe that by analyzing the speed with which a student is answering questions, they can determine whether or not said student is trying. During test time, the teacher dashboard will toss up a little warning icon beside the name of any not-trying-hard-enough student so that the teacher can “redirect” the student.

בהמשך המאמרון גרין מתאר מיזמים עוד יותר בעייתיים (מומלץ מאד להכיר אותם). אבל לפני הדוגמאות האלה הוא מעיר הערה שנראית לי קולעת מאד לבעייתיות של יישום ה-AI בחינוך:

That is more redundant than creepy; many teachers perform a similar analysis and intervention with a technique called “looking with their eyes.”

במילים אחרות, התקשוב של היום מאפשר משהו שכל מורה טוב ידע לעשות. אפשר לטעון שבעזרת הטכנולוגיה המלאכה הזאת נעשית טוב יותר (טענה שמאד מוטלת בספק) אבל מה שחשוב כאן הוא המגמה של הוצאת המורה האנושי מתוך תהליך ההוראה, וראיית התלמיד ככלי ריק שיש למלא ב-“ידע” בדרך היעלה ביותר. חשוב להבין שלא מדובר במשהו יוצא דופן, אלא בגישה המעוגנת היטב בתפיסת ה-AI. אפשר לראות זאת בציוץ די אירוני שג’ונתן נוליס (Nolis), “מדען דאטה” עצמאי, העלה בחשבון ה-Twitter שלו לפני מספר ימים:

The most underrated algorithm in data science is “go talk to people who deal with the problem every day and learn from them.”

במילים אחרות, מי צריך בני אדם כאשר יש אלגוריתמים שמסוגלים לנתח את הנתונים – נתונים שלפי חסידי ה-AI בוודאי אמינים יותר מאשר מראית עין או משמע אוזן.

האם אני מגזים? הרי ללא ספק אפשר לדלות מידע חשוב מהנתונים שאלגוריתמים מפותחים יכולים לנתח עבורנו. גארי קספרוב הבין שאין ביכולתו לנצח את Deep Blue או את תוכנות השחמט שבאו בעקבותיה. אבל הוא גם גילה שאם הוא עובד בשיתוף פעולה עם תוכנת שחמט התוצאה היא צוות מנצח. זאת כנראה הגישה שבכתבה חדשה ב-Washington Monthly:

Why More Colleges Should Treat Students Like Numbers

הכתבה מדווחת על הנסיון של האוניברסיטה של דרום פלורידה שמנתחת את שלל נתוני הסטודנטים במגמה לעזור להם לסיים בהצלחה את לימודיהם. קשה למצוא פגם במטרה כזאת, אבל בכל זאת יש משהו קצת תמוה בכמה מהקביעות שבכתבה, לדוגמה:

Students who log on to the LMS, download materials, click on lectures, and contribute to discussions are much less likely to drop out than students who don’t. Student engagement can now be measured in real time.

קביעה כזאת דומה מאד להערה של גרין שמורים יכולים ללמוד הרבה על התלמידים שלהם אם פשוט יצפו בהם ברצינות. אודרי ווטרס רואה כאן ביטוי ל-“חוק” של ג’וסטין רייך. נדמה לי שרייך ביטא אותו לראשונה בכתבה ב-Education Week משנת 2014:

Students who do stuff will perform better on stuff than those who don’t do stuff.

וספק אם באמת יש צורך באלגוריתם משוכלל כדי להגיע למסקנה מרעישה כזאת.

לפני שנים רבות קהילת התקשוב בחינוך נהגה לטעון שהפדגוגיה חייבת להוביל את הטכנולוגיה. הטענה נשמעת מאד הגיונית, אם כי אני מניח שכבר אז ידענו שיותר מאשר מדובר בהובלה היה זה ענין של הדדיות שבה הטכנולוגיה מאפשרת דברים שאולי לא יכלו לבוא לביטוי פדגוגי במציאות טכנולוגית אחרת. באותה תקופה הטכנולוגיות הדיגיטאליות החדשות יכלו “להוביל” אותנו ליישום תפיסות פדגוגיות שהיה קשה יותר לממש בלעדיהן. וכאן ההבחנה של מרקוף עוזרת לנו להבין את הבעיה שלי עם הכיוון הנוכחי של התקשוב החינוכי.

הטכנולוגיות של עז היו טכנולוגיות IA, והן סייעו בקידום גישה חינוכית שהעצימה את הלומד, שעודדה לו לקחת פיקוד על הלמידה של עצמו. לעומת עז, הטכנולוגיות המובילות של היום, אלה שמכונים AI (גם אם לא פעם הכינוי מוטעה) מסתמכות על אלגוריתמים כדי לייעל את מלאכת ההקניה, והן עושות זאת תוך צמצום הנגיעה האנושית. יתכן מאד שה-AI מייעל את מלאכת ההוראה. אבל היא כמובן איננה שואלת אם זה החינוך שאנחנו רוצים. זאת שאלה שעליה רק בני אדם יכולים לענות. לצערי, במציאות התקשובית של היום, מציאות שבה אנשי טכנולוגיה ואנשי חינוך לכאורה משתפים פעולה, איננו מוצאים מספיק אנשים שאפילו שואלים את השאלה הזאת. ולכן נדמה לי שאצטרך להמשיך לכתוב כאן.

2 תגובות בנושא “למה הכלב הזה מסרב להפסיק לנבוח”

  1. שלום ג’יי, כייף לקרוא, המשך לאתגר אותנו.
    אני מתחיל להיות מודאג שתיקח את ה”בשביל מה” צעד אחד קדימה ואכן תתנתק. יש סיבות להתנתקות אבל אני חש שלא אלו שמשתקפות בפוסט
    התפיסה של ה-AI כפי שמשתקפת בפוסט הזה כמו גם בדברים שאני רואה וקוראה היא אכן מטרידה. כאשר עושים מערכת סקינריאנית יותר חכמה זה עדיין נשאר מערכת סקינריאנית וזה מוגבל. ה AI והאדפטיביות של הרשת בנושאים כמו התאמת הספר, הסרט והמוצר נראים כל כך חזקים שקל מאוד לעשות אקסטרפולציה ולדמיין את הכוח של זה גם בדברים מורכבים בהרבה כמו למידה והוראה. נסיון העבר לימד אותנו שהמון מידע על התלמיד איננו בהכרח מקדם משהו.
    הקושי איננו ב- Ai כמובן שהינוו בסה”כ כלי – הגם שמפתיע לעיתים בעוצמתו- אלא על מה מפעילים את הכלי הזה. בלב הלמידה מצויה הפעילות הלימודית, מה שהלומד עושה. כאשר הוא עושה דברים חסרי ערך AI יצור ממנו “דבר חסר ערך חכם” שהוא אם לא היה מספיק ברור חסר ערך כמובן. כאשר ה-Ai יופעל על דברים ראויים יש סיכוי שנרוויח. למשל ראיתי עבודה שעשו במדעי המחשב בבאר שבע ששם השתמשו ב-Ai לסייע למורה להנחות כיתה של תלמידים העובדים בקבוצות הפותרים מטלות עם גיאוגברה. יתכן שגם בוטים חכמים עשויים להיות מענינים. לא כי בוט יחליף מורה אלא כי הוא יאפשר אינטראקציה יותר עשירה ומושכת לתלמיד מאשר ללחוץ על כפתורי סימולטור למשל ואולי יתן לו מוטיבציה נוספת לחקור וללמוד ולעשות.
    הAI הוא איזשהו טרנד טכנולוגי (עם עוצמה וחשיבות שילווה אותנו גם עם שוך הטרנד) וכיום הוא מאפיל על דברים אחרים. זה יעבור כמו הרבה טרנדים טכנו-חינוכיים ויקבל את המשקל והמקום הראוי לו.
    ונסיים בחיובי, מסתבר שנעשים גם דברים יפים היום שמזכירים חזונות ישנים. אבל גם יש דברים יפים שאני רואה בבתי ספר, היום יש טרנד של computational thinking (חשיבה חישובית או מיחשובית). מין גרסה של אלגוריתמיקה ותכנות. את זה מלמדים גם בכיתות הנמוכות ביסודי וגם בחט”ב ועליונה (בדמות סקרטצ ומחשבים). ממה שאני מתרשם שם התלמידים יוצרים, עושים, בונים פרויקטים, נהנים. רוח הקונסטרוקציוניזם שורה על העניין. פתח לאופטימיות

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *