תוכנית לימודים מותאמת אישית עם AI

רוב תוכניות הלימוד נופלות באותו שלב, והוא לא זה שמצפים לו. זה לא בחירת חומרים לא נכונים ולא הערכת זמן אופטימית. זה שהתוכנית מכסה תחום כשמה שהיה צריך הוא מסלול אל תוצאה אחת.

בקשו תוכנית "ללמוד סטטיסטיקה" ותקבלו סילבוס: סטטיסטיקה תיאורית, הסתברות, התפלגויות, מובהקות, רגרסיה. בקשו תוכנית "לקרוא מאמר של ניסוי קליני ולדעת אם להאמין לו", ומחצית מהסילבוס הזה מיותרת, נושא אחד שלא הופיע בו בכלל הופך להכרחי, והכל מתקצר בשלושה שבועות.

מה נכנס לתוכנית לימודים מותאמת אישית

תוכנית לימודים מותאמת אישית צריכה ארבעה דברים: מטרה אחת מנוסחת, הנושאים שהמטרה תלויה בהם, סדר שבו כל נושא פותח את הבא, ובדיקת זכירה. כל השאר הוא קישוט.

למה להתחיל מהתוצאה ולא מהנושא

מתחילים מהתוצאה כי היא הדבר היחיד שאומר מה להשאיר בחוץ. לנושא אין גבול טבעי. כל נושא מתחבר לנושא אחר, ולכן סילבוס מתרחב עד שהוא נראה כמו תואר. לתוצאה יש קצה: "לבנות REST API עם הזדהות משתמשים" מוציאה החוצה את רוב מדעי המחשב, וההוצאה הזאת היא החלק המועיל.

זה גם החלק שאסור להאציל. אתם יודעים מה אתם רוצים להיות מסוגלים לעשות. המערכת לא יודעת, והיא תייצר בשמחה תוכנית מקצועית, מקיפה וחסרת תועלת לנושא, אם תנסחו נושא.

לסדר לפי קושי או לפי תלות

מסדרים לפי תלות. סידור לפי קושי מייצר תוכניות שנתקעות, כי הנושאים הקלים תלויים לא פעם דווקא בקשים. מסדרים לפי מה שכל נושא פותח, והקושי מסתדר מעצמו: הרעיון הקשה שהייתם צריכים בשבוע הראשון מפסיק להיות אופציונלי והופך למה שגורם לשבוע השני להיות מובן.

יש חריג אחד ששווה להכיר. ברגע שאפשר ללמוד נושאים בכל סדר, עדיף לערבב ביניהם מאשר לסיים אחד לפני שמתחילים את הבא. בניסוי מבוקר על פני 54 כיתות ז׳ תלמידים שתרגלו סוגי בעיות מעורבבים הגיעו ל-61% מול 38% אצל תלמידים שתרגלו בבלוקים, במבחן פתע חודש לאחר מכן. אותו חומר, אותו זמן תרגול, סדר אחר.

מה להשאיר בחוץ

משאירים בחוץ כל מה שלא משרת את התוצאה, כולל נושאים שבאמת מעניינים. זו ההוראה הקשה ביותר לביצוע והיא זו שמשנה את התוצאה יותר מכל דבר אחר.

תוכנית היא הצהרה על מה לא תלמדו. אם היא לא מוציאה שום דבר החוצה, לא בנו אותה. רק רשמו אותה.

איך יודעים שהתוכנית עובדת

יודעים שהתוכנית עובדת כשאפשר לבצע את הדבר עצמו שבוע אחר כך בלי להציץ. סיום נושא מרגיש כמו התקדמות וכמעט לא מנבא כלום, ולכן הבדיקה היא תמיד שליפה מהזיכרון ולא כמות החומר שכוסה.

הבדיקה פשוטה ומעט לא נוחה: שבוע אחרי נושא, האם אתם מצליחים לבצע בלי עזרה? אם לא, התוכנית לא זקוקה לעוד נושאים. היא זקוקה לסיבוב נוסף על הנושא הזה.

האם AI באמת בונה תוכנית טובה יותר ממני

לנושא שלא למדתם, בדרך כלל כן, מסיבה אחת מסוימת. החלק הקשה בתכנון הוא לדעת אילו רעיונות תלויים באילו, וזו בדיוק הידיעה שאין לכם לפני שהתחלתם. מבקשים מכם לתכנן מסלול בעיר שמעולם לא ביקרתם בה.

יש גם סיבה ותיקה לצפות שהתאמה אישית תשנה משהו. בלום מצא שהוראה אחד-על-אחד בשילוב למידה לשליטה הזיזה את התלמיד הממוצע בשתי סטיות תקן, כלומר מעל 98% מהתלמידים בקבוצת הביקורת. הוא כינה את החיפוש אחר גרסה שניתן להרחיב "בעיית שתי הסיגמות", והיא נשארה פתוחה ארבעים שנה כי מורים פרטיים לא מתרחבים. תוכנה כן.

תשמרו לעצמכם את השיפוט על המטרה. את המפה אפשר להאציל.

איך זה עובד באנפטו

אנפטו מתחילה בדיוק כאן: אתם מנסחים תוצאה, נבנה מסלול נושאים ותתי-נושאים שמוביל אליה, ואתם עורכים אותו לפני שמתחילים ללמוד. אחר כך ההוראה מתבצעת מול המסלול הזה, עם מעקב אחרי הנושאים שבאמת נשארו, וזו הבדיקה שרוב התוכניות מדלגות עליה.

יש עוד על ההבדל בין לענות לבין ללמד במורה AI: איך ללמוד כל נושא בעברית, ושאר הרשימות נמצאות בבלוג.

מקורות

• Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4–16.
• Rohrer, D., Dedrick, R. F., Hartwig, M. K., & Cheung, C.-N. (2019). A Randomized Controlled Trial of Interleaved Mathematics Practice. Journal of Educational Psychology.