פיתוח מערכת בינה מלאכותית להתאמה אישית של מסלול לימודי

מדוע התאמה אישית של למידה נתקעת בנתוני התקדמות

תהליך הלמידה כמעט תמיד מתחיל בתוכנית אחת לכולם: המחזור מתקדם לפי רשת מודולים קבועה, כי כך קל יותר לתכנן את העומס על המרצים. כל עוד יש עשרות תלמידים, זה עובד.

במחזור גדול, אותו רצף בדיוק מתנגש עם הבדלים ברמת הכניסה: חלק מהקבוצה מסיים את בלוק המבוא בשבוע, חלק תוך חודש, והמודולים הבאים נפתחים לכולם לפי לוח זמנים.

צוואר הבקבוק השני — היעדר עקבה רציפה של מעבר על החומר. ציונים נמצאים ביומן, עובדות צפייה בווידאו — בנגן, ניסיונות לפתור בעיות — במערכת הבדיקה, פניות למתודיסט — בהתכתבות. הנתונים לא מרוכזים סביב תלמיד אחד, ולכן "חלש בשברים, חזק בגאומטריה" נשאר השערה, ולא מצב מדיד.

מכאן ההתאמה הידנית של המסלול: המתודיסט אוסף התקדמות לפי דוחות, מזיז תאריכים ידנית, מסיר ומוסיף מטלות. במאה תלמידים זה שעה-שעתיים ביום, ובמחזור גדול זה כבר תפקיד נפרד שלא מתרחב: כל שינוי בכלל מחושב מחדש על ידי אנשים, ולא על ידי המערכת.

בהמשך — צוואר בקבוק של אספקת תוכן. הכלל "המודול הבא נפתח לאחר סגירת הקודם" חי בקוד כבדיקה נוקשה לפי לוח זמנים, ולא לפי מצב התלמיד: אי אפשר להוסיף ענף לרמה אחרת בלי שינוי בקוד, ושני מסלולים במקביל מתפצלים לגרסאות שונות של חומרים.

התאמה אישית של למידה נתקעת לא באלגוריתמים, אלא בנתונים ובכללים שהם נשענים עליהם — נסביר איך זה נסגר.

מה משתנה אחרי הטמעת מסלול אדפטיבי

מסלול אדפטיבי מפסיק להיות תוספת מעל הקורס: המסלול מחושב מחדש אחרי כל מטלה שהוגשה, ולא לפי תוצאות הסמסטר. האפקט המורגש הראשון — שיעור השלמת המודול: בקבוצות שבהן עד הסוף הגיעה בערך מחצית, אחרי המעבר מגיעים ל-75–85%. ההבדל מוסבר בכך שהתלמיד לא נתקע בחומר שעבורו מוקדם מדי או מאוחר מדי לעבור עליו.

האפקט השני — מהירות בחירת החומר. קודם לכן את הצעד הבא בחר המתודיסט: לבדוק תוצאות, להשוות לרמות, להרכיב ענף — שעות עבודה לכל תלמיד. תיקון אוטומטי של המסלול עושה זאת ברגע הגשת העבודה, ולכן בין מודולים אף אחד לא ממתין לשום החלטה.

מכאן האפקט השלישי — שיעור ההתערבויות הידניות מצטמצם: את ההסתעפויות הטיפוסיות המערכת סוגרת בעצמה, ולאדם נשארים מקרים שנויים במחלוקת. העומס על המתודיסט עובר מחלוקה שגרתית של מטלות לבדיקת איכות התוכן ותיקון כללי ההסתעפות.

האפקט הרביעי — נעלם סוג שלם של תקלות "ניתן חומר לא ברמה המתאימה": הענף נבנה לפי נושאים שנשלטו ושגיאות בניסיונות, ולא לפי מבחן מבוא יחיד.

באינטגרציה עם Moodle ציונים וניסיונות נלקחים מהיומן, ולכן הרכבה מחדש של המסלול לא דורשת הזנת נתונים נפרדת ולא שוברת את הרישום הרגיל של המרצה.

פורמטים של התאמה אישית של למידה: כללים, מודל או היברידי

את לוגיקת ההפצה בהתאמה אישית של למידה מרכיבים בשלוש דרכים, ומה שמכתיב את הבחירה הוא לא טעם הצוות, אלא היקף הנתונים שנצברו ומחיר הטעות בהמלצה. כללי מומחים מתארים את המסלול ידנית, מודל מסיק אותו מהיסטוריית השלמות, ולוגיקה היברידית משלבת את שתי הגישות ומחליפה ביניהן לפי המצב.

בתחילת הפרויקט אין כמעט נתונים לאימון, ולכן תמיד מופיעה קודם שכבת כללים. כשמצטברים מעברים, תוצאות של עבודות בקרה וזמן על מטלה, אפשר להעביר חלק מההחלטות למודל, ולהשאיר את הכללים כמסגרת שהמודל לא חורג ממנה.

מה פותר את הבעיה של התחלה קרה

התחלה קרה של תלמיד נסגרת באמצעות שאלון ובדיקה אבחונית קצרה: המטלות הראשונות מונפקות לפי כללים, וההתנהגות בהן כבר הופכת לאות לאימון. כך המודל מקבל נתונים עד הרגע שמחברים אותו להפצה אמיתית, ולא מספיק לקלקל את החוויה של מתחיל בהמלצות אקראיות.

היברידי יקר יותר בתחזוקה, אבל יציב יותר: הכללים קובעים גבולות ומסבירים את ההחלטה למתודיסט, המודל מדרג בתוך הגבולות האלה ומתאים את עצמו לתלמיד מסוים. אם הנתונים מועטים או שתחום הדעת משתנה מהר יותר משהיסטוריה מצטברת, נשארים על כללים — ומתכננים מראש מעבר להיברידי.

איך אנחנו בונים את המערכת: שלבי עבודת הנדסה

ההקשר של השבוע הראשון הוא לא מודל, אלא נתונים. התאמה אישית של למידה נשברת לא באלגוריתם, אלא ביומני אירועים מלוכלכים ובהגדרות שהתפצלו: "הושלם" בדוח ובמערכת אומרים דברים שונים. לכן מתחילים בביקורת ורק אחר כך כותבים לוגיקה.

1. ביקורת נתוני השלמות. בודקים מה למעשה נרשם: תשובות, זמן על מטלה, חזרות, ביטולים, פניות לרמז. מחשבים את שיעור החסרים ומחליטים אילו אירועים חסרים — חלק מהם יצטרכו להתחיל לאסוף לפני ההתחלה.
2. סכמת מאפיינים של התלמיד. וקטור: רמה נוכחית לפי נושאים, קצב, יציבות התוצאה, אופי השגיאות. המאפיינים מחושבים מחדש באופן אינקרמנטלי לפי אירועים חדשים, ולא מהתחלה על כל ההיסטוריה.
3. הגדרת לוגיקת ההפצה. חיתוכים קשיחים (מה שלעולם לא מציגים), כללי דירוג וסף ביטחון. מתחת לסף המערכת מחזירה אפשרות ניטרלית, ולא אקראית — כך נעלמים "כשלים חכמים" בהפצה.
4. בדיקה על קבוצת פיילוט. מחלקים את המחזור לחלק בקרה ולחלק פיילוט, משווים את שיעור המודולים שהושלמו ואת החזרות לנושאים שהוחמצו. את הפערים מנתחים לפני הפריסה.
5. פריסה. מתקדמים לפי חלקים מהתעבורה, את הלוגיקה הישנה מחזיקים כמסלול גיבוי, ומסתכלים על מדדים לפי סגמנטים — מתחילים, חוזרים, מפגרים.
6. מסירת המערכת. תיעוד של המאפיינים, תצורת כללים, לוח ניטור, הרשאות; מלמדים את הצוות לשנות את הלוגיקה בעצמו.

כל שלב נשען על התוצר של השלב הקודם, ולכן הרכבה מחדש של מאפיינים או החזרה של כללים לא הופכות לעבודה מחדש על כל המערכת.

מה נשאר לכם אחרי מסירת המערכת

המערכת מפסיקה להביא תועלת אם אחרי המסירה אי אפשר להסביר אותה, לבדוק אותה ולבצע לה אימון נוסף. לכן אנחנו מוסרים לא "קופסה שחורה", אלא ערכה שלפיה הצוות שלכם מבצע בעצמו אבחון, משנה את כללי ההפצה ומרחיב את מערך הנתונים.

• מפת מאפיינים של התלמיד — אילו אותות המערכת אוספת (השלמות, זמן עד תשובה, רצף שגיאות, פעילות לפי נושאים), מהיכן הם מגיעים, באיזו תדירות מתעדכנים ומה קורה כשחסרים נתונים.
• סכמת נתונים — מקורות, מפתחות קישור, טבלאות ביניים, לוח זמנים של טעינות; רואים איפה יומן גולמי הופך למאפיינים.
• תיאור כללי ההפצה — איך נבנה המסלול: משקלים, ספי קושי, תנאים להתערבות ידנית של המתודיסט.
• נוהל עדכון כללים — מי משנה משקלים וספים, איך שינוי נבדק על נתונים היסטוריים ואיך מבטלים אותו.
• לוח בקרת איכות של מסלולים — התפלגות קושי, שיעור נשירה בשלב, השוואת קבוצות; פער מהציפיות נראה לפני שהתלמידים מדווחים עליו.
• תיעוד המערכת — ארכיטקטורה, ממשקים, תצורה, הוראות למתודיסטים ולצוות תורנות, יומן שינויים.
• מערך בדיקות קבלה — תרחישים שלפיהם כל עדכון מאשר שההפצה לא הידרדרה.

ערכה כזו מאפשרת לפתח התאמה אישית של למידה בכוחות עצמכם: לשנות כללים, להוסיף מאפיינים ולבדוק את האפקט בלי לפנות אלינו.

מקרה בוחן: מסלול למחזור של כמה אלפי לומדים

מחזור של כמה אלפי לומדים למד לפי רשת קורסים משותפת: את המסלול הרכיבו מתודיסטים ידנית, בהסתמך על מבחן מבוא ושאלון. על הנייר הסכמה נראתה אחידה, אבל עד המודול השלישי חלק מהקבוצה נתקע בנושאי בסיס שלא סגר, ונשר מהתוכנית. שיעור ההשלמה החזיק מעמד על 38%, וכל תיקון של המסלול עבר דרך אדם.

את השינוי עשו בשכבה שבין האבחון לאספקת התוכן: המודל מעריך את ההסתברות למעבר מוצלח של נושא לפי התוצאות הנוכחיות, הקצב ומספר החזרות לחומר, והמסלול מורכב מחדש בכל חתך בקרה. המתודיסט קיבל לא חובה לתקן, אלא זכות לקבע את הרצף המוצע — החלטות טיפוסיות עברו לכללים.

זה עובד מעל פלטפורמת הלמידה Moodle, בלי מעבר ובלי ייצוא מחדש של הקורסים: נתוני ההתקדמות ממילא נמצאים במערכת.

מה הראו המדדים

במחזור באותו גודל, שיעור השלמת התוכנית עלה ל-71%, החומר לנושא הבא נבחר תוך שניות במקום 30-40 דקות עבודה של מתודיסט לכל לומד, ותיקונים ידניים של המסלול בסמסטר — כ-90 במקום 1200. נעלם סוג נפרד של כשלים: הלומד כבר לא נופל לנושא שהוא לא מוכן אליו — לפניו המערכת מציבה מודול סוגר. האימון מחדש מתבצע על נתונים שנצברו, ומצב המסלולים נראה בדוח של השירות המתודי.

במה שונה מסלול אדפטיבי ממערכת המלצות?

מערכת המלצות עונה על השאלה "מה להציג הלאה": היא מדרגת חומרים לפי דמיון למה שכבר עברו ומציעה את הפריט הבא בקטלוג. מסלול אדפטיבי עונה על שאלה אחרת — "מה צריך להשיג ובאיזה סדר", ומחזיק בשליטה את כל רצף הצעדים עד לתוצאת היעד של התלמיד.

ההבדל ההנדסי הוא במצב ובמודל היעד. המלצה לא יודעת אם נושא הבסיס נשלט, ומובילה בקלות את התלמיד לחומר מעניין אבל צדדי: המבחר נראה מוצלח, אבל הפרק החובה נשאר לא סגור. המסלול שומר מפת קשרים בין נושאים ואת הנקודה הנוכחית של התלמיד, ולכן ניהול הרצף נעשה בדיק, ולא הסתברותי.

תוצאות יעד מתוארות לפי רמות שליטה — על זה בנויה טקסונומיית בלום. המסלול נבדק מולן בנקודות בקרה: לא עבר — המסלול מורכב מחדש, מתווסף מודול בסיס, והנושאים הבאים נדחים. המלצה לא נותנת משוב כזה.

בפועל לרוב משלבים בין הגישות: ההמלצה נשארת שכבה של בחירת תוכן בתוך כללי המסלול. אבל דווקא המסלול אחראי לכך שעד סוף התוכנית כל התוצאות המוצהרות יושגו, ולא רק יוצעו ללימוד — זהו ההבדל בין הגישות.

ספקות טכניים של מזמינים ותשובות מהנדסים

התאמה אישית של למידה נשברת לא במודל, אלא בנתונים ובחיבורים לפלטפורמה הנוכחית. להלן ההתנגדויות שמנהלים טכניים מעלים לרוב, ואיך אנחנו סוגרים אותן בשלב התכנון, לפני תחילת העבודה.

בפלטפורמה אין עקבה דיגיטלית — האם נצטרך לכתוב אותה מחדש?

לא. אנחנו אוספים מערך מינימלי של אירועים — התחלת מודול, תוצאת עבודת בקרה, זמן עד הגשה, חזרות לנושא — וקובעים נקודות רישום שלהם בטבלאות הקיימות. בדרך כלל מדובר בהשלמה בצד הפלטפורמה, ולא בהחלפת הליבה; לפיילוט מספיק גם חלק מהאירועים.

איך זה משתלב בפלטפורמה הנוכחית?

שכבת ההמלצות עובדת בנפרד ומחזירה תוצאה דרך ממשק תוכנה, ולכן סדר המודולים וממשק הלומד משתנים בלי לכתוב את המערכת מחדש. אם הפלטפורמה לא מוכנה לקבל את ההפצה, מתחילים מתרחיש אחד — למשל, בחירת המודול הבא אחרי הגשת עבודת בקרה.

מי אחראי לתוכן ההמלצות?

המערכת מדרגת רק חומרים מאושרים ולא יוצרת תוכן לימודי. כללי הבחירה והמסלולים לדוגמה מתאמים עם המתודיסטים של המזמין, ושינויים בהם עוברים את אותה בדיקה כמו שאר התיקונים בתוכנית הלימודים.

איך לוודא שהשיפורים אמיתיים?

לפני הפריסה אנחנו מריצים מדידה השוואתית: קבוצת בקרה לומדת לפי הסכמה הקודמת, והשאר — לפי אישית. מסתכלים על שיעור המגיעים לסוף, זמן לימוד המודול, פניות חוזרות לנושא. את ההפצה מפעילים בהדרגה, עם אפשרות להחזיר את הסדר הקודם לקבוצה נבחרת.

מה צריך כדי שנחזור עם הערכה ותוכנית

הערכה של התאמה אישית של למידה לא מחושבת לפי תיאור המשימה — היא מחושבת לפי נתונים. הצעד הראשון — לדון במשימה ולהבין איזה אות בכלל קיים במערכת: בלי היסטוריית אינטראקציה של התלמיד עם התוכן אין מה להמליץ, וכל תוכנית שלבים תישאר תאורטית.

כדי לחזור עם הערכה ותוכנית שלבים, אנחנו צריכים מכם:

• ייצוא של לוגים אנונימיים של למידה מכמה תקופות: מה נפתר, איפה שגיאות, כמה זמן הושקע בנושא;
• קטלוג תוכן עם תיוג — נושאים, רמות קושי, קשרים בין חומרים, פורמטים של מטלות;
• מדד מטרה: שיעור המודולים שהושלמו, מהירות לימוד נושא או שימור בקורס — ממנה תלוי קריטריון ההצלחה של הפיילוט;
• כללים פעילים לבחירת חומרים, אם קיימים: היוריסטיקות, מבחרים ידניים, מגבלות עומס על המרצה;
• נקודות חיבור: מערכת רישום, מאגר תוכן, ממשקי תלמיד ומרצה, דרכים זמינות להחלפת נתונים;
• דרישות לעיבוד נתונים אישיים, והיכן פיזית צריכים לשכב הנתונים;
• גישה למתודיסטים לשתיים-שלוש פגישות קצרות — הם מסבירים את לוגיקת התוכנית בצורה מדויקת יותר מכל תיאור.

אחרי ניתוח החומרים נחזור עם הערכה, הרכב עבודות ותוכנית שלבים, שבה נציין בנפרד את לוחות הזמנים של הפיילוט: כמה זמן נדרש להכנת נתונים, הגדרה ובדיקה על קבוצת תלמידים מוגבלת.

הרכב העבודות תלוי באיכות הלוגים — אם ההיסטוריה מקוטעת, לתוכנית ייכנס שלב של איסוף אות, ונאמר על כך מיד, ולא אחרי ההתחלה.