סדנת AI לסגל אקדמי: הוראה ומחקר ביום אחד

סדנת AI לסגל אקדמי היא יום עבודה אחד שבו מרצים וחוקרים יוצאים עם שני תוצרים: מטלה מקורס שלהם שעוצבה מחדש כך שהיא עובדת גם כשלסטודנטים יש מודל שפה, ושגרת מחקר אחת שרצה, כמו סקירת ספרות מובנית או ניתוח נתונים עם Claude Code. לא הרצאה על מה AI יכול, אלא עבודה על הקורס ועל המחקר של כל משתתף. במאמר הזה נראה את הלו״ז, מה בונים בחלק ההוראה ובחלק המחקר, ומה למדנו מסגלים באוניברסיטאות ובמכללות בישראל.

למה סגל אקדמי צריך סדנה ולא הרצאה?

כי הבעיה של מרצה היא ספציפית. ״הסטודנטים כותבים את העבודות עם מודל״ היא לא שאלה כללית, היא שאלה על המטלה בשבוע 6 בקורס מסוים. הרצאה נותנת מסגרת. סדנה פותחת את המטלה הזו ובונה אותה מחדש, בחדר, עם מרצים אחרים שמסתכלים.

בסקר שעשינו לפני סדנה בפקולטה אחת, 22 אנשי סגל: 19 אמרו שהם מודאגים מהעתקות, 5 השתמשו במודל שפה למחקר שלהם, ו-2 שינו מטלה בעקבות זה. חודש אחרי הסדנה: 16 שינו לפחות מטלה אחת, ו-13 השתמשו במודל במחקר בשבוע האחרון. ההבדל הוא לא בידע. ההבדל הוא שעובדים על הדבר האמיתי. כך אנחנו ניגשים להטמעה גם בארגונים, ואפשר לקרוא על זה במרכז הנושא על הטמעת AI.

מה כוללת סדנת AI לסגל אקדמי?

יום מלא, 7 שעות, 8 עד 25 משתתפים. כל אחד מביא סילבוס של קורס אחד ושאלת מחקר אחת.

1. 09:00, מה מודל שפה יודע ולא יודע (45 דקות). הדגמה חיה על מטלה של אחד המשתתפים: המודל פותר אותה מול כולם. ואז על שאלת מחקר: איפה הוא מדייק ואיפה הוא ממציא מקורות. מספרים, לא דעות.
2. 09:45, פירוק מטלה (75 דקות). כל משתתף לוקח מטלה אחת מהקורס שלו ובודק: מה המודל עושה בה בדקה, ומה נשאר. עובדים בזוגות. יוצאים עם רשימה של מה באמת נבדק במטלה.
3. 11:00, בנייה מחדש ומחוון (90 דקות). מעצבים את המטלה מחדש לפי 4 דפוסים שעובדים: נתונים שהסטודנט אוסף, הגנה בעל פה, ביקורת על פלט של מודל, ותוצר שרץ. כותבים מחוון של 4 קריטריונים. 3 משתתפים מציגים, הקבוצה מבקרת.
4. 12:30, הפסקה.
5. 13:15, מדיניות וניסוח לסילבוס (60 דקות). מה מותר, מה לא, איך כותבים את זה בעמוד הראשון של הסילבוס, ומה עושים בחשד. עובדים על נוסחים שעבדו במוסדות אחרים.
6. 14:15, מחקר: סקירת ספרות ונתונים (120 דקות). בונים שגרת סקירת ספרות עם אימות מקורות, ואז ניתוח נתונים עם Claude Code על קובץ של המשתתף: ניקוי, גרפים, בדיקה סטטיסטית ראשונה. מי שלא כתב קוד מעולם מריץ ניתוח תוך 40 דקות.
7. 16:15, סיכום ותוכנית לסמסטר (30 דקות). כל משתתף כותב שלושה דברים שהוא משנה עד תחילת הסמסטר, ומי בפקולטה רואה את זה.

בחצי יום של 4 שעות עושים את שלבים 1 עד 3 ו-7 (הוראה בלבד) או 1, 6 ו-7 (מחקר בלבד).

הוראה: איך בונים מטלה בעידן AI?

ארבעה דפוסים שראינו עובדים בקורסים אמיתיים, מהנדסה ועד מדעי הרוח:

• נתונים שהסטודנט אסף. ראיונות, תצפיות, מדידות במעבדה. המודל יכול לנתח, הוא לא יכול לאסוף. הציון על האיסוף ועל ההחלטות.
• הגנה בעל פה של 5 דקות. על כל עבודה כתובה. סטודנט שכתב יודע לענות. בקורס של 40 סטודנטים זה 3 שעות וחצי בסמסטר, ומתרגלים יכולים לעשות את זה.
• ביקורת על פלט של מודל. הסטודנט מקבל תשובה של מודל לשאלה בקורס, ומקבל ציון על מה שמצא בה שגוי, חסר או שטחי. זה מלמד את החומר ואת הכלי ביחד.
• תוצר שרץ. קוד, מודל, אב-טיפוס, ניסוי. אם זה עובד על מקרי בדיקה, לא משנה מי עזר לכתוב. כך בנוי גם קורס בינה מלאכותית לאקדמיה שאנחנו מלמדים לסטודנטים.

בסדנה כל משתתף בוחר דפוס אחד או שניים ומיישם אותם על המטלה שהביא. לא צריך לשנות את כל הקורס. מטלה אחת בסמסטר הראשון מספיקה. מה שלא עובד: כלי זיהוי. ראינו אותם מסמנים עבודות של סטודנטים שכתבו לבד, ומפספסים עבודות שנכתבו עם מודל ונערכו. מרצה שבונה על זיהוי מפסיד פעמיים.

מחקר: איפה AI חוסך שבועות ואיפה הוא מסוכן?

שימוש במחקר	מה המודל עושה טוב	הסיכון	איך עובדים נכון
סקירת ספרות	סיכום, מיפוי נושאים, ניסוח שאלות	ממציא מקורות ומספרים	כל מקור מאומת בבסיס נתונים לפני ציטוט
ניתוח נתונים	ניקוי, קוד לגרפים, בדיקות ראשונות	טעות שקטה בקוד	קוד נבדק על תת-קבוצה ידועה, והחוקר קורא אותו
כתיבה	מבנה, ניסוח, תרגום, תקציר	סגנון אחיד ושטחי, טענות לא מבוססות	טיוטה ראשונה של החוקר, המודל עורך
הצעות מחקר ומענקים	התאמה לפורמט, בדיקת שלמות	חשיפת רעיון לפני פרסום	ספק עם הסכם עיבוד נתונים, בלי נתונים גולמיים
עבודה עם סטודנטים לתארים מתקדמים	משוב על טיוטות, שאלות הכנה	תלות, פחות שיחה עם המנחה	המודל מכין, המנחה מחליט

החלק של ניתוח הנתונים הוא זה שמפתיע הכי הרבה מרצים. חוקרת ממדעי החברה שלא כתבה קוד מעולם הריצה בסדנה ניקוי של קובץ עם 3,000 שורות ושלושה גרפים ראשונים תוך 40 דקות, עבודה שהמתרגל שלה עשה בשבוע. איך זה עובד למי שלא מתכנת מוסבר במאמר על Claude Code למי שלא מפתח.

מה הסדנה דורשת מהמוסד?

חדר עם אינטרנט יציב, מחשב נייד לכל משתתף, וחשבונות בכלים שאנחנו עוזרים להקים שבועיים לפני. מהמשתתפים: סילבוס אחד, מטלה אחת, קובץ נתונים אחד או שאלת מחקר. מהפקולטה: אדם אחד שמחזיק את תוכנית ההמשך, כי 60% מהערך של הסדנה נמצא במה שקורה בחודש שאחריה. פרטים על פורמטים לפקולטות, ללימודי המשך ולתוכניות יזמות יש בעמוד לאקדמיה.

מה למדנו מסדנאות לסגל?

בסדנה הראשונה שלנו הקדשנו שעתיים למדיניות. זה הפך לוויכוח על מה המוסד צריך לעשות, ואף אחד לא שינה מטלה. היום מדיניות היא שעה, אחרי שכבר יש מטלה חדשה ביד, והשיחה אחרת: לא ״מה המוסד יעשה״ אלא ״איך אני כותב את זה בסילבוס שלי״.

דבר שני: חלק המחקר הוא מה שמביא את המתנגדים. מרצה שהגיע כדי להגיד שהכול העתקות יצא עם ניתוח נתונים שחסך לו שבוע, ובסמסטר שאחרי שינה שתי מטלות. לכן המחקר הוא אחר הצהריים, כשכולם כבר בחדר.

רוצים סדנת AI לסגל שלכם לפני הסמסטר הבא? לסדנאות.