בעוד שעיקר השיח סביב AI בחינוך מתמקד לרוב בסטודנטים ובאופן שבו הם מנצלים מודלי שפה גדולים (LLM) ללמידה וכתיבה, דוח חדש של אנתרופיק חושף כי גם אנשי חינוך מאמצים את הטכנולוגיה. לפי סקר גאלופ עדכני, מורים דיווחו שכלי AI חוסכים להם בממוצע 5.9 שעות עבודה בשבוע, ואף החלו להישמע חששות מצד סטודנטים לגבי שימוש המרצים ב-AI. אנתרופיק, שפרסמה בעבר נתונים על שימוש סטודנטים ב-AI, מציגה כעת ניתוח מעמיק המבוסס על כ-74 אלף שיחות אנונימיות של אנשי הוראה מהשכלה גבוהה עם Claude.ai בחודשים מאי ויוני האחרונים. הניתוח, שנעשה בשיתוף עם אוניברסיטת Northeastern, מספק תמונת מצב אמפירית על אימוץ AI בקרב מרצים, תוך התמקדות בשימושים מקצועיים.
השימושים הבולטים ביותר ב-Claude, הן מהניתוח הכמותי והן מהמחקר האיכותני, הם פיתוח תכניות לימודים, מחקר אקדמי והערכת ביצועי סטודנטים. בנוסף, המודל משמש ליצירת סימולציות משפטיות, פיתוח תוכן להכשרה מקצועית, כתיבת מכתבי המלצה וניסוח סדר יום לפגישות. הסיבות העיקריות לאימוץ אלו נובעות מהיכולת של ה-AI לבצע אוטומציה של משימות מייגעות, לשמש שותף חשיבה שיתופי שמציע דרכים חדשות להסביר מושגים, ולאפשר חוויות למידה מותאמות אישית לסטודנטים. ממצא מעורר השראה במיוחד הוא שימושם של אנשי חינוך בתכונת ה-Artifacts של Claude לבניית חומרים לימודיים אינטראקטיביים ומוכנים לפריסה מיידית בכיתה, מה שהופך את Claude משותף שיחה לשותף יצירתי.
הדוח מציג תמונה מורכבת של איזון בין הגברת יכולות (Augmentation) של המרצים באמצעות AI לבין אוטומציה מלאה של משימות. משימות הדורשות יצירתיות או אינטראקציה עמוקה, כמו הוראה, כתיבת בקשות למענקי מחקר וליווי אקדמי, נוטות יותר לשימוש כ'מגבר יכולות'. לעומת זאת, משימות אדמיניסטרטיביות ופיננסיות, כמו ניהול תקציבים ורישומי סטודנטים, נוטות יותר לאוטומציה. עם זאת, נתון מדאיג במיוחד הוא שקרוב למחצית (48.9%) מהשיחות הקשורות להערכת סטודנטים וציונים זוהו ככאלו שנוטות לאוטומציה משמעותית. למרות שמרצים שהשתתפו בסקר ציינו שמדובר במשימה שבה ה-AI הכי פחות אפקטיבי, הנתונים מ-Claude.ai מראים בפועל רמה גבוהה של האצלת סמכויות למודל. מרצים רבים מביעים חשש אתי משימוש ב-AI למתן ציונים, בטענה שסטודנטים משלמים על זמנם ומומחיותם של המרצים, ולא של ה-LLM.
הטכנולוגיה גם מאלצת מרצים לחשב מסלול מחדש לגבי שיטות ההוראה והתכנים עצמם. במקום להתמקד בפרטים טכניים, כמו ניפוי שגיאות בקוד, ניתן כעת להעמיק במושגים וביישומים עסקיים. בנוסף, היכולת להעריך את דיוק התוכן שנוצר על ידי AI הופכת לחיונית. האתגר הוא לפתח בסטודנטים את המומחיות הנדרשת כדי שיוכלו להבחין בין תוכן אמין לבין הזיות AI. הדבר מוביל גם לבחינה מחודשת של שיטות הערכה: במקום משימות מסורתיות שניתן לבצע בקלות עם AI, מרצים מעצבים כעת משימות מורכבות יותר, שמצריכות חשיבה ביקורתית ויכולות פתרון בעיות שקשה למודל לחקות. המסקנה העולה מהדוח היא שאימוץ ה-AI בחינוך הוא תהליך דינמי ומורכב. בעוד שהפוטנציאל ליצירת חומרים לימודיים חדשניים ופתרון חסמים בירוקרטיים הוא עצום, יש להמשיך ולקיים דיון פתוח על האתגרים האתיים, במיוחד בכל הנוגע לאוטומציה של ציונים, ולוודא שהכלים הללו משפרים את חווית הלמידה ולא פוגעים באיכותה ובשלמותה.
