ניסוי פורץ דרך: כיצד שינתה הבינה המלאכותית של גוגל את שיעורי המתמטיקה בסיירה לאון

ההבטחה של בינה מלאכותית בחינוך היא עצומה, אך עדויות קפדניות להשפעתה בכיתות אמיתיות היו נדירות. ביוני 2026, Google DeepMind ועמותת החינוך Fab AI פרסמו את תוצאותיו של מחקר אקראי מבוקר (RCT) חלוצי שנערך בסיירה לאון, והציעו את אחת התמונות המפורטות ביותר עד כה על האופן שבו כלי למידה מובנה מבוסס AI יכול לעבוד לצד מורים .

המחקר מצא ששילוב מצב 'הלמידה המודרכת' (Guided Learning) של Gemini בשיעורי מתמטיקה שיפר משמעותית את ציוני התלמידים במבחנים. עם זאת, התוצאות גם האירו ניואנסים קריטיים: תלמידים שכבר הצטיינו במתמטיקה נהנו יותר, מורים נאלצו להתאים את תפקידם, ואת ההתערבות שתוכננה בקפידה קשה להפריד מהרכיבים התומכים בה.

כיצד תוכנן הניסוי

הניסוי, שנערך בשיתוף עם משרד החינוך של סיירה לאון, היה מחקר אקראי מבוקר דו-זרועי שנרשם מראש. הוא נמשך שמונה שבועות, מ-6 באוקטובר עד 5 בדצמבר 2025, ב-12 חטיבות ביניים ממשלתיות במחוז פורט לוקו .

במחקר השתתפו 1,763 תלמידים בכיתות ז' וח' (בני 13 ומעלה) ברחבי 48 כיתות מתמטיקה . בתוך כל שכבת גיל בכל בית ספר, כיתות חולקו באקראי לקבוצת הניסוי, שהשתמשה ב-Gemini בלמידה מודרכת, או לקבוצת הביקורת, שהמשיכה בהוראה סטנדרטית. כדי למנוע עירבוב בין השפעת כלי ה-AI לאיכות ההוראה, כל המורים עברו אותה הכשרה של 5–6 שעות .

היעד היה שהתלמידים ישתמשו בכלי ה-AI במהלך שתיים מתוך ארבע תקופות המתמטיקה השבועיות שלהם, מה שמצטבר ל-12 שעות של למידה מודרכת במהלך שמונת השבועות .

מערך שיעור מובנה בן ארבעה חלקים עם טוויסט

ההתערבות לא הייתה פשוט לתת לתלמידים צ'אטבוט. היא התנהלה לפי מסגרת פדגוגית קפדנית שנועדה להפוך את ה-AI לשותף בתהליך למידה שיתופי:

1. פתיחה בהובלת המורה: המורה הציג את מטרות הלמידה ובדק את הידע הקודם של התלמידים.
2. פעילות עיקרית בזוגות: התלמידים עבדו בזוגות עם מכשיר אחד (יחס של 2:1 תלמידים למכשיר). באופן קריטי, הם נשאו בתפקידים מוגדרים: "הנהג" הקליד את השאלות לתוך Gemini, בעוד "הנווט" רשם הערות והנחה את החקירה. התפקידים התחלפו בכל שיעור כדי להבטיח השתתפות מאוזנת.
3. דיון כיתתי: המורה הוביל דיון לסיכום החומר הנלמד.
4. סיכום מליאה: המורה סיכם בתקציר מסכם .

כהכנה, המורים הגדירו את מטרות השיעור, כתבו הנחיות פתיחה (prompts) וניסחו שאלות מנחות על הלוח כדי לבנות את הפיגומים (scaffolding) לאופן שבו התלמידים יתקשרו עם Gemini .

התוצאות: שיפור משמעותי, אך לא לכולם באופן שווה

הניסוי הניב שיפורים מובהקים סטטיסטית, אך גודל ההשפעה היה תלוי מאוד במידת השימוש בכלי ובנקודת ההתחלה של התלמיד.

מדד	ממצא
כוונת טיפול (ITT)	בממוצע, תלמידים שהוקצו לשימוש בלמידה מודרכת הראו שיפור של +0.258 סטיות תקן (SD) . זה שווה ערך להעברת תלמיד מהאחוזון ה-50 ל-60 .
יחס מינון-תגובה	69% מהתלמידים שהשלימו את מינון היעד המלא של 12 שעות ויותר השיגו אפקט גדול בהרבה של +0.380 SD. כל שעת שימוש נוספת נקשרה לעלייה של +0.016 SD .
מיומנות בסיסית (Baseline)	הממצא הקריטי ביותר: תלמידים עם מיומנויות מתמטיות התחלתיות חזקות יותר נהנו משמעותית יותר. השפעת הטיפול גדלה ב-0.195 SD עבור כל סטיית תקן נוספת של מיומנות מתמטית התחלתית .
ניתוח תת-קבוצות	לא נמצאו הבדלים מובהקים בהשפעת ה-AI בפילוח לפי מיומנות קריאה התחלתית, מגדר או גיל .

כיצד תלמידים באמת קיימו אינטראקציה עם Gemini

אחד החלקים המאירים ביותר של המחקר היה ניתוח תמלילים של למעלה מ-113,000 אינטראקציות בין תלמידים ל-Gemini. הוא צייר תמונה של AI שמתנהג לא כמכונת תשובות, אלא כמורה פרטי.

הרוב המכריע של השיחות - 91.4% - התמקדו בהבנה מתמטית . התנהגותו של Gemini עצמו כוונה בקפידה על ידי תכונת הלמידה המודרכת: הוא הציג שאלות פיגומים ב-76.4% מההודעות שלו, ודחף את התלמידים לחשוב בעצמם, וסיפק פתרון ישיר רק ב-2.1% מהמקרים .

הסיכון להגדלת פערים קיימים

הממצא שתלמידים עם ביצועים התחלתיים גבוהים יותר הרוויחו הכי הרבה גרם לחוקרים להניף דגל אדום. ללא אסטרטגיות מכוונות לתמוך בתלמידים עם ביצועים נמוכים יותר, ההתערבות מסתכנת בהגדלת פערים קיימים במקום בצמצומם .

מה שחוו המורים

משוב איכותני מקבוצות מיקוד של המורים הוסיף מימד נוסף לתוצאות. מורים דיווחו על עלייה ניכרת במעורבות התלמידים והשתתפות פעילה יותר בכיתה . רבים החלו להשתמש ב-Gemini להכנת שיעורים, וגילו דרכים חדשות להסביר נושאים מורכבים כמו שברים .

באופן מכריע, מורים תיארו שינוי בזהות המקצועית שלהם, והרגישו שתפקידם מתפתח מ-"מרצה" ל-"מנחה" (פסיליטטור), שנע בכיתה כדי לתמוך בזוגות התלמידים .

לא כל המשוב היה חיובי. חלק מהמורים דיווחו על אתגרים, כולל ש-Gemini הציג מדי פעם תוכן לא רלוונטי או האט את קצב התקדמות הכיתה בחומר המתוכנן .

המגבלות הקריטיות של המחקר

בעוד שהתוצאות חיוביות, החוקרים מקפידים לתאר מספר מגבלות שיש להביא בחשבון:

• התערבות מצרפית: הניסוי שילב למידה מודרכת עם הכשרת מורים, מבנה שיעור חדש, אספקת מכשירים וניטור בכיתה. עיצוב המחקר אינו יכול לבודד את ההשפעה של כלי ה-AI בלבד מאותם תומכים חיוניים אחרים .
• יכולת הכללה: המדגם הוא ממחוז בודד בסיירה לאון ואינו מייצג ארצית. הממצאים ישימים בעיקר לבתי ספר עם תשתית דומה, כולל טאבלטים, אינטרנט אמין ומוכנות מורים .

מתווה מחקר גלובלי

הניסוי בסיירה לאון הוא רק ההתחלה. הוא הראשון בסדרה בינלאומית מתוכננת של ניסויים אקראיים מבוקרים שנרשמו מראש על ידי Google DeepMind ו-Fab AI, לחקר למידה מודרכת במערכות חינוך שונות . בצעד לעבר שקיפות וסקלביליות, השותפות פרסמו לציבור את חומרי הכשרת המורים שלהן ו-ספר משחקים מהיר לעריכת RCT (ניסוי אקראי מבוקר) יחד עם התוצאות, ובכך סיפקו מתווה לחוקרים ומערכות חינוך אחרות .