בינה מלאכותית לחינוך
שמורה תוכל ללמד יותר טוב

Adaptive learning paths

מסלול למידה שמשתנה לפי ביצועי הלומד — אם הוא מבין מהר, מעלים את הקושי; אם הוא נתקע, מספקים שיעורי תרגול נוספים. מבוסס Knowledge State Tracing (Bayesian / Deep KT).

• Per-student concept mastery tracking
• Prerequisite graph awareness
• Difficulty adjustment בזמן אמת
• Explainable למורה (מדוע הוקפץ ל-pace הזה)

AI tutoring — שיטה Socratic

Tutor שמנחה לחשיבה בשאלות, לא נותן תשובות. עומד בפני "תן לי את התשובה" — מנחה לתשובה במקום זאת. Grounded על חומר הקורס בלבד, לא משתמש בידע external.

• Source-bounded — לא מחוץ לחומר הקורס
• Hint progression — אם תלמיד נתקע ב-3 הזדמנויות, רק אז יותר פירוט
• Citation לעמוד / שיעור ספציפי
• Multilingual native (HE/EN/RU/AR)

Auto grading — עם הסבר

ציון אוטומטי לחיבורים, קוד, בעיות מתמטיות — עם feedback per-line ולא רק ציון. מורה רואה את ה-rubric breakdown ויכול לדרוס. עובד מבחנים, שיעורי בית, ופרויקטים.

• Rubric-based — מורה מגדיר קריטריונים
• Per-line / per-section feedback
• Override מורה עם משוב חזרה למודל
• Plagiarism + AI-generation detection

Early-warning system

זיהוי תלמידים בסיכון נשירה / כישלון מוקדם — בשבוע 3, לא בשבוע 12 כשמאוחר. סיגנלים: עמידה בשיעורי בית, זמן הגשה, ביצוע מבחני שליטה, סנטימנט בהשתתפות.

• Per-student risk score כל שבוע
• Recommended interventions per case
• Feedback loop למורה — האם פעולה עזרה
• Privacy-aware — score אינו נחשף לתלמיד עצמו

RAG על תוכן הקורס

שאלות תלמיד נענות מתוך הקורס בלבד — לא מהאינטרנט, לא מ-Wikipedia. כל תשובה עם ציטוט לעמוד. אם השאלה מחוץ לקורס, ה-AI אומר שזה לא נכלל ומפנה למורה.

• Out-of-scope detection מובהק
• Citation per claim — תלמיד יכול לוודא
• Refresh אוטומטי כשתוכן הקורס משתנה
• Conversation memory per-student per-course

Question generation + assessment

יצירת שאלות לתרגול ולמבחנים בהתאמה ל-concepts שהלומד עוד לא שולט. מורה בודק לפני פרסום — מודל מציע, לא מפרסם לבד.

• Concept-tagged question pool
• Difficulty calibration (IRT - Item Response Theory)
• Spaced repetition scheduling
• Anti-cheat — different questions per session

Multilingual content adaptation

תרגום + לוקליזציה תרבותית של תוכן קורס מ-EN ל-HE / RU / AR. לא רק תרגום מילים — התאמת דוגמאות לקונטקסט מקומי. עורך שולט, AI טיוטה.

• RTL native (עברית, ערבית)
• Cultural example adaptation
• Mathematical notation rendering נכון בכל שפה
• Editor approval workflow

Teacher analytics dashboard

מורה רואה את הכיתה ברמת concept mastery, לא רק ציון. אילו נושאים הכי הרבה תלמידים נתקעים? איזה הסבר עבד? איזה לא? לוח שמשרת קבלת החלטות פדגוגיות.

• Concept heatmap לכיתה
• Time-on-task per concept
• Intervention impact tracking
• Parent / counselor summary on demand

LMS integration

Tutor + grading + analytics מתחברים ל-Moodle, Canvas, Blackboard, Google Classroom או LMS ביתי דרך LTI 1.3 / xAPI.

• LTI 1.3 standard (Canvas, Blackboard, Moodle)
• xAPI / cmi5 ל-experience tracking
• SSO via SAML / OAuth

SIS sync

Student Information System (Mashov, Snell, custom) מספק class roster, מקבל grades בחזרה. Bi-directional.

• Mashov (ישראל)
• OneRoster standard
• Custom SIS — adapter framework

Privacy + compliance

FERPA (US), GDPR (EU), חוק זכויות התלמיד (IL) — נכנסים לארכיטקטורה מהיום הראשון, לא נדבקים אחר כך.

• PII minimization בכל שכבה
• Parent consent workflow לתלמידים מתחת ל-13
• Zero retention על LLM provider (OpenAI Enterprise / Azure)
• Right to deletion mechanic מתוכננת

Discovery (שבוע 1-2)

Audit של LMS, SIS, content corpus, ושל ה-pedagogy: איזה תרחיש מורה הכי הרבה זמן נשרף? התחלה משם.

Pilot (שבוע 3-8)

קורס אחד / מורה אחד / 30-50 תלמידים. בנייה של מודול אחד עם eval framework. תלמיד מקבל הכל, מורה רואה הכל, החלטה pedagogical נשארת אצל המורה.

Scale (שבוע 9-12)

Phased rollout לכל קורסים / מורים נוספים, kill switch מתועד, governance baseline. Privacy review סופי לפני production.