האם ChatGPT יכול לשפר יצירתיות בקרב סטודנטים למנהל עסקים? עדויות מניסוי אקראי מבוקר
מבוא
הכלים לבינה מלאכותית גנרטיבית, המאומנים על מאגרי נתונים עצומים, מסוגלים לייצר טקסט, מוזיקה, תמונות ושיחות הדומים לאלה שיוצר אדם, ולסייע במשימות קוגניטיביות. כתוצאה מכך, הם מיצבו את עצמם ככוח מעצב בחינוך, המציע תמיכה חסרת תקדים בכתיבה, מחקר ויצירתיות. ואולם, אימוצם העלה חששות מעשיים ואתיים כבדי משקל, ובהם: יושרה אקדמית, שיטות הוראה ולמידה, ופיתוח היצירתיות – מיומנות חיונית לפתרון בעיות וחדשנות.
היצירתיות, המוכרת כבסיס לכשירות כוח עבודה ולשגשוג כלכלי, זוהתה לאחרונה כמיומנות תעסוקתית שנייה בחשיבותה אחרי החשיבה האנליטית, וכיכולת ליבה הכרחית להצלחה מקצועית בעסקים. שילוב הבינה המלאכותית הגנרטיבית בתהליכים יצירתיים הגלומים בלמידה מציב הזדמנויות ואתגרים כאחד. מחקר זה מתמקד בהשלכות הבינה המלאכותית הגנרטיבית על התהליכים היצירתיים הקשורים ללמידת סטודנטים באוניברסיטה, תוך בחינת השפעת ChatGPT על רכיבי החשיבה הדיברגנטית בקרב סטודנטים לתואר ראשון בשלוש דיסציפלינות אקדמיות: שיווק, ניהול ויזמות.
סקירת ספרות
יצירתיות בהשכלה הגבוהה
היצירתיות הוכרה זה מכבר כמיומנות חיונית בהשכלה הגבוהה, כאשר חשיבותה משתרעת על פני דיסציפלינות אקדמיות שונות. כמנוע מרכזי לפתרון בעיות, חדשנות, וצמיחה אישית ומקצועית, היצירתיות מקדמת התקדמות חברתית וכלכלית. Sternberg ו-Lubart (1998) מגדירים אותה כ"יכולת לייצר עבודה שהיא גם חדשנית (כלומר מקורית, בלתי צפויה) וגם מתאימה (כלומר שימושית, מסתגלת ביחס למגבלות המשימה)". בהקשרים חינוכיים, תיאוריית הרכיבים של Amabile מספקת מסגרת תיאורטית מוצקה, המזהה שלושה מרכיבים מרכזיים לביצועים יצירתיים: מיומנויות רלוונטיות לתחום הדעת, תהליכים רלוונטיים ליצירתיות, ומוטיבציית המשימה.
כלים כגון מבחני חשיבה דיברגנטית הפכו לאמצעים נפוצים להערכת פוטנציאל יצירתי, תוך התמקדות במימדים כגון שטף, גמישות, מקוריות ועיבוד. עם התפתחות הבינה המלאכותית הגנרטיבית, חוקרים טוענים כעת כי יש להוסיף מימדים כמו ערך, אותנטיות, כוונה והפתעה, כדי להבחין בין פלט אנושי לבין פלט שנוצר על ידי בינה מלאכותית.
בינה מלאכותית ויצירתיות
הצומת שבין בינה מלאכותית ויצירתיות עורר עניין גובר בקרב חוקרים. שאלת המפתח היא אם מכונות אלה יכולות להיות יצירתיות באמת, או שמא הן רק מחקות יצירתיות אנושית. מחקרים שונים מצאו ראיות ליכולות יצירתיות של מכונות אלה: GPT-4 הפגין פוטנציאל יצירתי גבוה יותר מבני אדם במבחני חשיבה דיברגנטית, ומודלים גדולים של שפה ביצעו ברמה הקרובה לזו של בני האדם או גבוהה ממנה במבחני מקוריות ושימושיות. ואולם, מחקרים אחרים הגיעו למסקנה כי מכיוון שמודלים אלה חסרים כוונתיות, יכולת הבנה ושיפוט והיכולת להעריך את עצמם, תפוקתם אינה עומדת בתנאים הנדרשים להגדרה כיצירתיות, ועל כן ניתן לתאר אותה כ"תוכי סטוכסטי" (Bender et al., 2021) בלבד. מחקרים אחרים הראו כי הרעיונות הטובים ביותר שיצרו בני אדם היו ניתנים להשוואה לאלה של הצ'אטבוטים או עדיפים עליהם, מה שמדגיש את האופי הייחודי והמורכב של היצירתיות האנושית.
בינה מלאכותית גנרטיבית והשכלה גבוהה
מודלים גדולים של שפה מניעים את האבולוציה המהירה של טכנולוגיות חינוכיות בתחום זה. מחקרים מציגים תמונה מורכבת: מצד אחד, ניתוחי-על מאשרים כי צ'אטבוטים המבוססים על בינה מלאכותית משפיעים לטובה על ביצועים, מוטיבציה, עניין, מסוגלות עצמית וערך נתפס של הלמידה. מצד אחר, קיימים חששות לגבי השימוש הנרחב בבינה מלאכותית, הכוללים עיכוב בלמידה ורכישת מיומנויות, החרפת אי-שוויון בגישה, הפקת תפוקות מוטות ואתגרים אתיים ומשפטיים.
בינה מלאכותית גנרטיבית ויצירתיות: הזדמנויות ואתגרים
מחקרים הבוחנים את השפעת כלים כגון ChatGPT על יצירתיות סטודנטים מציגים ממצאים מעורבים. מחד, נמצא כי ChatGPT שיפר את החשיבה היצירתית על ידי הגדלת שטף, הרחבת גמישות ועידוד עיבוט, אך הציב גם סיכונים כגון קיבוע קוגניטיבי וצמצום מסוגלות עצמית יצירתית. מאידך, נמצא כי ChatGPT-4 קיבל דירוג ב-1% העליון במקוריות ושטף, מה שמצביע על פוטנציאל עצום להשפיע על יישומים מעשיים בעסקים ובחיי היומיום. למרות גוף הידע הגדל, קיים מחסור בולט במחקרים אמפיריים הבוחנים כיצד סטודנטים מתקשרים עם בינה מלאכותית גנרטיבית למשימות יצירתיות בהגדרות חינוכיות.
מתודולוגיה
המחקר בחן את השפעת ChatGPT-3.5 על התפוקה היצירתית של 1,190 סטודנטים לתואר ראשון במסגרת ניסוי מבוקר אקראי. החשיבה הדיברגנטית נמדדה בשני תנאים: עם שימוש ב-ChatGPT-3.5 (קבוצת הניסוי) ובלעדיו (קבוצת הביקורת). כלי המדידה שנבחר היה מבחן השימושים החלופיים של גילפורד (Guilford's Alternative Uses Test), כלי מבוסס ומוכר למדידת חשיבה דיברגנטית. המשימות כללו פירוט שימושים לאטב נייר ויצירת רעיונות להחזרת עובדים למשרד. משתתפים גויסו משלוש דיסציפלינות אקדמיות: יזמות (n=160), שיווק (n=496) וניהול (n=534).
הסטודנטים חולקו באופן אקראי לקבוצת ביקורת (עבדה ללא כלי בינה מלאכותית גנרטיבית) ולקבוצת ניסוי (קיבלה גישה ל-ChatGPT-3.5). כל המשתתפים קיבלו הוראות מילוליות וכתובות זהות לפני תחילת המשימה, כולל צפייה בסרטון הדרכה של שתי דקות. הוגדרו ארבעה מדדי יצירתיות מרכזיים:
- שטף – יכולת לייצר כמות גדולה של רעיונות בפרק זמן מוגבל.
- גמישות – יכולת להסיט נקודות מבט, נמדדת כמגוון קטגוריות הרעיונות.
- מקוריות – יכולת לייצר רעיונות חדשניים או ייחודיים.
- עיבוט – יכולת לספק פירוט ומורכבות לרעיונות.
שלושה מדרגים בעלי ניסיון מעשי ותיאורטי בשלושת התחומים העריכו את הגשות הסטודנטים. נמצא כי הסכמה בין-מדרגים הייתה גבוהה יחסית עבור שטף וגמישות, ונמוכה יחסית עבור עיבוט ומקוריות. בשל הקורלציה הגבוהה מאוד שנמצאה בין גמישות ושטף, משתנה הגמישות הוצא מהניתוח הסטטיסטי.
תוצאות
סטודנטים ליזמות ושיווק
ניתוח MANOVA העלה השפעה עיקרית מובהקת של ההתערבות, השפעה עיקרית מובהקת של הדיסציפלינה, ואינטראקציה מובהקת בין ההתערבות לדיסציפלינה. השוואות זוגיות הראו כי לא נמצאו הבדלים מובהקים בין קבוצת הניסוי לקבוצת הביקורת בדיסציפלינת היזמות בשום אחד מהמדדים. לעומת זאת, בדיסציפלינת השיווק, קבוצת הניסוי קיבלה ציונים גבוהים משמעותית מקבוצת הביקורת בכל המדדים, כולל שטף, מקוריות ועיבוט.
סטודנטים לניהול
נמצאה השפעה עיקרית מובהקת של ההתערבות. ניתוחים חד-משתניים המשך גילו הבדלים מובהקים בשטף ובעיבוט לטובת קבוצת הניסוי. לעומת זאת, לא נמצא הבדל מובהק במקוריות בין הקבוצות.
דיון
הבינה המלאכותית הגנרטיבית משפרת את יצירתיות הסטודנטים על ידי תמיכה בשטף ובעיבוט, בעיקר במשימות המתמקדות בייצור רעיונות מופשטים, אך השפעתה על מקוריות תלויה בהקשר. בהקשרים שבהם מיומנויות יצירתיות גבוהות ומוטיבציה פנימית למשימה חזקה, ערך הבינה המלאכותית הגנרטיבית משתנה מכלי תמיכה בסיסי לשותף שיתופי או מוצר שמשפר פרודוקטיביות.
כדי להסביר את ההבדלים בין הדיסציפלינות, ניתן להיעזר במודל הרכיבים של Amabile (1983), המציע כי האינטראקציה בין מיומנויות רלוונטיות לתחום הדעת, תהליכים רלוונטיים ליצירתיות ומוטיבציה פנימית עיצבה את הממצאים. סטודנטים בשיווק ובניהול לרוב ממלאים דרישות חובה בדיסציפלינות אלה מבלי שיש להם עניין פנימי עמוק, מה שעשוי להצביע על מוטיבציה פנימית נמוכה יותר ומיומנויות פחות מפותחות. ChatGPT-3.5 פיצה ביעילות על פערים אלה. לעומת זאת, כל סטודנטי היזמות בחרו במסלול זה מרצונם, ומחקרים מראים כי יזמים נשענים על קבלת החלטות אינטואיטיבית וזיהוי הזדמנויות. בהתאם לכך, סטודנטים שבוחרים ללמוד יזמות עשויים להפגין מוטיבציה פנימית גבוהה יותר ומיומנויות יצירתיות טרומיות. ואכן, תוצאות הבסיס של סטודנטי היזמות בקבוצת הביקורת היו גבוהות יותר בכל המדדים בהשוואה לסטודנטים בשיווק ובניהול.
המחקר גם הדגיש את מגבלות הבינה המלאכותית הגנרטיבית בטיפוח מקוריות. בעוד שסטודנטי השיווק הראו שיפורים מובהקים במקוריות, לא כך היה עם סטודנטי הניהול, שמשימתם תואמת את הדרישות הקוגניטיביות של משימות ניהוליות, הכרוכות לרוב בסינתזה של רעיונות ממגוון תחומים. חוזקות ChatGPT בייצור רעיונות מרחיבים היו ברורות, אך מגבלותיו במקוריות תומכות בקריאות להכנסת הערכה אנושית כדי לעדן ולחדש את הפלטים שיוצרת הבינה המלאכותית.
שילוב כלי בינה מלאכותית כגון ChatGPT בחינוך מציג פרדוקס: הוא גם מעצים וגם מחבל בלמידה. לסטודנטים בעלי מוטיבציה גבוהה ויצירתיות מפותחת, הבינה המלאכותית הגנרטיבית יכולה לשמש כשותפה שמעדנת רעיונות ומייעלת משימות. לסטודנטים עם פערי מיומנויות בסיסיים, היא מציעה פיגום שמאפשר התעסקות עם משימות שאחרת היו נמנעים מהן.
מסקנות
השימוש ב-ChatGPT-3.5 משפר באופן מובהק שטף ועיבוט בחלק מהדיסציפלינות, אך השפעתו על מקוריות אינה עקבית ונראית כמשתנה בהתאם לסוג המשימה ולנטיות הסטודנטים. הממצאים מדגישים את הצורך של מחנכים להתאים את גישותיהם הפדגוגיות כדי לאזן בין תפוקות מועצמות על ידי בינה מלאכותית לבין פעילויות המטפחות מסוגלות עצמית ומוטיבציה יצירתית פנימית. מודלי יצירתיות קיימים, כגון המודל הרכיבי של Amabile, צריכים להתרחב כדי לשלב את תפקיד הבינה המלאכותית כשותפה בתהליכים יצירתיים.
מגבלות המחקר כוללות חוסר בהכללה, הבדלים אינדיווידואליים בניסיון קודם עם בינה מלאכותית והנדסת בקשות (Prompt Engineering), חוסר אחידות באיכות הבקשות, טיב המשימות עצמן, והערכה סובייקטיבית של יצירתיות. התמודדות עם מגבלות אלה במחקרים עתידיים תעשיר את הבנת השפעת הבינה המלאכותית הגנרטיבית על יצירתיות הסטודנטים.
מקורות שהוזכרו בסיכום
Amabile, T. M. (1983). The social psychology of creativity: A componential conceptualization. Journal of Personality and Social Psychology, 45(2), 357–376. https://doi.org/10.1037/0022-3514.45.2.357
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, Virtual Event, Canada. https://doi.org/10.1145/3442188.3445922
Sternberg, R. J., & Lubart, T. I. (1998). The concept of creativity: Prospects and paradigms. In R. J. Sternberg (Ed.), Handbook of creativity (pp. 3–15). Cambridge University Press. https://doi.org/10.1017/CBO9780511807916.003
מקור
Fisher, R., Gogan, T., Williams, J., Laferriere, R., Campbell, G., Gunasekara, A., & Nguyen, J. (2025). Can ChatGPT enhance business student creativity? Evidence from a randomised controlled trial. Studies in Higher Education, 1-15.