מחקר משולב בינה מלאכותית לסטודנטים

היקף הקורס: 30 שעות אקדמיות (5 שבועות של 6 שעות כ"א)

אוכלוסיית היעד: סטודנטים לתארים מתקדמים (תואר שני ושלישי) וחוקרים צעירים

אופן הלמידה: סינכרוני – אסינכרוני

חזון הקורס

בעידן שבו טכנולוגיית AI משנה את פני המחקר האקדמי, קורס זה מציב את הסטודנטים בחזית החדשנות המחקרית. אנו מאמינים כי שילוב מושכל של כלי AI בתהליכי המחקר יאפשר לחוקרים לא רק לייעל את עבודתם, אלא גם להגיע לתובנות עמוקות יותר ולהרחיב את גבולות הידע האנושי.

בוגרי הקורס יהיו מצוידים במיומנויות הנדרשות להוביל מחקרים פורצי דרך, תוך שמירה על סטנדרטים אתיים גבוהים ורוח ביקורתית. אנו שואפים ליצור דור חדש של חוקרים שיודעים לנצל את העוצמה של AI כדי לפתור בעיות מורכבות ולקדם את הידע האנושי בכל תחומי המדע והחברה.

מטרות הקורס

להכשיר סטודנטים בשיטות מחקר מתקדמות המשלבות כלי בינה מלאכותית
לצייד את הסטודנטים בידע ומיומנויות פרקטיות לביצוע מחקר אקדמי איכותי
לפתח יכולות ניצול היתרונות של טכנולוגיות AI לייעול תהליכי המחקר
לרכוש מיומנויות בניתוח נתונים והכתיבה האקדמית באמצעות AI
להקנות עקרונות אתיים בשימוש ב-AI במחקר אקדמי

תוצרי למידה

בסיום הקורס, המשתתפים יוכלו:

להשתמש בכלי AI מתקדמים לאיתור וסקירת ספרות מחקרית
לתכנן ולבצע מחקרים באמצעות כלים דיגיטליים וטכנולוגיות AI
לנתח נתונים איכותניים וכמותיים באמצעות כלי AI מתקדמים
לכתוב ולערוך טקסטים אקדמיים בעזרת כלי AI תוך שמירה על אתיקה מחקרית
לנהל מקורות ולבנות ביבליוגרפיות באופן יעיל

תוצרים מוחשיים שהמשתתפים ייצרו במהלך הקורס:

תכנית מחקר מפורטת לפרויקט אישי, כולל שאלות מחקר ומתודולוגיה
סקירת ספרות ראשונית בנושא המחקר שלהם, שנוצרה תוך שימוש בכלי AI
ניתוח נתונים ראשוני (איכותני או כמותני) באמצעות הכלים שנלמדו בקורס
טיוטה ראשונית של פרק מתודולוגיה או ממצאים, שנכתבה בעזרת כלי AI לכתיבה אקדמית

יסודות פתרון הלמידה

ידע תוכן

הכרת כלי AI מתקדמים למחקר אקדמי, הבנת עקרונות אתיים בשימוש בטכנולוגיות אלו, ולמידת שיטות מחקר מודרניות המשלבות בינה מלאכותית.

ידע מעשי

רכישת מיומנויות פרקטיות בשימוש בכלים כגון SCISPACE, Perplexity, Claude, Napkin AI, JASP, QDA Miner Lite, Scrivener, Grammarly ו-Copyscape לכל שלבי המחקר.

ידע בינתחומי

יכולת לשלב בין מתודולוגיות מחקר מסורתיות לבין כלי AI חדשניים, תוך הבנת האופן שבו טכנולוגיות אלו יכולות לשפר את איכות המחקר בתחומי דעת שונים.

תוכנית הלימודים

שבוע 1: מבוא למחקר ו-AI (6 שעות)

מפגש 1.1: מבוא למחקר אקדמי ומדעי (2 שעות)

עקרונות המחקר המדעי במאה ה-21
סוגי מחקרים ושיטות מחקר בסיסיות
אתגרים במחקר מודרני

מפגש 1.2: סקירה של כלי AI במחקר והיתרונות שלהם (2 שעות)

היכרות עם כלי AI עיקריים למחקר
יתרונות ומגבלות של טכנולוגיות AI
דוגמאות מעשיות לשילוב AI במחקר

מפגש 1.3: אתיקה ושימוש נכון ב-AI במחקר אקדמי (2 שעות)

עקרונות אתיים בשימוש ב-AI במחקר
בעיות פלגיאט ואותנטיות
הנחיות למחקר אחראי עם AI

שבוע 2: איתור וסקירת ספרות (6 שעות)

מפגש 2.1: שימוש ב-SCISPACE לאיתור מאמרים וניתוח מהיר (2 שעות)

היכרות עם פלטפורמת SCISPACE
טכניקות חיפוש מתקדמות
ניתוח מהיר של מאמרים מדעיים

מפגש 2.2: שימוש ב-Perplexity לחיפוש מידע מתקדם וסינתזה (2 שעות)

עקרונות החיפוש ב-Perplexity
סינתזת מידע ממקורות מרובים
בניית תובנות מחקריות

מפגש 2.3: ניהול מקורות וציטוטים עם Zotero (2 שעות)

התקנה וההתקנה של Zotero
ארגון וניהול ביבליוגרפיה
יצירת ציטוטים אוטומטיים

שבוע 3: תכנון וארגון המחקר (6 שעות)

מפגש 3.1: הגדרת שאלות מחקר ומטרות בעזרת Claude (2 שעות)

בניית שאלות מחקר חדות ומדויקות
הגדרת מטרות מחקר ברורות
שימוש ב-Claude לעיצוב מחקר

מפגש 3.2: בניית תרשימים וגרפים עם Napkin AI (2 שעות)

יצירת ויזואליזציות למחקר
בניית תרשימי זרימה ומפות מחשבה
הצגה ויזואלית של נתונים מורכבים

מפגש 3.3: תכנון מתודולוגיה ותהליכי עבודה עם Miro (2 שעות)

תכנון מתודולוגיית המחקר
יצירת לוחות זמנים ותהליכי עבודה
שיתוף פעולה ועבודת צוות במחקר

שבוע 4: איסוף וניתוח נתונים (6 שעות)

מפגש 4.1: שיטות איסוף נתונים איכותניים וכמותיים (2 שעות)

עיצוב כלי מחקר (שאלונים, ראיונות)
אסטרטגיות איסוף נתונים
הכנת נתונים לניתוח

מפגש 4.2: ניתוח נתונים כמותיים עם JASP (2 שעות)

היכרות עם תוכנת JASP
בדיקות סטטיסטיות בסיסיות
פרשנות תוצאות סטטיסטיות

מפגש 4.3: ניתוח נתונים איכותניים עם QDA Miner Lite (2 שעות)

עקרונות הניתוח האיכותני
קידוד וקטגוריזציה של נתונים
זיהוי דפוסים ונושאים מרכזיים

שבוע 5: כתיבה ועריכה (6 שעות)

מפגש 5.1: תהליך הכתיבה האקדמית ושימוש ב-Scrivener (2 שעות)

ארגון ומבנה של כתיבה אקדמית
שימוש ב-Scrivener לכתיבה מורכבת
ניהול פרויקטי כתיבה גדולים

מפגש 5.2: עריכה ותחביר עם Grammarly (2 שעות)

שיפור איכות הכתיבה
תיקון שגיאות דקדוק ותחביר
התאמת סגנון כתיבה אקדמי

מפגש 5.3: בדיקת פלגיאט עם Copyscape וכלים נוספים (2 שעות)

זיהוי ומניעת פלגיאט
כלים לבדיקת מקוריות
עקרונות ציטוט נכון

שיטות הוראה ועקרונות למידה

מתודולוגיות עיקריות:

למידה מעשית ופרויקטלית
שילוב תיאוריה ופרקטיקה
למידה עצמית מונחית

עקרונות פדגוגיים:

למידה מבוססת פרויקט אישי
התנסות מעשית בכלי AI
פיתוח חשיבה

מטלות ודרכי הערכה

מטלה שבועית:

תיאור: תרגילים מעשיים בכל כלי שנלמד

פרויקט מחקר מתפתח:

תיאור: פיתוח הדרגתי של פרויקט המחקר האישי

מטלת סיכום

תיאור המטלה: הגשת פרויקט מחקר מלא הכולל: תכנית מחקר מפורטת, סקירת ספרות באמצעות כלי AI, ניתוח נתונים ראשוני, וטיוטת פרק מתודולוגיה או ממצאים. הפרויקט צריך לכלול חלק רפלקטיבי על השימוש בכלי AI במחקר והשלכותיו האתיות.

קריטריונים להערכה: איכות המחקר, שימוש יעיל בכלי AI, עמידה באתיקה מחקרית

דרישות לקבלת גמול

השתתפות של 80% מסך שעות הקורס
השתתפות פעילה בכל מפגשי הקורס
הגשת כל המטלות השבועיות במועד
השלמת פרויקט המחקר המתפתח
הגשת מטלת הסיכום המקיפה

הערות נוספות

הקורס מיועד במיוחד למי שמתכנן לבצע מחקר מקיף או לכתוב תזה. מומלץ להיות בעל רקע בסיסי במחקר אקדמי. המשתתפים יצאו עם כלים מעשיים לביצוע מחקר מתקדם בעידן ה-AI.תיאור הקורס

צרו איתנו קשר

קפיצה מהירה