דוגמא להוראה פעילה בסביבת AI המתאימה לעבודה בקבוצות – תכנון מערכת בקרת טמפרטורה בחדר שבו יש שינויי עומס חום בלתי צפויים. המערכת צריכה להגיב תוך פחות מ-10 שניות לשינויים של ±5 מעלות. מטרות הפעילות:
1. עידוד למידה עצמית דרך ניסוי וטעיה.
2. פיתוח חשיבה הנדסית ביקורתית בשילוב כלים מבוססי AI.
3. לימוד כיצד להיעזר ב -AI ככלי עזר לפתרון בעיות תכן/אנליזה.
שלב ראשון – ניסוח פתרון ראשוני בקבוצות. סטודנטים בקבוצות של 3-4 מנסחים רעיון עקרוני לפתרון:
- אילו רכיבים נדרשים?
- מה סוג הבקר PID ?ON/OFF? אחר?
- מהם השיקולים לתגובה מהירה?
הסטודנטים כותבים את הרעיון בקצרה ומכינים שאלות לעיבוד מול AI.
שלב שני – דיאלוג עם AI (Exploration) – כל קבוצה מקיימת דיאלוג עם מערכת כמו ChatGPT או כלי AI רלוונטי אחר:
- מהם היתרונות והחסרונות של שימוש ב-PID בבקרה תרמית?
- מה פרמטרי התכן המתאימים לתגובה של 10 שניות?
- האם יש תחליפים מהירים יותר?
המטרה: לבקר, לשפר ולאתגר את הפתרון הקבוצתי. לא לקבל פתרון מוכן.
שלב שלישי – אתגר הפוך, חיפוש כשלים במענה של ה-AI: כל קבוצה מקבלת פתרון שהוצע על ידי AI. מטרת הקבוצה:
- לזהות כשלים הנדסיים או חוסר דיוק.
- להסביר מדוע הפתרון לא ישים/לא מדויק.
- לשפר אותו – עם או בלי עזרת AI.
שלב רביעי – רפלקציה – מה למדנו על AI? מה על עצמנו? דיון מונחה:
- באיזה שלב ה-AI עזר הכי הרבה?
- מתי הוא הטעה או גרם לביטחון מופרז?
- איך נוכל להשתמש בו בצורה חכמה בהמשך?
