מקצוע מוביל

• הסבר על מהו "דאטה" (נתונים) – נתונים גולמיים שנאספים ממקורות שונים, כמו סקרים, אתרים, חיישנים, או משתמשים. הדאטה יכול להיות מספרי (כמותי), טקסטואלי, חזותי ועוד. נבין מה ההבדל בין נתונים גולמיים למידע מעובד.
• אוריינות נתונים היא היכולת לקרוא, להבין, לפרש ולהפיק תובנות מנתונים. מדובר בכישורי בסיס כמו לדעת מהי טבלה, כיצד להבין גרף, ואיך לשאול שאלות נכונות מתוך נתונים.
• הסבר על מטרות ניתוח נתונים: קבלת החלטות מושכלת, חיזוי מגמות, פתרון בעיות, התייעלות עסקית או אישית. נדון בדוגמאות מתחומים כמו בריאות, חינוך, שיווק ועוד.
• הצגה של השלבים השונים שדאטה עובר: איסוף נתונים, ניקוי וסידור, ניתוח,  הצגה (ויזואליזציה), קבלת החלטות.

• הסבר בסיסי על מהי בינה מלאכותית – תחום בטכנולוגיה המאפשר למכונות ולמחשבים לחקות תהליכי חשיבה אנושיים כמו למידה, הבנה, פתרון בעיות ויצירתיות. נסקור דוגמאות מחיי היומיום (כמו צ'אטבוטים, המלצות בספוטיפיי, זיהוי פנים וכו').
• סקירה של כלים זמינים כיום כמו : ChatGPT ,Copilot, Perplexity, Claude, Gemini  ועוד.
• נתייחס למה עושה כל כלי, ואיך אפשר להשתמש בו לצרכים לימודיים.
• איך כותבים הנחיה מדויקת וברורה עבור מודלי שפה כדי לקבל תשובות איכותיות הצגת עקרונות חשובים כמו הקשר, פירוט, סגנון, והדרכה של המודל.
• הסבר על המושג LLM – מודלים שנבנו על כמויות עצומות של טקסט ומידע, ומסוגלים להבין ולייצר שפה טבעית. נדון איך הם עובדים, במה הם חזקים, ומה מגבלותיהם.
•  כיצד מודלים של בינה מלאכותית עלולים לשקף או להעצים דעות קדומות, ואילו כלים קיימים למניעת אפליה. נציג עקרונות של אתיקה ורגולציה.
• כיצד מודלים לומדים ממידע פתוח באינטרנט, ולמה חשוב להיות מודעים לנושאים כמו פרטיות, זכויות יוצרים ושימוש במידע אישי.
• היכרות עם כלים ליצירת תמונות, תרשימים ומצגות בעזרת AI

• פירמידת המידע מתארת את המעבר ממידע גולמי לידע וחוכמה. היא בנויה מארבע שכבות:
  - נתונים (Data) עובדות בלתי מעובדות כמו מספרים או תצפיות
  - מידע (Information) נתונים שעובדו וקיבלו הקשר
  - ידע (Knowledge) תובנות שמופקות מהמידע
  - חוכמה (Wisdom) שימוש שיפוטי וערכי בידע
• קיימים סוגי מידע שונים, כמו:
  - מידע כמותי (מדיד) ואיכותני (תיאורי)
  - מידע מובנה (למשל טבלאות) ולא מובנה (כמו טקסט או וידאו)
  - מידע עסקי, חברתי, רפואי ועוד.
• מקורות מידע מתחלקים לראשוניים – תיעוד ישיר כמו ראיונות, תצפיות, סקרים או מסמכים מקוריים – ולשניוניים, שהם פרשנויות או סיכומים של מקורות ראשוניים כמו מאמרים, כתבות בעיתונים או דוחות.
• מידע יכול להיות גלוי (Explicit) כלומר כזה שניתן להעביר בקלות כמו מסמכים או הוראות; או סמוי (Tacit) שנמצא בראש של אדם וקשה להעברה, כמו מיומנויות או אינטואיציה.
• מקורות גלויים מתייחסים למידע שמקורו באתרי חדשות, מדיה חברתית, מסמכים ציבוריים ועוד.
• אוסינט ויומינט:
  - יומינט נוגע למידע הנאסף מאנשים באמצעות ראיונות, תצפיות וכו'
  - אוסינט
• חכמת ההמונים היא עיקרון שלפיו קבוצה גדולה של אנשים, גם ללא מומחיות, עשויה להציע פתרונות טובים יותר לבעיה בהשוואה ליחידים.

• חיפוש מידע מתקדם מתייחס לשימוש בטכניקות וכלים מתקדמים לאיתור מידע רלוונטי, מדויק ואיכותי ממקורות מגוונים, תוך שימוש בפילטרים, חיפושים לפי סוג קובץ, תאריך, שפה, או תחום תוכן. מעבר למנועי חיפוש רגילים, נעשה שימוש גם במסדי נתונים מקצועיים, מאגרי מידע אקדמיים, רשתות חברתיות, אתרים ממשלתיים. בשנים האחרונות נוספו גם כלי בינה מלאכותית המסייעים לא רק באיתור מהיר יותר של מידע אלא גם בניתוחו, סיכומו, תרגומו והסקת תובנות ממנו. כלים כמו ChatGPT, Copilot ו-Google Gemini מאפשרים ניסוח שאילתות בשפה טבעית, חיפוש מושכל לפי הקשר, זיהוי מידע רלוונטי מתוך מסמכים מורכבים, והפקת תובנות בזמן אמת. שילוב של AI עם חיפוש מידע מתקדם מאפשר למשתמשים לחסוך זמן, לשפר דיוק, ולהגיע לרמות עומק חדשות באיסוף וניתוח נתונים.
• מודיעין עסקי (Business Intelligence – BI) הוא תהליך איסוף, עיבוד וניתוח של מידע פנימי וחיצוני הנוגע לארגון, למתחרים ולשוק, במטרה לתמוך בקבלת החלטות אסטרטגיות. תהליך זה כולל ניתוח מגמות, תחזיות, הבנת חוזקות וחולשות של המתחרים, ומיפוי הזדמנויות עסקיות. כלי BI משלבים נתונים ממקורות כמו דוחות כספיים, פעילות צרכנית, תנועות שוק, תובנות ממדיה חברתית, ומידע פתוח ומסייעים בהצגת המידע דאשבורד (Dashboards) ובדו"חות ויזואליים.
• שאילת שאלות בהקשר של מודיעין עסקי (BI) והיכרות עם עולם לקוח הינו בסיס חיוני להבנת שווקים, זיהוי מגמות, וגיבוש תובנות אסטרטגיות. בשונה מאיסוף נתונים טכניים, שאילת השאלות מכוונת את החוקרים לחשוב באופן ספציפי: מה אנחנו באמת צריכים לדעת? אילו שאלות לשאול כדי לקבל הבנה עמוקה לגבי הלקוח, השוק או המתחרה.
• בלימוד התחום יש להבחין בין סוגים שונים של שאלות – שאלות מחקר שוק, שאלות תחרותיות, שאלות על התנהגות לקוח או על פערי מידע – וללמד את העקרונות: פתיחות, עומק, רלוונטיות ויכולות לאתגר הנחות קיימות. כלים פרקטיים כמו מודלי 6 W, "חמשת הלמה" ( 5 WHY'S), ניתוח פרסונות לקוח מאפשרים לתלמידים לתרגל חשיבה עסקית חקרנית בצורה חווייתית וישימה.

• חשיבה ביקורתית היא היכולת להפעיל שיקול דעת עצמאי, להטיל ספק, לשאול שאלות, ולבחון את המידע המתקבל מבלי לקבל אותו כמובן מאליו.
• חשוב לדעת כיצד להעריך את מהימנותם של אתרים ומקורות ברשת: מי עומד מאחורי האתר, האם יש לו אינטרס, מתי המידע עודכן לאחרונה, ומה רמת הדיוק והעומק שלו.
• הערכת מידע מבוסס נתונים דורשת בחינה של מקור הנתונים, שיטות האיסוף והמדידה, האם יש שקיפות בגבולות המחקר, ומהם המסקנות שניתן (או לא ניתן) להסיק ממנו.
• לעיתים מידע עשוי להיות מוטה אם בשל בחירת נתונים סלקטיבית, ניסוח מגמתי, או דגימה לא מייצגת ולכן חשוב להיות מודעים להטיות מידע וליכולת של נתונים להציג תמונה מעוותת.
• ישנן גם מניפולציות מכוונות על נתונים לדוגמה: שימוש מטעה בגרפים, הסתרת נתונים אשר לא עולים בקנה אחד עם המסר של המציג , או ניסוח סטטיסטי מבלבל.
• כאשר מקבלים תשובות מכלי בינה מלאכותית, יש לבצע אימות עצמאי של המידע לבדוק מקורות, להשוות לתשובות מכלי בינה אחרים, ולחפש ביסוס במקורות מהימנים.
• תהליך הצלבת מידע בין מספר מקורות וכלים, בשילוב חשיבה ביקורתית, הוא הדרך הבטוחה להבטיח אמינות, דיוק והבנה מעמיקה של הנושא.

• הבנה ויזואלית בסיסית של נתונים - השימוש בגרפים נועד לפשט ולהמחיש מידע מורכב, לאפשר זיהוי דפוסים במהירות.
• קיימים סוגים שונים של גרפים. בפרק זה נתמקד ב 3 גרפים עיקריים -  גרף עמודות, גרף קווים, גרף עוגה. כל אחד מהם מתאים להצגת סוגי מידע שונים, כמו השוואת כמויות, מגמות לאורך זמן או קשרים בין משתנים.
• הצגת מידע גרפי איכותית דורשת עיצוב מדויק וברור: צירים מסומנים היטב, בחירת צבעים מתאימה, כותרות מדויקות והימנעות מעומס חזותי.
• קריאת גרפים בצורה ביקורתית דורשת הבנה של קנה מידה, המקרא, מקור הנתונים וההקשר – כדי שלא נוטעה על ידי ייצוגים לא מדויקים.
• לעיתים נעשה שימוש בהטיות גרפיות מכוונות – כמו קיצור ציר ה-Y השמטת קטגוריות או שימוש בפרופורציות מבלבלות – כדי לייצר מצג שווא.
• אינפוגרפיקה משלבת גרפים, טקסטים ואיורים בצורה ויזואלית חווייתית אחת, ומטרתה להעביר מסר.

• אינפואתיקה - האתיקה הדיגיטלית (היבטים מוסריים של מידע), עוסקת בשאלות של אחריות, שקיפות, פרטיות והוגנות בעולם טכנולוגי. בעולם שבו מידע זורם במהירות ונשמר בענן.
• אבטחת מידע אישי היא חיונית להגנה על פרטיות המשתמש בין אם מדובר בסיסמאות, נתוני אשראי, העלאת תמונות אישיות, מיקום גיאוגרפי או היסטוריית גלישה.
• ארגונים נדרשים לאבטחת מידע ארגוני כולל מסמכים פנימיים, תוכניות עסקיות, ביצוע התממה (anonymization) כדי להגן על נתונים רגישים של לקוחות, מניעת דליפות, מתקפות סייבר ונזקים כלכליים.
• בעידן הנוכחי של רשתות חברתיות ובינה מלאכותית, תופעת הפייק ניוז (חדשות כזב) הפכה למאתגרת במיוחד – כאשר מידע כוזב מופץ במהירות ויכול להשפיע על דעת קהל, בחירות ואירועים פוליטיים.
• שימוש בכלי בינה מלאכותית לצורכי הונאה, כמו דיפ פייק (Deepfake) בוטים משכנעים, טקסטים או סרטוני וידאו מזויפים, מדגיש את הצורך במודעות ציבורית וכלים טכנולוגיים לזיהוי תכנים מזויפים.
• נושא זכויות היוצרים - הבעלות החוקית על יצירות טקסט, תמונה, מוזיקה או קוד ולוודא שאיננו מפרים זכויות בעת שימוש, העתקה או הפצה של תכנים, גם כשמדובר בתכנים שנוצרו בעזרת בינה מלאכותית.

• היכרות עם הממשק והמבנה של אקסל: סביבת העבודה מבוססת על גיליונות המחולקים לתאים במבנה של שורות ועמודות, כל תא מזוהה לפי מיקומו. ניתן לעבוד עם גיליון אחד או עם כמה גיליונות באותו קובץ.
• יצירת גיליון והזנת נתונים: פתיחת גיליון חדש, ניווט במטריצה
• סוגי נתונים: טקסט , מספר, מטבע ועוד
• עריכת גיליון: הוספה/מחיקה של שורות ועמודות, מיזוג תאים - חיבור מספר תאים לאחד.התאמת גודל תאים - לפי התוכן שבפנים, גלישת טקסט - הצגת טקסט ארוך על פני מספר שורות בתוך תא.
• עיצוב גיליון :גבולות - יצירת מסגרת לטבלאות או תאים, עיצוב טקסט - הדגשה, צבע, יישור לימין/שמאל/מרכז. צביעת תאים - להבלטה של נתונים חשובים.
• כלי עזר:
  - אקסל - פדיה היא האנציקלופדיה המקיפה, הרחבה והמעמיקה ביותר בשפה העברית לכל הקשור לתוכנת האקסל. בדומה לוויקיפדיה, אקסל-פדיה בנויה כאוסף של ערכים המכסים את כל נושאי האקסל – החל מהסבר על הפונקציות השונות, דרך טיפים ועצות לשימוש יעיל יותר בכלי.
  - קמפוס IL
  - שימוש ב Copilot

• השימוש בקיבוע חשוב במיוחד כאשר יוצרים נוסחאות חוזרות המשתמשות באותו תא ייחוס (כמו חישוב אחוזים מתוך תא אחד קבוע). קיבוע תא מאפשר לשמור על הפניה לתא מסוים כך שהיא לא תשתנה בעת גרירת נוסחה לתאים אחרים. הדבר נעשה באמצעות סימן $, ניתן לקבע תא גם בשורה וגם בעמודה, או קיבוע חלקי רק את העמודה או רק את השורה התאמה. ניתן להשתמש ב F4 על מנת לקבע.
•  יצירת נוסחה לצורכי חישוב מאפשרת לפתור בעיות עסקיות, פיננסיות, או לימודיות – לדוגמה: לחשב עלויות, ממוצעים, ציונים, או הפרשים – תוך שילוב בין תאים, פונקציות ונתונים. הנוסחה יכולה להיות פשוטה כמו או מורכבת יותר כמו בהתאם לבעיה אותה רוצים לפתור.

• הגדרה בסיסית: אחוז הוא חלק מתוך מאה. לדוגמה: 25% פירושו 25 מתוך 100, ייצוגים מגוונים: אחוז, שבר פשוט, שבר עשרוני.
• המחשה ויזואלית: דיאגרמת עוגה
• הבנת השימוש היומיומי באקסל לחישוב אחוזים
• מציאת אחוז מהכמות, מציאת הכמות לפי אחוז, עליית מחירים או הנחה - דוגמאות מחיי היום יום של התלמידים
• דוגמאות - חשיבות של השוואת הישגים, צמיחה באוכלוסייה, הצלחה בבחינות לפי אחוזים

• סינון ומיון הם כלים בסיסיים ומועילים להבנה וניתוח של מידע.
• סוגי מיון: מיון עולה או יורד לפי מספרים, מיון לפי תאריך, מיון לפי טקסט,
• ומיון מותאם אישית: מיון לפי סדר מותאם (למשל: "גבוה", "בינוני", "נמוך").
• סינון: הצגת רק חלק מהשורות לפי קריטריונים מסוימים, לפי ערך אחד (למשל, להציג רק "ירושלים"). לפי ערכים מרובים (למשל, "תל אביב" ו"חיפה").
• שימוש בסינון ומיון לאיתור שגיאות כתיב וחריגים.
• סינון מורכב :
  - סינון תאריך (לפני, אחרי, בין וכו')
  - טקסט (מכיל, לא מכיל, מתחיל ב... וכו')
  - מספרים (גדול מ, קטן מ וכו')
  - 10 הגבוהים/מעל לממוצע וכדומה
  - סינון על פי צבע
• מיון מתקדם – מיון על פי יותר מרמה אחת (למשל – מיון לפי תאריך ובכל תאריך מהמחיר הנמוך לגבוה).

•  עיצוב מותנה הוא כלי שמאפשר לעצב תאים (צבע, גופן, גבול וכו') לפי תנאים מסוימים. ברגע שהתנאי מתקיים – העיצוב מופעל אוטומטית. זה מאפשר לזהות חריגים, מגמות ונתונים חשובים במהירות.
• גדול מ- / קטן מ- / שווה ל-. לדוגמה: הדגש כל הציונים הגדולים מ-90.
• בין ערכים - עיצוב תאים בין שני ערכים.
• טקסט שמכיל-  למשל: סימון שורות שמכילות את המילה "שגיאה".
• תאריך שמתרחש ב...  -  עיצוב תאריכים מהשבוע/החודש האחרון.
• תאים ריקים / לא ריקים.
• סרגלי נתונים (Data Bars) עיצוב עם צבע בהתאם לערכים
• קנה מידה צבעוני (Color Scales) צבעים משתנים לפי ערכים
• ערכת סמלים  (Icon Sets)  חיצים, נקודות, תיבות ועוד – לפי דירוג הערכים (גבוה/בינוני/נמוך).
• חוקים מותאמים אישית המאפשרים שליטה מלאה על התנאי באמצעות נוסחה

• מבנה נוסחאות באקסל – כיצד יוצרים נוסחה, כיצד משתמשים בנוסחאות מובנות.
• פתרון תרגילים תוך שימוש בפונקציות מתמטיות שונות:
  - ספירה (count)
  - סכום (sum)
  - מינימום (min)
  - מקסימום (max)
  - סיכום ביניים (subtotal)

• פונקציות טקסט שימושיות במיוחד בעיבוד וניתוח נתונים טקסטואליים (כמו שמות, תעודות זהות, תאריכים כטקסט, קידודים וכו').
• פתרון תרגילים עם הפונקציות טקסט הבאות: LEFT , RIGHT, CONCAT, LEN, FIND, SEARCH, TRIM
• שימושים באיתור שגיאות במספר ספרות במספר טלפון או בתעודת זהות, זיהוי רווחים כפולים בין המילים וסיומות של קבצים.
• טקסט לעמודות, מילוי מהיר

• פונקציות תאריך ושעה שימושיות במיוחד בעיבוד וניתוח נתונים המבוססים על תאריכים / שעות / זמן
• פתרון תרגילים עם הפונקציות הבאות: MINUTE , HOUR, WEEKDAY, DATE, DAY, MONTH, YEAR, TODAY, NOW

• פונקציית IF משמשת לקביעת תנאי: אם התנאי מתקיים – מתקבל ערך אחד; ואם לא – מתקבל ערך אחר.
• אופרטורים לוגיים :גדול מ, קטן מ, שווה, שונה, וכן באופרטורים כמו  AND (וגם) שמחזיר TRUE רק אם כל התנאים מתקיימים, ו־ OR  (או) שמחזיר TRUE אם לפחות אחד מהתנאים מתקיים.
• פונקציות SUMIF, COUNTIF – פונקציות סיכומיות אשר משתמשות בתנאי
• פונקציות אלו מאפשרות לבצע קבלת החלטות מבוססת תנאים בתוך הגיליון או בין גיליונות, ומייעלות את תהליכי החישוב והניתוח.

• המרה באמצעות האפשרות “המר לטבלה” או T+  Control
• ניתן ליצור טבלה חדשה באופן ישיר.
• המרה לטבלה מעניקה שורה עליונה קבועה (שורת כותרת), סינון אוטומטי בכל עמודה, ועיצוב מובנה.
• עיצוב טבלה כולל בחירת סגנון חזותי (צבעים, גבולות, הדגשות), הדגשת שורות לסירוגין, וכן הוספת שורת סכום (Total Row) בלחיצת כפתור.
• ניתן להגדיר שם ייחודי לטבלה שעוזר בנוסחאות מרובי גליונות
• יתרונות לעבודה עם טבלה: היא דינמית – כלומר, נוסחאות מתעדכנות אוטומטית כאשר מוסיפים שורות חדשות; יש אפשרות לסינון ומיון נוחים.
• שמות העמודות משמשים גם בתוך נוסחאות
• חסרונות: לא כל הפונקציות תומכות בטבלאות בצורה טבעית, ולעיתים עבודה עם טווחים רגילים מאפשרת שליטה גמישה יותר על עיצוב או מבנה הנתונים.
• שורת סיכום בטבלה

• הפונקציות  VLOOKUP ו־XLOOKUP  באקסל משמשות לחיפוש ערכים בתוך טבלאות, והן יעילות במיוחד כאשר רוצים למצוא מידע על סמך מפתח מסוים (כמו מספר תעודת זהות, שם מוצר או קוד לקוח).
• הפונקציה  VLOOKUP (Vertical Lookup) מבצעת חיפוש אנכי: היא מחפשת ערך בעמודה הראשונה של טווח נתון ומחזירה את הערך המתאים משורה באותה שורה, אך בעמודה אחרת. VLOOKUP  מוגבלת – היא פועלת רק מימין לערך המחפש ולא תומכת בחיפוש לאחור.
• לעומתה,XLOOKUP  היא פונקציה חדשה, מתקדמת וגמישה יותר: היא מאפשרת חיפוש בשני הכיוונים (ימינה ושמאלה), אינה דורשת אינדקס עמודה, ומאפשרת גם ערך ברירת מחדל במקרה של חיפוש שלא הצליח.
• Find &  Replace – זוהי אינה פונקציה, אלא יכולת חיפוש (ו/או החלפה) של נתונים קיימים על ידי שימוש ב Ctrl F או Ctrl H
• הצירוף INDEX ו־MATCH מהווה חלופה גמישה ל־VLOOKUP, ומאפשר חיפוש ערך בכל כיוון – גם שמאלה. הפונקציה MATCH מחפשת את מיקום הערך בטווח נתון, והפונקציה INDEX משתמשת במיקום זה כדי להחזיר את הערך המתאים מתוך טבלה או עמודה.

• טבלת ציר (Pivot Table) היא כלי עוצמתי באקסל שמאפשר לנתח, לסכם, ולארגן כמויות גדולות של נתונים בצורה דינמית ונוחה, טבלת הפיבוט מתעדכנת בקלות בהתאם לנתונים, ומאפשרת למשתמש לראות תובנות ומגמות מבלי לכתוב נוסחאות מורכבות
• כדי ליצור טבלת פיבוט, יש לסמן את טווח הנתונים הרצוי ולבחור: הוספה טבלת ציר
  - שורות (Rows) – לקיבוץ נתונים לפי קטגוריות כמו שמות, תאריכים או מוצרים
  - עמודות (Columns) – לפיצול נוסף של המידע לפי משתנים נוספים
  - ערכים (Values) – להצגת סיכומים כמו סכום, ספירה, ממוצע ועוד
  - מסננים (Filters) – לסינון דינמי של כלל הטבלה לפי קריטריון מסוים.
• שינויים בטבלת המקור
  - רענון טבלת פיבוט - לאחר רענון הטבלה, הנתונים ישקפו את השינויים בטבלת המקור, זה לא קורה אוטומטית
  - שינוי מקור הנתונים – במידה והוספנו שורות/עמודות לטבלת המקור – יש לוודא שמקור הנתונים של טבלת הפיבוט כולל גם את התאים החדשים, אחרת לא נראה את השינוי בטבלה.
  

• יצור גרף (תרשים) על פי טבלת נתונים כדי להמחיש מידע בצורה ויזואלית וברורה.
• תהליך יצירת הגרף מתחיל בהחלטה על הגרף הנכון להצגת הנתונים. לגרפים שונים יש מטרה שונה (ראו פירוט בפרק מבוא לגרפים).
• על מנת לייצר גרף - בחירה בטווח הנתונים הרצוי (כולל כותרות), ולאחר מכן בחירה בלשונית הוספה ובחירת סוג הגרף.
• יש להקפיד לתת שם לתרשים ושם לצירים. יש להקפיד על שמות משמעותיים
• יצירת גרפים בסיסיים נפוצים:
• גרף עמודות - להשוואת ערכים בין קטגוריות
• גרף קו - להצגת מגמות לאורך זמן
• גרף עוגה  - להצגת חלקים מתוך שלם באחוזים.
• יצירת גרף פיזור  
• יש לבצע התאמה אישית של צבעים, מקרא, כותרות גרף, תוויות נתונים וצירי ציון, כך שהגרף יהיה נוח וברור לקהל היעד.

• משתנים מסווגים לפי סוג המידע שהם מייצגים: 
  - משתנים כמותיים הם משתנים שניתן למדוד במספרים, כמו גיל, גובה, משקל או הכנסה – וניתן לבצע עליהם חישובים מתמטיים.
  - משתנים איכותניים או קטגוריאליים: מתארים תכונות או קבוצות – למשל צבע עיניים, סוג רכב או מגדר – ולא ניתן לבצע עליהם פעולות חשבוניות.
• משתנים רציפים הם משתנים כמותיים שיכולים לקבל כל ערך מספרי בטווח, כולל שברים ועשרות
• משתנים בדידים הם משתנים כמותיים שמקבלים רק ערכים שלמים (כמו מספר ילדים במשפחה או מספר תלמידים בכיתה).

• שכיחות (Frequency) מציינת כמה פעמים מופיע ערך מסוים בסט נתונים. לדוגמה, אם הציון "80" הופיע 5 פעמים – השכיחות שלו היא 5.
• שכיחות יחסית (Relative Frequency)  מראה את השכיחות באחוזים מתוך כלל התצפיות – כלומר, 5 מתוך 50 תצפיות הן 10%.
• שכיחות מצטברת (Cumulative Frequency)  מציינת את מספר המופעים שנצברו עד לערך מסוים, והיא שימושית להבנת התפלגות כוללת של הנתונים. למשל – 20 מהתלמידים קיבלו עד ציון 80
• שכיחות יחסית מצטברת (Cumulative Relative Frequency)  מציינת את השכיחות באחוזים שהצטברה עד לערך מסוים, והיא שימושית להבנת התפלגות כוללת של הנתונים. למשל – 50% מהתלמידים קיבלו עד ציון 80
• טבלת שכיחויות מציגה את כל הערכים, השכיחות שלהם, השכיחות היחסית ושכיחות המצטברת והשכיחות היחסית המצטברת
• הקשר בין גרף עמודות לטבלת שכיחויות – כיצד ניתן לייצר אחד באמצעות השני
• כדי להמחיש את התפלגות המשתנים (במיוחד משתנים כמותיים), משתמשים בגרף שנקרא היסטוגרמה  - תרשים עמודות שבו כל עמודה מייצגת טווח ערכים (מחלקות), וגובהה משקף את השכיחות שלהם.  ההיסטוגרמה עוזרת לזהות תבניות כמו פיזור נורמלי, הטיות, או ריכוזים חריגים.

• ממוצע (Mean)  הוא מדד מרכזי שמחשב את ערך הנתון הממוצע על ידי סכימת כל הערכים וחלוקתם במספרם, באקסל משתמשים בפונקציה Average לחישוב הממוצע.
• חציון (Median) הוא הערך שנמצא באמצע ההתפלגות כאשר הנתונים מסודרים מהנמוך לגבוה: כלומר חצי מהנתונים קטנים ממנו וחצי גדולים ממנו. באקסל משתמשים בפונקציה Median
• שכיח (Mode ) הוא הערך שמופיע הכי הרבה פעמים בנתונים, משתמשים בפונקציה Mode באקסל, פונקציה זו מיועדת רק למשתנים כמותיים
• כל אחד מהמדדים משקף היבט שונה של התפלגות, ולפעמים נותן תמונה שונה במיוחד כשיש ערכים קיצוניים (חריגים), החציון והשכיח עשויים לשקף את ההתפלגות טוב יותר מהממוצע.

מטרת הפרויקט המלווה להכיר לתלמידים את התהליך המצופה בהערכה החלופית, כאשר כל הכיתה חוקרת את אותו הנושא בהנחיית המורה.
השלבים השונים יבוצעו בשלב ראשון ללא בינה מלאכותית, ובהמשך תוך שימוש בבינה מלאכותית יחד עם הפעלת חשיבה ביקורתית.

תיאור מהי שאלת חקר טובה:
שאלה ממוקדת המכוונת להסקת מסקנות או תובנות חדשות, שאלה פתוחה שאין עליה תשובה מיידית, וניתן לענות עליה מתוך הנתונים

ויזואליזציה של נתונים היא כלי חיוני להצגת מידע שממחיש תובנות בצורה ברורה, מהירה ומשכנעת. אפשר להמחיש מידע מורכב דרך תרשימים, גרפים, טבלאות חזותיות, אינפוגרפיקות ודימויים. הצגה חזותית טובה לא רק מפשטת מידע אלא גם משדרגת את חוויית הלמידה וההבנה.

מטרות הויזואליזציה כוללות הפחתת עומס קוגניטיבי, הדגשת מגמות ודפוסים ושיפור הזיכרון. הצופה מסוגל לזהות במהירות קווים עולים ויורדים, חריגים או יחס בין משתנים, דבר שמקשה לעשות בטקסט או בטבלה בלבד. ויזואליזציה נכונה מבחינה את העיקר, יוצרת סדר ונותנת כיוון לפרשנות.

חשוב להתאים את סוג ההצגה לקהל היעד. מצגת להנהלה תעשה במסר ברור, גרפים פשוטים ותובנות עסקיות, בעוד שקהל מקצועי יכול להתמודד גם עם גרפים מורכבים ונתונים הכל. ההתאמה נוגעת גם לשפה הגרפית: צבעוניות, סגנון, ועיצוב התואם את הרקע והציפיות של הקהל.

ויזואליזציה אינה שמורה רק למספרים – גם טקסטים ניתן "לחזות". שימוש באייקונים, טבלאות, הדגשות, מפות מושגים או צירי זמן הופכים טקסט יבש למבנה פשוט יותר. למשל, במקום רשימת שלבים לפני, ניתן להמחיש זאת בדיאגרמת זרימה; במקום נתונים על מגמות - השתמש בקו זמן גרפי.

לבסוף, בחירת סוג התרשים הנכון קריטית: עמודות להשוואות, קווים למגמות, עוגה ליחס בין חלקים, פיזור להצגת קשרים בין משתנים, ומפות חום להצגת עוצמות. בחירה שגויה עלולה להטעות, בעוד שגרף מדויק ומעוצב היטב מחדד את המסר ומספק ערך מיידי לקהל.

בניית מצגת אפקטיבית מתחילה בהבנת המסר שברצוננו להעביר ולהתאמתו לקהל היעד. נלמד איך לזקק רעיון מרכזי ברור, לבנות סביבו מבנה תוכן מדויק, ולשלב טכניקות שכנוע כמו סיפור אישי, דימויים ותובנות. מטרת העל היא ליצור תקשורת ממוקדת, מרתקת ורלוונטית.

תהליך העבודה יתבצע פעולות ברורים: איסוף וארגון התוכן, תכנון מבנה המצגת, בחירת ויזואליזציות ועיצוב גרפי. לצד זה, נשלב כלים מבוססי AI שיקלו על התהליך– כמו יצירת טקסטים, הצעות עיצוב אוטומטיות, הפקת גרפים ותמונות, כך שהתוצר יהיה מקצועי, מהיר ויעיל.

נקדיש מקום מרכזי להצגת נתונים – כיצד להפוך מספרים, גרפים וסטיסטיקות לסיפור מובן, מושך ואינטואיטיבי. נלמד לבחור גרפים מתאימים, לוודא שהתובנה המרכזית בולטת לעין.

העיצוב הוא חלק מהותי: שימוש נכון בצבעים, טיפוגרפיה, היררכיה ויזואלית או ריווח מייצר חוויית צפייה אסתטית ונעימה. נלמד לבנות שפה גרפית אחידה למהלך כל הפרזנטציה, שתשדר מקצועיות, מותג וסדר – עם כלים כמו Canva ו-PowerPoint.

כאשר מעבירים מסר, חשוב להבין שעבודת דרכים רבות לעשות זאת – מילולית, חזותית, כתובה ודרך שפת גוף. המפתח הוא להתאים את המסר לקהל, לסיטואציה שבו משתמשים, תוך שמירה על בהירות, פשטות ורלוונטיות. המטרה היא לגרום לקהל להבין את העיקר, להתחבר ולהגיב – רגשית או רציונלית.

Storytelling – אומנות סיפור – היא כלי עוצמתי להעברת מסרים. במקום לפרט עובדות יבשות, סיפור טוב מייצר עניין, יוצר חיבור רגשי ומשאיר את המסר בזיכרון. הסיפור בנוי מגיבור, אתגר ופתרון, והוא עוזר להמחיש רעיון בצורה חיה וקרובה לעולם של הקהל.

בעת הכנת פרזנטציה, חשוב לא רק התוכן אלא גם הצורה: מבנה ברור, עיצוב ויזואלי מקצועי, ושימוש נכון בכלים כמו תמונות, גרפים ודימויים. יש לבנות את הפרזנטציה כך שתספר סיפור, תשמור על עניין ותוביל את הקהל למסקנה ברורה.

לבסוף, עמידה מול קהל דורשת ביטחון, שפת גוף נכונה, אינטונציה וריכוז בקהל. תרגול וניסיון עוזרים להפחית את הפחד הבמה ולשפר את ההשפעה של הדובר. ככל שמתרגלים יותר, כך גדלים אנשים להעביר מסר בצורה כריזמטית ומשכנעת.

טיוב: 

שלב ניקוי וטיוב נתונים הוא שלב קריטי בעבודה עם גיליונות נתונים, ומטרתו לוודא שהמידע תקין, מדויק, ואחיד.   

• בשלב זה של הלימודים הטיוב נעשה בצורה סיסטמתית יותר המאפשרת עבודה עם קבצים גדולים יותר, בין היתר:
  - סינון מתקדם בעזרת כלים כמו סינון לפי תנאים מותאמים אישית (לדוגמה: "מכיל", "גדול מ-", "בין"), סינון לפי צבע או סינון עם נוסחאות מותנות.
  - שימוש בנוסחאות על מנת לוודא שהערכים תקינים (בהתאם לציפיות מכל עמודה) – נוסחאות טקסט, נוסחאות לוגיות, VLOOKUP וכו'
  -בדיקה האם יש ערכים חסרים או חריגים – ניתן לזהות ערכים חסרים (כמו תאים ריקים או ערכי שגיאה) בעזרת פונקציות כמו COUNTBLANK ,  ISBLANK.
• השלמה וטיפול בערכים חסרים עבור משתנה כמותי - שיחזור ממוצעים, או השמטה בהתאם לצורך. השלמה של ערכים חסרים עבור משתנה איכותי.
• ערכים חריגים (Outliers) מזוהים לרוב בעזרת ניתוח סטטיסטי (כמו גרף תיבה או סטיית תקן) ונבדקים האם הם טעות או מידע קיצוני רלוונטי.
• טיפול בערכים כפולים – ניתן להשתמש בפקודה "הסר כפילויות" / זיהוי כפילויות באמצעות עיצוב מותנה ולהסיר בהתאם לצורך.

עיבוד וניתוח של נתונים:

• חזרה על כלל הנוסחאות שנלמדו בכיתה י, והשלמת פונקציות מתקדמות כדוגמת פונקציות COUNTIFS, SUMIFS, שילוב בין נוסחאות.
• פיבוט מתקדם :כולל שדות מחושבים (Calculated Fields), שכבות סינון מרובות (Slicers & Filters), השוואת שנים או קטגוריות מרובות באותה טבלה, וכן קיבוץ תאריכים, קיבוץ עמודות/שורות, סיכומים מותנים. הצגת ערכים כאחוז מסכום השורה/עמודה
• סיכום נתונים – על ידי פיבוט / countif/sumif וכו' - הצגת שתי הגישות על מנת לאפשר גמישות בהמשך.

הסקת מסקנות ותובנות מתוך הניתוח - לאחר שעיבדנו וניתחנו את הנתונים, כיצד ניתן לענות על הבעיה אותה ניסינו לפתור.

• תזכורת לסוגי משתנים שנלמדו בכיתה י + היכרות עם סולמות מדידה (הכוונה שבהמשך כשילמדו מדדי מרכז – ניתן יהיה להבין לאלו סוגי משתנים הם מתאימים).
• מדדי מיקום מרכזי: ממוצע, חציון ושכיח, היחסים ביניהם בצורות ההתפלגות השונות, השפעה עליהם ע"י הוספה/הורדה/שינוי תצפיות.
• הדגמה ע” גרף התפלגות נורמלית
• מדדי פיזור: טווח, רווח בין רבעוני, אחוזונים, סטיית תקן ושונות, השפעה על מדדי הפיזור ע"י השפעות הוספה/הורדה
• הדגמת הפיזור ע"י היסטוגרמה ותרשים קופסא
• מדגם ואוכלוסיה: אוכלוסייה (Population) היא כלל הקבוצה שאותה רוצים לחקור או להסיק ממנה מסקנות. מכיוון שלרוב קשה לבדוק את כל האוכלוסייה כולה, משתמשים במדגם -תת-קבוצה מייצגת מתוך האוכלוסייה, שנבחרת בקפידה כדי לשקף את מאפייני הכלל. מדגם שנבחר נכון מאפשר להסיק מסקנות סטטיסטיות על כלל האוכלוסייה – תוך חישוב סטיות, רמות מובהקות ותחומי טעות. ההבדל בין הנתונים הנאספים מהמדגם לבין המציאות באוכלוסייה כולה נקרא שגיאת דגימה, ולכן חשוב שמדגם יהיה מייצג, אקראי, ונטול הטיות
•  פונקציות סטטיסטיות :
  - ממוצע (AVERAGE), חציון (MEDIAN), שכיח (MODE) - נלמדו בכיתה י
  - סטיית תקן עבור אוכלוסיה (STDEV.P)
  - סטיית תקן עבור מדגם (STDEV.S)
  - שונות עבור אוכלוסיה (VAR.P)
  - שונות של מדגם (VAR.S)
  - אחוזונים (percentile.inc,percetrank,inc)
  - פונקצית פירסון (PEARSON)
  - פונקציות למבחני השערה T
  - קורלציה CORREL
  
•  גרפים סטטיסטיים באקסל - היסטוגרמה, box plot
• טבלת שכיחויות – חזרה על החומר שנלמד בכיתה י, ובנוסף – כיצד ניתן לחשב מדדי מרכז באמצעות טבלת שכיחויות

• מהו מחזור הנתונים
• הגדרת הבעיה
• איתור וזיהוי נתונים
• אחזור וניקוי נתונים
• אינטגרציה של נתונים
• עיבוד וניתוח נתונים
• ויזואליזציה
• פרזנטציה
• קבלת החלטות
• משוב

פרק זה מרכז את הנושאים שנמצאים בבחינת הבגרות בחלק א:

• ניתוח גרפים - כיצד לזהות במה עוסק הגרף בעזרת כותרות הצירים, כותרת הגרף, יחידות המדידה והמשתנים. נלמד לזהות את השאלה שמנסה הגרף לענות עליה ואת סוג הקשר בין הנתונים. גם אם מדובר בגרף חדש עבורנו.
• הסקת מסקנות מגרף אחד או יותר - זיהוי נושא הגרף, מציאת מגמות עיקריות, וניסוח תובנות ברורות. כאשר יש יותר מגרף אחד - נלמד להסיק תובנות משולבות מההשוואה בין הגרפים ולא מכל גרף בנפרד.
• הבנה סטטיסטית מתוך גרפים וטבלאות: הסקת מסקנות סטטיסטיות (למשל חישוב ממוצע, חציון, השוואה בין מדדים), השוואה בין טבלאות נתונים ומדדי פיזור, וניתוח ממצאים כמותיים.
• קשרים בין מקורות מידע: מקורות מידע יכולים להיות משלימים (מוסיפים חלקים נוספים לתמונה הכוללת), סותרים (מציגים מידע מנוגד), תומכים (מחזקים אחד את המידע של השני), או בלתי תלויים (אינם קשורים זה לזה). קשרים אלו יכולים להיות גם בין גרפים למקורות מידע, בין גרף אחד לגרף אחר וכו'.
• קריאת נתונים מטקסט - שליפת נתונים רלוונטיים מתוך טקסט, שימוש באקסל או ביישומון של בחינות הבגרות להצגת הנתונים בטבלה ובגרף, בחירה בגרף מתאים לייצוג הנתונים.
• קריאת דשבורד - הבנת המושג "דשבורד" ושימושיו. תרגול הסקת מסקנות מורכבות בעזרת ניתוח גרפים שונים, חיבור בין נתונים, שימוש במסננים והבנה מערכתית של המידע המוצג.

לסיכום המיומנויות הנדרשות לחלק א' של בחינת הבגרות:
חשיבה ביקורתית ויכולת ניתוח נתונים ממגוון מקורות. ניתוח גרפים מסוגים שונים והסקת מסקנות סטטיסטיות מהם, קריאת טבלאות והבנה של מדדים מרכזיים, אימות נתונים מול כתבות ואתרים כדי לוודא דיוק ואמינות, קריאת דאשבורדים תוך זיהוי מגמות והבנת הקשרים בין מקורות מידע שונים (למשל באמצעות מפתחות קשר או שילוב טבלאות), וקריאה של מידע כמותי מתוך טקסטים כתובים כמו מאמרים ודוחות.