推进机器学习与人工智能领域学生有意坚持模型的研究
计算机与社会
2023-11-21 v1
摘要
机器学习(ML)与人工智能(AI)正驱动着我们使用的应用、我们做出的决策以及关于我们做出的决策。从人脸识别算法到再犯预测算法，我们已看到诸多在无多样性考量下设计所导致的非公平结果。因此，我们必须采取行动促进该领域的多样性。这项工作的关键一步在于理解为何一些选择学习ML/AI的学生后来离开了该领域。尽管工程领域中多元群体的坚持行为已被研究，但缺乏探讨影响ML/AI中坚持因素的研究。本文通过对ML/AI课程学生进行调查，呈现了ML/AI中有意坚持模型的推进。我们考察了跨人口统计群体(如性别、国际学生身份、助学贷款状态及可见少数族裔身份)的坚持情况。我们探究了使ML/AI区别于其他STEM领域的自变量，例如对非技术技能的不同侧重、工作伦理意涵的模糊性，以及该领域高度竞争与高报酬的性质。我们的发现表明，短期有意坚持与专业与学习层次等入学因素相关；长期有意坚持则与职业角色信心度量相关。本研究独有地显示，希望自己的工作产生积极社会效益是长期有意坚持的负向预测因子，且女性普遍更看重这一点。我们向教育者提出建议，以便在课堂中切实讨论ML/AI伦理，并鼓励人际技能发展，以助提升该领域多样性。
引用
@article{arxiv.2311.10744,
title = {Advancing a Model of Students' Intentional Persistence in Machine Learning and Artificial Intelligence},
author = {Sharon Ferguson and Katherine Mao and James Magarian and Alison Olechowski},
journal= {arXiv preprint arXiv:2311.10744},
year = {2023}
}
备注
Presented at the 2022 Annual Conference of the American Society for Engineering Education