基于 Co-ML 的家庭协作式机器学习模型构建
人机交互
2023-06-16 v3 机器学习
摘要
现有的新手友好型机器学习(ML)建模工具围绕单人用户体验展开，即单个用户仅收集自己的数据来构建模型。然而，单人建模体验限制了学习者在共同工作时可能遇到的替代性思路与方法所带来的宝贵机会；因此，它常常排除了在群体构建的数据集中体现不同视角时，可能浮现的关于数据表示与多样性的 ML 关键问题。为解决此问题，我们创建了 Co-ML——一款基于平板电脑的应用，供学习者通过端到端、迭代式的模型构建过程协作构建 ML 图像分类器。本文中，我们通过呈现一个家庭（两名 11 岁和 14 岁儿童与其父母）在家中有引导的 ML 入门活动中使用 Co-ML 的深入案例研究，阐明协作建模的可行性与潜在丰富性。我们分享了 Co-ML 的系统设计，并探讨在协作活动中使用 Co-ML 如何让初学者共同关注先前工作中未被充分代表的数据集设计考量，如数据多样性、类别不平衡与数据质量。我们讨论了分布式协作流程（个体可承担不同模型构建职责）如何为儿童与成人学习 ML 数据集设计提供丰富情境。
引用
@article{arxiv.2304.05444,
title = {Collaborative Machine Learning Model Building with Families Using Co-ML},
author = {Tiffany Tseng and Jennifer King Chen and Mona Abdelrahman and Mary Beth Kery and Fred Hohman and Adriana Hilliard and R. Benjamin Shapiro},
journal= {arXiv preprint arXiv:2304.05444},
year = {2023}
}
备注
Proceedings of the 2023 IDC Conference