MMLA中的FATE：以学生为中心的公平性、可解释性、透明性与伦理探索
计算机与社会
2024-03-01 v1 人机交互
摘要
多模态学习分析(MMLA)整合了新兴传感技术和人工智能算法，为在复杂、协作式学习体验中增强学生反思提供了机会。尽管近期进展表明MMLA在各种学习情境下都能生成对多样化学习行为的洞见，但少数研究对这些系统在真实学习情境中的效能进行评估，尤其是关于学生对公平性、可解释性、透明性和伦理(FATE)的感知。理解这些感知对于有效地使用MMLA而不引发伦理问题或对学生学习产生负面影响至关重要。本研究旨在通过评估MMLA在真实、协作式学习情境中的FATE，来填补这一空白。我们对14名使用MMLA可视化进行后活动反思的本科生进行了半结构化访谈。研究发现，准确且全面的数据表示对于确保可视化公平性至关重要，不同的访问层次有助于促进可解释性，需要衡量和培育与学生的透明性，而将知情同意从二元转化为连续且可衡量的尺度。尽管学生重视MMLA的益处，但他们也强调伦理考虑的重要性，突显了LA和MMLA社区积极调查和解决FATE问题的紧迫需求。
引用
@article{arxiv.2402.19071,
title = {FATE in MMLA: A Student-Centred Exploration of Fairness, Accountability, Transparency, and Ethics in Multimodal Learning Analytics},
author = {Yueqiao Jin and Vanessa Echeverria and Lixiang Yan and Linxuan Zhao and Riordan Alfredo and Yi-Shan Tsai and Dragan Gašević and Roberto Martinez-Maldonado},
journal= {arXiv preprint arXiv:2402.19071},
year = {2024}
}
备注
16 pages, 1 figure