生成式 AI 与全球教育中的权力失衡：偏见缓解框架
计算机与社会
2025-11-24 v4 人工智能
摘要
本研究考察了生成式人工智能如何在教育领域再现全球权力等级制度，并提出一种解决相关不平等问题的框架。该研究采用批判性质性设计方法，对两大主流系统（ChatGPT-4 Turbo 和 Gemini 1.5）进行零样本提示测试，收集来自全球北方和南方语境下的实时输出。通过批判性解释性分析，追踪文本、视觉及结构层面的模式，揭示了数字殖民主义形式及其对教育公平性的影响。研究发现，生成式 AI 可以六种方式强化西方主导地位。例如，Gemini 在列举美国和加纳的四个季节时呈现相同的西方气候学假设，忽略了当地知识体系。其他模式包括图像中的文化刻板印象、教学输出中的西方中心主义例子、对原住民和当地语言的支持不足、视觉中非西方身份的欠represent、以及与订阅制模型相关的准入壁垒。这些模式表明，即使生成式 AI 引入了新的教育机会，仍可能再现不平等现象。针对此问题，本研究提出了双路径缓解模型。包容性 AI 设计路径包括：以非西方认识论为中心的解放性设计方法、减少代表性伤害的前瞻性方法，以及支持本地参与与数据主权的去中心化生成式 AI hubs。教育路径则通过以人类为中心的提示工程，使教育者能够具体化提示并批判性地参与输出。综上，这些路径将生成式 AI 定位为支持更公平和文化响应式教育的工具。
引用
@article{arxiv.2406.02966,
title = {Generative AI and Power Imbalances in Global Education: Frameworks for Bias Mitigation},
author = {Matthew Nyaaba and Alyson Wright and Gyu Lim Choi},
journal= {arXiv preprint arXiv:2406.02966},
year = {2025}
}