解析K-12教育中机器学习教学与学习方法：透明度、伦理与设计活动
计算机与社会
2024-09-04 v3
摘要
在这篇概念性论文中，我们回顾了关于人工智能/机器学习（AI/ML）教育的现有文献，以识别机器学习教学与学习可能被概念化的三种方法。其中一种数据驱动方法强调为年轻人提供创建数据集、训练和测试模型的机会。第二种方法，即学习算法驱动，优先考虑学习机器学习模型背后的学习算法或引擎如何工作。此外，我们还识别了整合前两种方法的第三种方法中的努力。在我们的综述中，我们聚焦于这些方法如何：（1）透明盒和黑盒化ML的不同方面，（2）建立在学习者的兴趣之上并提供设计应用的机会，（3）整合伦理与正义。在讨论中，我们探讨了当前方法的挑战与机遇，并为学习活动的设计提出了未来方向。
引用
@article{arxiv.2406.03480,
title = {Unpacking Approaches to Learning and Teaching Machine Learning in K-12 Education: Transparency, Ethics, and Design Activities},
author = {Luis Morales-Navarro and Yasmin B. Kafai},
journal= {arXiv preprint arXiv:2406.03480},
year = {2024}
}