通过可教学机器探索与儿童的AI问题制定

文献标题

探索通过可教授机器与儿童共同进行人工智能问题表述

文献信息

• 主题领域: 人工智能、儿童参与设计、教育技术
• 关键词: 可参与机器学习、机器教学、价值观、设计隐喻、合作探究

研究背景与问题

• 问题与挑战:

  • 人工智能 (AI) 技术的普及要求人们在早期阶段能够更好地理解问题表述，但关于如何在儿童参与的背景下有效地引导此过程的实证研究仍然有限。
  • 当前教育活动中，儿童一般无法主动控制问题表述，多数仅限于修改已定义的机器学习模型的输入或输出。

• 研究重要性:

  • 培养儿童AI问题表述的能力被认为是人工智能素养的核心，同时能帮助他们理解AI的能力、局限性及潜在影响。

• 研究动机:

  • 作者认为，通过结合可教授机器（teachable machines）和参与式设计，可以为儿童提供新的机会，让他们更加主动地参与问题表述。
  • 探索如何设计框架和实践以有效地引导儿童进行这种AI问题表述活动。

解决方案

• 方法:

  • 采用一种改进的“大纸设计”（Big Paper）的故事板方法，结构化地指导儿童进行问题表述。
  • 整合问题分解启发式（problem reduction heuristics），将设计分解为以下模块：输入与输出、技术选择、现实应用场景、训练过程、错误预测及应对策略。

• 创新之处:

  • 使用参与式设计方法，让儿童（8-13岁）通过实际练习及合作方式学习 AI 问题表述。
  • 提出了将设计隐喻（如 "智能代理" 与 "超级工具"）和人类价值观（如能力、责任、家庭安全等）作为分析工具，理解和分类儿童的AI设计。

• 实施步骤:

  1. 儿童先使用预设的可教授机器（例如Google Teachable Machine），熟悉机器学习和教学过程。
  2. 在使用故事板工具时，与成年人合作完成AI问题表述，包括定义问题场景、设想机器功能和失效后的补救措施。
  3. 对所设计的故事板，结合设计隐喻和价值观模型进行分析，提炼关键发现。

研究成果

• 具体成果:

  • 提供了一种结构化的参与式设计方法，用于引导儿童进行AI问题表述。
  • 实证研究揭示了：儿童通常从个人生活经验中汲取灵感，其设计特点如假设系统具有语音和视频功能，具有多种错误处理方法。
  • 儿童设计反映的主要人类价值包括：能力、责任、逻辑性，以及对“家庭安全”和“舒适生活”的偏好。

• 与现有解决方案比较:

  • 较以往的活动更注重儿童的主动性和创造性；设计过程允许儿童有更大的灵活性超越传统分类任务。
  • 儿童设计更倾向于符合人类控制的创新目标，而非过度拟人化或全自治的AI系统。

• 实验与评估结果:

  • 儿童能够通过故事板构建复杂的AI问题表述，包括输入/输出设定、教学过程设计及错误恢复策略。
  • 在隐喻和价值分析方面，儿童设计大多符合“超级工具”或“控制中心”类隐喻，并优先支持人类协作及干预。

• 局限性与未来方向:

  • 局限性：

    • 研究样本规模较小，仅包括10名儿童，使得结果缺乏全面普适性。
    • 儿童和成人的1:1合作模式在更大范围内的实践推广可能受限。
    • 部分活动可能对视障或其他能力受限的儿童不完全适配。

  • 未来方向：

    • 扩展至不同文化背景和更多样化年龄层的儿童群体。
    • 探讨如何将这些学习活动集成到正式教育课程中。
    • 开展更深入的研究，探讨设计隐喻和人类价值观在其他AI用户群体（如产品经理、用户体验设计师）中的应用潜力。