服务不足学生的人工智能素养:利用服务不足社区的文化资本进行人工智能教育研究
大语言模型(LLM)的人机协作编程教育与计算思维中小学教师(K-12)大学教授与研究人员
研究背景与问题
- 问题及挑战:
- 人工智能 (AI) 正在深刻影响社会各个领域,AI素养教育对于K-12学生的重要性日益凸显。
- 当前的研究和项目主要集中在资源充足的学校和学生群体中,导致服务不足的弱势社区(受制于社会经济地位、性别和种族等因素)在AI素养教育领域中被边缘化。
- 服务不足学生群体缺乏AI教育资源和机会,这些资源通常受结构性不平等影响,致使他们在AI技术的社会和伦理问题上没有足够的反思能力。
- 重要性:
- AI可能在不知不觉中加深社会中的历史性偏见,尤其是性别和种族方面的刻板印象。因此,帮助弱势学生理解AI对其社区的潜在影响具有社会正义意义。
- 这些学生拥有独特的文化资本(如社区历史及文化中的独特技能和知识),如果能合理利用可提高其在AI素养学习中的参与度和成效。
- 研究动机与相关工作:
- 批判教育学(critical pedagogy)认为教育应避免填鸭式知识灌输,而应结合学生的社区背景和经验,培养社会批判性思维。
- 以往的AI教育研究更多强调复杂技术问题的简化,如教学工具和编程活动,但为服务不足社区学生设计的教育形式,尤其是以文化资本为核心的教育研究仍较为稀缺。
解决方案
- 方法与创新:
- 建立在文化资本理论上的教育框架:基于Tara Yosso的“社区文化财富”方法,识别服务不足社区中学生的独特文化资本,并在AI素养教育中加以应用。
- 识别文化资本的三种类型:抗拒资本 (resistant capital)、社区资本 (communal capital) 和 创造性资本 (creative capital)。
- 协作式学习关系:强调研究人员与学生之间的协作,以通过动态对话挖掘学生的独特能力,而不是令教育全程由研究人员主导。
- 实践性活动设计:创建包括AI分类和生成的动手活动,并结合AI伦理和社会问题讨论(如反偏见和假信息)以增强学生的批判性思维能力。
- 建立在文化资本理论上的教育框架:基于Tara Yosso的“社区文化财富”方法,识别服务不足社区中学生的独特文化资本,并在AI素养教育中加以应用。
- 具体实施步骤:
- 背景调查:
- 进行访谈,了解学生所属社区的背景、潜在问题以及他们对AI的理解。
- 开发教育材料:
- 制定模块化课程,包括:
- 核心AI功能(分类、生成)的概念教学;
- 与学生社区相关的实际应用,例如利用AI来解决学校欺凌和医疗访问等具体问题。
- 制定模块化课程,包括:
- 测试与迭代:
- 在美国三个弱势社区的公共图书馆进行课程试点,逐步优化教学材料和活动设计。
- 分析与重新设计:
- 重点分析学生在学习过程中展现的文化资本如何促进他们的AI知识理解和与社区问题的连接。
- 背景调查:
研究成果
- 具体成果:
- 三种文化资本的识别及应用:
- 抗拒资本 (Resistant Capital):学生用其对种族或性别不平等的敏感性判断AI的种族和性别偏见。
- 社区资本 (Communal Capital):展现对社区需求的关注,设计能为其社会群体带来益处的AI系统。
- 创造性资本 (Creative Capital):通过意想不到的操作(如用AI分类器识别人脸)或提出的类比(如将GAN比作师生关系)来自发创新。
- 提出了以文化资本为核心的AI素养教育新方法,通过学生的实际经验激发其批判反思能力,增加学习关联性。
- 三种文化资本的识别及应用:
- 优势:
- 相较传统一刀切的AI教育框架,这种方式更好地整合了学生的独特背景与优势,尤其是关注弱势群体。
- 超越知识灌输的方式,帮助学生形成对AI系统更深刻的社会评价能力。
- 实验与评估结果:
- 所有26名参与者(包含经济弱势、性少数及种族少数的学生)均进行了四个教学模块的试点活动。
- 课程设计中的协作性动手操作(如DALL-E生成活动和社区AI设计项目)促进了学生对AI及其社会影响的直观理解。
- 学生主动发起的新活动(如利用GAN构建师生关系的比喻)被纳入改进后的教学模块。
- 局限性与未来方向:
- 局限性:
- 学生文化资本的全面识别仍具有挑战,尤其是在课程设计初期。
- 测试规模较小,仍需大规模验证以扩展方法适用性。
- 未来方向:
- 进一步细化文化资本的定义及其在不同地区/国别背景下的适配性。
- 开发更加长效和可扩展的课程形式,使文化资本动员成为标准化方法的一部分。
- 局限性:
总结
该研究通过识别和动员学生的抗拒资本、社区资本以及创造性资本,为弱势学生的AI素养教育提供了一个全新的实践框架。这不仅丰富了AI教育与文化资本理论的结合方式,也对社会公正视角下的教育方法提出了重要改进。在未来,随着规模和多样性的扩大,这种研究方法有潜力进一步推动服务不足社区的教育公平。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 如何通过文化资本(如抵抗资本、共同体资本、创造性资本)提升弱势群体学生的人工智能素养?分类: 伦理、文化与批判性 HCI 教育同类问题arrow_forward
- 弱势群体学生的社区背景如何影响他们对人工智能社会和伦理问题的批判性思考?分类: 伦理、文化与批判性 HCI 教育同类问题arrow_forward
- 如何设计融合文化资本理论的教学活动,以提高人工智能教育的影响力和相关性?分类: 伦理、文化与批判性 HCI 教育同类问题arrow_forward
lightbulb
现实痛点
1- 弱势群体学生缺乏获取人工智能教育资源的机会。分类: 伦理、文化与批判性 HCI 教育同类问题arrow_forward
- 100%
CodeAid:评估基于LLM的编程助手在课堂部署中平衡学生和教育者需求的情况
CHI '24· 大语言模型(LLM)的人机协作 +1
- 100%
初学者程序员与 ChatGPT 学习的结果、感知与交互策略
CUI '25· 大语言模型(LLM)的人机协作 +1
- 80%
初学者程序员和代码LLM(误解)彼此的方式
CHI '24· 大语言模型(LLM)的人机协作 +1
- 80%
PLAID:支持计算讲师在大规模环境中识别特定领域的编程计划
CHI '25· 大语言模型(LLM)的人机协作 +1
- 67%
通过教师提供的解决方案在线编程作业中吸引学生
CHI '20· 大语言模型(LLM)的人机协作 +2
- 67%
ChatScratch:面向6-12岁儿童自主视觉编程学习的AI增强系统
CHI '24· 大语言模型(LLM)的人机协作 +2
- 67%
儿童AI学习技术:设计特点与未来机遇
CHI '25· 大语言模型(LLM)的人机协作 +2
- 67%
与K12教育者共同设计基于项目的大型语言模型工具
CHI '25· 大语言模型(LLM)的人机协作 +2
- 67%
探索块式编程中教师与聊天机器人的交互及情感
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
ClassAid:面向课堂编程活动的实时教师-AI-学生编排系统
CHI '26· 大语言模型(LLM)的人机协作 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713173
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、编程教育与计算思维
work
职业/产业
中小学教师(K-12)、大学教授与研究人员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文