计算中批判性反思和能动性指数的发展

荣誉提名
STEM 教育与科学传播算法公平与偏见科技伦理与批判性HCI大学教授与研究人员AI/ML 研究员与工程师

研究背景与问题

  • 作者发现的问题或挑战:随着计算技术对社会的影响日益增长,计算机专业学生往往缺乏对其工作带来的伦理和社会技术影响的充分认识及行动能力。尽管已有一些将伦理整合到计算机课程中的尝试,但缺乏标准化的工具来衡量这些努力的效果,尤其是学生对于伦理反思和社会行动能力的态度。
  • 问题重要性:当前计算机教育对伦理视角的忽视导致了学生倾向于认为伦理问题“不是我的工作”,从而形成了对伦理的冷漠态度。这种状况对技术发展和社会责任之间的协调造成挑战。需要改进教育方式,以便培养具有社会责任和伦理意识的计算机专业人员。
  • 研究动机与相关工作:现有的涉及计算机伦理教育的方法理论基础较单一,或者缺乏明确的可量化评估方法。例如,大量现有的干预手段涉及伦理讨论和技能培养,但学术界对学生态度变化的有效测量方法仍然有限。

解决方案

  • 作者提出的方法或解决方案:

    1. 提出了“批判性计算框架”(Critically Conscious Computing Framework),明确包括三个核心部分:批判性反思(critical reflection)、批判性代理意识(critical agency)和批判性行动(critical action)。
    2. 开发了“计算领域中的批判性反思与代理意识指数”(Critical Reflection and Agency in Computing Index),通过问卷衡量大学生在批判性反思与代理意识两方面的态度。
  • 解决方案的创新之处:

    • 提出了专门针对计算领域的理论框架,结合社会权力、伦理价值与技术的相互作用。
    • 开发了一个系统性的评估工具,用实践理论指导,自带内容和面向有效性的初步验证,为计算机教育者和研究人员提供了量化学生态度的工具。
    • 整合宏观伦理(系统性影响)和微观伦理(个人责任)的双重视角,推进以广泛观点探讨伦理问题。
  • 实施步骤:

    1. 领域识别(Domain Identification):梳理了文学背景,定义并细化了批判性反思和代理意识的操作化构建。
    2. 问卷生成(Item Generation):结合现有研究,生成了45条相关问题。
    3. 专家评审(Expert Review):邀请7名专家进行分段审阅,审查问卷是否覆盖研究目标及其具体措辞是否清晰。
    4. 认知访谈(Cognitive Interviews):通过与学生的互动访谈,进一步验证问卷的学生可接受性与适用性并优化问卷内容。

研究成果

  • 具体成果:

    1. 提出了“批判性反思”和“批判性代理意识”两个核心维度,并通过文献研究和专家审查,细化了具体的操作化测量方法。
    2. 最终开发出了40道问卷题目,相关问题涉及学生对技术社会影响的理解、伦理责任感、技术与社会权力的认识等。
  • 与现有解决方案的比较与优势:

    • 与已有方法相比,本研究提供了量化、标准化的工具,而不仅仅是依赖于定性分析或单一案例。
    • 不仅关注如何快速提高学生的伦理反思能力,还注重培养其在职场场景中的实施和推广伦理决策的信心与能力。
  • 实验或评估结果:

    1. 专家一致同意该问卷的理论基础和具体框架逻辑,并根据其反馈优化了部分问题设置。
    2. 通过学生认知访谈确认问卷具有可操作性和适宜性,最终版本解决了部分表述模糊问题。
    3. 对比多轮认知访谈后,优化的问卷得到了清晰的内容有效性和面向学生的“面向有效性”(face validity)。
  • 局限性与未来方向:

    • 局限性:尽管问卷具有初步的内容和面向有效性,但尚未经过完整的统计验证,如因子结构和可靠性分析。此外,专家评审主要集中在学术领域,缺乏行业实践者的视角。认知访谈样本仅来自单一院校,未来需要在更大范围内验证工具的普适性。
    • 未来方向:
      1. 在多种教育和行业背景下测试和优化项目工具。
      2. 结合定性访谈方法,更深入地理解学生的伦理意识变化和行为模式。
      3. 扩展工具以适用于计算领域中的实际职业环境,使之能够同时衡量学生和从业人员的批判性意识。

总结

这项研究的贡献在于填补了伦理视角下高等计算机教育工具评估的空白,不仅理论基础扎实,而且通过实际验证提供了可操作的框架和工具。未来随着指数的进一步优化,或可在培养社会责任感强、批判性意识高的计算机职业群体的教育设计中发挥更大的作用。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/189541/2025

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/10.1145/3706598.3713189
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
荣誉提名
group
作者
3 位作者
sell
研究子方向
STEM 教育与科学传播、算法公平与偏见、科技伦理与批判性HCI
work
职业/产业
大学教授与研究人员、AI/ML 研究员与工程师
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文