人工智能素养学习活动中的家庭学习对话

文献标题

Family Learning Talk in AI Literacy Learning Activities

文献信息

• 主题领域: 人机交互与人工智能教育的非正式学习
• 关键词: AI素养, 协作学习, 互动设计, 非正式学习, 家庭学习, AI教育

研究背景与问题

• 问题或挑战:

  • 人工智能（AI）在生活中扮演越来越重要的决策角色，例如招聘、推荐系统、以及执法及军事相关领域。但公众对AI系统的理解存在不足。
  • 现有AI教育工作多聚焦于K-12课堂，非正式学习，尤其是家庭学习场景的AI教育研究有限。

• 重要性:

  • AI素养可帮助公众更好地评估AI技术、参与人机交互并在与AI相关的公共问题中为自己发声。
  • 在家庭中进行学习活动有助于生成跨代对话，帮助儿童和成人共同理解AI的社会和伦理影响。

• 研究动机与相关工作:

  • 非正式的学习空间具有潜力，可以吸引更广泛的受众，并为家庭协作学习提供环境。
  • 作者基于他们之前对AI素养教育设计原则的研究，为设计非正式学习场景的AI教育活动提供新的视角。

解决方案

• 方法或解决方案:

  • 设计了三种AI教育活动（Knowledge Net、Creature Features 和 LuminAI）用于探索非正式学习环境中家庭群体的对话类型。
  • 每个活动设计均依据特定的AI素养设计原则，例如身体化学习、协作交互及透明性。

• 创新之处:

  • 将全身互动和具体化的学习工具（如实物牌、权重标记等）引入AI教育活动。
  • 提出了新的学习对话分析框架，用于评估家庭学习谈话在非正式学习环境中的表现。

• 实施步骤与关键技术:

  1. Knowledge Net: 使用实物拼接网络的信息表示方法，通过聊天机器人回答家庭问题以模拟AI决策。
  2. Creature Features: 设计训练数据集，用基于特征的机器学习算法分类鸟类。用户通过卡片和权重标记建模数据。
  3. LuminAI: 通过全身互动与AI舞伴一同跳舞，用户可以探索AI的决策逻辑和舞姿记忆的视觉化表示。
  4. 数据收集和对话分析采用了基于访谈和视频录制的研究方法。

研究成果

• 具体成果:

  • 通过分析家庭对三种活动的对话数据，发现不同活动对AI教育素养技能（例如知识表示、决策逻辑）传递的有效性。
  • 提供了关于设计原则的实证支持，例如透明性、身体化交互和社会互动。

• 优势与现有解决方案的比较:

  • Knowledge Net活动支持了低技术素养的家庭群体开展长时间的协作互动。
  • Creature Features展示了家庭群体如何通过迭代数据集来讨论AI决策和机器学习的局限性。
  • LuminAI通过创意互动扩展了 AI教育的体验，提出了AI是否具有创造力的讨论。

• 实验或评估结果:

  • 研究分析了受试者对话中的"学习性谈话"类型，包括判断、整合和生成等。
  • 确定了哪种活动最能促进概念讨论与能力理解。

• 局限性与未来方向:

  • 存在技术设备问题（如视频录制失败）及样本量偏小的限制。
  • 未来应深入研究如何支持父母对技术语言的理解与教育角色，以及如何更好地探索更广泛的受众对AI教育活动的互动。
  • 探讨如何提升身体化学习与数字互动间的平衡，以优化整体学习效果。

总体评价

本文提供了关于AI素养教育的详实分析，提出了AI教育活动设计的多样性及原则，并在非正式学习环境中对家庭群体学习进行了全面的探讨。研究成果对推动AI教育工具的设计和公共AI知识传播具有重要的参考意义。