ML-Machine工具包：赋能教师和教育专业人员探索机器学习具身教学方法

大多数通过具身交互方法向K-12学生教授机器学习（ML）的HCI研究都是基于一次性原型的设计和评估，且在研究结束后并未在学校持续使用。此外，这些工具很少有理论定位，这使得整体研究工作主要由技术驱动。本研究 presents 了一个HCI工具包ML-Machine，用于支持教师和教育专业人员开发和开展ML具身教育活动。它将先前HCI研究中的理论和中级知识封装在三个设计原则中——实践ML、使用ML作为设计材料、ML的具身探索——使其能够轻松集成到教育环境和实践中。我们通过与一名教师、图书馆工作人员和内容开发者的案例研究评估了该工具包。基于此，我们讨论了工具包如何推动HCI在K-12教育中教授数字新兴技术的研究努力。