教育技术研究速递:人工智能

该图片由Alexandra_Koch在Pixabay上发布

大学生对人工智能伦理认识水平的评估工具 

Development and validation of an instrument to measure undergraduate students’ attitudes toward the ethics of artificial intelligence (AT-EAI) and analysis of its difference by gender and experience of AI education 

作者: Yeonju Jang et al. 

随着人工智能(AI)应用的逐渐普遍,关于人工智能伦理问题的讨论愈发破解,然而目前关于伦理的讨论主要来自于政府、组织和企业,较少有人关注学生对于AI伦理的态度。因此,研究者开发了一个测量工具(AT-EAI)来定量的测量学生对AI伦理方面的态度和理解水平,该工具包括五个维度共42个题目。共有1076名大学生和8名专业人士参与了该工具的评估。数据证明了该工具了可靠性和有效性。评估结果显示,在人工智能的公平、隐私和非犯罪维度中,存在着显著的性别差异。研究者认为该工具可以用于相关AI伦理课程的学习效果评估,也可以用于评估一般大学生对AI伦理的认识。 

用人工智能算法来预测在线教学中学生的学业失败风险 

Accuracy comparison between statistical and computational classifiers applied for predicting student performance in online higher education 

作者: Rosa L. U. Cazarez 

受到COVID-19影响,高等教育转向了在线教学环境,这可能导致了众多学生遭遇学业失败的压力。最近,研究者解释了计算机算法来如何预测学生表现,尽早识别学生面临的学业风险。在三个研究案例中,不同的算法(概率神经网络、支持向量机和判别分析)都被证明是有效的,研究进一步通过交叉分析对比了三种算法的结果。研究者指出,对三种算法的综合分析帮助教育工作者了解在何种情况下哪种算法模型更加具有优势。研究认为使用计算机算法来及时、准确地发现那些可能会出现学业失败的学生,有助于提高在线教学环境中的学习质量。

机器学习算法对学生反馈进行自动化主题分析 

Machine and expert judgments of student perceptions of teaching behavior in secondary education: Added value of topic modeling with big data 

作者: Bilge Gencoglu et al. 

通过学生评价来评估教学行为是一种常见的应用手段,但过去的研究工具往往应用李克特量表,这使得学生只能在非常有限的空间里表达自己的意见。最近,研究者开发了一种机器学习工具,可以从学生的开放式回答中提取有关学生的反馈主题。研究通过从荷兰17万余学生的反馈信息中进行了内容分析,总结出来的8个主要领域。另一方面,研究还随机抽取了864名学生反馈进行了基于理论驱动的人工内容分析,得出了9个领域和19个子领域。研究认为,机器学习和人工分析可能是互补的,能够从不同方向(自下而上或自上而下)揭示教学行为的独特领域。

责任编辑:Diaw Maxwell

15117967419@126.com