通过NWFAR方法来感受数据科学中可能的社会不公平问题
Notice, Wonder, Feel, Act, and Reimagine as a Path Toward Social Justice in Data Science Education
作者: Jennifer B. Kahn et al.
在数据科学的学习当中,人们常常难以了解到其中隐含的不公平影响,例如对女性、儿童或少数族裔的偏见。最近,研究者报告了一个利用NWFAR方法来帮助数据科学学习者意识到数据集及算法中可能存在的社会不公风险的项目。在这个项目中,学习者需要经历注意(Notice)、好奇(Wonder)、感受(Feel)、扮演(Act)和再想象(Reimagine)五个步骤,来达到对于社会不公的认识,并探寻解决数据集、算法和技术层面解决社会不公平问题的可能性。通过展示实践案例,研究者指出,NWFAR方法具有非常高的教学潜力,能够有效改善学习者对社会不公的看法。
序列分析算法有效改善学习支持措施的有效性
Evaluating the Effectiveness of Accommodations Given to Students With Learning Impairments: Ordinal and Interpretable Machine-Learning-Based Methodology
作者: Gonen Singer et al.
在大多数教育机构中,有学习障碍的学生会获得各种学习支持措施。最近,研究者提出了一种基于序列的可解释模型方法,为那些帮助学有习障碍的学生的工作人员提供实用的意见,以改善学习支持措施的有效性。研究提出的模型使用序列信息来评估学生的表现,并根据他们的特征为有学习障碍的学生设计最合适的支持措施。研究使用数万名工程学生的数据库评估了序数可解释模型。结果表明,该模型在所有指标上的表现都显著优于传统算法。
为视障学习者提供支持工具能够改善学习体验和学习效果
Influence of assistive technology applications on dyslexic students: The case of Saudi Arabia during the COVID-19 pandemic
作者: Amany Ahmed Al-Dokhny et al.
对于视障人群来说,被迫参与在线学习可能有着非常不好的体验。研究者在COVID-19流行期间探讨了辅助工具对于视障人群在线学习中的视觉感知和语音处理能力的帮助。基于14名视障学习者在谷歌课堂、Zoom和Quizlet三个平台的对比试验显示,不同的辅助工具确实会影响学习者的视觉感知、语音处理和使用频率,其中女性的得分稍高于男性学生。研究者指出,当前结果说明,如果学习平台为视障学生提供了辅助功能,那么他们的使用频率、视觉感知和语音处理都会得到显著的改善。
责任编辑:Diaw Maxwell
15117967419@126.com