教师对于K-12人工智能教育的理解层次
A phenomenographic approach on teacher conceptions of teaching Artificial Intelligence (AI) in K-12 schools
作者:King Woon Yau et al.
由于人工智能的快速发展和广泛部署，在K-12学校中教授人工智能相关的知识显得非常必要。但当前的研究较少关注教师对于人工智能教育的看法。因此，研究者就这个问题展开了探讨。基于香港17所中学28名开展过人工智能教师的采访数据显示，教师对于人工智能教育有着6个不同方面的观点，分别是（1）技术传递（2）知识传播（3）兴趣激发（4）道德建设（5）能力培养以及（6）智力发展。研究将这6个层面组织成一种空间结构，认为它们展示了人工智能教育从表面到深层次的概念分布。研究者认为，这6个层面的结构可以为未来教师指定人工智能的最佳教育实践提供有意义的参考。
提供职业咨询服务的最佳算法选项
Explainable AI and machine learning: performance evaluation and explainability of classifiers on educational data mining inspired career counseling
作者:Pratiyush Guleria & Manu Sood
机器学习（ML）技术可以从现有的概念、经验和推论中学习，并产生复杂的查询结果，但其本身解释性较差。因此，引入可解释的人工智能（XAI）有助于促进机器学习在教育中的应用。最近，研究者尝试将ML和XAI技术整合在一起，为学生提供职业咨询服务。研究结果显示，在众多算法中，简单贝叶斯、F-Measure两类算法的正确率超过了90%，是比较优秀的算法选择。运用这两种算法的职业咨询服务在未来可以根据学生的数据提供更合适的答案。
多语言框架自动记录并分析课程关键内容促进教和学
Artificial intelligence inspired multilanguage framework for note-taking and qualitative content-based analysis of lectures
作者:Munish Saini et al.
在传统课堂中，高效的学习者往往需要不停地对课程主题做笔记，然而这种方法会受到众多因素地影响，例如兴趣缺乏、教师口音或环境干扰。为了解决这一问题，研究者提出了一个基于人工智能地多语言框架，可以生成讲座或课程的讲稿。同时这个分析框架还可以同步对课程内容进行定性分析。基于实践数据的结果显示，新的框架有着较高的准确性，且定性分析的结果比其他同类框架要更为有效。研究者认为，这个框架可以同时帮助教师和学生达到更好的教和学的效果。
责任编辑：Diaw Maxwell
15117967419@126.com