Kunstig intelligens i uddannelsesløfter og konsekvenser for undervisning og læring Åben forskning online

Kunstig intelligens i uddannelsesløfter og konsekvenser for undervisning og læring

genoplivning af diskursen om menneskelig centreret kunstig intelligens i uddannelsesteknologier

Relevansen af ​​kunstige intelligens (AI) -supportede systemer i uddannelse eller AI i Education (AIED), er steget dramatisk i de seneste år og vækker store forventninger og tilbyder et stort innovationspotentiale på tværs af hele uddannelsessektoren ( EdtechXglobal, 2016; Holmes et al., 2019). AI har betydeligt udvidet traditionelle praksis i uddannelsen, mens nye digitale løsninger er opstået, der får en markedsandel sammen med traditionelle koncepter. Desuden er brugen af ​​AI-teknologier begyndt at tillade bæredygtig ændring i uddannelses- og vidensoverførsel.

Fordi resultaterne af disse værktøjer er stærkt afhængige af data, der produceres i en bestemt opgave eller domæne, påvirker de folk på flere måder. For eksempel er nogle bekymrede over brugen af ​​private oplysninger, såsom læreradfærd, evner og mentale stater under udførelse af uddannelsesaktiviteter (Holmes et al., 2018). Der er derfor opstået et øget behov for at løse de teknologiske og samfundsmæssige konsekvenser, der er forbundet med fremkomsten og brugen af ​​AIED-værktøjer. En løbende diskurs fortsætter om, hvordan man bedre kan operere de forskellige værdier, der opstår under udviklingen af ​​AI-systemer, snarere end kun at anvende regler og retningslinjer efter AI-implementering.

I dette papir introducerer vi "design-for-værdier" -metoden, som er baseret på en metode, der tager sigte på at inkorporere moralske værdier som en del af teknologisk design, forskning og udvikling. Udvikling af AI-systemer indebærer processer som identificering af sociale værdier, der beslutter sig for en moralsk overvejelse tilgang og sammenkobling af værdier til formelle systemkrav og konkrete funktionaliteter (DIGNUM, 2019). De spørgsmål, som denne forskning bestræber sig på at besvare sociale spørgsmål i forbindelse med digitalisering af uddannelse gennem AIED-værktøjer, samt de ændringer, der skal foretages til disse værktøjer, så folk vil acceptere dem som nyttige og troværdige. Vi fokuserer derfor på, hvordan ansvarlige AIED-værktøjer kan udvikles og operationaliseres på en eller brugervenlig måde.

I denne folkevenlige indsats præsenterer vi flere aspekter af værdi-centreret, menneskelige centreret, etiske og ansvarlige AI på uddannelsesdomæne, som efter vores mening stadig forbliver underudnyttet. I den følgende litteraturvurdering skitser vi kort over den nuværende markedsudvikling i AIED og diskuterer AI-applikationer, der i øjeblikket anvendes i uddannelsesteknologi (EDTECH). Baseret på en konceptuel analyse kombinerer vi forskellige HCAI-tilgange til at foreslå en ny model for, hvordan AI Technologies kan gøres i stigende grad gennemsigtige i uddannelseskontekster på en måde, som målrettet kan tilpasses menneskelige værdier for fremtidige udviklinger.

Implementering af AI Technologies har et stort potentiale for innovation på flere felter. I uddannelsessektoren kommer service- og produktudbydere på markedet for stigende antal. De tilbyder "intelligente læringsløsninger" gennem databaserede og ai-drevne tilgange, såsom beslutningstræer, neurale netværk, skjulte Markov-systemer, Bayesian-systemer og Fuzzy Logic (Aldahwan & Alsaeed, 2020). Selvom AI-baserede EDTECH-applikationer er innovation, der er rige for forretningsmodellerne for udbydere og brugere, har stadig meget få EDTECH-virksomheder implementeret AI-teknologi (Renz & Hilbig, 2020).

Således, Renz et al. (2020a) har hævdet, at det innovative potentiale ved at bruge AI-baserede elementer i uddannelse allerede eksisterer. Problemet er, at det ofte kun er blevet brugt i en subjunktiv rolle og dermed giver små praktiske beviser. En verdensomspændende undersøgelse af interessenter i uddannelsessektoren viste, at 20% af de undersøgte EDTECH-virksomheder allerede havde investeret i og implementeret AI-teknologier, og yderligere 21% blev i øjeblikket testet AI-teknologier i deres forretninger (Global Executive Panel, 2019).

Ud over denne nye innovationsdynamik, der involverer AI i EDTECH-virksomheder, fører den nuværende COVID-19-pandemi til et tippepunkt med hurtigere markedsudvikling. I en markedsanalyse af to AI-drevne EDTECH-applikationer, fokuseret på sprogundervisningsplatforme (LLP) og Learning Management Systems (LMS), Renz et al. (2020b) viste, at COVID-19-pandemien allerede har forårsaget et markedsskifte fra lavdata forretningsmodeller til dataforbedrede forretningsmodeller. Forfatterne havde antaget, at den betydelige stigning i brugen af ​​EDTECH-applikationer under den nuværende sundhedskrise også ville føre til markedsføring af flere data-drevne EDTECH-applikationer. Det stigende antal brugere af EDTECH-applikationer har ført til at generere flere data relateret til at lære adfærd og resultater. Sådanne data danner grundlag for yderligere udvikling af AI-baserede læringssystemer i testcykler og iterering.

Ahmad et al. (2020) præsenterede en bibliometrisk analyse af AI-applikationer i uddannelse. Forfatterne opdelte området for AI-applikationer i uddannelse i sin evaluering, personlige læring, recommender systemer, studentens ydeevne, sentimentanalyse, opbevaring og dropout og overvågning af klasseværelset. Holmes et al. (2019) gav et andet overblik over de nuværende AI-applikationer i uddannelsen. Forfatterne klassificerede fire hovedtyper AIED-applikationer: dens dialogbaserede vejledningssystemer (DBTS), eksplorative læringsmiljøer (ELE) og automatisk skriveevaluering (AWE). Følgende diagram opsummerer de mest populære EDTECH-udbydere valgt i henhold til Holmes et al. (2019) klassifikation.

Hvorvidt et intelligent læringssystem opererer baseret på individuelle læringsdata på adfærd eller om det er baseret på logisk ræsonnement ikke altid kendt af brugeren. Ikke desto mindre kan det forventes, at et stigende antal EDTECH-applikationer snart vil blive udviklet baseret på AIED. Det er derfor vigtigt at etablere passende regler for at sikre den ansvarlige og bæredygtige udvikling af sådanne ansøgninger. Human-centered AI (HCAI) er en mulig tilgang, der holder løfte om den ansvarlige implementering af AI i uddannelse, herunder uddannelsesprodukter og -tjenester.

På trods af øgede AI-implementeringer til uddannelse er der endnu ikke betalt tilstrækkelig opmærksomhed til rollen som menneskelige værdier i udviklingen af ​​AI-teknologi. Nogle forskere har for nylig begyndt at arbejde på designmetoder, der fokuserer på menneskelige værdier (Auernhammer, 2020). Hver af disse designmetoder giver et værdifuldt perspektiv på design af mennesker. En tilgang kaldet Value-Sensitive Design (VSD) er en teoretisk jordet tilgang til design af teknologi, der tegner sig for menneskelige værdier på en principiel og omfattende måde. Det giver forskellige perspektiver på samfundet, personlig interaktion og menneskelige behov i design af computersystemer, som f.eks. AI. Derfor giver VSD-tilgangen mulighed for at undersøge og undersøge gennem en bestemt linse Virkningerne af AI på People (Himma & Tavani, 2008; Friedman et al., 2017).

En anden løsning, der mindsker disse udfordringer, har været at følge en "design-for-værdier" metodologisk tilgang. Denne tilgang har til formål at gøre moralske værdier en del af teknologisk design og udvikling (Dignum, 2019). Værdier fortolkes ofte som højt niveau abstrakte koncepter, der er svært at operationalisere i konkrete tekniske funktionaliteter. Imidlertid har design-for-værdier tilgangen den fordel at placere menneskerettigheder, menneskelig værdighed og menneskelig frihed i centrum af AI design. Brug af design-for-værdier tilgang til design har hjulpet med at bygge HCAI, der hjælper med at identificere sociale værdier og træffe beslutninger med en moralsk overvejelse tilgang (gennem algoritmer, brugerkontrol og regulering) og derved forbinder disse værdier til formelle systemkrav og beton Funktionaliteter (Dignum, 2019).

Xu (2019) foreslog en udvidet HCAI-ramme (se figur 3), der indeholder følgende tre hovedkomponenter: 1) etisk justeret design, hvilket skaber AI-løsninger, der undgår forskelsbehandling, opretholde retfærdighed og retfærdighed og gøre ikke erstatte mennesker; 2) Teknologi, der mere fuldt ud afspejler menneskelig intelligens, hvilket yderligere forbedrer AI-teknologien for at afspejle dybden af ​​menneskelig intelligens og karakter; og 3) menneskelige faktorer i design, der sikrer AI-løsninger, er forklarbare, forståelige, nyttige og anvendelige.

Circls har relevante primere fundet i litteraturen. Vi byder velkommen til nye primere på lignende emner, men skrevet mere specifikt for at imødekomme Rettl-fællesskabets behov. Har en primer til at anbefale? Kontakt Circls.

abstrakt

Denne bog af Center for Curriculum Redesign fordyber læseren i en diskussion om, hvad der skal undervise eleverne i AI's æra og undersøger, hvordan AI allerede kræver meget nødvendige opdateringer til skoleplanen. Den anden del af bogen dykker ind i hvordan: historie, teknikker og applikationer af AI i Education -Including den måde, som AI kan hjælpe lærere med at være mere effektive og ender med en refleksion om sociale aspekter af AI.

Citation

BAGGRUND: Der er vokset anerkendelse af, at bachelor medicinsk uddannelse (UME) skal spille en formel rolle i at instruere fremtidige læger om løfterne og begrænsninger af kunstig intelligens (AI), da disse værktøjer er integreret i medicinsk praksis .

Metoder: Vi gennemførte en sonderende undersøgelse af medicinske elevernes viden om AI, opfattelser af AI's rolle i medicin og præferencer omkring integrationen af ​​AI-kompetencer til medicinsk uddannelse. Undersøgelsen blev afsluttet af 321 læsere (13.% Svarprocent) på fire medicinske skoler i Ontario.

Resultater: Medicinske studerende er generelt optimistiske med hensyn til AI's evner til at udføre en række sundhedsfunktioner, fra klinisk til administrativt, med forbehold om specifikke opgavetyper som personlig rådgivning og empatisk pleje. De tror, ​​at AI vil hæve nye etiske og sociale udfordringer. Studerende er bekymrede over, hvordan AI vil påvirke det medicinske jobmarked, hvor 25% reagerer på, at det aktivt påvirker deres valg af specialitet. Studerende er enige om, at medicinsk uddannelse skal gøre mere for at forberede dem på AI's indvirkning på medicin (79%), og flertallet (68%) mener, at denne uddannelse skal begynde på UME-niveauet.

INDLEDNING

Mange eksperter har diskuteret den forventede rolle af kunstig intelligens (AI) i medicin som værktøjer til forbedring af medicinsk beslutningstagning og effektivitet (Rajkomar, Dean og Kohane, 2019; Topol, 2019). Meget af denne diskussion er blevet jordet i de seneste forbedringer i udførelsen af ​​AI-algoritmer og den voksende tilgængelighed af store medicinske datasæt for at teste disse algoritmer (Oakden-Rayner, 2020). Som AI introduceres og til sidst integreret i sundhedspleje, forventes lægerne at bruge AI-værktøjer til at overvåge, diagnosticere og behandle deres patienter.

Der er også en voksende bekræftelse om, at undergraduate medicinsk uddannelse (UME) skal spille en formel rolle i at instruere fremtidige læger om løfterne og begrænsninger af AI-værktøjer i medicinsk praksis (Masters, 2019; Davenport og Kalakota, 2019 ; Paranjape et al., 2019; Kolachalama og Garg, 2018; Wartman og Combs, 2019; McCoy et al., 2020). Da dagens medicinske elever gennemfører deres postgraduate træning - i mange tilfælde næsten et årti senere, forventes det, at AI-værktøjer i medicin vil blive mere almindeligt integreret i kliniske beslutningsprocesser (National Health Service, 2019). Ume giver en nøgle mulighed for at give fremtidige læger en bred forståelse af evnen, begrænsninger og konsekvenser af de værktøjer, de vil bruge i deres uddannelse og videre.

Leder udlandet, Det Forenede Kongeriges nationale sundhedsvæsen anbefalede integrationen af ​​AI-kompetencer på alle niveauer af sundhedsuddannelse (National Health Service, 2019). I USA vedtog American Medical Association for nylig en politisk fremme af forbedret uddannelse i AI på tværs af kontinuumet af medicinsk uddannelse (American Medical Association Board Report, 2018). På samme måde har der været betydelig canadisk elevinteresse i AI-kompetencer inden for bacheloruddannelse (Bilimoria et al., 2019). Ønsket om at introducere AI i medicinsk uddannelse på tværs af studerende, sundhedstjenester og professionel organisation fremhæver behovet for yderligere udforskning af, hvordan en sådan pensum bør udvikles.

Det Kongelige Højskole for Læger og Kirurger i Canada Task Force på AI og Emerging Digital Technologies har for nylig udgivet en rapport om de forventede virkninger af AI om specialfellsuddannelse, hvilket anbefalede udvikling af retningslinjer for integration af instruktion om AI På tværs af Residency-uddannelsesprogrammer (Royal College of Physicians og Kirurge of Canada, 2020). Ingen sådan bestræbelser eksisterer i øjeblikket for UME-programmer. Endvidere, mens flere kommentarer har offentliggjort opkald til handling for at integrere AI i medicinsk uddannelse og have beskrevet bredt, hvilke nøglekompetencer der kunne være, er der fortsat en blik på kompetenceområder eller læringsmål for at styre oprettelsen af ​​AI i medicinskærer på UME-niveauet ( Masters, 2019; Davenport og Kalakota, 2019; Paranjape et al., 2019; Kolachalama og Garg, 2018; Wartman og Combs, 2019; McCoy et al., 2020).

metoder

Undersøgelsen bestod af tre sektioner. Den første undersøgelsesafstand indfangede demografiske data, elevernes uddannelse før medicinsk skole og tidligere eksponering for AI-relateret indhold (e.., Curricular, selvstyret læring osv.). Det næste afsnit fokuserede på medicinske elevernes viden om AI ved at bede om deres tillidsniveau i deres forståelse af terminologier som AI, maskinindlæring, neurale netværk og dyb læring.

Før undersøgelsesformidling blev brugervenlighed og teknisk funktionalitet testet af forskningsholdet og fem læger, der ikke var involveret i studiedesignet. Der blev ikke foretaget ændringer i undersøgelsen efter pilotprøvning.

Åben forskning online - oro

©. Alle rettigheder forbeholdes. Det åbne universitet er indarbejdet af Royal Charter (RC 000391), en fritaget velgørenhed i England & Wales og en velgørenhed registreret i Skotland (SC 038302). Det åbne universitet er godkendt og reguleret af den finansielle adfærdsmyndighed i forhold til den sekundære aktivitet af kreditmægling.

Vi bruger cookies
Vi bruger cookies til at sikre, at vi giver dig den bedste oplevelse på vores hjemmeside. Ved at bruge hjemmesiden accepterer du vores brug af cookies.
Tillad cookies.