学生在旨在揭示问题和AI承诺的课程中使用机器学习

在一项新研究中，北卡罗来纳州立大学的研究人员让28名高中生创建了他们自己的机器学习人工智能(AI)模型来分析数据。该项目的目标是帮助学生探索人工智能的挑战、局限性和前景，并确保未来的劳动力准备好使用人工智能工具。

这项工作发表在《学习、媒体和技术》杂志上。

该研究是与东北部的一所高中新闻课一起进行的。从那时起，研究人员将该项目扩展到包括北卡罗来纳州在内的多个州的高中教室。北卡罗来纳州立大学的研究人员正在寻求与其他学校合作，共同将课程引入课堂。

“我们希望学生从很小的时候就打开那个黑匣子，这样他们就不会害怕人工智能，”该研究的主要作者、北卡罗来纳州立大学设计与技术助理教授ShiyanJiang说。“我们希望学生了解人工智能的潜力和挑战，因此他们会思考下一代如何应对人工智能和社会不断变化的角色。我们希望学生为未来的劳动力做好准备。”

在这项研究中，研究人员开发了一个名为StoryQ的计算机程序，该程序允许学生建立自己的机器学习模型。然后，研究人员每周举办一个半小时的机器学习课程和技术教师研讨会，为期一个月。对于报名进一步参与的教师，研究人员对参与教师的课程进行了另一次回顾，并制定了后勤工作。

“我们创建了StoryQ技术，让高中或本科生课堂上的学生能够构建我们所谓的‘文本分类’模型，”Jiang说。“我们想降低门槛，让学生能够真正了解机器学习中发生的事情，而不是费力地编写代码。因此我们创建了StoryQ，这是一种让学生了解构建机器学习和文本分类模型的细微差别的工具。”

一位决定参加的老师带领一门新闻学课程进行了为期15天的课程，他们在课程中使用StoryQ评估了一系列关于冰淇淋店的Yelp评论。学生开发了模型来根据语言预测评论是“正面”还是“负面”。

“老师看到了这个项目与新闻业的相关性，”江说。“这是一个非常多样化的课程，许多学生在STEM和计算方面的代表性不足。总的来说，我们发现学生们非常喜欢这些课程，并且就机器学习的使用和机制进行了很​​好的讨论。”

研究人员发现，学生对Yelp评论中的特定词语做出假设，他们认为这些假设可以预测评论是正面的还是负面的。例如，他们期望包含“喜欢”一词的评论是正面的。然后，老师引导学生分析他们的模型是否正确分类了评论。例如，一位使用“喜欢”一词来预测评论的学生发现，超过一半的包含该词的评论实际上是负面的。然后，研究人员表示，学生们通过反复试验来尝试提高模型的准确性。

“学生们了解了这些模型如何做出决策，以及人类在创造这些技术中可以发挥的作用，以及他们在创造AI技术时可以引入什么样的观点，”Jiang说。

从他们的讨论中，研究人员发现学生对人工智能技术的反应不一。例如，学生们非常担心使用AI来自动化选择学生或候选人以获得奖学金或项目等机会的过程的可能性。

对于未来的课程，研究人员创建了一个更短的五小时课程。他们已经在北卡罗来纳州的两所高中以及佐治亚州、马里兰州和马萨诸塞州的学校启动了该计划。在下一阶段的研究中，他们希望研究跨学科教师如何合作启动以AI为中心的项目并创建AI学习社区。

“我们想扩大在北卡罗来纳州的实施，”江说。“如果有任何学校感兴趣，我们随时准备将这个项目带到学校。因为我们知道老师们非常忙，我们提供了一个较短的专业发展课程，我们也为教师提供津贴。我们会去如果需要，进入教室进行教学，或者展示我们将如何教授课程，以便教师可以复制、调整和修改它。我们将尽我们所能支持教师。”

研究的共同作者包括HengtaoTang、CansuTatar、CarolynP.Rosé和JieChao。