Künstliche Intelligenz in der Bildung Versprechen und Auswirkungen auf das Unterrichten und Lernen offener Forschung online

Künstliche Intelligenz in der Bildung Versprechen und Auswirkungen auf das Unterrichten und Lernen

den Diskurs auf der humanzentrierten künstlichen Intelligenz in pädagogischen Technologien neu zu erfassen

Die Relevanz der künstlichen Intelligenz (AI) -Supported-Systeme in der Bildung oder der AI in der Bildung (bestätigt) ist in den letzten Jahren dramatisch zugenommen, wodurch große Erwartungen erweckt und im gesamten Bildungssektor ein großes Innovationspotenzial bieten ( EDTechxglobal, 2016; Holmes et al., 2019). AI hat traditionelle Praktiken in der Bildung erheblich erweitert, während neue digitale Lösungen entstanden sind, die neben traditionellen Konzepten einen Marktanteil gewinnen. Darüber hinaus hat die Verwendung von AI-Technologien begonnen, nachhaltiger Änderungen in der Bildung und Wissenstransfer zu ermöglichen.

Da die Ergebnisse dieser Instrumente stark auf Daten auf Daten verlassen, die in einer bestimmten Aufgabe oder Domäne erzeugt werden, beeinflussen sie die Menschen auf verschiedene Weise. Zum Beispiel sind einige besorgt über die Verwendung privater Informationen, wie Lernverhalten, Fähigkeiten, Fähigkeiten und Mentalstaaten, während er Bildungsaktivitäten durchgeführt wurden (Holmes et al., 2018). Ein erhöhter Bedarf hat sich daher entstanden, um die technologischen und gesellschaftlichen Implikationen anzugehen, die mit der Entstehung und Verwendung von Aried-Tools verbunden sind. Ein laufender Diskurs geht weiter darum, wie Sie die verschiedenen Werte besser operationalisieren können, die sich während der Entwicklung von AI-Systemen entstehen, anstatt nur Regeln und Richtlinien nach der AI-Bereitstellung anzuwenden.

In diesem Beitrag stellen wir den Ansatz "Design-for-Werte" ein, der auf einer Methodik basiert, die darauf abzielt, moralische Werte im Rahmen von technologischem Design, Forschung und Entwicklung zu integrieren. Die Entwicklung von AI-Systemen beinhaltet Prozesse, z. B. die Identifizierung der sozialen Werte, die Entscheidung für einen moralischen Beratungsereignis und die Verknüpfung von Werten an formale Systemanforderungen und konkrete Funktionalitäten (DIGNUM, 2019). Die Fragen, die diese Forschung bemühen, soziale Fragen zu beantworten, die mit der Digitalisierung der Bildung durch Aeing-Tools verbunden sind, sowie die erforderlichen Änderungen, die an diesen Werkzeugen erforderlich sind, damit die Menschen sie als nützlich und vertrauenswürdig annehmen werden. Wir konzentrieren uns daher darauf, wie verantwortlich sind

Bei dieser personenbefreundeten Anstrengung präsentieren wir mehrere Aspekte des wertvollen, humanzentrierten, ethischen und verantwortlichen AI in der Bildungsdomäne, die in unserer Sicht noch nicht unterbehalten sind. In der folgenden Literaturüberprüfung überreißen wir kurz die aktuellen Marktentwicklungen in Aeing und diskutieren von AI-Anwendungen, die derzeit in der Bildungstechnik (EDTECH) verwendet werden. Basierend auf einer konzeptionellen Analyse kombinieren wir verschiedene HCAI-Ansätze, um ein neues Modell, wie AI-Technologien in den Bildungskontexten zunehmend transparent gemacht werden können, auf eine Weise, die an die menschlichen Werte für zukünftige Entwicklungen angepasst werden kann.

Die Implementierung von AI-Technologien hat ein hohes Innovationspotenzial in mehreren Bereichen. Im Bildungssektor betreten Service- und Produktanbieter in steigenden Zahlen in den Markt. Sie bieten "intelligente Lernlösungen" durch datenbasierte und ai-angetriebene Ansätze, wie Entscheidungsbäume, neuronale Netze, versteckte Markov-Systeme, Bayesian-Systeme und Fuzzy-Logik (Aldahwan & ALSAEED, 2020) an. Obwohl EI-basierte EDTech-Anwendungen innovation, reich an den Geschäftsmodellen von Anbietern und Nutzern, sind jedoch sehr wenige EDTECH-Unternehmen die AI-Technologie (Renz & Hilbig, 2020) umgesetzt.

somit rzz et al. (2020A) argumentiert, dass das innovative Potenzial der Verwendung von AI-basierten Elementen in der Bildung bereits vorhanden ist. Das Problem ist, dass es oft nur in einer subjunktiven Rolle eingesetzt worden ist, wodurch wenig praktische Beweise ergibt. Eine weltweite Untersuchung der Stakeholder im Bildungssektor zeigte, dass 20% der befragten EDTECH-Unternehmen bereits investiert und AI-Technologien implementiert hatten, und weitere 21% wurden derzeit AI-Technologien in ihren Unternehmen (Global Executive Panel, 2019) testen.

Neben dieser aufstrebenden Innovation dynamisch mit AI in EDTech-Unternehmen führt die derzeitige Covid-19-Pandemie auf einen Kipppunkt mit einer schnelleren Marktentwicklung. In einer Marktanalyse von zwei AI-angetriebenen EDTech-Anwendungen, die auf Sprachlernplattformen (LLP) und Lernmanagementsysteme (LLMs) konzentriert, werden Renz et al. (2020B) zeigte, dass die COVID-19-Pandemie bereits eine Marktverschiebung von Low-Data-Geschäftsmodellen an datenhafte Geschäftsmodelle verursacht hat. Die Autoren hatten angenommen, dass der deutliche Anstieg der Verwendung von EDTech-Anwendungen während der derzeitigen Gesundheitskrise auch zu dem Markteintritt von mehr datengesteuerten EDTech-Anwendungen führen würde. Die zunehmende Anzahl von Benutzern von EDTech-Anwendungen hat dazu geführt, dass er mehr Daten in Bezug auf Lernverhalten und Ergebnisse erzeugen. Solche Daten bieten eine Grundlage für die Weiterentwicklung von AI-basierten Lernsystemen, in Zyklen des Tests und iteratierender.

ahmad et al. (2020) präsentierte eine bibliometrische Analyse von AI-Anwendungen in der Bildung. Die Autoren teilten das Gebiet der AI-Anwendungen in die Bildung in ihre, Bewertung, personalisiertes Lernen, Empfehlungssysteme, Studentenleistung, Sentimentanalyse, Retention und Aussetzung und Klassenüberwachung. Holmes et al. (2019) lieferte einen weiteren Überblick über aktuelle AI-Anwendungen in der Bildung. Die Autoren klassifizierten vier Haupttypen AEIDE-Anwendungen: Seine, dialogbasierte Nachhilfesysteme (DBTS), explorative Lernumgebungen (ELE) und automatische Schreibbeurteilung (AWE). Das folgende Diagramm fasst die beliebtesten EDTech-Anbieter zusammen, die nach Holmes et al.'S (2019) -Sklassifizierung ausgewählt wurde.

Ob ein intelligentes Lernsystem basiert, das auf individuellen Lerndaten zum Verhalten basiert oder ob sie auf der logischen Begründung basiert, ist nicht immer vom Benutzer bekannt. Es ist jedoch zu erwarten, dass eine zunehmende Anzahl von EDTech-Anwendungen bald auf der Grundlage von AEION entwickelt werden wird. Es ist daher wichtig, geeignete Vorschriften festzulegen, um die verantwortungsvolle und nachhaltige Entwicklung solcher Anwendungen sicherzustellen. Human-Centered AI (HCAI) ist ein möglicher Ansatz, der das Versprechen der verantwortungsvollen Umsetzung der AI in der Bildung, einschließlich Bildungsprodukten und Dienstleistungen, verspricht.

Trotz erhöhter AI-Implementierungen für die Bildung wurde die Rolle der menschlichen Werte in der Entwicklung von AI-Technologie nicht genügend Aufmerksamkeit gezahlt. Einige Wissenschaftler haben kürzlich angefangen, an Gestaltungsansätzen zu arbeiten, die sich auf menschliche Werte konzentrieren (AUERNHAMMER, 2020). Jede dieser Designansätze bietet eine wertvolle Perspektive für die Gestaltung von Menschen. Ein Ansatz, der als value-sensitives Design (VSD) bezeichnet wird, ist ein theoretisch geerdeter Ansatz für die Gestaltung von Technologien, die menschliche Werte in Bezug auf prinzipielle und umfassende Weise ausmachen. Es bietet vielfältige Perspektiven auf Gesellschaft, persönliche Interaktion und menschliche Bedürfnisse in der Gestaltung von Computersystemen wie AI. Daher bietet der VSD-Ansatz die Möglichkeit, durch ein bestimmtes Objektiv die Auswirkungen von AI auf Menschen (Himma & Tavani, 2008, Friedman et al., 2017) zu forschen und zu untersuchen.

Eine andere Lösung, die diese Herausforderungen mindert, war, einem methodischen Ansatz "Design-for-Werte" zu folgen. Dieser Ansatz zielt darauf ab, moralische Werte einen Teil des technologischen Designs und der Entwicklung (DIGIDUM, 2019) zu machen. Werte werden häufig als abstrakte Konzepte mit hoher Ebene interpretiert, die in konkreten technischen Funktionalitäten schwer zu bedienen sind. Der Ansatz für den Design-for-Werte hat jedoch den Vorteil, dass die Menschenrechte, die Menschenwürde und die menschliche Freiheit in der Mitte des AI-Designs platziert werden. Die Verwendung des Design-for-Werte-Ansatzes an das Design hat sich beim Aufbau von HCAi unterstützt, der soziale Werte identifiziert und Entscheidungen mit einem moralischen Überlegungsansatz (durch Algorithmen, Benutzersteuerung und -regulierung) treffen, wodurch diese Werte auf formale Systemanforderungen und Beton verbunden werden Funktionalitäten (DIGIDUM, 2019).

xu (2019) schlug ein erweitertes HCAI-Framework vor (siehe Abbildung 3), der die folgenden drei Hauptkomponenten enthält: 1) ethisch ausgerichtetes Design, das AI-Lösungen erzeugt, die Diskriminierung vermeiden, Fairness und Gerechtigkeit behalten, und dies tun Menschen nicht ersetzen; 2) Technologie, die die menschliche Intelligenz stärker widerspiegelt, wodurch die AI-Technologie die Tiefe der menschlichen Intelligenz und des Charakters widerspiegelt; und 3) menschliche Faktoren im Design, die sich dafür sorgt, AI-Lösungen zu gewährleisten, sind erklärbar, verständlich, nützlich und nutzbar.

circls weist relevante Primer in der Literatur auf. Wir begrüßen neue Primer zu ähnlichen Themen, aber speziell schrieben, um die Anforderungen der Rettl-Community anzugehen. Einen Primer zu empfehlen? Kontakt Circls.

Abstract

Dieses Buch vom Center for Curriculum Redesign taucht den Leser in einer Diskussion darüber, was zu lehren Studenten in der Ära der AI und untersucht, wie AI bereits dringend benötigtes Updates des Lehrplan ist anspruchsvoll. Der zweite Teil des Buches taucht in das Wie: die Geschichte, Techniken und Anwendungen von AI in Bildung -einschließlich den Weg AI können Lehrer auf einer Reflexion über soziale Aspekte der AI effektiver und Enden helfen sein.

Citation

Hintergrund: Es hat wachsende Anerkennung gewesen, dass Bachelor-medizinische Ausbildung (UME) muss in anweist Zukunft Ärzte auf die Versprechungen und Grenzen der künstlichen Intelligenz (KI) eine formelle Rolle spielen, da diese Werkzeuge in die medizinische Praxis integriert sind .

Methoden: Wir führten eine explorative Befragung von medizinischen Wissen der Schüler AI, Wahrnehmungen über die Rolle von AI in der Medizin und Vorlieben die Integration von AI Kompetenzen in der medizinischen Ausbildung umgibt. Die Umfrage wurde von 321 Medizinstudenten (13% Response-Rate) bei vier medizinischen Schulen in Ontario abgeschlossen.

Ergebnisse: Medizinstudenten im Allgemeinen optimistisch in Bezug auf Fähigkeiten KI eine Vielzahl von Gesundheitsfunktionen durchzuführen, die aus klinischem administrativen, mit Vorbehalten zu bestimmten Aufgabentypen wie persönliche Beratung und einfühlsame Betreuung. Sie glauben, AI neue ethische und soziale Herausforderungen mit sich bringen wird. Die Studierenden sind besorgt darüber, wie AI des medizinischen Arbeitsmarkt auswirken, mit 25% reagiert, dass sie aktiv die Wahl der Spezialität waren zu beeinträchtigen. Studenten einig, dass die medizinische Ausbildung mehr tun müssen, sie für die Auswirkungen von AI in der Medizin (79%) herzustellen, und die Mehrheit (68%) glaubt, dass diese Ausbildung an der UME Ebene beginnen soll.

Einführung

Viele Experten haben die erwartete Rolle der künstlichen Intelligenz (KI) in der Medizin als Werkzeuge diskutiert zu verbessern medicial Entscheidungsfindung und Effizienz (Rajkomar, Dean und Kohane, 2019; Topol, 2019). Ein großer Teil dieser Diskussion hat sich in den letzten Verbesserungen in der Leistung von KI-Algorithmen und die wachsende Verfügbarkeit von großen medizinischen Datensätzen zu testen, diese Algorithmen (Oakden-Rayner, 2020) begründet worden. Wie AI eingeführt wird und schließlich in Healthcare integriert werden Ärzte erwartet AI-Tools Monitor zu verwenden, diagnostizieren und behandeln ihre Patienten.

Es gibt auch eine wachsende Erkenntnis, dass Bachelor-medizinische Ausbildung (UME) muss in anweist Zukunft Ärzte auf den Versprechungen und Grenzen der KI-Tool in der medizinischen Praxis eine formelle Rolle spielen (Masters, 2019, Davenport und Kalakota 2019 ; Paranjape et al 2019;. Kolachalama und Garg 2018; Wartman und Combs 2019;. McCoy et al, 2020). Mit der Zeit vervollständigen heutigen Medizinstudenten ihre postgraduale Ausbildung in vielen Fällen fast ein Jahrzehnt später es wird erwartet, dass die KI-Tools in der Medizin werden häufiger in der klinische Entscheidungsfindung Workflows (National Health Service, 2019) integriert werden. UME bietet eine hervorragende Gelegenheit Zukunft zu geben ein breites Verständnis der Fähigkeiten Ärzte, Einschränkungen und Konsequenzen der Werkzeuge, die sie in ihrer Ausbildung und darüber hinaus nutzen werden.

im Ausland suchen, ist das empfohlene National Health Service des Vereinigten Königreichs die Integration von AI Kompetenzen in allen Ebenen der medizinischen Fachausbildung (National Health Service, 2019). In den Vereinigten Staaten hat die American Medical Association vor kurzem eine Politik in der Kontinuität der medizinischen Ausbildung (American Medical Association Board Report, 2018) verstärkte Ausbildung in AI zu fördern. In ähnlicher Weise hat es in Bachelor-medizinischer Ausbildung bedeutendes kanadischen Student Interesse an AI Kompetenzen gewesen (Bilimoria et al., 2019). Der Wunsch AI in der medizinischen Ausbildung einzuführen über Studenten, Gesundheitsdienste und professionelle Organisation unterstreicht die Notwendigkeit für die weitere Erforschung, wie eine solche Lehrplan entwickelt werden sollte.

Das Royal College of Physicians and Surgeons of Canada Task Force für AI and Emerging Digital Technologies vor kurzem einen Bericht über die erwarteten Auswirkungen von AI auf Spezial Kameradschaft Ausbildung veröffentlicht, die die Entwicklung von Leitlinien empfohlenen Anweisungen auf AI für die Integration über Arztausbildung Programme (Royal College of Physicians und Chirurgen von Kanada, 2020). Keine solche Anstrengungen sind derzeit für UME-Programme. Während mehrere Kommentare aufgerufen haben, um AI in die medizinische Ausbildung zu integrieren und weitgehend beschrieben zu haben, welchen wichtigen Kompetenzen sein könnten, bleibt ein Mangel an Kompetenzrahmen oder Lernzielen, um die Schaffung von AI in der Medizin-Lehrpläne auf der Ume-Ebene zu führen ( Masters, 2019; Davenport und Kalakota, 2019; Paranjape et al., 2019; Kolachalama und Garg, 2018; Wartman und Kämme, 2019; McCoy et al., 2020).

Methoden

Die Umfrage bestand aus drei Abschnitten. Der erste Umfragebereich erfasste demografische Daten, die Bildung der Studenten vor der medizinischen Schule, und vergangene Exposition gegenüber ai-bezogenen Inhalten (e., Leitendes, selbstgesteuertes Lernen usw.). Der nächste Abschnitt konzentrierte sich auf das Wissen der Medizinstudenten von AI, indem er nach ihrem Vertrauen in ihrem Verständnis von Terminologien wie AI, Machine lernen, neuronalen Netzwerken und tiefem Lernen bat.

Vor der Verbreitung von Umfrage wurden Usability und technische Funktionalität vom Forschungsteam und fünf Medizinstudenten getestet, die nicht an der Studiendesign beteiligt waren. Auf die Umfrage nach Pilottests wurden keine Änderungen vorgenommen.

Offene Forschung online - ORO

©. Alle Rechte vorbehalten. Die Open University ist von Royal Charta (RC 000391) integriert, ein befreites Nächstenliebe in England & Wales und einer in Schottland registrierten Wohltätigkeitsorganisation (SC 038302). Die offene Universität ist von der Finanzverwaltungsbehörde in Bezug auf seine sekundäre Tätigkeit der Kreditvermittlung autorisiert und geregelt.

Wir verwenden Cookies
Wir verwenden Cookies, um sicherzustellen, dass wir Ihnen die beste Erfahrung auf unserer Website geben. Durch die Nutzung der Website stimmen Sie der Verwendung von Cookies zu.
COOKIES ZULASSEN.