AIの課題と将来性を明らかにする授業で生徒が機械学習を活用

Aug 31, 2023

新しい研究で、ノースカロライナ州立大学の研究者は、28人の高校生にデータ分析用の独自の機械学習人工知能（AI）モデルを作成させた。 このプロジェクトの目標は、学生が AI の課題、限界、将来性を探求できるようにすること、そして将来の労働力が AI ツールを活用する準備が整っていることを保証することでした。

この研究は、北東部の高校のジャーナリズムの授業と連携して実施されました。 それ以来、研究者たちはノースカロライナ州を含む複数の州の高校の教室にこのプログラムを拡大しました。 ノースカロライナ州の研究者は、カリキュラムを教室に導入するために協力するために、さらに多くの学校と提携することを検討しています。

「私たちは学生たちに、AIを怖がらないように、幼いころからそのブラックボックスを開けてほしいと思っています」と、この研究の筆頭著者であり、ノースカロライナ州立大学の学習デザインとテクノロジーの助教授であるShiyan Jiang氏は述べた。 「私たちは学生たちに AI の可能性と課題を知ってもらい、進化する AI と社会の役割に次世代の自分たちがどのように対応できるかを考えてもらいたいと考えています。私たちは学生たちに将来の労働力としての備えをさせたいと考えています。」

この研究のために、研究者らは学生が独自の機械学習モデルを構築できるようにする StoryQ と呼ばれるコンピューター プログラムを開発しました。 その後、研究者たちは機械学習のカリキュラムとテクノロジーに関する教師向けワークショップを毎週 1 時間半のセッションで 1 か月間主催しました。 さらに参加するためにサインアップした教師のために、研究者は参加教師向けのカリキュラムをもう一度要約し、計画を立てました。

「私たちは、高校や学部の教室で学生がいわゆる『テキスト分類』モデルを構築できるようにするために、StoryQ テクノロジーを開発しました」と Jiang 氏は述べています。 「学生がコーディングに苦労するのではなく、機械学習で何が起こっているのかを実際に理解できるように、障壁を低くしたいと考えました。そこで、学生が機械学習とテキスト分類モデルの構築における微妙な違いを理解できるツールである StoryQ を作成しました。 。」

参加することを決めた教師は、StoryQ を使用してアイスクリーム店に関する一連の Yelp レビューを評価する 15 日間のレッスンを通じてジャーナリズムのクラスを指導しました。 学生たちは、言語に基づいてレビューが「肯定的」か「否定的」かを予測するモデルを開発しました。

「教師はこのプログラムがジャーナリズムと関連していることに気づいた」と江氏は語った。 「これは、STEM やコンピューティングの分野で過小評価されている学生が多く含まれる、非常に多様なクラスでした。全体として、学生は授業をとても楽しんでおり、機械学習の使用法とメカニズムについて熱心に議論していることがわかりました。」

研究者らは、Yelp のレビューに含まれる特定の単語について学生たちが仮説を立て、それによってレビューが肯定的か否定的かを予測できることを確認しました。 たとえば、「好き」という言葉が含まれるレビューは肯定的なものであると期待していました。 次に、教師は生徒たちに、モデルがレビューを正しく分類したかどうかを分析するよう指導しました。 たとえば、レビューを予測するために「いいね」という単語を使用した学生は、その単語を含むレビューの半分以上が実際には否定的なものであることを発見しました。 その後、研究者らはモデルの精度を向上させるために試行錯誤を繰り返したと述べた。

「学生たちは、これらのモデルがどのように意思決定を行うのか、これらのテクノロジーを作成する際に人間が果たせる役割、そしてAIテクノロジーを作成する際にどのような視点を取り入れることができるのかを学びました」とジャン氏は語った。

研究者らのディスカッションから、学生たちは AI テクノロジーに対してさまざまな反応を示していることがわかりました。 たとえば、学生たちは、奨学金やプログラムなどの機会の学生や候補者を選択するプロセスを自動化するために AI を使用する可能性について深く懸念していました。

今後の授業のために、研究者たちはさらに短い 5 時間のプログラムを作成しました。 彼らはノースカロライナ州の 2 つの高校と、ジョージア州、メリーランド州、マサチューセッツ州の学校でこのプログラムを開始しました。 研究の次の段階では、さまざまな分野の教師がどのように協力して AI に焦点を当てたプログラムを立ち上げ、AI 学習のコミュニティを構築するかを研究することを目指しています。

「私たちはノースカロライナ州での実施を拡大したいと考えています」とジャン氏は語った。 「興味のある学校があれば、いつでもこのプログラムを学校に導入する準備ができています。教師が非常に忙しいことを知っているので、私たちはより短い専門能力開発コースを提供しており、教師への奨学金も提供しています。私たちは行きます。」必要に応じて教室に行って教えたり、教師がカリキュラムを再現、適応、修正できるようにカリキュラムの教え方を実演したりすることもできます。私たちはできる限りあらゆる方法で教師をサポートします。」

この研究「高校生のデータモデリングの実践とプロセス: 非構造化データのモデリングから自動化された意思決定の評価まで」は、ジャーナル『Learning, Media and Technology』に 3 月 13 日にオンライン掲載されました。 共著者には、Hengtao Tang、Cansu Tatar、Carolyn P. Rose、Jie Chao が含まれます。 この研究は、助成金番号 1949110 の下で国立科学財団によって支援されました。

-オレニアック-

編集者への注記:研究の要約は次のとおりです。

「高校生のデータ モデリングの実践とプロセス: 非構造化データのモデリングから自動化された意思決定の評価まで」

著者: Shiyan Jiang、Hengtao Tang、Cansu Tatar、Carolyn P. Rose、Jie Chao。

発行日: 2023 年 3 月 13 日、学習、メディア、テクノロジー

DOI: 10.1080/17439884.2023.2189735

抽象的な： AI に囲まれて育つ最初の世代である高校生が、データ駆動型 AI テクノロジーの動作メカニズムを理解し、予測モデルから自動化された意思決定を批判的に評価するために、人工知能 (AI) リテラシーを育成することが重要です。 機械学習モデルの開発を通じて若者に AI の理解を促す取り組みが行われてきましたが、微妙な学習プロセスについての深い洞察を提供したものはほとんどありませんでした。 この研究では、高校生のデータ モデリングの実践とプロセスを調査しました。 28 人の学生が、アイスクリーム店の否定的なレビューと肯定的なレビューを分類するためのテキスト データを使用した機械学習モデルを開発しました。 私たちは、モデルの探索、開発、テストの学生のプロセスを説明する 9 つのデータ モデリングの実践と、データ テクノロジーによる自動化された意思決定の評価に関する 2 つのテーマを特定しました。 この結果は、学生がデータの正義と、AI テクノロジーを作成する際のデータ モデラーの役割と責任を理解するための、アクセスしやすいデータ モデリング エクスペリエンスを設計する上での示唆を提供します。