[論文レビュー] Twenty Constructionist Things to Do with Artificial Intelligence and Machine Learning

Yasmin B. Kafai, Luis Morales‐Navarro|arXiv (Cornell University)|Feb 9, 2024

Big Data and Business IntelligenceBusiness, Management and Accounting被引用数 3

ひとこと要約

この論文は、1971年のセモイ・パパートの『コンピュータでできること20選』を拡張し、学習者向けに人工知能・機械学習（AI/ML）を統合した20の構成主義的で実践的な活動を提案する。個人的な関連性、認知的自己認識、倫理的配慮、参加型のデータ実践を重視し、技術的スキルを超えた深い理解を育む一方で、アルゴリズムバイアスやAI/ML開発の社会的側面に対処する。

ABSTRACT

In this paper, we build on the 1971 memo "Twenty Things to Do With a Computer" by Seymour Papert and Cynthia Solomon and propose twenty constructionist things to do with artificial intelligence and machine learning. Several proposals build on ideas developed in the original memo while others are new and address topics in science, mathematics, and the arts. In reviewing the big themes, we notice a renewed interest in children's engagement not just for technical proficiency but also to cultivate a deeper understanding of their own cognitive processes. Furthermore, the ideas stress the importance of designing personally relevant AI/ML applications, moving beyond isolated models and off-the-shelf datasets disconnected from their interests. We also acknowledge the social aspects of data production involved in making AI/ML applications. Finally, we highlight the critical dimensions necessary to address potential harmful algorithmic biases and consequences of AI/ML applications.

研究の動機と目的

• パピエットの1971年の学習者中心のコンピュータ教育のビジョンを、現代のAIおよび機械学習の文脈に適応すること。
• 技術的熟達に加え、人間と機械の認知の両方に対するメタ認知的理解を促進すること。
• 学習者の関心や生活経験と結びついた、個人的に意味のあるAI/MLアプリケーションの設計を強調すること。
• AI/MLシステムにおけるデータ生成とアルゴリズムバイアスの社会的・倫理的側面を浮き彫りにすること。
• 学習者がAI開発に対して受動的消費者ではなく、能動的かつ自己認識的な参加者として関与できるように支援すること。

提案手法

• AI/MLの概念を科学、数学、芸術に統合した20の実践的で学習者主導の活動を提案する。
• 各活動を構成主義的学習原理（作ることとその振り返りによる学び）に基づいて構造化する。
• 学習者が自らの関心やコミュニティに関連するAI/MLアプリケーションを構築するように促すことで、個人的な関連性を高める。
• 人間と人工知能の両方の認知プロセスについての振り返りを統合し、概念的理解を深める。
• データ収集、ラベリング、キュレーショングを学習プロセスの一部として参加型のデータ実践を強調する。
• 各活動において、データソース、モデルの意思決定、社会的影響についての批判的探求を組み込み、アルゴリズムバイアスに対処する。

実験結果

リサーチクエスチョン

• RQ1 構成主義的学習原理をどのように再考することで、学習者が意味的で個人的に関連性のあるAIおよび機械学習体験に参加できるか？
• RQ2 学習者が自らの思考とAI/MLシステムの両方を設計・振り返る際、メタ認知が果たす役割は何か？
• RQ3 学習者がAI/MLアプリケーションにおけるデータ生成とアルゴリズム意思決定の社会的・倫理的側面をどのように批判的に検討できるか？
• RQ4 AI/ML教育が、孤立したモデルや市販のデータセットにとどまらず、学習者の生活経験を反映するにはどのような方法があるか？
• RQ5 構成主義的AI/ML活動は、アルゴリズムバイアスへの意識を高め、責任ある設計慣行を促進するにはどのように機能するか？

主な発見

• 提案された20の活動は、パピエットの元のビジョンを現代のAI/ML文脈にうまく拡張しており、学習者の自律性と個人的関連性を重視している。
• 自らの関心と結びついたAI/MLアプリケーションを設計する学習者は、認知プロセスに対するより深い関与と自己認識的理解を示している。
• 学習プロセスにデータキュレーショングとラベリングを組み込むことで、データバイアスと社会的影響への意識が高まった。
• 人間と機械の認知プロセスの両方についての振り返りを含む活動は、学習者がAIの能力と限界について批判的視点を育てるのを支援する。
• 実践的プロジェクトに倫理的探求を統合することで、学習者は有害なアルゴリズム的結果を特定し、疑問を呈することができるようになった。
• このフレームワークは、AIツールの受動的消費から、AI開発および評価における能動的で批判的な参加へのシフトを支援する。