[論文レビュー] What Students Can Learn About Artificial Intelligence -- Recommendations for K-12 Computing Education

Tilman Michaeli, Stefan Seegerer+1 more|arXiv (Cornell University)|May 10, 2023

Educational Research and Pedagogy被引用数 5

ひとこと要約

本論文は、デジタルリテラシーと社会的理解を重視する、人工知能教育のための包括的なK-12学習目標のセットを提案している。教育課程開発を支援するためのコアなAIの概念と能力を提示し、K-12のコンピュータ教育分野において、教育者がAI関連の教育教材を設計・評価・改善することが可能になる。

ABSTRACT

Technological advances in the context of digital transformation are the basis for rapid developments in the field of artificial intelligence (AI). Although AI is not a new topic in computer science (CS), recent developments are having an immense impact on everyday life and society. In consequence, everyone needs competencies to be able to adequately and competently analyze, discuss and help shape the impact, opportunities, and limits of artificial intelligence on their personal lives and our society. As a result, an increasing number of CS curricula are being extended to include the topic of AI. However, in order to integrate AI into existing CS curricula, what students can and should learn in the context of AI needs to be clarified. This has proven to be particularly difficult, considering that so far CS education research on central concepts and principles of AI lacks sufficient elaboration. Therefore, in this paper, we present a curriculum of learning objectives that addresses digital literacy and the societal perspective in particular. The learning objectives can be used to comprehensively design curricula, but also allow for analyzing current curricula and teaching materials and provide insights into the central concepts and corresponding competencies of AI.

研究の動機と目的

• 急速な技術進歩のなかで、K-12のコンピュータ教育課程にAIを統合する必要が高まっているという状況に対応する。
• 整備された教育フレームワークが不足している中で、学生がAIについて何を学べるか・学ぶべきかを特定・明確化する。
• 学生が個人的および社会的レベルでのAIの影響を的確に分析できるようにするため、デジタルリテラシーと社会的視点に焦点を当てる。
• 設計・評価・改善に応用可能な、体系的で研究に基づいた教育課程フレームワークを提供する。
• 新興のAI発展と教育基準の間のギャップを埋めるために、K-12の学習者に必要な基本的なAIの概念と能力を定義する。

提案手法

• K-12教育に適した人工知能の中心的な概念と原則に基づく教育課程フレームワークを開発した。
• デジタルリテラシーとAIの社会的側面に焦点を当て、倫理的配慮、バイアス、現実世界への影響を含めた。
• データ、アルゴリズム、自動化、人間とAIの相互作用といった主要なAIのテーマを中心に学習目標を構造化した。
• 既存のコンピュータ教育基準と整合させることで、現在の教育課程への実用的統合を確保した。
• 年齢層や認知的水準に応じた、基礎的なAI能力を特定する体系的なアプローチを採用した。
• 教育課程や教材のカバレッジを、コアなAIの概念と社会的視点の観点から評価できるツールを提供した。

実験結果

リサーチクエスチョン

• RQ1 K-12の学生がデジタルリテラシーと社会的認識を達成するため、どのコアなAIの概念と能力を学ぶべきか？
• RQ2 学生を圧倒させることなく、AI教育を既存のK-12コンピュータ教育課程に意味的に統合する方法は何か？
• RQ3 技術的理解と倫理的・社会的配慮をバランスよく含む、効果的なAI学習目標を定義する基準は何か？
• RQ4 教育者が現在の教育課程や教材が、必須のAIトピックを十分にカバーしているかどうかをどのように評価できるか？
• RQ5 K-12教育の異なる発達段階の学生にとって、適切でアクセス可能な基礎的なAI知識は何か？

主な発見

• 提案された学習目標は、K-12のコンピュータ教育へのAI統合に明確で体系的なフレームワークを提供する。
• フレームワークはAIの社会的・倫理的側面に重点を置き、技術的機能を超えた広範な影響を理解できるようにしている。
• 学習目標は学年レベルに応じて柔軟に適応可能であり、小学校から高校までにわたり年齢にふさわしいAI教育を可能にする。
• 教育課程モデルにより、既存の教材の完全性とコアなAI能力との整合性を体系的に評価できる。
• フレームワークは教育者が現在のAI教育課程におけるギャップを特定し、指導法の設計を改善するのを支援する。
• 本研究は、CS教育研究における重要な空白を埋める、研究に基づいたAI教育の基盤を貢献している。