[論文レビュー] Data Science as a Route to AI for Middle- and High-School Students

Shriram Krishnamurthi, Emmanuel Schanzer+4 more|arXiv (Cornell University)|Apr 30, 2020

Teaching and Learning Programming参考文献 8被引用数 8

ひとこと要約

本論文は、中高生を対象に、AIの基盤としてのデータサイエンスを導入するK-12カリキュラム「Bootstrap:Data Science（bs:ds）」を提示する。学生が選んだデータセットとアクセシビリティに配慮した設計を用いて、データ分析、プログラミング、統計的推論を統合することで、データリテラシーを育て、AIの高度な学習への準備を促進するとともに、初期のCS教育における教育的・認知的・運用的障壁を克服する。

ABSTRACT

The Bootstrap Project's Data Science curriculum has trained about 100 teachers who are using it around the country. It is specifically designed to aid adoption at a wide range of institutions. It emphasizes valuable curricular goals by drawing on both the education literature and on prior experience with other computing outreach projects. It embraces "three P's" of data-oriented thinking: the promise, pitfalls, and perils. This paper briefly describes the curriculum's design, content, and outcomes, and explains its value on the road to AI curricula.

研究の動機と目的

• 中・高生向けに、アクセス可能で、きめ細やかで、エクイティに配慮したデータサイエンス教育が不足している現状に対処すること。
• 将来のAI学習に不可欠な基礎的データサイエンススキルを育むカリキュラムを構築すること。
• 学生の自己選択バイアス、教師の支援不足、STEM教育の準備不足といったAI教育の障壁を克服すること。
• 視覚障害を有する学習者を含むすべての学習者にアクセス可能であることを保証するため、包括的設計とユニバーサルアクセスを確保すること。
• K-12教育における将来のAIカリキュラムのスケーラブルで学習基準に適合した前提条件として機能すること。

提案手法

• bs:dsカリキュラムは、広範なアクセスとエクイティを確保するため、既存の必修数学授業に統合されている。
• 学生はデータ処理のためのコード記述、要約および推論のための統計的手法の適用、現実の問題に答えるためのデータ分析を学ぶ。
• データ志向的思考の「三つのP」—期待、落とし穴、危険—に注目することで、批判的関与を促進する。
• ヴィゴツキーの近接発達領域とブラウナーの認知的スキャフォールディングに基づく、スキャフォールディングおよび生産的苦闘戦略が用いられている。
• 学生がデータクリーニングの複雑さに圧倒されないよう、事前にクリーニング済みのデータセットが使用されている。
• 学生が選んだデータセット（例：スポーツ、ポケモン、健康データ）を通じたパーソナライゼーションにより、関与度と所有感が向上する。

実験結果

リサーチクエスチョン

• RQ1 中高生に対して、どのようにして効果的かつエクイティにデータサイエンスを導入し、AI教育への準備を進めることができるか？
• RQ2 どのような教育的戦略が、視覚障害を有する学習者を含む多様な学習者にとって、データサイエンスをアクセス可能かつ魅力的なものにするか？
• RQ3 データサイエンスカリキュラムが、K-12教育環境における将来のAI教育の有効な前提条件として機能できるか？
• RQ4 学生のパーソナライゼーションは、データサイエンス学習における関与度と所有感をどのように高めるか？
• RQ5 カリキュラムは、リソースが限られた学校において、AIのような高度なトピックを導入するにあたり、運用的・認知的課題に対処できるか？

主な発見

• bs:dsカリキュラムは、米国6州にまたがる約100名の教員が採用しており、国際的な関心も集めており、スケーラビリティと現実世界への展開を実証している。
• 数学必修授業にデータサイエンスを統合することで、学校の性別および多様性比を反映した、公平なアクセスが実現されている。
• 学生が選んだデータセットの使用は、Bootstrap:Algebraの先行研究およびbs:dsへの推論に基づき、学生の関与度と所有感を顕著に高めている。
• アクセシブルなIDEおよびプログラミング言語を活用することで、視覚障害を持つ学生へのアクセスが成功裏に確保されている。
• bs:dsは、K-12学習基準における重要な空白を埋め、システム的ソフトウェア構築、テストデータ設計、検証—これらは責任あるAIに不可欠な実践である—を強調することで、貢献している。
• カリキュラムは、今後、1年間のプログラムへと進化する設計となっており、統計、妥当性の脅威、および高階関数などの高度なプログラミング概念への拡張が計画されている。