[論文レビュー] Designing AI Learning Experiences for K-12: Emerging Works, Future Opportunities and a Design Framework

Xiaofei Zhou, Jessica Van Brummelen+1 more|arXiv (Cornell University)|Sep 22, 2020

Teaching and Learning Programming参考文献 58被引用数 98

ひとこと要約

本論文は、K-12のAI教育文献を分析してAIリテラシー能力をマッピングし、ギャップを特定し、K-12の学生の今後のAI学習体験を導く設計フレームワークと教育者向けリファレンスチャートを提案する。

ABSTRACT

Artificial intelligence (AI) literacy is a rapidly growing research area and a critical addition to K-12 education. However, support for designing tools and curriculum to teach K-12 AI literacy is still limited. There is a need for additional interdisciplinary human-computer interaction and education research investigating (1) how general AI literacy is currently implemented in learning experiences and (2) what additional guidelines are required to teach AI literacy in specifically K-12 learning contexts. In this paper, we analyze a collection of K-12 AI and education literature to show how core competencies of AI literacy are applied successfully and organize them into an educator-friendly chart to enable educators to efficiently find appropriate resources for their classrooms. We also identify future opportunities and K-12 specific design guidelines, which we synthesized into a conceptual framework to support researchers, designers, and educators in creating K-12 AI learning experiences.

研究の動機と目的

• 既存のK-12 AIカリキュラムが一般的なAIリテラシー能力をどのように適用しているかを評価する。
• K-12の文脈に特有のギャップと機会を特定する。
• K-12のAI学習ツールとカリキュラムの開発を導く設計フレームワークを統合する。
• 教育者が適切なAI教育リソースを選択するのを支援するリファレンスチャートを提供する。

提案手法

• snowballingとキーワード検索を用いてAI4K-12ツールとカリキュラムの探索的文献レビューを実施した。
• K-12の学習者の文脈で作品を評価するために初期の10基準を作成し、14に拡張した。
• Cohen’s Kappaを用いてコード化の一貫性を確保するための相互コード信頼性を計算した。

実験結果

リサーチクエスチョン

• RQ1 既存のK-12学習体験において一般的なAIリテラシー能力はどのように実装されていますか？
• RQ2 AIリテラシー教育を改善するために、K-12特有のデザインガイドラインと機会は何ですか？
• RQ3 今後の取り組みが対処すべき、現在のAI4K-12リソースに存在するギャップは何ですか？
• RQ4 デザインフレームワークは、研究者、デザイナー、教育者がK-12のAI学習体験を作成するのにどのように役立ちますか？

主な発見

• K-12のAI教育には、構造化されたML概念コース、短時間のデータビジュアリゼーションワークショップ、ブロック型のAI開発環境、モデル訓練を容易にするGUI/TUI/VUIインタフェースなど、複数の傾向が含まれる。
• 倫理、データリテラシー、批判的思考は作品全体で一貫して扱われておらず、倫理を明示的に扱うものは少数（≈13/49）で、先入観やアイデンティティに関連する配慮を扱うものはほとんどない。
• An extended framework is proposed that integrates findings from Long and Magerko (2020) and Touretzky et al. (2019), plus newly identified future opportunities to strengthen K-12 AI education.
• 研究は、一般AIと狭義のAIの説明、学際性の幅を広げること、ツールの段階的公開、保護者や社会的文脈を学習に組み込むことなど、いくつかの「将来の機会」を強調する。
• A reference chart (Table 1) is provided to help educators quickly map AI literacy competencies, target age groups, time, scaffolding, ceiling, and teacher involvement across 49 works.