[论文解读] 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 98

一句话总结

本论文分析了 K-12 AI 教育文献，以绘制 AI 素养能力，识别差距，并提出设计框架与教育者参考表，以指导未来 K-12 学生的 AI 学习体验。

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.

研究动机与目标

• 评估现有的 K-12 AI 课程如何应用一般 AI 素养能力。
• 识别适用于 K-12 情境的差距和机会。
• 综合一个设计框架，以指导 K-12 学习工具和课程的开发。
• 提供一个参考图表，帮助教育者选择合适的 AI 教育资源。

提出的方法

• 通过使用 snowballing 和关键词检索，对 AI4K-12 工具和课程进行了探索性文献综述。
• 制定了初始的 10 条标准，扩展至 14 条，以在面向 K-12 学习者的语境中评估研究。
• 计算 Cohen’s Kappa 用于编码者之间的一致性，以确保编码的一致性。

实验结果

研究问题

• RQ1 现有的 K-12 学习体验中如何实现一般的 AI 素养能力？
• RQ2 为提高 AI 素养教育，需要哪些面向 K-12 的设计准则和机会？
• RQ3 当前 AI4K-12 资源存在哪些差距，未来工作应解决？
• RQ4 设计框架如何帮助研究人员、设计师和教育工作者创建 K-12 AI 学习体验？

主要发现

• K-12 AI 教育的多种趋势包括结构化的 ML 概念课程、短期数据可视化工作坊、基于块的 AI 开发环境，以及简化模型训练的 GUI/TUI/VUI 界面。
• 伦理、数据素养和批判性思维在各研究中并未得到一致覆盖，只有少数明确涉及伦理（约 13/49），很少关注先入观念或身份相关考量。
• 提出一个扩展框架，将 Long and Magerko (2020) 与 Touretzky 等人 (2019) 的发现整合在一起，并结合新识别的未来机会，以加强 K-12 AI 教育。
• 研究强调若干“未来机会”，如解释通用 AI 与窄域 AI 的区别、增加跨学科的广度、逐步揭示工具，以及让家长和社会情境参与学习。
• 提供一个参考图表（Table 1）以帮助教育者快速映射 AI 素养能力、目标年龄段、时间、支架、上限以及教师参与度，覆盖 49 项研究。