[论文解读] 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 5

一句话总结

本文提出了一套全面的K-12人工智能教育学习目标，强调数字素养和社会理解。它概述了核心人工智能概念与能力，以指导课程开发，使教育工作者能够设计、评估和改进K-12计算机教育中的AI相关教学材料。

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.

研究动机与目标

• 应对快速技术进步背景下，将人工智能整合进K-12计算机课程日益增长的需求。
• 在缺乏既定教育框架的背景下，明确并澄清学生应学习和能够学习的AI相关内容。
• 聚焦数字素养和社会视角，确保学生能够批判性地分析人工智能对个人与社会层面的影响。
• 提供一个结构化、基于研究的课程框架，适用于设计、评估和改进AI教育材料。
• 通过定义K-12学习者所需的关键人工智能概念与能力，弥合新兴AI发展与教育标准之间的差距。

提出的方法

• 基于人工智能的核心概念与原则，开发了专为K-12教育量身定制的课程框架。
• 聚焦人工智能的数字素养与社会维度，包括伦理考量、偏见及现实世界影响。
• 围绕数据、算法、自动化和人机交互等关键AI主题构建学习目标。
• 将目标与现有计算机教育标准对齐，以确保可实际融入现行课程体系。
• 采用系统化方法，识别适合不同年龄阶段与认知水平的AI基础能力。
• 提供一种工具，通过评估其对核心AI概念与社会视角的覆盖程度，分析现有课程与教学材料。

实验结果

研究问题

• RQ1 K-12学生应学习哪些核心AI概念与能力，以实现数字素养与社会意识？
• RQ2 如何在不使学生负担过重的前提下，有意义地将人工智能教育整合进现有的K-12计算机课程？
• RQ3 什么标准可定义有效的AI学习目标，以在技术理解与伦理及社会考量之间取得平衡？
• RQ4 教育工作者如何评估现有课程与教学材料是否充分覆盖了关键AI主题？
• RQ5 在K-12教育的不同发展阶段，哪些基础AI知识是适当且可及的？

主要发现

• 所提出的学科学习目标为将人工智能整合进K-12计算机教育提供了清晰、结构化的框架。
• 该框架强调人工智能的社会与伦理维度，确保学生理解其超越技术功能的广泛影响。
• 学习目标设计具有跨年级的适应性，支持从小学到高中的适龄人工智能教育。
• 该课程模型可系统评估现有教学材料在完整性与核心AI能力对齐方面的表现。
• 该框架支持教育工作者识别现有AI课程中的知识缺口，并改进其教学设计。
• 本研究为人工智能教育提供了一个基于研究的坚实基础，填补了计算机科学教育研究中的关键空白。