在一项新的研究中，北卡罗来纳州立大学的研究人员让28名高中生创建他们自己的机器学习人工智能(AI)模型来分析数据。该项目的目标是帮助学生探索人工智能的挑战、限制和前景，并确保未来的劳动力准备好使用人工智能工具。
这项研究是与东北部的一所高中新闻课程联合进行的。从那时起，研究人员将该项目扩展到包括北卡罗来纳州在内的多个州的高中教室。北卡罗来纳州立大学的研究人员正在寻求与其他学校合作，将课程引入课堂。
“我们希望学生们从很小的时候就打开那个黑匣子，这样他们就不会害怕人工智能，”该研究的主要作者、北卡罗来纳州立大学学习设计与技术助理教授蒋士燕说。“我们希望学生们了解人工智能的潜力和挑战，这样他们就会思考下一代如何应对人工智能和社会不断变化的角色。我们希望让学生为未来的职场做好准备。”
研究抽象
对于第一代在人工智能环境中成长的高中生来说，培养他们的人工智能素养至关重要，他们要理解数据驱动的人工智能技术的工作机制，并批判性地评估预测模型的自动化决策。虽然已经努力通过开发机器学习模型来让年轻人理解人工智能，但很少有人能深入了解细微的学习过程。在这项研究中，我们考察了高中生的数据建模实践和过程。28名学生用文本数据开发了机器学习模型，用于对冰淇淋店的负面和正面评论进行分类。我们确定了9个描述学生模型探索、开发和测试过程的数据建模实践，以及两个关于评估数据技术自动化决策的主题。研究结果为设计可访问的数据建模体验提供了启示，让学生了解数据公正，以及数据建模师在创建人工智能技术中的角色和责任。
来源:NCSU
在这项研究中，研究人员开发了一种名为StoryQ的计算机程序，允许学生建立自己的机器学习模型。然后，研究人员在一个月内每周举办一个半小时的关于机器学习课程和技术的教师研讨会。对于那些签约进一步参与的教师，研究人员为参与的教师重新回顾了一遍课程，并制定了后勤安排。
“我们创造了StoryQ技术，让高中或本科教室的学生建立我们所谓的‘文本分类’模型，”蒋说。“我们希望降低门槛，这样学生就可以真正了解机器学习中发生了什么，而不是在编码中苦苦挣扎。所以我们创建了StoryQ，这是一个让学生理解构建机器学习和文本分类模型的细微差别的工具。”
一位决定参与的老师带领一个新闻班上了15天的课，他们使用StoryQ来评估Yelp上关于冰淇淋店的一系列评论。学生们建立模型，根据语言来预测评论是“积极”还是“消极”。
“老师看到了这个项目与新闻行业的相关性，”蒋说。“这是一个非常多样化的班级，许多学生在STEM和计算领域的代表性不足。总的来说，我们发现学生们非常喜欢这些课程，并就机器学习的使用和机制进行了大量讨论。”
研究人员发现，学生们对Yelp评论中的特定单词做出了假设，他们认为这可以预测评论是积极的还是消极的。例如，他们期望包含“喜欢”一词的评论是积极的。然后，老师引导学生分析他们的模型是否正确地对评论进行分类。例如，一名学生用“喜欢”这个词来预测评论，发现包含这个词的评论中有一半以上实际上是负面的。然后，研究人员表示，学生们通过反复试验来提高模型的准确性。
“学生们了解了这些模型是如何做出决策的，以及人类在创造这些技术时可以发挥的作用，以及当他们创造人工智能技术时可以引入的那种视角，”蒋说。
从他们的讨论中，研究人员发现学生们对人工智能技术有不同的反应。例如，学生们对使用人工智能来自动化筛选学生或奖学金或项目等机会的候选人过程的可能性深感担忧。
对于未来的课程，研究人员设计了一个较短的5小时课程。他们已经在北卡罗来纳州的两所高中以及乔治亚州、马里兰州和马萨诸塞州的学校推出了这个项目。在他们研究的下一阶段，他们将研究不同学科的教师如何合作推出一个以人工智能为重点的项目，并创建一个人工智能学习社区。
“我们希望在北卡罗来纳州扩大实施范围，”蒋说。“如果有任何学校感兴趣，我们随时准备把这个项目带到学校。因为我们知道老师们非常忙，所以我们提供了一个较短的职业发展课程，我们还为教师提供津贴。如果需要的话，我们会走进教室进行教学，或者展示我们将如何教授课程，这样老师们就可以复制、调整和修改它。我们将尽一切可能支持教师。”
这项名为“高中生的数据建模实践和过程:从对非结构化数据建模到评估自动决策”的研究于3月13日在线发表在《学习、媒体与技术》杂志上。合著者包括唐恒涛，Cansu Tatar, Carolyn P. Rosé和Chao Jie。这项工作得到了美国国家科学基金会1949110的资助。