論文の概要: Confronting Structural Inequities in AI for Education
- arxiv url: http://arxiv.org/abs/2105.08847v1
- Date: Tue, 18 May 2021 22:13:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-20 22:54:38.481916
- Title: Confronting Structural Inequities in AI for Education
- Title(参考訳): AI教育における構造的不平等の克服
- Authors: Michael Madaio, Su Lin Blodgett, Elijah Mayfield, Ezekiel
Dixon-Rom\'an
- Abstract要約: 我々は、AIモデルの性能格差に基づく公正性を評価するという支配的なパラダイムが、教育用AIシステムが生み出す構造的不平等に直面するには不十分であると主張している。
教育用AI技術が、モデルの性能の同等性に関係なく、構造的不正と不平等の歴史的正当性をいかに束縛され、再現されているかを実証する。
- 参考スコア(独自算出の注目度): 5.371816551086117
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational technologies, and the systems of schooling in which they are
deployed, enact particular ideologies about what is important to know and how
learners should learn. As artificial intelligence technologies -- in education
and beyond -- have led to inequitable outcomes for marginalized communities,
various approaches have been developed to evaluate and mitigate AI systems'
disparate impact. However, we argue in this paper that the dominant paradigm of
evaluating fairness on the basis of performance disparities in AI models is
inadequate for confronting the structural inequities that educational AI
systems (re)produce. We draw on a lens of structural injustice informed by
critical theory and Black feminist scholarship to critically interrogate
several widely-studied and widely-adopted categories of educational AI systems
and demonstrate how educational AI technologies are bound up in and reproduce
historical legacies of structural injustice and inequity, regardless of the
parity of their models' performance. We close with alternative visions for a
more equitable future for educational AI research.
- Abstract(参考訳): 教育技術と、それらが展開される教育制度は、何が重要なのか、学習者がどのように学ぶべきかについて、特にイデオロギーを実践する。
人工知能技術(教育など)が辺境化社会に不平等な結果をもたらしたため、AIシステムの異なる影響を評価し緩和するための様々なアプローチが開発されている。
しかし,本稿では,AIモデルの性能格差に基づく公平性評価の主流パラダイムが,教育用AIシステム(re)が生み出す構造的不平等に直面するには不十分である,と論じる。
我々は、批判理論と黒人フェミニスト奨学金によって知らされる構造的不正のレンズを描き、広く研究され広く研究されている教育AIシステムのカテゴリを批判的に尋問し、どのように教育AI技術が、モデルの性能に関わらず、構造的不正と不平等の歴史的正当性に束縛されているかを実証する。
私たちは、教育AI研究のより公平な未来に向けて、代替のビジョンに近づきます。
関連論文リスト
- Bringing Generative AI to Adaptive Learning in Education [60.8973486604967]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献すると主張している。
論文 参考訳(メタデータ) (2024-02-02T23:54:51Z) - Multimodality of AI for Education: Towards Artificial General
Intelligence [14.121655991753483]
マルチモーダル人工知能(AI)アプローチは、教育的文脈における人工知能(AGI)の実現に向けた道を歩んでいる。
この研究は、認知フレームワーク、高度な知識表現、適応学習機構、多様なマルチモーダルデータソースの統合など、AGIの重要な側面を深く掘り下げている。
本稿は、AGI開発における今後の方向性と課題に関する洞察を提供する、教育におけるマルチモーダルAIの役割の意味についても論じる。
論文 参考訳(メタデータ) (2023-12-10T23:32:55Z) - Is AI Changing the Rules of Academic Misconduct? An In-depth Look at
Students' Perceptions of 'AI-giarism' [0.0]
本研究は,AIと盗作を包含する学問的不正行為の創発的形態である,AI-giarismに対する学生の認識を探求する。
この発見は、AIコンテンツ生成に対する明確な不承認を伴う、複雑な理解の風景を描いている。
この研究は、学術、政策立案、そして教育におけるAI技術のより広範な統合に関する重要な洞察を提供する。
論文 参考訳(メタデータ) (2023-06-06T02:22:08Z) - New Era of Artificial Intelligence in Education: Towards a Sustainable
Multifaceted Revolution [2.94944680995069]
標準化された学術試験におけるChatGPTのハイパフォーマンスは、人工知能(AI)のトピックを、教育の将来に関する主流の議論に押し付けている。
本研究の目的は、応用、利点、課題の3つの主要な軸にまたがる既存の文献のレビューと分析を通じて、AIが教育に与える影響について調査することである。
論文 参考訳(メタデータ) (2023-05-12T08:22:54Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2023-04-16T11:22:59Z) - Inherent Limitations of AI Fairness [16.588468396705366]
AIフェアネスの研究は、コンピュータ科学、社会科学、法学、哲学と結びついた豊富な研究分野へと急速に発展してきた。
AIフェアネスの測定と達成のための多くの技術的ソリューションが提案されているが、そのアプローチは近年、誤解を招く、非現実的で有害であるとして批判されている。
論文 参考訳(メタデータ) (2022-12-13T11:23:24Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳(メタデータ) (2021-06-25T22:31:55Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳(メタデータ) (2021-05-07T12:01:31Z) - Artificial Intelligence Technologies in Education: Benefits, Challenges
and Strategies of Implementation [8.54335661175611]
教育分野における人工知能導入のメリットと課題を特定した。
私たちはまた、学習者と教育者のための最新のAI技術についてもレビューしました。
我々は,5段階の汎用プロセスで記述された戦略実装モデルと,対応する構成ガイドを開発した。
論文 参考訳(メタデータ) (2021-02-11T11:09:41Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳(メタデータ) (2021-01-19T12:23:32Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。