論文の概要: Investigating Youths' Everyday Understanding of Machine Learning Applications: a Knowledge-in-Pieces Perspective

• arxiv url: http://arxiv.org/abs/2404.00728v1
• Date: Sun, 31 Mar 2024 16:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 02:01:09.024173
• Title: Investigating Youths' Everyday Understanding of Machine Learning Applications: a Knowledge-in-Pieces Perspective
• Title（参考訳）: 機械学習アプリケーションに関する若者の日常的理解を探る:知識と知識の視点
• Authors: Luis Morales-Navarro, Yasmin B. Kafai,
• Abstract要約: K-12教育に人工知能を取り入れようという近年の要求にもかかわらず、若者の機械学習(ML)に関する日々の知識を研究するのに十分な注意が払われていない。 本研究では,10代におけるMLの日常的理解について,ナレッジ・イン・ピースの観点から検討する。 分析の結果,若年者はMLアプリケーションが学習データから学習し,アプリケーションが入力データのパターンを認識し,それに応じて異なる出力を提供するという理解を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Despite recent calls for including artificial intelligence (AI) literacy in K-12 education, not enough attention has been paid to studying youths' everyday knowledge about machine learning (ML). Most research has examined how youths attribute intelligence to AI/ML systems. Other studies have centered on youths' theories and hypotheses about ML highlighting their misconceptions and how these may hinder learning. However, research on conceptual change shows that youths may not have coherent theories about scientific phenomena and instead have knowledge pieces that can be productive for formal learning. We investigate teens' everyday understanding of ML through a knowledge-in-pieces perspective. Our analyses reveal that youths showed some understanding that ML applications learn from training data and that applications recognize patterns in input data and depending on these provide different outputs. We discuss how these findings expand our knowledge base and implications for the design of tools and activities to introduce youths to ML.
• Abstract（参考訳）: 近年、K-12教育に人工知能(AI)リテラシーを取り入れることを求める声が上がっているが、機械学習(ML)に関する若者の日常的な知識を研究するのに十分な注意が払われていない。 ほとんどの研究は、若者がAI/MLシステムにインテリジェンスをどう当てはめるかを調べてきた。 他の研究は、MLに関する若者の理論と仮説に焦点を合わせ、その誤解とこれらが学習を妨げる可能性があることを強調している。 しかし、概念的変化の研究は、若者が科学的現象に関する一貫性のある理論を持っておらず、形式的な学習のために生産的な知識があることを示している。 本研究では,10代におけるMLの日常的理解について,ナレッジ・イン・ピースの観点から検討する。 分析の結果,若年者はMLアプリケーションが学習データから学習し,アプリケーションが入力データのパターンを認識し,それに応じて異なる出力を提供するという理解を示した。 これらの知見が、MLに若者を導入するためのツールや活動の設計において、私たちの知識基盤と意味をいかに拡張するかについて議論する。

関連論文リスト

• Knowledge Mechanisms in Large Language Models: A Survey and Perspective [88.51320482620679]
  本稿では,知識利用と進化を含む新しい分類法から知識メカニズムの解析をレビューする。 LLMが学んだ知識、パラメトリック知識の脆弱性の理由、そして解決が難しい潜在的な暗黒知識(仮説)について論じる。
  論文  参考訳（メタデータ） (2024-07-22T06:15:59Z)
• Youth as Peer Auditors: Engaging Teenagers with Algorithm Auditing of Machine Learning Applications [0.44998333629984877]
  本稿では、若年層を機械学習(ML)を利用したアプリケーションの監査者として位置づける。 2週間のワークショップで、13人の若者(14～15歳)がMLベースのアプリケーションを設計し、監査した。
  論文  参考訳（メタデータ） (2024-04-08T21:15:26Z)
• Finnish primary school students' conceptions of machine learning [0.0]
  本研究は,小学校の学生がMLについてどのような概念を持っているかを検討する。 概念的手がかりがなければ、子どものMLの概念は様々であり、MLのような誤解を含むこともある。
  論文  参考訳（メタデータ） (2024-02-14T21:06:39Z)
• Not Just Training, Also Testing: High School Youths' Perspective-Taking through Peer Testing Machine Learning-Powered Applications [0.0]
  機械学習アプリケーションのテストは、アプリケーションの作者が障害やエッジケースを特定し、対処するのに役立ちます。 我々は、11人の高校生が物理コンピューティングプロジェクトを作った2週間のワークショップで収集したワークシート、オーディオ、ビデオの録音テストを分析した。 その結果、ピアテストの若者は、トレーニングデータセットのサイズ、トレーニングデータの多様性、クラスの設計、トレーニングデータを生成するコンテキストに反映していることがわかった。
  論文  参考訳（メタデータ） (2023-11-21T17:15:43Z)
• Influence of External Information on Large Language Models Mirrors Social Cognitive Patterns [51.622612759892775]
  社会的認知理論は、人々が他人を観察して知識を習得する方法を説明する。 近年,大規模言語モデル(LLM)の急速な発展を目撃している。 LLMは、AIエージェントとして、その認知と行動を形成する外部情報を観察することができる。
  論文  参考訳（メタデータ） (2023-05-08T16:10:18Z)
• Lost in Translation: Reimagining the Machine Learning Life Cycle in Education [12.802237736747077]
  機械学習(ML)技術は、教育においてますます普及している。 ML技術が長年の教育原則と目標をどのように支えているかを調べる必要がある。 本研究では,教育専門家へのインタビューから得られた質的な洞察をもとに,この複雑な景観を考察した。
  論文  参考訳（メタデータ） (2022-09-08T17:14:01Z)
• From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
  心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。 人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
  論文  参考訳（メタデータ） (2022-01-20T17:07:03Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)
• 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)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。