論文の概要: AI-Cybersecurity Education Through Designing AI-based Cyberharassment Detection Lab
- arxiv url: http://arxiv.org/abs/2405.08125v2
- Date: Thu, 16 May 2024 12:10:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-17 13:02:53.308293
- Title: AI-Cybersecurity Education Through Designing AI-based Cyberharassment Detection Lab
- Title（参考訳）: AIベースのサイバーハラスメント検出ラボを設計したAIサイバーセキュリティ教育
- Authors: Ebuka Okpala, Nishant Vishwamitra, Keyan Guo, Song Liao, Long Cheng, Hongxin Hu, Yongkai Wu, Xiaohong Yuan, Jeannette Wade, Sajad Khorsandroo,
- Abstract要約: 我々は、AIの背景知識がほとんど、あるいは全くない非コンピュータ学生のためのハンズオンラボプラットフォームを開発した。
学生は、AIの概念とAIのサイバーハラスメント検出への応用を学ぶ。
- 参考スコア（独自算出の注目度）: 13.38004136911704
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cyberharassment is a critical, socially relevant cybersecurity problem because of the adverse effects it can have on targeted groups or individuals. While progress has been made in understanding cyber-harassment, its detection, attacks on artificial intelligence (AI) based cyberharassment systems, and the social problems in cyberharassment detectors, little has been done in designing experiential learning educational materials that engage students in this emerging social cybersecurity in the era of AI. Experiential learning opportunities are usually provided through capstone projects and engineering design courses in STEM programs such as computer science. While capstone projects are an excellent example of experiential learning, given the interdisciplinary nature of this emerging social cybersecurity problem, it can be challenging to use them to engage non-computing students without prior knowledge of AI. Because of this, we were motivated to develop a hands-on lab platform that provided experiential learning experiences to non-computing students with little or no background knowledge in AI and discussed the lessons learned in developing this lab. In this lab used by social science students at North Carolina A&T State University across two semesters (spring and fall) in 2022, students are given a detailed lab manual and are to complete a set of well-detailed tasks. Through this process, students learn AI concepts and the application of AI for cyberharassment detection. Using pre- and post-surveys, we asked students to rate their knowledge or skills in AI and their understanding of the concepts learned. The results revealed that the students moderately understood the concepts of AI and cyberharassment.
- Abstract（参考訳）: サイバーハラスメントは、標的とするグループや個人に悪影響を及ぼす可能性があるため、批判的で社会的に関係のあるサイバーセキュリティ問題である。
サイバーハラスメントの理解、その検出、人工知能(AI)ベースのサイバーハラスメントシステムへの攻撃、およびサイバーハラスメント検知器の社会問題についての研究は進展しているが、このAI時代において、この新たな社会サイバーセキュリティに学生を巻き込む経験的学習教材を設計する上ではほとんど行われていない。
経験的学習の機会は通常、コンピュータ科学のようなSTEMプログラムのキャップストーンプロジェクトやエンジニアリングデザインコースを通じて提供される。
キャップストーンプロジェクトは経験的学習の優れた例だが、この新興社会サイバーセキュリティ問題の学際的な性質を考えると、AIの知識を必要とせずに非コンピュータの学生をエンゲージすることは困難である。
そのために私たちは,AIの知識をほとんどあるいは全く持たない非コンピュータの学生に経験的な学習体験を提供する,ハンズオンラボプラットフォームの開発を動機付け,このラボの開発で学んだ教訓について議論した。
2022年、ノースカロライナA&T州立大学の社会科学の学生が2学期(春と秋)にわたって使用したこの研究室では、学生は詳細な研究室マニュアルが与えられ、詳細なタスクを完了しようとしている。
このプロセスを通じて、学生はAIの概念とAIのサイバーハラスメント検出への応用を学ぶ。
プレサーベイとポストサーベイを使用して、学生にAIにおける知識やスキルの評価と、学習した概念の理解を依頼した。
その結果、学生はAIとサイバーハラスメントの概念を適度に理解していることがわかった。
関連論文リスト
- Not a Swiss Army Knife: Academics' Perceptions of Trade-Offs Around Generative Artificial Intelligence Use [7.917580802104543]
我々は、教員や学生を含む18人の知識労働者にインタビューを行い、生成AI(Gen AI)の社会的・技術的側面について調査した。
参加者は、Gen AIのトレーニングに使用されるデータの不透明さに関する懸念を提起しました。
参加者は、学習プロセスを加速し、アクセス可能な研究アシスタントとして機能することで、Gen AIが知識を民主化する可能性を認識した。
論文 参考訳（メタデータ） (2024-05-02T04:25:35Z) - Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Digital Deception: Generative Artificial Intelligence in Social
Engineering and Phishing [7.1795069620810805]
本稿では,社会工学(SE)攻撃における生成AIの変革的役割について考察する。
我々は、社会工学の理論を用いて、ジェネレーティブAIがSE攻撃の影響を増幅する3つの柱を特定する。
本研究は, この新たなパラダイムに関連するリスク, 人的影響, 対策について, より深く理解することを目的としている。
論文 参考訳（メタデータ） (2023-10-15T07:55:59Z) - ActiveAI: Introducing AI Literacy for Middle School Learners with
Goal-based Scenario Learning [0.0]
ActiveAIプロジェクトは、小学校7～9年生のAI教育における重要な課題に対処する。
このアプリには、スライダー、ステッパー、コレクタなど、さまざまな学習者インプットが組み込まれており、理解を深めている。
このプロジェクトは、現在実装段階にあり、アプリ開発にインテリジェントなチューター設計原則を活用している。
論文 参考訳（メタデータ） (2023-08-21T11:43:43Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - What Students Can Learn About Artificial Intelligence -- Recommendations
for K-12 Computing Education [0.0]
デジタルトランスフォーメーションの文脈における技術進歩は、人工知能(AI)分野における急速な発展の基礎である
AIのトピックを含むように、コンピュータサイエンスカリキュラムの数が増えている。
本稿では,デジタルリテラシーと社会的視点に対処する学習目的のカリキュラムを提案する。
論文 参考訳（メタデータ） (2023-05-10T20:39:43Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - Coding with Purpose: Learning AI in Rural California [0.0]
カリフォルニアの農業コミュニティから来たラテックス系の高校生の自己エスノグラフィーのケーススタディを使って、AIが教室の外でどのように学習されているかを強調します。
学習科学から学習経路の概念を適用することで、AI教育の再設計はより包括的であると論じる。
論文 参考訳（メタデータ） (2021-08-30T16:36:52Z) - 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) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。