The Landscape of Teaching Resources for AI Education
The Landscape of Teaching Resources for AI Education
复制标题
人工智能教育教学资源格局
DOI：
10.1145/3502718.3524782
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Ko, Amy J.
中科院分区：
文献类型：
--
作者：
Druga, Stefania;Otero, Nancy;Ko, Amy J.
人工智能（AI）教育资源，如培训工具，交互式演示和专用课程，在教育工作者和学习者中越来越受欢迎。虽然之前的工作已经研究了促进人工智能素养的方法，但还没有研究技术资源如何支持这些方法。为了解决这一差距，我们对现有的人工智能教育在线资源进行了系统分析，调查了这些资源支持人工智能教育的学习和教学能力。我们使用技术教学内容知识（TPACK）框架来分析50个AI资源的最终语料库。我们发现，大多数资源支持主动学习，具有数字或物理依赖性，不包括AI4K12指南定义的所有五大理念，并且不提供对评估或反馈的内置支持。教学指南很难找到或需要技术知识。根据我们的研究结果，我们建议未来的人工智能课程从单一的活动和演示转向更全面的设计，包括对人工智能技术，概念和教学法如何在课堂上发挥作用的支持，指导和灵活性。
Artificial Intelligence (AI) educational resources such as training tools, interactive demos, and dedicated curriculum are increasingly popular among educators and learners. While prior work has examined pedagogies for promoting AI literacy, it has yet to examine how well technology resources support these pedagogies. To address this gap, we conducted a systematic analysis of existing online resources for AI education, investigating what learning and teaching affordances these resources have to support AI education. We used the Technological Pedagogical Content Knowledge (TPACK) framework to analyze a final corpus of 50 AI resources. We found that most resources support active learning, have digital or physical dependencies, do not include all the five big ideas defined by AI4K12 guidelines, and do not offer built-in support for assessment or feedback. Teaching guides are hard to find or require technical knowledge. Based on our findings, we propose that future AI curricula move from singular activities and demos to more holistic designs that include support, guidance, and flexibility for how AI technology, concepts, and pedagogy play out in the classroom.
登录
查看更多内容
QuizBot：基于对话的事实知识自适应学习系统
DOI：
--
发表时间：
2019
期刊：
International Conference on Human Factors in Computing Systems
影响因子：
--
作者：
S. Ruan;Liwei Jiang;Justin Xu;Bryce Joe;Zhengneng Qiu;Yeshuang Zhu;Elizabeth L. Murnane;E. Brunskill;J. Landay
通讯作者：
J. Landay
PCK：它的起源和流亡
影响因子：
4.3
作者：
L. Shulman
通讯作者：
L. Shulman
DOI：
10.3102/978-0-935302-48-6_6
发表时间：
2016
期刊：
ZDM
影响因子：
--
作者：
Rosemary S. Russ;B. Sherin;M. Sherin
通讯作者：
M. Sherin
为 K-12 设计人工智能学习体验：新兴作品、未来机遇和设计框架
DOI：
--
发表时间：
2020
期刊：
arXiv.org
影响因子：
--
作者：
Xiaofei Zhou;Jessica Van Brummelen;Phoebe Lin
通讯作者：
Phoebe Lin
K-12 计算机教育中的机器学习教学：潜力和陷阱
DOI：
--
发表时间：
2021
期刊：
arXiv.org
影响因子：
--
作者：
M. Tedre;Tapani Toivonen;J. Kahila;Henriikka Vartiainen;Teemu Valtonen;I. Jormanainen;A. Pears
通讯作者：
A. Pears