Listing of events related to the Learning Observer
View the Project on GitHub ETS-Next-Gen/learning-observer-events
Perspektywy uczenia maszynowego są na tyle powszechne w debacie publicznej, że nie trzeba ich zbyt często powtarzać, ale ogólnie rzecz biorąc, koncentrują się na:
Są one ugruntowane w ostatnim wzroście LLM i generatywnej AI. Jednak szerzej rzecz biorąc, modele uczenia maszynowego mają tendencję do działania jak czarne skrzynki i wyciągania złożonych wniosków bez jasnej podstawy, co do tego prowadzi. Wczesne algorytmy AI mogłyby na przykład rozpoznawać zdjęcia samolotów, po prostu patrząc na błękitne niebo. W edukacji tego rodzaju korelacyjne wnioskowanie może na przykład nie identyfikować uczniów o ponadprzeciętnych osiągnięciach od grup o słabych osiągnięciach i odwrotnie (szeroko zdefiniowane; na przykład patrząc na cechy powierzchniowe, takie jak kod pocztowy lub rodowód uczelni), a w przeciwnym razie prowadzić do złych decyzji w mniej powszechnych przypadkach.
Pomyśl, jak ustrukturyzować taki projekt przez pryzmat etyki AI, a także jak te zasady odnoszą się konkretnie do edukacji.
Szybkie przeszukanie sieci przyniesie nieograniczoną liczbę artykułów, takich jak te: