中小学阶段的人工智能课程调研报告（63页）

行业报告下载 2023年10月23日 07:19 管理员

针对这一框架，Lao(2020) 还提出了根据该框架评估机器学习项目的规则，建立了出口级的标准基础，并可以此为标准进一步建立规则。例如，“知识”项下的四种学习结果中，得分最高的是： 1. 关于机器学习的通用知识：完成本课程学习的学生能够给出机器学习的精确定义、机器学习管道步骤的详细说明，并能充分考虑每个步骤的技术和社会伦理因素。 2. 关于机器学习方法的知识：完成本课程学习的学生能够准确地辨别何时使用全领域的机器学习方法。他们能够描述这些方法的核心技术概念，并在适当的应用中熟练使用/实现它们。(Lao 随后阐述了相关观点，涉及不同教育阶段应采用的适当方法：高中及以上：k 近邻算法、CART/DT、回归分析、卷积神经网络；无监督方法，如 k-均值聚类、主成分分析、生成式对抗网络和嵌入 (Embedding); RNNs / LSTMs; 强化学习; 迁移学习以及集成学习算法。

中小学：启用相关应用，使学生利用机器学习完成特定任务，例如利用神经网络和生成式对抗网络的相关应用创造艺术或音乐作品，或者将强化学习应用到游戏当中等等。） 3. 偏见：完成本课程学习的学生能够描述机器学习系统如何在其管道的每个步骤中对特定群体产生不可预测的偏见。他们可以在自身工作中批判性地融入伦理思维和设计的实践。 4. 社会影响：完成本课程的学生能够意识到，对于机器学习技术的创造者来说，考虑其工作带来的社会影响是相当有必要的。他们能够从伦理和文化的视角、概念出发，全面、关联且敏感地分析机器学习的产品（即考虑隐私、安全、滥用的可能性，以及利益和损害的平衡；并使用利益相关者分析、伦理矩阵和模型卡等工具评估民族志的接受程度和不同影响）。