教育行业为在数据密集型环境下有效运转做好准备了吗?

|

版本:

个性化学习、适应性学习、教育用聊天机器人、 自动翻译工具或预测性学习分析法的使用等计划有何共同之处?答案是:它们都是“数据驱动型教育”的组成部分。

在很多国家,有关方面对加大数字技术在教育方面作用的兴趣显而易见,后者最终将催生数据密集程度更高的教育体系。随着人们对提供自然语言互动的适应性智能辅导系统、辍学率预测工具或提高招生率的新型自动化系统的兴趣日渐浓厚,用于教育的数据密集型技术的重要性在今后数年内将有可能增大。

尽管此类数字化创新可产生新效益,但我们也要认识到一点:它们有可能改变当前的教育格局,使教育走向令人意想不到的方向。近来,个人信息流失、未经授权的获取或披露受到了媒体的关注,但缺乏透明度、自动偏差或把数据用于影响用户行为也是很重要的挑战,后者在探讨这些趋势过程中应当予以重视。

不断变化的教育格局不仅要求学生和教师提高数据使用和分析能力,也要求教育机构和管理部门在规划、实施以及日益与数据密集型教育体系互动 过程中制定(更为)积极主动的综合战略。

随着(先进)智能系统(如能够识别模式或识别声音、人脸、图片、文本乃至按键的系统)的推出, “算法素养”教育的必要性将增大。这意味着不仅要拓展当前对数字技术素养的部分定义——包括与人工智能技术使用相关的定义,也要培育新的机构能力,支持教育机构和管理部门安全、透明地并以符合伦理的方法使用此类工具。

数据密集型系统的相关性日益增强引发了新挑战(和新问题),后者有望在今后十年中扮演关键角色。随着各国采用能够催生更多数据驱动型教育实践的工具,教育机构内部(和外部)需要系统考虑和回答若干问题。现将其中部分列举如下:

隐私和数据保护:谁掌握了我的数据?数据安全吗?是哪些数据,它们被置于何处,谁能够获取到?谁在跟踪我?我拥有哪些权利?如何保护我的隐私?到哪儿获取相关帮助?

在伦理范畴内使用数据:依赖自动化系统有哪些风险?如何在不忽视伦理意义情况下拥抱用于教育的技术解决方案?在哪些流程和情况下适合使用数据密集型系统(如人工智能系统)?

数据问责:对伦理范畴内的数据使用做过哪些评估?数据是否在所涉各方知晓和同意情况下收集或获得?如果以前收集的个人数据拟被用于某个新目的,应当做些什么?为使用最好的数据,应当制定到位并实施哪些质量控制机制? 

算法素养:教育领域使用人工智能系统有可能对人产生哪些正面和负面影响?如何以批判性方式评估使用人工智能系统的结果?现行数字素养框架应当在多大程度上有助于更深入了解大数据的伦理和社会意义?

能动性与责任:如何帮助学生和教育者为使其自身免受非预期使用技术的影响做好准备?最终用户能否更积极地参与设计或应用教育用数据密集型工具?

对偏重的认知:如何最小化偏重于某些用户或群体造成的影响?哪些数据集当前或过去经过算法培训,它们有哪些局限性和潜在偏重

透明度:如何收集、分析并使用学生数据?在某种算法的复杂性导致其甚至令开发人员费解的情况下,如何克服“黑匣子问题”?在持续实施透明数据政策方面有哪些最佳实践?如何使数据保持明晰性、一贯性和可理解性?

可解释性: 打开人工智能“黑匣子”意味着什么?如何使相关条款和条件更具用户友好性?(这里给出了关于不同社交媒体所用简化条款和条件的一个有趣案例)。 

几乎无疑的一点是,以下方面的必要性日益增强:详细阐释关于数字时代“素养”含义的概念并使这些概念多样化。随着新框架得到阐释,以助推提高透明度和问责性,人们和机构都要认识到相关挑战,也要了解相关创新带来的机和社会影响。 

根据联合国教科文组织近期发布的关于该议题的一份报告,目前至少面临六大挑战:

  • 对关于人工智能促进可持续发展的公共政策形成综合性意见;
  • 确保教育领域人工智能系统的包容性和公平性;
  • 让教师为人工智能助推的教育做好准备;
  • 建立优质、包容性数据体系;
  • 加强教育领域人工智能相关研究;
  • 处理收据收集、使用和传播方面的伦理和透明度问题;

教育系统内部收集的数据数量不断增大,这有可能有助于更深入、更全面地了解学生当前如何学习,就如何通过使用技术更好地支持学生提出有用见地。然而,与跟踪当今学生并对其建档的潜在长期影响相关的很多基本问题依然存在。

能够获得好数据有助于作出好决策。这一点既适用于教育领域,也适用于其它领域。但是,如果不采取适当行动,也有可能出现相反的情况。各国如要迈入“教育数据化”时代,就要制定规则和指南,确保当前和未来的技术增强型教育产生效益,同时也要减少并缓解这一过程中出现的风险。尽管现在预测教育领域使用人工智能技术所致潜在影响为时太早,但就如何为即将到来的人工智能世界更好地做准备展开讨论并不早。

下面精选了部分相关计划和资料,它们有可能对希望更详细了解这一议题的人士有所帮助:

  1. 《人工智能与教育》(美国国会研究服务部,2018)
  2. 《学习分析法全球伦理指南》(开放式远程教育国际理事会,2019)
  3. 《人工智能与儿童权利备忘录》(联合国儿童基金会创新和人力资源中心,加利福尼亚大学伯克利分校,2019)
  4. 《数据伦理决策帮助工具箱》(乌得勒支大学,2017)
  5. ETICO网站教育伦理问题专用平台(联合国教科文组织-  国际教育规划研究所,年份未标注)
  6. 《在线学习与人工智能教育市场评估》(英国教育部,2018)
  7. 《人工智能基础知识介绍》(赫尔辛基大学和Reaktor公司,2018)

您还可能对EduTech(教育技术)博客上刊登的以下相关文章感兴趣:

(注:本文上方使用的图片来自Unsplash 网站,原创者为Christa Dodoo。该网站上刊登的所有图片均可免费使用。)

加入讨论