人工智能与教与学的未来

1 人工智能与教与学的未来 见解和建议 2023年5月 人工智能与教与学的未来 MiguelA.Cardona,Ed.D. 美国教育部秘书 罗伯托·J·罗德里格斯 规划、评价和政策发展办公室助理秘书 克里斯蒂娜·以实玛利 副主任，教育技术办公室，2023年5月 示例不是背书 本文档包含为方便用户而提供的示例和资源材料。列入任何材料并不旨在反映其重要性，也不旨在认可所表达的任何观点或提供的产品或服务。这些材料可能包含各种主题专家的意见和建议，以及超文本链接，联系地址和网站，由其他公共和私人组织创建和维护的信息。这些材料中表达的意见不一定反映美国的立场或政策。S.教育部。TheU.S.教育部不控制或保证这些材料中包含的其他来源的任何信息的准确性，相关性，及时性或完整性。除了文件中包含的法定和监管要求外，本指南的内容不具有法律的效力和效力，也不意味着约束公众。 合同和采购 本文件不打算提供法律咨询或批准任何潜在的联邦承包商的商业决策或战略与任何当前或未来的联邦采购和/或合同。此外，本文件不是招标、征求建议书或其他招标。 许可和可用性 此报告已公开，可在美国教育部（部门）网站https://tech.ed.gov上获得。 诸如盲文或大字体等替代格式文档的请求应通过致电1-202-260-0852或通过电子邮件联系504协调员提交给替代格式中心om_eeos@ed.gov。 有限英语熟练人员须知 如果您难以理解英语，您可以为公众提供的部门信息请求语言援助服务。这些语言援助服务是免费提供的。如果您需要有关口译或翻译服务的更多信息，请致电1-800-USA-LEARN（1-800-872-5327）（TTY：1-800-437-0833）；发送电子邮件至 Ed.Language.Assistance@ed.gov;或写信给美国教育部，信息资源中心，LBJ教育大楼，马里兰州西南大道400号 ，华盛顿特区，20202。 如何引用 虽然没有必要允许转载本出版物，但建议的引文如下： 美国教育部，教育技术办公室，人工智能与教学与学习的未来：见解和建议，华盛顿特区，2023年。此报告可在https://tech.ed.gov获得 目录 Introduction1 对AI在教育中的兴趣上升1 现在解决AI在教育领域的三个理由2 迈向AI教育政策3 共同建立道德，公平的政策6 指导问题6 基金会1：中心人员（父母，教育者和学生）6 基金会2：提前公平7 基金会3：确保安全、道德和有效性8 基金会4：促进透明度9 文件概述10 什么是AI？11 视角：类似人的推理12 透视：一种追求目标的算法12 观点：智力增强14 “模型”的定义14 洞察力：AI系统启用新的交互形式15 关键推荐：人在循环AI16 学习18 洞察力：AI在学习中实现适应性18 智能教学系统：AI模型的示例19 扩展基于AI的适应性的重要方向20 双重性：学习和关于AI22 挑战：关于教育中AI的系统思考22 关于AI学习的开放问题23 关键建议：寻求与学习愿景一致的AI模型24 教学25 始终将教育工作者集中在教学循环中25 洞察力：使用AI改善教学工作26 准备和支持教师规划和反思29 设计、选择和评估AI工具30 挑战：平衡人与计算机决策30 挑战：让教学工作更容易，同时避免监控31 挑战：在保护学生隐私的同时回应学生的优势32 关于AI教学的值得问的问题34 主要建议：可检查，可解释，可重写的AI34 形成性评估37 以最佳做法为基础37 对教学和学习的影响38 洞察力：AI可以增强反馈循环39 示例：自动征文评分40 AI在形成性评估中的关键机遇41 关键建议：利用评估专业知识减少偏差42 相关问题43 研究与发展44 洞察力：研究可以加强上下文在AI中的作用44 注意学习者变量的长尾46 基于设计的研究中的伙伴关系47 重新思考教师专业发展48 与公共政策联系49 主要建议：专注于解决上下文的研发50 研究人员正在进行的问题50 期望的国家研发目标51 建议52 洞察力：使AI与政策目标保持一致52 呼吁教育领导人采取行动53 建议1：强调循环中的人类53 建议2：将AI模型与共同的教育愿景保持一致54 建议3：使用现代学习原则进行设计56 建议4：优先加强信任57 建议5：告知和参与教育工作者57 建议6：将研发重点放在解决环境问题和增强信任和安全性上59 建议7：制定针对教育的指导方针和护栏60 后续步骤60 常见首字母缩略词和缩写62 致谢63 参考文献64 Introduction TheU.S.教育部（部门）致力于支持使用技术来改善教学和学习，并支持整个教育系统的创新。本报告明确需要共享知识和制定“人工智能”政策，这是一种快速发展的基础能力，越来越多地嵌入所有类型的教育技术系统中，也可供公众使用。我们将考虑“教育技术”（edtech）包括（a）专门为教育用途设计的技术，以及（b ）在教育环境中广泛使用的一般技术。本报告中的建议旨在让教师，教育领导者，政策制定者，研究人员以及教育技术创新者和提供者共同努力解决人工智能（AI）在教育中使用时出现的紧迫政策问题。 AI可以定义为“基于关联的自动化”。当计算机基于数据中的关联（或从专家知识中推导出的关联）自动推理时，发生了AI的两个基本转变，并将计算转移到传统的edtech之外：（1）从捕获数据到检测数据中的模式，以及（2）从提供对教学资源的访问到自动化教学和其他教育过程的决策。检测模式和自动化决策是可以委托给计算机系统的职责级别的飞跃。开发人工智能系统的过程可能会导致模式检测的偏差和决策自动化的不公平。因此，教育系统必须管理他们对人工智能系统的使用。本报告描述了使用人工智能改善教育的机会，认识到将出现的挑战，并提出了指导进一步政策制定的建议。 AI在教育中的兴趣不断上升 今天，许多改善教学和学习的优先事项尚未得到满足。教育工作者寻求技术增强的方法来解决这些安全，有效和可扩展的优先事项。自然，教育工作者想知道日常生活中技术的快速进步是否会有所帮助。像我们所有人一样，教育工作者在日常生活中使用AI驱动的服务，例如家中的语音助手；可以纠正语法，完成句子和撰写论文的工具；以及在手机上进行自动旅行计划。许多教育工作者正在积极探索人工智能工具，因为它们是新发布给公众的。1教育工作者看到了使用语音识别等人工智能功能的机会，以增加对残疾学生、多语言学习者和其他可以从数字学习工具的更大适应性和个性化中受益的人的支持。他们正在探索人工智能如何能够编写或改进课程，以及他们寻找、选择和改编材料以用于课程的过程。 教育工作者也意识到新的风险。有用的、强大的功能也可能伴随着新的数据隐私和安全风险。教育工作者认识到人工智能可以自动产生不合适或错误的输出。他们警惕人工智能创建的关联或自动化可能会放大不必要的偏见。他们注意到学生可能采用的新方法 1WaltonFamilyFoundation（2023年3月1日）。老师和学生拥抱ChatGPT进行教育。https://www.waltonfamilyfoundation.org/learning/teachers-and-students-broke-chatgpt-for-education 代表他人的工作。他们很清楚人类教师可以解决的“可教时刻”和教学策略，但未被AI模型发现或误解。他们担心算法建议的建议是否公平。 教育者的担忧是多方面的。教育中的每个人都有责任利用好的服务于教育优先事项，同时也要保护免受人工智能集成到教育技术中可能带来的危险。 为制定edtech指南，该部门与教育部门密切合作。这些组成部分包括教育领导者-教师，教师，支持人员和其他教育工作者-研究人员;政策制定者;倡导者和资助者;技术开发人员;社区成员和组织;最重要的是，学习者及其家人/护理人员。最近，通过与选民的活动，该部门注意到人们对人工智能的兴趣和担忧急剧上升。例如，2021年的一次现场扫描发现，各种技术系统的开发人员——学生信息、课堂教学、学校后勤、家长与教师沟通等——都希望在他们的系统中添加人工智能功能。通过2022年6月和8月举行的一系列四场听证会，700多名与会者参加了会议，很明显 ，选民们认为现在需要采取行动，以领先于人工智能在教育技术领域的预期增长-他们希望卷起袖子，开始合作。在 2022年末和2023年初，公众开始意识到新的生成AI聊天机器人，并开始探索如何使用AI撰写论文，创建课程计划 ，制作图像，为学生创建个性化作业等。从社交媒体、会议和新闻媒体的公开表达中，该部更多地了解了人工智能聊天机器人的风险和好处。然而，本报告不会关注特定的人工智能工具、服务或公告，因为人工智能系统发展迅速。最后，该部利用内部可用的教育政策专业知识以及与人工智能政策专家的关系来制定本报告中的调查结果和建议。 现在在教育中解决AI问题的三个原因 “我坚信利益相关者需要了解人工智能和教育的周期性影响。通过了解不同活动的累积方式 ，我们有能力支持良性循环。否则，我们可能会允许恶性循环长期存在。” -LydiaLiu 在聆听会议期间，选民们阐述了现在解决AI的三个原因： 首先，人工智能可以以更好的方式、规模和更低的成本实现教育优先事项。解决因大流行而导致的各种未完成的学生学习是一项政策优先事项，人工智能可能会提高学习资源对学生优势和需求的适应性。改善教学工作是当务之急，通过自动化助理或其他工具，人工智能可以为教师提供更大的支持。人工智能还可以使教师在时间不多的时候扩大对个别学生的支持。开发响应学生带来的知识和经验的资源-他们的社区和文化资产-是一个优先事项 ，人工智能可以使课程资源的可定制性更大，以满足当地需求。 从语音助手、地图工具、购物推荐、论文写作功能和其他熟悉的应用程序中可以看出，人工智能可能会增强教育服务。 其次，紧迫性和重要性是通过对系统级风险的认识和对潜在未来风险的焦虑而产生的。例如，学生可能会受到更大的监视。一些教师担心他们可能会被取代-相反，该部门坚决拒绝AI可以取代教师的想法。来自算法偏见的歧视的例子在公众的脑海中，例如语音识别系统不能很好地与地区方言配合使用，或者考试监控系统可能不公平地识别一些学生群体进行纪律处分。人工智能的某些用途可能是基础设施和无形的，这引起了人们对透明度和信任的担忧。人工智能通常会出现在具有魔力光环的新应用程序中，但教育者和采购政策要求edtech表现出功效。人工智能可能会提供看起来真实的信息，但实际上是不准确的或缺乏现实基础的信息。最重要的是，除了众所周知的数据隐私和数据安全风险之外，人工智能还带来了新的风险，例如缩放模式检测器和导致“算法歧视”的自动化的风险(例如。Procedre，向某些学生推荐的学习机会或资源的系统性不公平)。 第三，紧迫性是由于可能的意外或意外后果的规模而产生的。当人工智能使教学决策能够大规模自动化时，教育工作者可能会发现不必要的后果。在一个简单的例子中，如果人工智能通过加快一些学生的课程节奏和放慢其他学生的步伐（基于不完整的数据、糟糕的理论或对学习的偏见）来适应，成就差距可能会扩大。在某些情况下，可用数据的质量可能会产生意想不到的结果。例如，一个支持人工智能的教师招聘系统可能被认为比基于人类的简历评分更客观。然而，如果人工智能系统依赖于质量差的历史数据，它可能会降低候选人的优先级，这些候选人可以为学校的教学队伍带来多样性和才华。 总之，现在必须解决教育中的人工智能问题，以实现关键机会，预防和减轻紧急风险，并解决意外后果。 迈向AI教育政策 斯坦福以人类为中心的人工智能研究所的2023年人工智能指数报告记录了对人工智能投资的显着加速以及对伦理学的研究的增加，包括公平性和透明度问题。2当然，由于观察到问题，对道德等主题的研究正在增加。教育中也会出现道德问题。3该报告发现，25个国家对专门包括AI的立法提案数量产生了浓厚的兴趣。在美国，多项行政命令的重点是确保AI值得信赖和公平，白宫科技政策