谁在高等教育中控制AI以及为什么重要

大学经常尝试使用人工智能来帮助发现学生何时需要特殊帮助，这是从数据中提取预测的一部分。但急于测试 - 并且可能依赖算法 - 引发了许多问题，没有比这更大的问题：数据是否会引导大学重新考虑他们如何运作以服务学生?

这些是在线小组讨论期间出现的关键点EdSurge主持人工智能在教育方面的承诺和风险。这是我们新推出的视频城镇大厅的第一集，名为EdSurge Live。长达一小时的讨论非常丰富，我们将分两期发布。(如果你错过了，那么这是第1部分。)

我们邀请了三位嘉宾：Candace Thille，斯坦福大学教育研究生院教育助理教授; Mark Milliron，Civitas Learning的联合创始人兼首席学习官; 和宾夕法尼亚州立大学教育技术服务主任凯尔鲍文。

阅读以下对话后半部分的成绩单，为了清晰起见，对其进行了轻微编辑和浓缩。或者在本周的EdSurge On Air播客上收听整个会议的亮点。

EdSurge：当大学购买或开发涉及人工智能的软件时，问题和关注点会如何变化?

Kyle Bowen：机构开始开发这些功能非常重要，其中很多都是从为大学创建数据生态系统开始的 - 能够访问这些数据，了解它的来源以及实际数据元素意味着。然后，您可以更有效地与业内合作伙伴合作，与您自己的内部研究人员和机构内的软件开发人员一起开始探索使用此类技术的一些应用程序。

然后是另一个方面，即研究这些工具如何帮助应对大学经常面临的其他挑战。我们花费大量时间和精力研究的一个领域是如何利用人工智能和机器学习来推动开放教育材料的设计开发?如何利用这些技术帮助我们的学生在线进行更深入的对话?我们如何利用这些技术来解决看似过于复杂的问题?

在宾夕法尼亚州立大学，我们将整个大学的教师聚集在一起。这些不仅仅是计算机科学教师，而是来自工程，健康，技术和教育，他们聚在一起思考我们如何应用这个来解决面临教育的其他大问题。我想当我们谈论人工智能和机器学习在空间中的应用时，那就是绿色领域。

我们刚刚开始理解其中的含义和一些复杂的法律问题。因此，我们使用具有表现力的算法的项目，以便他们可以表达新内容。因此，当一台机器表达新内容时，谁是作者?它提出了我们以前从未遇到的这些问题。因此，在很多方面，这种讨论几乎都是科幻小说。

以下是观众提出的一个问题：“您认为人工智能将首先或大多数影响哪些用例?Ones直接用于学术界(如Knewton)还是非学术性的?

Candace Thille：我不知道哪一个会首先产生影响。我认为他们会同时发生。我最关注的是，这些技术将如何用于实际支持教学和学习过程。我实际上认为Jill Watson的例子也是一个例子。

在Georgia Tech，他们使用Jill Watson担任AI助教。所以这仍然是一个教育代理人。对于Knewton，这就是个性化和自适应指令的概念。所以Knewton所做的 - 以及任何个性化和自适应技术的作用 - 您为学生设计的界面任务。

当学生与这些任务互动时，每次互动都是一个证据，然后通过模型。

我认为算法和我们科学的状态还没有能够做出一个非常好的预测，你可以自主地让我们的系统做出[关于学习]的决定。这里的目标是弄清楚我们给人类做出哪些决定，以及我们可以让系统自主制作哪些决策。这就是人在循环的人工智能，这就是我们应该集中研究的地方。

马克·米隆(Mark Milliron)：机器可以做得好的和人们可以做得好的相互作用是一个明智的学习领域。当前的AI模型是商品化的，而且建模并不神奇。您需要检查您正在使用哪种建模技术，然后您可以实际查看结果以了解其工作原理。

Bowen：到目前为止，很多工作都集中在如何确定准确的学生在面临挑战之前进行干预，对吧?这是重要且关键的工作。但与此同时，也有机会提高上限。我们如何识别那些没有发挥自身潜力的学生，以及在这些空间中我们还能做些什么?我认为那里有很好的机会。

理解这方面工作的一个非常重要的部分是[知道人和机器如何一起工作]。因此，当我们谈论人工智能时，我们想象机器人，我们想象科幻小说，我们想象天网推翻了世界。这些是我们想象的东西，但现实是它几乎不那么性感。这并不是迈克尔·贝将要制作一部电影的东西。现实情况是，一些真正有趣的应用是人和计算机一起思考或探索不同的问题或想法。

我喜欢使用的示例是考虑您在短信中提出的建议。它试图填写短信，你总是得到愚蠢的东西。所以它并不总是按你想要的方式工作。或者考虑一下Netflix为您提供建议的方式。这些关于与这个软件一起工作的人的思维方式改变了动态，也开辟了新的机会。

Thille：在我的开放统计课程中，我在全国各地有数百名教师将该课程作为开放教育资源。因此，如果他们想提出问题，我们希望能够向他们提供有关该问题执行情况的反馈 - 不仅针对他们的学生，而且针对数千名正在使用该课程的学生。所以我们即将开启[一个让教授测试他们的问题如何执行的功能]。因此，我们不仅要帮助学习者更好地掌握统计数据，还要帮助教师更好地编写统计问题。

我们生活在这个对我们已经拥有的一些工具的广泛幻灭的时代，无论是Facebook还是所有关于虚假新闻和操纵这些平台的来源的问题。您认为AI不适用于教育中的某些内容吗?即使你有良好的意图，你对未来的黑暗未来有多担忧?

Milliron：我认为你可以很快就把它弄得很黑，并想一想这些工具可能被滥用的所有方法。我深感担忧。事实上，我的联合创始人查尔斯•索恩伯格(Charles Thornburgh)和我经常谈论的事实是，有些人永远不应该永远使用分析或人工智能。我认为他们会将其用于自私目的或者以操纵学生的方式使用它。

最重要的是，我确实认为这是“无害”的道德观。我们确保我们所做的一切都是为了优化学生的旅程。

鲍文：作为一般规则，我认为在启用而非执行方面考虑人工智能。无论何时使用数据执行某些操作，这只是接近它的错误方法。

其中最重要的一点是，我们以一种能够使学生，教师和顾问的方式使用技术。在许多方面，这些数据是人为驱动的。

Thille：我想我不认为我们应该使用它。我认为我们不应该滥用它。我认为这为高等教育提供了一个绝佳的机会。高等教育机构有三个核心任务。他们应该进行研究，以创造新知识，传播知识的任​​务(教学任务)，然后是社区服务使命。而这项技术为我们提供的机会是将这三个任务组合在一起，比以往任何时候都更紧密。

如果您将高等教育视为一个行业，那么它就是少数能够让我们的研究人员成为实践者的特权之一，并且应该从研究和实践中受益的人都在地理位置上共同定位，最重要的是，[专注于同一]使命。因此，我们可以打破这种线性技术转移模型，让研究人员和从业者与学习者共同创造干预措施并从中学习，以便我们同时支持学生的成功并建立我们的基本理解。这就是我认为可以使用的技术和AI模型。

但要做到这一点，我们不仅要愿意使用模式来看待学生，还要使用模式来看待自己。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！