Loading...
机构名称:
¥ 2.0

机器学习 (ML) 技术在教育领域越来越普遍,从用于预测学生辍学,到协助大学录取,再到促进 MOOC 的兴起。鉴于这些新用途的快速增长,迫切需要研究 ML 技术如何支持长期存在的教育原则和目标。在这项工作中,我们根据对教育专家的采访得出的定性见解,阐明了这一复杂形势。这些采访包括对过去十年在杰出的应用 ML 会议上发表的 ML 教育 (ML4Ed) 论文的深入评估。我们的主要研究目标是批判性地检查这些论文中陈述或隐含的教育和社会目标如何与它们解决的 ML 问题保持一致。也就是说,技术问题的制定、目标、方法和结果解释在多大程度上与手头的教育问题保持一致。我们发现存在跨学科差距,并且在 ML 生命周期的两个部分尤为突出:从教育目标制定 ML 问题以及将预测转化为干预措施。我们利用这些见解提出了一个扩展的 ML 生命周期,这也可能适用于 ML 在其他领域的使用。我们的工作加入了越来越多的教育和 ML 研究元分析研究,以及对 ML 社会影响的批判性分析。具体来说,它填补了机器学习的现行技术理解与与学生和政策合作的教育研究人员的观点之间的空白。

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日PDF文件第1页

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日PDF文件第2页

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日PDF文件第3页

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日PDF文件第4页

arXiv:2209.03929v1 [cs.AI] 2022 年 9 月 8 日PDF文件第5页

相关文件推荐

2024 年
¥7.0
2023 年
¥1.0
2024 年
¥4.0
2022 年
¥1.0
2022 年
¥1.0
2022 年
¥2.0
2023 年
¥13.0
2022 年
¥11.0
2024 年
¥2.0