详细内容或原文请订阅后点击阅览
MIT 施瓦茨曼计算学院启动试点，帮助教育者跨学科教授 AI
为期一周的暑期工作坊把高等教育教师带到校园，探索如何将 AI 和机器学习材料改编用于他们的课堂。
来源:MIT新闻 - 人工智能扩大 AI 教育的合作模式
让项目落地需要整个学院的广泛合作，包括领导层支持、员工贡献以及来自金融、计算机科学到可持续发展等领域六名以上教师的贡献。他们共同帮助塑造了一个工作坊，将核心技术概念与可适应各种课堂环境的示例和教学材料配对。
“我没有见过类似努力——这么多 dedicated 教师汇集如此丰富的材料，全是为了装备服务学生的教育者，”Saurabh Amin 说，他是 Edmund K. Turner 土木工程教授和 AI 教育者试点项目教师主任。Amin 还是运筹学中心联合主任，该中心联合设在 MIT 施瓦茨曼计算学院和 MIT 斯隆管理学院内。
在 Jake 和 Robin Reynolds 的支持下，试点项目于 7 月汇集了来自 Allen University、Babson College、Brandeis University、Marshall University、马萨诸塞大学洛厄尔分校、北德克萨斯大学和 Wentworth Institute of Technology 的 19 名参与者。与 MIT 教职员工一起，参与者通过演示、视频和练习探索“用机器学习建模”背后的教学法，并在动手活动中合作，重点是将课程材料和方法转化到自己的课堂。
“这个机会非常及时，因为我们正在我的系启动 AI 和数据科学项目，”UMass Lowell 计算机科学助理教授 Wenjin Zhou 说。“我们已经在思考：如何在 AI 领域教授下一代计算机科学家？如何将 AI 整合到教学中？我想了解更多其他人如何做，尤其是回答这个问题：如果 AI 现在可以为任何人创建工具，计算机科学家做什么？”
超越黑箱
Amin 指出，谈到 AI，不乏高质量材料。通常缺失的是背景：让教师和学生将 AI 概念与特定学科、问题和思维方式联系起来的机会。这些联系 often 通过对话和推理建立，而不是将 AI 呈现为一套固定的待接收想法。但教师能力仍然是最稀缺资源之一。
“稀缺的是准备好将 AI 作为不止一套固定概念和工具来教授的教育者，将其扎根于自己的领域，帮助学生有判断力地使用它，并揭开其神秘面纱，使学生不仅应用模型，还学会质疑、调整和用它们构建，”Amin 解释说。
EECS 讲师、工作坊讲师之一 Shen Shen 补充说，“我们如何确保机器学习不只是黑箱，也不是这种神奇的新技术？你可以把它视为工具，或帮助你解决特定领域问题的新框架。”
从试点工作坊到教育者网络
参与者以反思他们计划为各自学科和课程调整哪些工作坊材料和教学方法结束这一周。他们的反馈将帮助塑造试点项目的未来迭代，并支持发展更广泛的教育者网络，致力于在多样化学习环境中扩大 AI 教育。
参加研讨会的 Wentworth Institute of Technology 计算机科学助理教授 Weijie Pang 最期待持续的社区建设活动。“这是与其他专业和领域教师交流的宝贵机会。我可以看到其他大学在做什么，以及我们可以相互学习什么，”她说。
“知道不同大学不同学科的每个人都在为随着技术变化如何最好地服务学生这些相同问题而挣扎，这很有帮助。希望通过更加前瞻和预期 AI 使用将是什么，我们可以让他们为成功做好准备，”Brandeis University 计算机科学助理教授 Dylan Cashman 说。