提交截止日期:2024 年 4 月 20 日 注意:此作业适用于在 MA IV 学期(MA 经济学 IV 学期除外)选择经济学作为通用选修课的学生。
摘要虽然近年来人工智能研究领域受益于日益复杂的机器学习技术,但由此产生的系统却缺乏透明度和可理解性,尤其是对于最终用户而言。在本文中,我们探讨了将虚拟代理纳入可解释人工智能 (XAI) 设计对最终用户感知信任的影响。为此,我们基于一个简单的语音识别系统进行了关键字分类用户研究。通过这项实验,我们发现虚拟代理的集成可以提高用户对 XAI 系统的信任度。此外,我们发现用户的信任在很大程度上取决于用户代理界面设计中使用的模式。我们的研究结果显示出一种线性趋势,其中代理的视觉存在与语音输出相结合比单独的文本输出或语音输出产生更大的信任度。此外,我们分析了参与者对所呈现的 XAI 可视化的反馈。我们发现,增加虚拟代理的人性化和与虚拟代理的交互是如何改进所提出的 XAI 交互设计的两个最常见的提及点。基于这些结果,我们讨论了当前的局限性以及在 XAI 领域进一步研究的有趣主题。此外,我们为未来的项目提出了 XAI 系统中虚拟代理的设计建议。
摘要 — 作为教师专业发展 (PD) 计划的起点,本研究全文调查了教师对人工智能 (AI) 的想法和预先概念。随着人工智能在社会中的重要性日益增加,它也正在进入 K-12 课程。然而,在这种背景下,不仅学生面临着新课题,他们的老师也是如此。绝大多数计算机科学教师在学习期间没有接触过人工智能,因此在教授人工智能方面面临着严峻的挑战。因此,教师无疑需要在人工智能领域进行专业发展。按照计算机科学原则专业发展 (PD4CS) 计划的战略,第一步是需要对与各自主题相关的内容知识进行广泛的描述。为此,我们对具有不同经验水平和不同计算机科学先前知识的教师进行了半结构化访谈,以了解人工智能教师会将哪些预先概念带入 PD 计划。在此基础上,结合从专家和人工智能参考书中收集的知识体系,确定教师所需的人工智能内容知识。使用基于 Mayring 文本分析的定性方法分析了半结构化访谈。为了应对编码者之间的低一致性,我们使用了 Campbell 和 Quincy 描述的方法。对编程先前知识的调查表明,这些知识对参与者的误解有显著影响。Bonar 和 Soloway 认为先前知识的差距是造成这种情况的原因之一。我们的研究结果表明,先前知识在人工智能领域也有类似的影响。这带来了一个问题,因为我们的参与者是教师,他们自己将成为人工智能讲师,可能会将某些误解传递给学生。因此,准确识别和描述教师的知识差距是提供合适且成功的专业发展计划的重要起点。索引术语——人工智能、K-12 计算机科学教育、教师专业发展
