AIEd

“AIEd” 会加剧还是缓解教育不平等？

随着人们越来越意识到算法偏见和自动化侵入的社会风险，数据驱动的人工智能系统中的公平性、问责制和透明度问题在医疗保健、贷款发放和招聘等多个高风险环境中受到越来越多的学术关注（例如，Barocas & Selbst，2016 年；Holstein、Wortman Vaughan、Daumé III、Dudik & Wallach，2019 年；Veale、Van Kleek & Binns，2018 年）。虽然如何设计更透明、更负责的系统的问题在教育人工智能学术领域引起了一些关注（例如 Bull & Kay，2010；2016；Conati、Porayska-Pomsta 和 Mavrikis，2018；Holstein 等人，2019；Shum，2018），但教育人工智能 (AIEd) 系统中的公平性和公正性问题却受到的关注相对较少（Blikstein，2018；Ferguson，2019；Holmes、Bialik 和 Fadel，2019；Holstein 和 Doroudi，2019；Shum 和 Luckin，2019）。