XiaoMi-AI文件搜索系统
World File Search System授人
使用基于项目的学习来教授人工智能
摘要。本研究介绍了一种称为基于项目的学习 (PBL) 的主动学习方法，用于在本科工程学位的计算机视觉课程中开发人工智能 (AI)。该课程的目标是使用深度学习 (DL)/机器学习 (ML) 技术在实际问题中开发图像识别能力。PBL 学习方法帮助学生寻找现实世界的问题，开发复杂的解决方案，并在团队成员之间产生协同效应。教授的主要作用是在整个课程中为学生提供建议、指导和激励。主动学习方法的教学创新为教授提供了根据经验创建动态激励学习环境的机会。每个本科工程专业的学生都有机会发展他们的专业技能和技巧：团队合作、主动性、创新和领导力。学生团队取得的成果表明了解决问题的能力，包括使用带有人工智能的自动导航设备、检测疟疾寄生虫、识别非人类个体以控制车辆交通。
各州计划在 K-12 阶段教授人工智能
为期两天的研讨会为各州代表团提供了协作构想、自我评估和目标设定的机会，方法是在州一级采用由 CSforALL 开发的 SCRIPT 战略规划工具，CSforALL 是一家致力于扩大 K-12 计算机教育的组织。研讨会由 AI4K12 的 Gardner-McCune 和 CSforALL 的执行董事 Leigh Ann DeLyser 共同主持。扩展计算教育途径 (ECEP) 联盟专注于扩大州一级的计算参与度，也通过就其州团队发展模式和州峰会工具包的调整提供咨询，为研讨会做出了贡献。
从教授人工智能中得到的经验教训......
AI 4 GA 项目正在开发一门名为“生活和使用人工智能”的为期一周的选修课，并在几所佐治亚州的学校试行。由于我们的目标是让所有学生都了解人工智能，因此该课程涉及广泛的学生能力、学术准备水平和先前的计算经验，并为教师留出了空间，以便根据学生的需求和兴趣调整材料。课程内容主要侧重于不插电活动和在线演示程序。我们还提供使用人工智能的小型编程项目，这也是教师的一个选择。这张海报展示了五位教师从最初的试点中学到的课程，他们教授了 12 个课程部分，共有 299 名学生。我们有证据表明，中学生可以成功地充分参与有关人工智能的实质性技术内容。
Kameron J. Moding博士助理教授人... BBS 5/2023其他部门/计划课程...
1200 W. Mitch Daniels Blvd. 电话：（765）496-1798 West Lafayette，在47907-2055电子邮件中：kmoding@purdue.edu.edu教育博士人类发展与家庭研究，2016年5月，宾夕法尼亚州立大学论文：对婴儿期和幼儿幼儿指导者的气质方法/戒断和对新食物的反应的检查：Cynthia Stifter博士M.S. 人类发展与家庭研究，2013年5月，宾夕法尼亚州立大学论文：婴儿气质，育儿行为和婴儿食品接受导师之间的关联：Cynthia Stifter博士B.A. 心理学的区别，2010年5月，科罗拉多大学论文论文：衡量重要性的重要性：将体育参与与自尊导师联系起来：Patricia Waters博士：2019年举行的帕特里夏·沃特斯（Patricia Waters）职位 - 助理人类发展与家庭科学教授（以前是人类发展与家庭研究） 2010年 - 2016年研究生研究助理，婴儿和儿童气质实验室宾夕法尼亚州立大学首席研究员：Cynthia Stifter博士1200 W. Mitch Daniels Blvd.电话：（765）496-1798 West Lafayette，在47907-2055电子邮件中：kmoding@purdue.edu.edu教育博士人类发展与家庭研究，2016年5月，宾夕法尼亚州立大学论文：对婴儿期和幼儿幼儿指导者的气质方法/戒断和对新食物的反应的检查：Cynthia Stifter博士M.S.人类发展与家庭研究，2013年5月，宾夕法尼亚州立大学论文：婴儿气质，育儿行为和婴儿食品接受导师之间的关联：Cynthia Stifter博士B.A.心理学的区别，2010年5月，科罗拉多大学论文论文：衡量重要性的重要性：将体育参与与自尊导师联系起来：Patricia Waters博士：2019年举行的帕特里夏·沃特斯（Patricia Waters）职位 - 助理人类发展与家庭科学教授（以前是人类发展与家庭研究） 2010年 - 2016年研究生研究助理，婴儿和儿童气质实验室宾夕法尼亚州立大学首席研究员：Cynthia Stifter博士
向 K-12 学习者教授人工智能：经验教训、问题和指导
人们越来越认识到在学校层面教授人工智能 (AI) 和机器学习 (ML) 的必要性。推动 K-12 阶段的 AI/ML 教育，表明 ML 在所有行业和日常消费品中的应用范围和多样性正在飞速增长，而大型语言模型 (LLM) 只是迄今为止最新和最引人注目的例子。大量行业兴趣、研究工作以及技术发展推动着将 AI，尤其是 ML 教育带入学校学习者的努力，这些技术发展使所有年龄段的学习者都能轻松获得复杂的 ML 工具。这些早期努力涵盖了 AI4K12“大构想”框架所涵盖的各种学习目标，并采用了多种教学方法。本文介绍了该领域的现状，分享了早期 K-12 人工智能教育以及可以利用的 CS 教育工作的经验教训，强调了在设计 K-12 人工智能教学时必须解决的问题，并为未来的 K-12 人工智能教育工作提供了指导，以解决许多人认为的“下一个新事物”。
向其他所有人教授人工智能和机器学习
二进制检索系统到复杂的关系数据库。这些以特定方式管理数据的性能和可靠性已提高：结合数据以生成信息。AI/ML通过发现信息中的模式来提高数据的连接性，以提高理解[3]。这种范式转移导致相对于结构化数据的非结构化数量增加。也是结构化数据的处理要求，需要对序数，定性和分类数据进行繁琐的重新格式化。一条规则是允许建立和部署AI/ML模型所需的时间约为80％，以专门用于数据清洁和准备。这些最佳实践（继续发展）必须成为任何有能力的机器学习教育的一部分。
Maestro：一个用于教授人工智能稳健性的游戏化平台
尽管预防人工智能漏洞对于保护用户和企业的安全和隐私至关重要，但全球范围内的稳健人工智能教育工具仍未得到充分开发。我们介绍了 Maestro 的设计、实施和评估。Maestro 是一个有效的基于游戏的开源平台，有助于推动稳健人工智能教育的发展。Maestro 提供了基于目标的场景，让大学生在竞争激烈的编程环境中接触到具有挑战性的、充满生活灵感的作业。我们评估了 Maestro 对学生在稳健人工智能方面的参与度、积极性和学习成功的影响。这项工作还深入了解了促进稳健人工智能领域主动学习机会的在线学习工具的设计特点。我们分析了 147 名本科生在两门季度人工智能课程中使用 Maestro 的反思反应（以李克特量表衡量）。根据结果，那些觉得在鲁棒人工智能中获得了新技能的学生往往高度赞赏 Maestro，并且在鲁棒人工智能的材料整合、好奇心和掌握方面得分很高。此外，排行榜是 Maestro 中的关键游戏化元素，它有效地促进了学生的参与和学习。结果还表明，Maestro 可以有效地适应任何课程长度和深度，而不会降低其教育质量。
Kameron J. Moding博士助理教授人...BBS 5/2023其他部门/计划课程...
PSY 30500理解和分析心理数据（先决条件：入门统计课程（例如PSY 20100) PSY 30600 Understanding and Analyzing Experiments (prerequisite: PSY 20100 and PSY 20300, B- or higher) PSY 31000 Sensory and Perceptual Processes (prerequisite: PSY 20000 and PSY 20100) PSY 31100 Human Memory (prerequisite: PSY 20000) PSY 32400 Introduction to Cognitive Neuroscience (prerequisite: PSY 20000) PSY 35200神经心理学简介PSY 37600注意力和认知控制（先决条件：PSY 20000）PSY 38000行为变化方法方法（先决条件PSY 31400或PSY 35000）PSY 40100语言和大脑（先决条件和大脑） 40400荣誉研究研讨会I（需要许可）PSY 40500荣誉研究研讨会II（需要许可）PSY 41800理解自闭症PSY 42100酒精使用和疾病（先决条件：PSY 22200）PSY 42200基因和行为（预先：PSY 22200）PSY 42800药物（PSY 22222222222222200） 42900荷尔蒙和行为（先决条件：PSY 22200）PSY 43400疾病神经生物学（先决条件：PSY 22200）PSY 43600 PSY 43600食物和行为（先决条件：PSY 12000和PSY 20300）PSY 43700 PSY 43700 PRACHIS和NEARURE SYSTICE和NERURAL SYSTEM and NERARTIal Interical and Necurity of Learner和Psy 22200 Incousitiquise 46400 00）心理科学PSY 48400意识心理学（先决条件：PSY 12000）PSY 51200神经系统（先决条件：Biol 23000或Biol 23100）PSY 51500意识PSY PSY 57700神经科学PSY 57700 Engineering PSY 58100 Neuroothics PSY PSY PSY PSY PSY PSY 39000* diftercorce of Issercy or 3。
在技术和工程领域教授人工智能 在技术和工程领域教授人工智能 教育 教育
随着先进计算技术在我们日常生活中的广泛应用，越来越多的人呼吁在技术教育中教授人工智能和自动化。新的《技术与工程素养标准》（STEL；国际技术与工程教育者协会，2020 年）引入了八个背景，其中第一个背景是计算、自动化、人工智能和机器人技术。多年来，技术和工程教育的趋势已经转向面向计算机的技术，例如机器人技术、编程和计算机辅助设计 (CAD)。自动化和人工智能的概念是在 60 多年前引入的，并通过在各种产品和服务（包括产品设计、银行系统、自动驾驶汽车、语音识别和语言翻译）中积极使用它们而在我们的日常生活中无处不在。例如，在观看 YouTube 视频时，在线系统会自动生成下一个播放列表的建议列表。一些建筑师使用生成设计来生成满足特定约束和标准的最佳设计解决方案。尽管自动化和人工智能非常重要，但人们对如何向 K-12 学生教授这些复杂概念知之甚少。本文将介绍人工智能的概念，以及将其与技术和工程教育内容相结合的示范课程理念。
从文化角度教授人工智能伦理
人工智能 (AI) 伦理，被不恰当地称为人工智能伦理，主要通过西方视角来探讨，重点是大陆哲学。因此，关于人工智能伦理的讨论受到西方的影响。因此，大多数人工智能伦理法规都是在西方制定的，由西方制定 (Jobin 等人，2019 年)。在人工智能伦理领域，世界上某些地区几乎完全没有参与辩论，非洲就是最具代表性的例子。然而，使我们的世界变得丰富多彩的多样性应该转化为跨文化的人工智能伦理方法。正如 Séverine Kodjo-Grandvaux (2011) 所写，“思考非洲哲学可能会引导西方思想家质疑自己的哲学，并自我反思自己的遗产”。