ДалееСледующее руководство
Уроки AI-грамотности для средней школы
Языковой ИИ
РУКОВОДСТВО ПО ОСНОВАМ
Программа обучения ИИ-грамотности в старших классах учит учащихся тому, как системы ИИ строятся на основе данных, как ответственно использовать и оценивать инструменты ИИ, а также как ИИ влияет на общество, работу и их собственные права.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Обычно он вписывается в существующие предметы, а не в один новый курс. Это важно, потому что учащиеся уже используют генеративный искусственный интеллект для школьных занятий, и без инструкций они могут не распознать ошибки, предвзятость, риски конфиденциальности или проблемы академической честности.
Хорошая грамотность в области ИИ в старшей школе охватывает три направления: как работает ИИ, как его правильно использовать и как он формирует общество. Две широко используемые структуры помогают структурировать это. Инициатива AI4K12 объединяет контент в пять больших идей: восприятие, представление и рассуждение, обучение, естественное взаимодействие и влияние на общество. В 2024 году ЮНЕСКО опубликовала систему компетенций студентов в области искусственного интеллекта, в которой особое внимание уделяется человекоцентрированному мышлению, этике, методам и приложениям искусственного интеллекта, а также проектированию систем. Большинство школ не могут добавить отдельный курс, поэтому интеграция работает лучше. Классы математики и статистики являются естественным местом для изучения данных, вероятностей и оценки моделей. Занятия по английскому и языку обрабатывают подсказки, оценку текста, написанного ИИ, проверку источника и авторство. Социальные исследования охватывают предвзятость, труд, надзор и регулирование. На уроках естественных наук модели могут рассматриваться как инструменты с предположениями и ошибками, как и любой другой инструмент. Информатика может углубиться в обучение и создание простых моделей. Пример последовательности из шести частей: (1) Что считается ИИ, с повседневными примерами, такими как рекомендации и спам-фильтры; (2) Как машины учатся на данных, используя практический классификатор; (3) Как языковые модели генерируют текст путем прогнозирования токенов; (4) Оценка результатов, включая галлюцинированные факты и цитаты; (5) Предвзятость, справедливость и кто от этого страдает; (6) Конфиденциальность, политика и карьера, заканчивающаяся заключительным этапом, когда студенты проверяют инструмент искусственного интеллекта, который они фактически используют. Распространенные ошибки включают преподавание только подсказок по инструментам, которые быстро устаревают, или только этики без механики, из-за чего учащиеся не могут понять, почему происходят ошибки. Еще одно заблуждение заключается в том, что детекторы ИИ могут надежно фиксировать работу, написанную ИИ; они дают ложные срабатывания, поэтому политики должны полагаться на доказательства процесса, такие как черновики и разговоры, а не только на результаты детекторов. В число бесплатных материалов входят День искусственного интеллекта MIT RAISE и уроки искусственного интеллекта Code.org.
Учитель статистики использует двухнедельный модуль, в котором учащиеся создают простой классификатор в электронной таблице, разделяют данные на обучающий и тестовый наборы и читают матрицу путаницы, чтобы увидеть, где он дает сбой.
Факультет английского языка добавляет урок, на котором студенты просят чат-бота провести литературный анализ, затем сверяют цитаты с реальным текстом и обсуждают, когда помощь ИИ считается их собственной работой.
На уроке по гражданскому праву сравнивается, как различные правительства регулируют ИИ, используя Закон ЕС об ИИ и предложения на уровне штатов США в качестве тематических исследований для структурированных дебатов.
Учитель биологии использует Teachable Machine для классификации фотографий листьев, а затем предлагает ученикам протестировать ее на листьях из другого места, чтобы увидеть, как незнакомые данные снижают точность.
Все больше систем образования публикуют руководства и системы компетенций в области ИИ, и основным узким местом, скорее всего, останется подготовка учителей, а не материалы. Поскольку конкретные инструменты быстро меняются, учебные программы, построенные на устойчивых концепциях, таких как данные, прогнозирование, оценка и влияние на общество, состарятся лучше, чем уроки, привязанные к одному продукту. Школы также все еще разрабатывают политику оценивания, которая учитывает помощь ИИ, не полагаясь на ненадежные детекторы. Ожидайте дальнейшего пересмотра по мере накопления исследований результатов обучения и относитесь к любой учебной программе как к живому документу, пересматриваемому каждый год.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Программа обучения ИИ-грамотности в старших классах учит учащихся тому, как системы ИИ строятся на основе данных, как ответственно использовать и оценивать инструменты ИИ, а также как ИИ влияет на общество, работу и их собственные права. Обычно он вписывается в существующие предметы, а не в один новый курс. Это важно, потому что учащиеся уже используют генеративный искусственный интеллект для школьных занятий, и без инструкций они могут не распознать ошибки, предвзятость, риски конфиденциальности или проблемы академической честности.
Пять больших идей — это восприятие, представление и рассуждение, обучение, естественное взаимодействие и влияние на общество.
Интеграция работает лучше, потому что расписание редко допускает новый курс, и каждый предмет имеет естественный взгляд на ИИ.
Классы математики и статистики соответствуют данным, вероятности и оценке эффективности модели.
Модель может хорошо соответствовать обучающим данным, но не работать в новых случаях; данные испытаний показывают этот разрыв.
Матрица путаницы разбивает результаты на истинно положительные, ложноположительные, истинно отрицательные и ложноотрицательные, делая компромиссы между ошибками конкретными.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Уроки AI-грамотности для средней школы
Языковой ИИ