相关实验视频
基于构造主义学习原则的AI教育数据集的开发和有效性验证,以提高AI素养
Seul-Ki Kim1, Tae-Young Kim2, Kwihoon Kim3
1Department of Computer education, Korea National University of Education, Chungju, Chungbuk, Republic of Korea. tmfrlska85@gmail.com.
Scientific reports
|March 29, 2025
概括
这项研究开发了基于构造主义的新人工智能教育数据集,通过将学习与现实世界的经验联系起来来增强学生的人工智能素养. 这些数据集为有效的AI教育提供了与传统材料有价值的替代方案.
科学领域:
- 人工智能教育 人工智能教育
- 计算机科学教育计算机科学教育
- 教育技术的教育技术
背景情况:
- 传统的AI教育往往对学生缺乏上下文相关性.
- 现有的数据集可能无法充分支持构造主义学习原则.
- 需要人工智能教育资源来培养深度的人工智能素养.
研究的目的:
- 开发和评估以建设主义为导向的AI教育数据集.
- 通过现实世界的解决问题来提高学生的AI素养.
- 创建可持续和可访问的AI教育资源.
主要方法:
- 重建了机器学习数据集开发周期.
- 通过专家小组采访开发和完善AI数据集.
- 在教育平台上部署数据集并分析使用指标.
- 进行了对人工智能识字影响的比较分析.
主要成果:
- 开发了四个新的AI教育数据集,适合替代传统数据集,如Iris数据集.
- 在韩国主要的AI教育平台上确认了高可访问性和实用性.
- 通过实际应用来提高人工智能素养的有效性.
结论:
- 建设主义的人工智能数据集有效地将先前的知识与现实世界的经验联系起来.
- 这些数据集加深了对人工智能模型学习过程的理解.
- 它们提供了真实的,数据驱动的计算体验,这对人工智能素养至关重要.
