Bridging Technical AI, Societal Impacts, and Workforce Competencies in AI Education
Dit werk in uitvoering presenteert een curriculum-mappingframework dat technische AI-kennis, maatschappelijke schade en competenties voor de beroepspraktijk aan elkaar koppelt, waarbij wordt onthuld dat hoewel de technische dekking sterk is, de maatschappelijke integratie ongelijkmatig is en beroepscapaciteiten zelief worden beoordeeld, waardoor wordt betoogd dat ware AI-geletterdheid verder moet gaan dan bewustzijn om ook competenties voor verantwoord handelen te omvatten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je iemand leert autorijden.
De meeste rijscholen van vandaag richten zich zwaar op de motor: hoe de zuigers vuren, hoe de transmissie schakelt en hoe de brandstofmix wordt afgesteld. Ze hebben ook een aparte, korte les over de verkeersregels (stoptekens, snelheidslimieten) en een andere sessie over verkeersetiquette (hoe beleefd te zijn tegen andere bestuurders).
Het probleem is volgens dit artikel dat studenten deze drie dingen vaak geïsoleerd leren. Ze weten hoe ze de motor moeten repareren, ze kennen de regels en ze weten hoe ze beleefd moeten zijn, maar ze begrijpen niet noodzakelijkerwijs hoe een specifieke aanpassing aan de motor tot een crash kan leiden, of hoe een beleefd gebaar kan falen tijdens een noodsituatie met hoge snelheid.
Dit artikel is een "work-in-progress" studie door onderzoekers van de University of North Carolina at Charlotte. Ze hebben gekeken naar hoe universiteiten momenteel Kunstmatige Intelligentie (AI) onderwijzen om te zien of zij deze punten met elkaar verbinden.
Hier is een uitsplitsing van hun bevindingen met behulp van eenvoudige analogieën:
1. De drie ontbrekende puzzelstukjes
De onderzoekers stellen dat goed AI-onderwijs drie specifieke zaken moet verbinden, die zij de "triade" noemen:
- De Motor (Technische Systemen): Hoe de AI daadwerkelijk werkt (de code, de wiskunde, de data).
- De Crash (Maatschappelijke Schade): Wat er gebeurt als de AI fout gaat (vooringenomenheid, privacylekken, oneerlijke werving, desinformatie).
- De Vaardigheden van de Bestuurder (Arbeidskwalificaties): De vaardigheden uit de echte wereld die nodig zijn om de auto verantwoord te besturen (communicatie, teamwork, het uitleggen van beslissingen aan niet-experts, en weten wanneer je de auto niet moet gebruiken).
2. Wat ze vonden: Het "Mismatched Curriculum"
Het team heeft zes verschillende universitaire cursussen bekeken (en hadden een register van 335 andere cursussen om later naar te kijken). Ze ontdekten dat de "puzzelstukjes" vaak verspreid liggen over verschillende tafels in plaats van dat ze samen worden gelegd.
- De Motor is Sterk: De meeste cursussen zijn erg goed in het onderwijzen van de "motor". Studenten leren de wiskunde en de code erg goed.
- De Crash wordt Vermeld, maar Vaag: De cursussen praten wel over "crashes" (maatschappelijke schade zoals vooringenomenheid of surveillance). Echter, ze praten vaak op een algemene, abstracte manier over deze zaken. Het is alsof je zegt: "Auto's kunnen gevaarlijk zijn," zonder uit te leggen hoe een specifieke remfout tot een crash leidt. Soms wordt de schade wel besproken, maar is deze niet duidelijk terug te koppelen aan de specifieke technische keuze die de oorzaak was.
- De Vaardigheden van de Bestuurder zijn Onzichtbaar: Dit was de grootste kloof. Hoewel studenten projecten doen die teamwork of communicatie vereisen, beoordelen of testen docenten deze vaardigheden zelden expliciet. Het is als een rijexamen waarbij je perfect moet rijden, maar waarbij niemand controleert of je aan een passagier kunt uitleggen waarom je een bocht hebt gemaakt, of of je met een copiloot kunt samenwerken tijdens een storm.
3. Het "Specialisten"-probleken
De onderzoekers merkten een gespleten persoonlijkheid op in de cursussen:
- De "Hard Science" Cursussen: Deze duiken diep in de wiskunde en de code. Ze leggen de "crash" goed uit, maar vergeten vaak de "vaardigheden van de bestuurder" te onderwijzen (zoals hoe je tegen een baas praat over de risico's).
- De "Social Science" Cursussen: Deze praten diepgaand over de "crash" en ethiek, maar slaan vaak de "motor" over, waardoor studenten zonder een duidelijk begrip van de technische mechanica blijven die het probleem veroorzaakt.
Het Ideale Scenario: Het artikel suggereert dat de beste cursussen lijken op een simulator. In een goede simulator leer je niet alleen de motor of alleen de regels. Je krijgt een specifiek scenario (een casestudy) waarbij je de motor moet aanpassen, de crash moet voorspellen en vervolgens je beslissing aan een team moet uitleggen. Dit verbindt alle drie de stukjes tegelijkertijd.
4. De Belangrijkste Conclusie
De auteurs concluderen dat "AI-geletterdheid" (weten over AI) niet genoeg is. Alleen weten dat AI bestaat of dat het oneerlijk kan zijn, is niet het doel.
Het echte doel is AI-competentie. Dit betekent het trainen van studenten zodat ze niet alleen de code begrijpen, maar ook in staat zijn om:
- Precies te zien hoe een technische keuze een maatschappelijk probleem creëert.
- Over de professionele vaardigheden te beschikken om dit verantwoord op te lossen of te beheren in een echte baan.
Momenteel onderwijzen universiteiten de onderdelen afzonderlijk. De onderzoekers bouwen een "kaart" om docenten te helpen deze delen aan elkaar te naaien, zodat toekomstige AI-werkers klaar zijn om de auto veilig te besturen, en niet alleen de motor te bouwen.
Kortom: We leren studenten momenteel om de robot te bouwen, waarschuwen hen dat robots eng kunnen zijn, en hopen dat ze zelf wel uitzoeken hoe ze met mensen moeten werken. Dit artikel betoogt dat we hen moeten leren hoe ze de robot bouwen terwijl ze de enge kanten begrijpen en oefenen met hoe ze met mensen samenwerken, allemaal in dezelfde les.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.