Whose Knowledge Counts? Co-Designing Community-Centered AI Auditing Tools with Educators in Hawai`i
该论文通过与夏威夷 22 名教育工作者的四次共同设计工作坊，探讨了生成式人工智能在融入夏威夷语言与文化教育时可能引发的文化误表征与偏见问题，并据此提出了一种基于夏威夷文化价值观、将人工智能审计视为社区导向过程而非个人孤立工作的工具设计框架。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这是一篇关于**“谁的知识才算数？”**的研究论文。简单来说，它讲的是斯坦福大学的研究团队和夏威夷的老师一起，设计了一种特殊的“检查工具”，用来防止人工智能（AI）在教课的时候“乱说话”或“歪曲事实”。
为了让你更容易理解，我们可以把这篇论文想象成**“给 AI 请了一位夏威夷文化保镖”**的故事。
1. 背景：AI 想帮忙，但可能“水土不服”
想象一下，现在的 AI 就像一个从美国大陆（Mainland）来的超级学霸。它读过很多书，能帮老师写教案、出题目。但是，这个学霸虽然聪明，却对夏威夷的本地文化一知半解。
- 问题出在哪？ 当老师让它讲夏威夷的故事时，它可能会讲错。
- 例子： 如果老师让它画一张夏威夷的教室，它可能会画满穿着草裙跳舞的人，或者把菠萝画成夏威夷的象征（其实菠萝种植园在历史上是殖民压迫的象征，对当地人来说并不美好）。
- 后果： 就像给一个吃惯了米饭的夏威夷孩子，端上来一盘全是“雪天”和“地下室”的数学题（夏威夷没有雪，很多房子也没有地下室），孩子会感到困惑，甚至觉得自己的文化被忽视了。
2. 核心任务：老师不想当“纠错员”，想要“防错工具”
夏威夷的老师面临一个两难：
- 一方面，政府要求他们把夏威夷语言和文化融入教学。
- 另一方面，他们发现 AI 生成的内容经常带有偏见，或者把夏威夷文化当成“古代遗迹”而不是“活着的文化”。
老师很忙，没时间像侦探一样去检查 AI 说的每一句话。他们希望有一个**“智能检查器”**，能帮他们把关。
3. 解决方案：共同设计（Co-Design）
研究团队没有坐在办公室里凭空想象工具长什么样，而是直接找夏威夷的老师开工作坊。这就像**“请厨师（老师）来教厨师（设计师）怎么做菜”**，而不是反过来。
他们和 22 位老师一起 brainstorming（头脑风暴），最后发现，通用的检查工具不行，必须用夏威夷的“文化滤镜”。
4. 他们设计的三个“神奇功能”
基于夏威夷的文化价值观，老师们提出了三个核心功能，我们可以用**“家族树”、“多视角眼镜”和“警示灯”**来比喻：
A. 查“知识家谱” (Tracing the Genealogy)
- 普通做法： 就像查字典，问“这句话是谁说的？”
- 夏威夷做法： 就像查**“家族树”。在夏威夷文化中，知识的来源很重要。你不仅要知道是谁写的，还要知道“他的老师是谁？他的老师又是谁教的？”**
- 比喻： 如果 AI 讲了一个夏威夷传说，这个工具会显示：“这个说法来自 A 老师，而 A 老师是向 B 长老学习的。”如果来源的“家谱”不清晰，或者老师是外来的，大家就会对这个知识的可信度打个问号。这就像买水果要看它是不是本地果园种的，而不是随便从哪运来的。
B. 戴上“多视角眼镜” (Visualizing Perspectives)
- 普通做法： AI 只给一个答案。
- 夏威夷做法： 这个工具会像**“棱镜”一样，把 AI 的回答拆开，告诉你：“这句话代表了西方殖民者的观点，但缺少**了夏威夷原住民的观点。”
- 比喻： 就像看一场关于夏威夷历史的电影，普通版本只拍了船长库克（Captain Cook）的英勇，而这个工具会像**“字幕组”一样，在旁边标注：“注意，这里省略了库克给当地人带来的伤害，以及夏威夷女王莉留卡拉尼的视角。”它专门用来发现“谁的声音被消音了”**。
C. 亮“警示灯” (Flagging Problems)
- 普通做法： 告诉用户“这里有错”。
- 夏威夷做法： 这个工具不仅给老师亮红灯，还能教学生。
- 比喻： 当 AI 生成一个带有刻板印象的图片（比如全是菠萝）时，工具会亮起一个**“超级醒目的警示灯”，并问学生：“嘿，你觉得这张图对吗？为什么？你能指出哪里不对吗？”这不仅是检查，更是把检查变成一堂批判性思维的课**。
5. 核心理念：社区说了算 (Community-Centered)
这篇论文最重要的观点是：AI 的审计（检查）不能只靠几个专家在实验室里做，必须是社区自己的事。
- 数据主权： 夏威夷人担心，如果把他们的文化数据交给大科技公司，可能会被滥用。所以，他们设计的工具建议数据留在本地，由社区自己管理，就像**“把自家的传家宝锁在自己家的保险柜里”**，而不是放在别人的银行里。
- 谁有发言权？ 并不是所有老师都能看出文化错误。刚搬来夏威夷的老师可能看不出问题，但土生土长的老师一眼就能看出来。所以，这个工具设计得像“师徒制”：新手可以先看老手怎么标记，慢慢学习，最后也能成为检查员。
总结
这篇论文告诉我们：
在引入高科技（AI）时，不能搞“一刀切”。对于像夏威夷这样拥有独特文化和语言的社区，技术必须“入乡随俗”。
他们设计的不仅仅是一个软件，而是一种**“文化守护者”**。它提醒我们：在 AI 时代，谁的知识算数，不应该由算法决定，而应该由生活在这片土地上的人来决定。
就像种花一样，你不能把热带的花硬塞进雪地里，也不能指望一个不懂当地土壤的园丁能种出最美的花。你需要的是懂这片土地的人，拿着适合这片土地的铲子，亲自去种。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。