符合道德规范的人工智能聊天机器人可以支持高质量的大学教学

导读 2022年1月5日整理发布:尽管迫使大学紧急转变为在线学习,但学习如何使用不同的平台和工具进行高效和有效的在线教学是对教育的积极补充,并...

2022年1月5日整理发布:尽管迫使大学紧急转变为在线学习,但学习如何使用不同的平台和工具进行高效和有效的在线教学是对教育的积极补充,并且会继续存在。

为了维持这种有益的发展并确保优质教育,大学应该专注于支持教师接受和引领变革。

在教学和学习中心对人工智能的道德和战略使用,支持教师解决和创新他们的在线教学实践,可以帮助完成这项任务。教与学中心负责教育技术支持、教与学支持以及教学设计。

大规模转向在线教育

2020年8月发表的对来自加拿大、、黎巴嫩、英国和法国的19个教学和学习中心及其同等机构进行的研究表明,这些中心的工作人员部署了所有可用资源,以支持快速转向在线教育。

在大流行的第一阶段,教职员工每天工作10到14小时,以满足教职员工增加的需求。这些中心还报告说难以招聘和培训合格的候选人。

战略性地使用聊天机器人可以接管教学和学习中心领域的重复性低级指导任务,并有助于避免超负荷。一个聊天机器人,也称为会话或虚拟代理是一个软件或计算机系统设计使用人类交流的自然语言处理。

这种通信可以通过文本消息或语音命令进行。

为什么是聊天机器人?

聊天机器人为教学中心和教职员工提供了一个可行的双赢解决方案。它们24/7全天候可用,可以同时响应数千个请求,并在需要时提供即时和强大的服务支持。

使用聊天机器人可以让团队免于进行需要人工干预的复杂查询,例如转变教学方法和合作创新解决方案以应对诸如提高在线教学的公平性和可及性等问题。

中心专家和技术之间的合作可以为教师提供更好的服务和支持,以改善他们为学生创造的学习体验。聊天机器人可以引导教师获得适当和有效的资源和专业发展活动,例如操作方法文章、教程和即将举行的研讨会。这些将根据教师的个人需求、他们不同的数字技能水平和设计混合学习体验的背景进行定制。

聊天机器人系统已经在教育机构中用于教学和学习、执行管理任务、为学生提供建议并协助他们进行研究。

它会如何运作?

当谈到聊天机器人的AI对话能力时,有两种可能的选择:

人工智能标记语言方法:程序员通过数据库为AI提供一个问题/答案和关键字关联库。从那里,聊天机器人能够在严格定义的框架中给出适当的答案。

在自然语言处理办法:这允许更多的灵活性。一旦程序员建立了初始数据集,人工智能驱动的工具就会从正在进行的交流中学习,以找到教职员工反复提出的问题的最佳答案组合。然后人工智能将能够识别句子中的关键字并理解问题的上下文。

预计程序员需要将对话中的数据添加到持续的数据集构建中。当被问到问题时,聊天机器人将根据其当前的知识数据库做出回应。如果对话引入了一个无法通过编程来理解的概念,聊天机器人可以声明它不理解问题——或者将通信传递给人工操作员。

无论哪种方式,聊天机器人也将从这次互动以及未来的互动中学习。因此,聊天机器人将逐渐扩大范围并获得相关性。

为了提高聊天机器人的可靠性和可信度,它应该能够有效地帮助这些中心支持他们的教职员工。实施和微调聊天机器人以使其可以使用非常重要,即使这需要投入时间和资源。

人工智能教育的伦理框架

该研究所的伦理AI教育,设在白金汉宫的英国大学和麦格劳希尔,微软公司,北英吉利教育和PearsonPLC资助,公布的道德框架AI教育在2020年的框架认为AI系统应提高组织的能力和学习者的自主权,同时尊重人际关系并确保人为控制。

大学环境中的聊天机器人在设计上应该符合道德,这意味着它们应该被设计为对安全、安全和问责制以及透明度等价值观敏感。如果用于教学和学习中心,应保护用户免受各种形式的伤害或虐待。他们还需要感到受到公平对待,并始终有机会接触到人类。教职员工必须知道他们正在与人工智能交流。

聊天机器人可以而且应该可以访问。容忍用户错误和输入变化、针对不同能力而设计并允许多语言文本通信是促进可访问性的例子。

不要伤害:隐私

根据联合国教科文组织最近关于人工智能伦理的建议,聊天机器人的设计应该“无害”。在谈论非恶意行为时,应解决隐私问题。

AI驱动的工具存在数据记录问题。需要在数据收集和存储方面设置强大的屏障。遵循欧洲的数据保护方法,中心应尽量减少数据收集。仅应存储必需的信息,例如对话的特定部分,而不应存储对话者的身份。

基于透明度的方法允许用户就可以与中心共享或不共享哪些个人数据达成一致。这将有助于保持该工具的高度信任和可用性。如果出现故障,教职员工将提供有关问题的反馈,中心将修复它。

中心应考虑对用户进行匿名化、对所有存储的数据进行强加密,并在可能的情况下进行内部存储,或者由遵循类似数据隐私规则的受信任的签约第三方进行。

解决偏见、环境影响

在可能的偏差在初始数据库中需要解决的问题。无论是与性别、种族、语言还是其他变量有关,初始数据集都需要在用于训练AI之前进行清理和仔细分析,无论是部署AI标记语言还是NLP方法。如果采用后者,则应考虑持续监测。

需要解决绿色数据存储解决方案,以降低活动对环境的CO2成本。例如,大学可能会调查是否可以在服务器机房中使用水冷系统而不是空调。

在未来的大学很多学者和政策制定者如预期已经开始。技术,如果以合乎道德和战略的方式使用,可以支持教师完成他们的使命,让他们的学生为我们社会的需求和未来的工作做好准备。