-
题名走向可解释性:打开教育中人工智能的“黑盒”
被引量：35
- 1
-
-
作者
刘桐
顾小清
-
机构
华东师范大学教育信息技术学系
-
出处
《中国电化教育》
CSSCI
北大核心
2022年第5期82-90,共9页
-
基金
2020年上海市科学技术委员会科研计划项目“教育数据治理与智能教育大脑关键技术研究及典型应用”(项目编号:20511101600)研究成果。
-
文摘
教育是人工智能的重要应用领域,探索教育中人工智能的可解释性,是让人工智能在教育领域中更具“责任感”的重要议题。该文从教育中人工智能应用的现实问题出发,重点回应教育中人工智能的可解释性是什么,做了什么,以及未来走向三个问题。首先,以数据、任务、模型、人四个关键要素为切入点,分析阐述教育中人工智能的可解释性内涵;之后纵观教育中人工智能的可解释工作的演进过程,分析得出已有工作在教育意义注入、模型趋于复杂以及单向解释信息传递等方面的局限性;最后,从知识联邦、模型融生、人在回路三个角度,阐释教育中人工智能可解释性的未来发展方向。
-
关键词
教育人工智能
可解释性
“黑盒”模型
人在回路
-
Keywords
educational Artificial Intelligence
interpretability
“black box”model
human in the loop
-
分类号
G434
[文化科学—教育技术学]
-
