Bilim, Teknoloji, Mühendislik, Sanat ve Matematik (STEAM) Eğitiminde AI-Düşünmeyi Öğretmek
Educing AI-Thinking in Science, Technology, Engineering, Arts, and Mathematics (STEAM) Education
July 2019
DOI: 10.3390/educsci9030184
License CC BY
Yazarlar
Mengleong How
Wei Loong David Hung
AI Nedir?
Artficial Intelligence’ın baş harflerinden oluşur. Yapay zeka demektir. Yapay zeka işleminde iki metot öne çıkar bunlardan biri BAYES Ağları (Bayesian Networks) diğeri ise yapay sinir ağları (Artficial Neural Networks). Birisi olasılık derslerinden bildiğimiz Bayes Teorisidir.
AI-Thinking (AI-Düşünme) Nedir?
Bu makalede yoğun olarak geçen AI-Thinking (AI düşünme), insan merkezli fikirleri AI teknolojisinin anlayabileceği teknik girdilere dönüştürmek anlamındadır.
1. Giriş
1.1. AI-Düşüncenin Kuramsal Temelleri
Makine öğrenmesi gibi yapay zekâya (AI) dayanan gelişmiş veri analizi tekniklerinin kullanımı sırasında, çözülecek problemi karakterize eden karmaşık özellikler, zahmetli insan müdahalesi olmadan otonom olarak çıkarılabilir. Yalnız bu insanların rolü olmadığı anlamına gelmez. Bulguların yorumlanmasında insanlar hala lider rolü oynamak zorundadır. Bu anlayış şeklinin kavramsal anlayışı AI-Thinking, Zeng tarafından ilk olarak bilişsel hesaplama ile veri analitiklerini kullanmak için kullanılabilecek bir çerçeve olarak sunuldu ve böylece, makinede öğrenilen verilerdeki gizli kalıpların keşfinden yeni bulguları yorumlamaları için insanları zorlayarak öğrenmeyi geliştirdi. Yapay zeka ve matematik eğitimi kullanımının etkileşiminin, öğrencilere AI-Düşünmeyi öğretme yeteneğine sahip olduğu gözlenmiştir. Öğrencilerin öğrenebilecekleri teknik becerilerin ötesinde, bilim, teknoloji, mühendislik, sanat ve matematik(STEAM) eğitimcileri de, öğrencilerin STEAM eğitimine katılmasında yararlı olduğu için, öğrencilerin AI-Düşünmelerini teşvik etmekle ilgileniyorlar. Sanat teriminin sadece güzel sanatlar anlamını ifade etmediğini unutmamak gerekir; aynı zamanda liberal sanatlar ve sosyal bilimler (örneğin felsefe, psikoloji, edebiyat, sosyoloji, eğitim vb.) resmi mantıksal ve gayrı resmi tartışmaları kullanan eleştirel düşünme ve titiz insan akıl yürütmesini belirgin bir şekilde ön plana çıkarır ve bu nedenle AI-Düşünceden faydalanabilir.
Mevcut makalenin odaklanmış bağlamında, AI-Düşünme terimi şu şekilde yorumlanabilir: “AI”, makine tabanlı yapay zekayı temsil ederken, “düşünme”, döngü içindeki insanın akıl yürütmesini temsil eder. STEAM uygulayıcıları eğitimli olmalıdır, böylece ilgilendikleri alanlarda AI'nın hangi fırsatları uygulayabileceklerini, insan merkezli fikirleri AI teknolojisinin anlayabileceği teknik girdilere dönüştürebileceklerini tanıyabilecekler. AI teknolojisi veriler üzerinde hesaplamalar yaptıktan sonra teknik olarak ayrıntılı sonuçlar verdiğinde, bulguları anlamlı insan merkezli terimlerle anlamak ve yorumlamak için STEAM uygulayıcıları AI'nın verileri nasıl işlediğine ilişkin teknik detaylar hakkında yeterince bilgi sahibi olmak zorunda kalacaklardır (örneğin, bu bağlamda, Bayesian teoreminin matematiksel algoritmasının nasıl çalıştığı hakkında en azından bilgili olmak gibi).
AI-Düşünme, doğrusal bir düşünme süreci değildir. Karmaşık bir düşünme ve öğrenme eğitim olgusu perspektifinden bakıldığında, en azından iki ana eşzamanlı düşünme türünün, hayati simultane bir duruma ulaşan, yani insan merkezli mantığı bildiren veri setine ilişkin insan tarafından başlatılan AI analizinde ortaya çıkması olarak anlaşılabilir. Onlar ayrılmaz bir şekilde iç içe geçmişlerdir ve kolayca ayrılamazlar. STEAM ile ilgili alanlardan ve bunun tersi anlamında, STEAM ile ilgili insan merkezli akıl yürütme veri setinde daha fazla AI analizi yapıldığına dair bilgi verir. Bununla birlikte, AI-Düşünme zor karmaşık olsa ve eğitim müfredatına resmi değerlendirmelerin bir parçası olarak dahil etmek zor olsa da, STEAM uygulayıcılarında AI Düşünceyi eğitmenin öneminin politika yapıcılar olarak göz ardı edilemeyeceğini göz önünde bulundurmamız gerekir. STEAM eğitimcileri, bu maceraya atılmak için AI'nın kullanımının endüstriler ve toplumlar arasında daha yaygın hale geldiği bir dönemde gayrı resmi eğitim programları aracılığıyla öğrencileri eğitmek için yola çıkmaktadır.
1.2. AI'nın Eğitimdeki Rolü
AI, çağdaş eğitimde her zaman destekleyici bir rol oynamıştır. 1980'lerden bu yana, AI, öğretmenlere yardımcı olmak ve dünyadaki küçük sayılarla da olsa öğrencilerin öğrenme deneyimlerini geliştirmek için kullanılmaktadır. Eğitimde yapay zeka alanı (AIED), pedagojik teorilerin, uygulamaların ve eğitim hedeflerinin gelişimi ile birlikte ilerlemiştir. Bununla birlikte, şu ana kadar AIED'in odağı öncelikle, genellikle sanatı temsil eden “A” harfinin dahil edilmesine dair çok fazla düşünmeden iyi tanımlanmış STEM ile ilgili kavramsal bilgiyi öğretmek için bilgisayar yazılımı uygulamalarının veya oyuncak gibi programlanabilir robotların başarılı kullanımlarına ilişkin ampirik çalışmalar olmuştur. Geçmişteki birçok müfredat, genellikle alanlar arasındaki işbirlikleri için çağrılmadıkça, ayrı fakülteler veya bölümler tarafından hazırlandığı için bu anlaşılabilir bir durumdu Ayrıca, AI, bilim, mühendislik, matematik veya sanat bölümleriyle değil, üniversitelerdeki bilgisayar bilimleri bölümleriyle daha yakından ilişkilidir. Bununla birlikte, son yıllarda AI, endüstriler arasında o kadar çekiş kazanmıştır ki, AI infüzyon endüstrisi kavramı “Endüstri 4.0” olarak adlandırılmıştır. Bu, öğrencilerin sadece STEAM'den öğrendikleri seminal kavramları kullanarak değil, aynı zamanda AI'ları kullanarak problem çözmede eğitimlerinin önemini vurgulamaktadır.
Son yıllarda, STEAM eğitimi, yükseköğretim öncesi eğitimin ayrılmaz bir parçası haline gelmiştir. Anaokulları, ilkokullar, ortaokullar ve liselerde okuyan öğrenciler. AI’nın öğrenciler için eğitim skalası olanları olarak rolünü araştırmak, öğrenme süreçlerinin nasıl geliştirilebileceğinin daha iyi anlaşılmasına katkıda bulunabilir.
Eğitimciler, üniversite öncesi öğrencilere makine vizyonu, doğal dil işleme (NLP), makine öğrenmesi (ML), derin öğrenme (DL) veya güçlendirme öğrenme (RL) gibi popüler AI kavramlarını tanıtmaya çalışıyor. Daha sonra eğitimciler bu öğrencileri yapay sinir ağları (ANN) tekrarlayan sinir ağları (RNN), evrişimli sinir ağları (CNN) veya üretici ters ağlar (GAN) oluşturma konusunda eğitiyorlar.
İdeal olarak, öğrencilerin AI ile ilgili bu kavramları öğrenebilmeleri için, önce C ++, Python veya Julia gibi bir bilgisayar programlama dili kullanmaları ve ardından algoritmaları matematiksel sembollerden bilgisayar kodlarına çevirecek programlar yazmaları gerekir. Üniversite öncesi eğitimcilerin ve öğrencilerin, değerli sınıf zaman dilimlerinde program yazmayı öğrenmek için ne zamanları ne de ön koşullu becerilere sahip oldukları varsayılabilir.
Ayrıca, eğitimcilerin öğrencileri takım halinde çalışabilecekleri bir seviyede eğitmeleri, STEAM kavramlarını tartışmaları ve akranlarını veriye dayalı kanıta dayalı muhakeme becerileri kullanarak meşgul etmeleri gerekmektedir. Ancak, Correa, Bielza ve Pamies-Teixeira, sinir ağlarında, bir modeldeki düğümler arasında var olan ilişkilerin bir kara kutuya benzetilebileceğini belirtiyor. Kullanıcıdan gizlenirler veya insanlar tarafından kolayca anlaşılamayacak kadar karmaşıktırlar.
2. Araştırma Sorunu ve Araştırma Soruları
2.1. Araştırma problemi
Veri analizi, STEAM uygulayıcılarının(bilim insanları, bilgisayar programcıları, mühendisleri, liberal sanatların alimleri ve matematikçiler gibi), potansiyel işverenlerden, okuldaki beceriyi öğretip öğretmediklerine bakılmaksızın, eğitimlerinin bir parçası olarak sahip olmalarının beklendiği profesyonel bir beceri olarak ortaya çıkmıştır.
Sadece mezuniyet sonrası mühendislik eğitiminde değil, STEAM lisans müfredatını vermek için temel bir beceri olarak kabul edilmiştir. Öğrencilerin STEAM'e ilgilerini geliştirmeye motive etmek için, birçok ülkedeki K-12 müfredatları, STEAM eğitimini entegre etme çabalarının bir parçası olarak, derslere fen, teknoloji, mühendislik, sanat ve matematik unsurlarını zaten eklemiştir. Son yıllarda, mühendislik öncesi öğrenciler için K-12 eğitiminde STEAM'e maruz kalma, Lego Mindstorms oyuncak robotları gibi özel donanımların kullanılmasını veya uyarlama gibi iyi bilinen makine öğrenimi öğretici örneklerinin bilgisayar kodunu değiştirerek ünlü film öneri sistemini diğer alanlardaki sayısız öneri sistemlerine adapte etmek gibi.
STEAM eğitimcilerinin merak etmeleri gerekir: kullanımı kolay olan yeni başlayan STEAM uygulayıcıları için daha sezgisel bir insan akıl yürütme merkezli bir yaklaşım var mı, böylece bilgisayar programlama veya ileri matematiğe aşina olmayan insanlar da verileri analiz edebilir ve sonuçları yorumlayabilirler?
Mevcut makale, STEAM eğitimcilerinin yapabileceği böyle bir yaklaşımın olduğunu ortaya koyuyor. AI tabanlı Bayesian ağı (BN) olasılıksal akıl yürütme yaklaşımı, STEAM uygulayıcılarına hesaplamalı modelleme kullanarak varsayımsal soruları keşfetmelerinde yardımcı olmak için özellikle uygundur.
Daha önce sözü edilen kısıtlamaların üstesinden gelmek için, mevcut makale, yeni başlayan STEAM öğrencileri için sınıfta uygulanabilecek kullanıcı dostu bir yazılım kullanarak, hepsi belki bir saat kadar kısa bir sürede, yeni başlayan STEAM öğrencileri için AI tabanlı bir BN olasılıksal akıl yürütme yaklaşımı sunmaktadır.
