ml-machine.org：通过参与式基础设施建设促进AI教育的可访问性与实践

本研究由Aarhus大学的Karl-Emil Kjær Bilstrup、Magnus Høholt Kaspersen和Niels Olof Bouvin等人进行。他们通过设计并实施一个名为ml-machine.org的工具，来教授中学级别的机器学习概念和实践。这个开源项目旨在通过物理交互和探索性实验让学生们了解ML，并且已经扩散到丹麦的多个学校。研究团队与教育领域的合作伙伴一起工作，通过合作、战略伙伴关系以及利用现有教育资源，使得ml-machine.org能够被教师广泛采用。他们发现，为了促进AI教育的普及，工具需要易于使用、适应性强，并且能够融入现有的教学基础设施中。此外，他们还强调了研究产品在教育领域中的重要性，因为它能够支持真实的教育环境，而不仅仅是实验性的设置。

问题发现

当前的AI教育工具往往难以在课堂上大规模应用，或者缺乏持续影响。它们可能需要昂贵的硬件，这限制了学校采用的可能性，并且现有的AI教育研究通常缺乏长期的、广泛的应用考察。

解决方案

通过设计ml-machine.org，研究团队创造了一个易于使用的平台，利用微：比特（micro:bit）设备结合Web USB和Web Bluetooth技术让学生们能够轻松训练和测试机器学习模型。他们与丹麦广播公司（DBC）、英国电子前线节（MEF）等合作伙伴合作，共同开发教育资源，并通过这些合作伙伴的网络进行推广。

结果

ml-machine.org已经成功地被教师们用于课堂活动，学生可以通过它探索ML并将其应用于实际问题的讨论。研究团队发现，该工具为教师提供了一个低门槛且易于集成到日常教学中的平台。此外，他们的工作也表明通过与教育领域的合作伙伴建立战略关系，可以有效地推广和应用AI教育工具，这有助于弥合AI教育在k-12阶段的差距。