Earticle

초록

영어

The goal of this paper is to propose the use of machine learning platforms in education to train learners to recognize data biases. Learners can cultivate the ability to recognize when learners deal with AI data and systems when they want to prevent damage caused by data bias. Specifically, this paper presents a method of data bias education using MachineLearningforKids, focusing on the case of AI baseball referee. Learners take the steps of selecting a specific topic, reviewing prior research, inputting biased/unbiased data on a machine learning platform, composing test data, comparing the results of machine learning, and present implications. Learners can learn that AI data bias should be minimized and the impact of data collection and selection on society. This learning method has the significance of promoting the ease of problem-based self-directed learning, the possibility of combining with coding education, and the combination of humanities and social topics with artificial intelligence literacy.

한국어

본고의 목표는 데이터 편향 인식 교육에서 기계학습 플랫폼의 사용을 제안하는 것이다. 학습자들이 인공지능 데이터 및 시스템을 다루거나 인공지능윤리 요소 중 데이터 편향에 의한 피해를 방지하고자 할 때 인지할 수 있 는 역량을 배양할 수 있다. 구체적으로, 머신러닝포키즈를 활용해 데이터편향 학습을 하는 방법을 AI야구심판 사례를 통해 제시한다. 학습자는 구체적 주제선정, 선행연구 검토, 기계학습 플랫폼에서 편향/비편향 데이터의 입력 및 테스트 데이터 구성, 기계학습의 결과 비교, 결과를 통해 얻을 수 있는 데이터 편향에 대한 함의를 제시 한다. 이러한 과정을 통해서 학습자는 인공지능 데이터 편향이 최소화되어야 한다는 점과 데이터 수집 및 선정 이 사회에 미치는 영향을 체험적으로 배울 수 있다. 이 학습방법은 문제기반의 자기주도 학습의 용이성, 코딩교 육과의 결합가능성, 그리고 인문사회적 주제와 인공지능 리터러시와 결합을 추동한다는 의의를 가진다.

목차

요약
Abstract
1. 서론
2. 데이터 편향의 학습도구로서 기계학습 플랫폼
2.1. 기계학습 플랫폼 활용배경: 인공지능윤리 산업 및 교육정책
2.2 인공지능 구축에서 데이터 편향
2.3 기계학습 플랫폼 선정 기준
3. 데이터 편향 학습의 사례: 인공지능 야구심판
3.1 데이터 편향 학습을 위한 가이드라인
3.2 머신러닝포키즈를 활용한 편향인지 학습: AI야구심판의 예
3.3 기계학습 도구를 활용한 편향인식의 의미
4. 결론
참고문헌

키워드

머신러닝포키즈 인공지능 데이터편향 기계학습 야구심판 자기주도학습 MachinelearningforKids artificial intelligence data bias machine learning baseball umpire self-directed learning

저자

• 김효은 [ Hyo-eun Kim | 국립한밭대학교 인문교양학부 ] 교신저자

참고문헌

발행기관

간행물