L’intelligence artificielle de la maternelle à la Terminale : que devrait savoir chaque enfant sur l’IA ?

Titre original : Envisioning AI for K-12: What Should Every Child Know about AI ?

Résumé

L’omniprésence de l’Intelligence Artificielle (IA) dans la société signifie que le temps est venu de réfléchir à ce que les citoyens instruits du 21e siècle devraient savoir sur ce sujet. En mai 2018, l’Association pour l’avancement de l’intelligence artificielle (AAAI) et l’Association des professeurs d’informatique (CSTA) ont formé un groupe de travail conjoint pour élaborer des directives nationales pour l’enseignement de l’IA aux élèves de la maternelle à la terminale. Inspirées des normes nationales de la CSTA pour l’enseignement de l’informatique de la maternelle à la Terminale, les lignes directrices sur l’IA pour la maternelle à la Terminale définiront ce que les élèves de chaque groupe d’âge devraient savoir sur l’intelligence artificielle, l’apprentissage machine et la robotique. Le groupe de travail AI for K-12 est également en train de créer un répertoire de ressources en ligne où les enseignants peuvent trouver des vidéos, des démonstrations, des logiciels et des descriptions d’activités liés à l’IA qu’ils peuvent intégrer dans leurs plans de cours. Cette conférence invite la communauté des chercheurs en IA à réfléchir sur les grandes idées en IA que chaque élève de la maternelle à la Terminale devrait connaître, et sur la manière dont nous devrions communiquer avec le public sur les progrès de l’IA et leur impact futur sur la société. C’est un appel à l’action pour que davantage de chercheurs en IA deviennent des éducateurs en IA, en créant des ressources qui aident les enseignants et les élèves à comprendre notre travail.

Référence

Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12 : What Should Every Child Know about AI ? Proceedings of the AAAI Conference on Artificial Intelligence, 33, 9795‑9799. https://doi.org/10.1609/aaai.v33i01.33019795

Introduction

Les progrès de l’IA ont eu des effets bénéfiques et négatifs involontaires, qui n’ont pas échappé à nos publications de recherche ou aux médias grand public. Par exemple : l’apprentissage machine a considérablement amélioré la reconnaissance des formes pour le diagnostic médical, mais les biais dans un jeu de données de formation peuvent conduire à des problèmes d’équité dans l’évaluation des demandes de prêt ou à des problèmes de reconnaissance faciale des non-Caucasiens. Ces histoires alimentent l’imagination et les craintes du grand public. Malgré la fréquence accrue des manchettes sur l’IA dans les médias, on constate un manque persistant de compréhension de l’IA (West & Allen, 2018). Nous devons considérer le rôle que nous jouons en tant que chercheurs et éducateurs en IA pour aider les gens à comprendre la science derrière nos recherches, ses limites et ses impacts potentiels sur la société. Au niveau des études supérieures, les cours ont suivi le rythme des avancées dans ce domaine. Dans l’enseignement de premier cycle, nous avons cherché à fournir des moyens amusants et inspirants d’impliquer les élèves dans divers aspects de l’IA, tels que la robotique, la modélisation et la simulation, le jeu et l’apprentissage machine (Dodds, Hirsh et Wagstaff, 2018). De plus, nous avons cherché à rédiger des manuels et des outils de conception, des devoirs d’IA astucieux et modélisés, et des programmes d’études qui aident les élèves à apprendre et à appliquer les bases de l’IA. Plus récemment, des entreprises ont mis des API d’IA telles que IBM Watson, Google Web Speech, DialogFlow et Azure Cognitive Services à la disposition des éducateurs et des élèves.

Notre espoir pour les élèves de premier cycle est de les préparer à un brillant avenir dans l’industrie informatique, ou de les inciter à poursuivre des études supérieures. Mais il est tout aussi important maintenant de réfléchir à ce à quoi devrait ressembler l’enseignement de l’IA de la maternelle à la terminale, non seulement pour garantir une population mieux informée qui comprend les technologies avec lesquelles elle interagit chaque jour, mais aussi pour inspirer la prochaine génération de chercheurs et de développeurs de logiciels en IA. Pour beaucoup de personnes de cette génération, l’IA sera une force magique, souvent négligée, qui alimentera leur vie, tout comme l’électricité, le moteur à combustion interne et la technologie de réseau alimentent la nôtre.

Contexte

Au cours des cinq dernières années, on a assisté à une expansion rapide de l’enseignement des sciences informatiques dans les programmes officiels de la maternelle à la Terminale pour tous les élèves, tant au niveau national qu’international. Aux États-Unis, ce travail a été entrepris par la National Science Foundation, Code.org, Google, Microsoft, la Computer Science Teachers Association (CSTA), le Special Interest Group for Computer Science Education (SIGCSE) de l’Association for Computing Machinery (ACM), CS for All, et d’autres organisations qui visent à garantir que tous les élèves apprennent l’informatique et que celle-ci soit enseignée régulièrement tout au long de leurs années d’études. La normalisation de ce que les élèves de la maternelle à la Terminale devraient savoir sur l’informatique a été soutenue par le développement et la mise en œuvre du programme d’enseignement des principes de l’informatique de l’AP (College Board, 2017), le cadre de la CS K-12 (2016), les normes de l’ACM pour l’enseignement de l’informatique de la maternelle à la Terminale (CSTA, 2017), et d’autres documents similaires. De nombreux outils logiciels, ressources et programmes d’études ont été développés pour rendre l’informatique accessible aux jeunes élèves. Ces outils permettent aux élèves de se concentrer sur l’apprentissage des concepts de base de la programmation tout en concevant des objets ayant une signification personnelle. Ce processus facilite l’expression personnelle, la créativité et l’apprentissage, permettant aux élèves de devenir des producteurs de technologie, et pas seulement des consommateurs (Resnick, Bruckman, & Martin, 1996).

Parallèlement à l’augmentation des investissements dans la culture scientifique pour les élèves de la maternelle à la Terminale, l’IA a eu un impact croissant sur la société, tant aux États-Unis qu’ailleurs. Au niveau international, la Chine a imposé à tous les lycéens de s’initier à l’intelligence artificielle (Jing, 2018). Cependant, malgré l’attention accrue des médias et l’omniprésence des technologies de l’IA dans notre vie quotidienne, nous commençons à peine à réfléchir à la manière de présenter l’IA aux élèves de la maternelle à la terminale. Dans les nouvelles normes de calcul de la CSTA K-12, il n’y a que deux phrases sur l’IA. Les deux normes apparaissent dans la tranche d’âge 11-12 ans (CSTA, 2017). Et contrairement à la matière générale de l’informatique, lorsqu’il s’agit d’IA, il y a peu de directives pour l’enseignement au niveau de la grande section maternelle à la terminale.

En réponse à ces besoins, l’Association pour l’avancement de l’intelligence artificielle (AAAI) et l’Association des professeurs d’informatique (CSTA) ont annoncé une initiative conjointe en mai 2018 pour développer des directives nationales pour l’enseignement de l’intelligence artificielle aux élèves de la grande section maternelle à la Terminale (AAAI, 2018). Inspiré par les normes nationales de la CSTA pour l’enseignement de l’informatique de la maternelle à la Terminale (CSTA, 2017), le groupe de travail AI for K-12 définira pour l’intelligence artificielle ce que les élèves doivent savoir et être capables de faire. D’autres organisations, dont AI4All (http://ai-4-all.org/) et la Société internationale pour la technologie dans l’éducation (ISTE), ont également reconnu ces besoins et commencent à y répondre (ISTE, 2018 ; Baloch, Crompton, Gerl, Harrison, Law, McGirt, Ramos et South, 2018). 

Ces initiatives jettent les bases de l’éducation à l’IA dans la grande section maternelle à la terminale, mais nous devons faire bien plus en tant que communauté pour soutenir ce travail.

Pour encadrer les lignes directrices que nous développons, nous avons défini ce que nous pensons être les “grandes idées” (Wiggins et McTighe, 2005) en matière d’IA que chaque élève devrait connaître. Avant d’exposer ces idées, nous discutons de l’environnement dans lequel les élèves les apprendront.

Outils et ressources pour l’IA de la maternelle à la Terminale

Pour que les élèves et les enseignants de la grande section maternelle à la Terminale puissent apprécier les grandes idées de l’IA, ils doivent être capables de bricoler avec l’IA. Il y a eu récemment une explosion de produits et d’outils qui rendent l’IA accessible aux jeunes élèves. La plupart des téléphones portables actuels sont équipés d’un assistant vocal (Google Assistant, Siri d’Apple, Cortana de Microsoft), et il existe un certain nombre d’appareils domestiques dotés de fonctionnalités similaires (Google Home, Amazon Echo, Apple HomePod). La vision par ordinateur est également présente “sous le capot” de certains produits de consommation, tels que les filtres Snapchat, ou la populaire application Osmo qui utilise la vision pour reconnaître les pièces de jeu et les dessins d’enfants. Ces derniers aident à familiariser les enfants avec les technologies d’IA.

Pour aller plus loin, divers nouveaux outils logiciels et matériels fournissent des composants d’IA aux jeunes programmeurs qui peuvent les intégrer dans leurs propres créations. Par exemple :

• Cognimates (Druga, Vu, Likhith, Oh, Ocejo, Qui, & Breazeal, 2018) propose un ensemble d’extensions Scratch qui donnent accès à des API de génération de la parole, de reconnaissance vocale, de catégorisation de texte, de reconnaissance d’objets et de contrôle de robots.
  https://cognimates.me
• eCraft2Learn (Kahn et Winters, 2017) propose des extensions similaires pour le langage Snap !, une variante de Scratch.
  https://ecraft2learn.github.io/ai/ 
• Machine Learning for Kids est un autre site qui propose des démonstrations en ligne où les élèves forment des classificateurs à l’aide d’applications web ou d’extensions Scratch.
  https://machinelearningforkids.co.uk/ 
• Le robot Cozmo d’Anki est une plateforme mobile peu coûteuse avec vision informatique intégrée comprenant la détection d’objets et de marqueurs personnalisés, la reconnaissance des visages, la manipulation d’objets, la planification de parcours et la génération de la parole.
  https://anki.com/fr-fr/cozmo.html
• Calypso for Cozmo (Touretzky, 2017) est un langage de programmation visuel basé sur des règles pour Cozmo qui ajoute la reconnaissance vocale (en utilisant l’API Google Speech), la navigation basée sur des points de repère, une carte du monde visible et la prise en charge de la programmation des machines d’État.
  https://Calypso.software 
• Google a mis en ligne une série d’expériences d’IA telles que “Teachable Machine” (formation d’un classificateur visuel) et “QuickDraw” (un réseau neuronal essaie de deviner ce que vous dessinez).
  https://experiments.withgoogle.com/collection/ai
• Les kits de vision et de voix AIY (“AI and You”) de Google offrent une reconnaissance vocale et visuelle basée sur Raspberry Pi Zero à des prix abordables. Le kit de vision utilise un classificateur de réseau neuronal, tandis que le kit vocal se connecte à l’assistant Google situé dans les nuages.
• TensorFlow Playground est un outil graphique interactif qui permet aux lycéens et aux élèves d’explorer les réseaux de neurones et l’apprentissage de la rétropropagation (Thomas, 2018). https://playground.tensorflow.org 

Quelles sont les “grandes idées” en matière d’IA ?

Nous en sommes aux premières étapes de l’élaboration des lignes directrices de l’IA pour les élèves de la maternelle à la Terminale, grâce à une collaboration entre les experts en IA et les enseignants de la maternelle à la Terminale. Nous allons décomposer les “grandes idées” de l’IA en cinq thèmes et les organiser par groupes de quatre niveaux : K-2, 3-5. 6-8, et 9-12. 

Note du traducteur

Pour la suite de l’article et afin d’en faciliter la lecture, les indications relatives au niveau scolaire aux USA sont transposées de la façon suivante :
– K-2 : Grande section maternelle – CE1
– Grade 3-5 :  CE2 – CM2
– Grade 6-8 : 6ème – 4ème
– Grade 9-12 : 3ème – Terminale

Le projet actuel des grandes idées est présenté ci-dessous. Nous reconnaissons que d’autres pourraient encadrer le domaine différemment. Certains peuvent préférer une division plus traditionnelle en domaines d’application (parole, vision, planification, jeux, langage naturel, robotique, etc.), mais nous pensons que la formulation actuelle répond mieux aux besoins des élèves et des enseignants de la grande section maternelle à la Terminale. Nous sommes heureux de recevoir les commentaires de la communauté de l’IA dans le cadre de cette initiative.

Première grande idée : les ordinateurs perçoivent le monde à l’aide de capteurs.

La perception est le processus d’extraction d’informations à partir de signaux sensoriels. La capacité des ordinateurs à “voir” et à “entendre” suffisamment bien pour être utiles sur le plan pratique est l’une des réalisations les plus significatives de l’IA. Les élèves doivent comprendre que la perception automatique du langage parlé ou de l’imagerie visuelle nécessite une connaissance approfondie du domaine, par exemple, pour la parole, il faut connaître non seulement les sons de la langue mais aussi son vocabulaire, sa grammaire et ses modes d’utilisation. En l’absence de telles connaissances, la reconnaissance vocale par machine ne peut pas approcher la précision du niveau humain.

Les élèves de la grande section maternelle au CE1 doivent savoir comment interagir avec des agents vocaux et avoir une certaine expérience de la vision artificielle (par exemple, la reconnaissance de visages ou d’objets à l’aide d’une webcam et d’une application web, ou la démo QuickDraw de Google). 

Du CE2 au CM2, les élèves devraient être capables de modifier des applications simples basées sur la perception, écrites dans des cadres de programmation pour enfants qui incluent des primitives d’IA. Par exemple, ils peuvent créer des applications qui répondent à des phrases parlées, ou à la présence de marqueurs visuels ou de visages de figurines spécifiques. 

De la 6éme à la 4éme, les élèves devraient être capables de créer eux-mêmes des applications plus complexes. 

De la 3ème à la Terminale, les élèves devraient être capables d’identifier et de démontrer les limites des systèmes de perception machine et d’utiliser les outils d’apprentissage machine (voir Grande idée n° 3) pour former les classificateurs utilisant les données des capteurs.

Deuxième grande idée : les agents entretiennent des modèles/représentations du monde et les utilisent pour “raisonner”.

Les systèmes d’IA sont généralement décrits comme des agents intelligents qui perçoivent et représentent leur environnement, délibèrent et produisent des résultats qui affectent leur environnement. La représentation est l’un des problèmes fondamentaux de l’intelligence, qu’elle soit naturelle ou artificielle. Les élèves doivent comprendre le concept de représentation, par exemple la façon dont une carte représente un territoire, ou un diagramme représente l’état d’un jeu de société. Les élèves devraient en outre comprendre que les ordinateurs construisent des représentations en utilisant des données, et que ces représentations peuvent être manipulées en appliquant des algorithmes de raisonnement qui tirent de nouvelles informations de ce qui est déjà connu. Si les agents d’IA peuvent raisonner sur des problèmes très complexes, ils ne pensent pas comme un humain. De nombreux types de raisonnement faciles pour les humains sont encore au-delà des capacités des systèmes d’IA actuels.

De la grande section maternelle au CE1, nous attendons des élèves qu’ils soient capables d’examiner les représentations créées par des agents intelligents (par exemple, la carte de son environnement créée par Calypso pour Cozmo), et de créer des représentations simples en utilisant du papier et un crayon. 

Du CE2 au CM2, nous attendons des élèves qu’ils soient capables de travailler avec des représentations dans des programmes informatiques simples, par exemple, dans Scratch, une figure peut utiliser la grille (coordonnées x et y) et les autres figures comme une représentation du monde et utiliser le bloc “Toucher” pour l’interroger. Les élèves de ce niveau peuvent également étudier les algorithmes d’inférence en utilisant des exercices tels que la construction d’un arbre de décision pour déterminer à quel animal une personne pense en se basant sur une série de questions avec des réponses par oui ou par non, comme “a-t-il des ailes” ? 

De la 6ème à la 4ème, les élèves devraient être capables d’examiner des représentations telles que le graphe de connaissance de Google et de simuler des algorithmes simples de recherche de graphe. 

De la 3ème à la Terminale, les élèves devraient être capables d’utiliser des structures de données élémentaires (listes et dictionnaires) pour programmer des algorithmes d’inférence simples.

Troisième grande idée : les ordinateurs peuvent apprendre à partir des données.

Les algorithmes d’apprentissage machine permettent aux ordinateurs de créer leurs propres représentations en utilisant les données de formation qui sont soit fournies par les personnes, soit acquises par la machine elle-même. De nombreux domaines de l’IA ont fait des progrès significatifs ces dernières années grâce à la technologie de l’apprentissage automatique, mais pour que cette approche réussisse, il faut d’énormes quantités de données. Par exemple, l’Open Image Dataset contient un jeu de données de 9 millions d’images comportant 30 millions d’étiquettes. Le traitement de données à cette échelle nécessite une puissance de calcul qui n’était pas disponible il y a quelques années. Il faut veiller, lors de la collecte de ces données, à ne pas introduire de biais dans les jeux de données de formation.

Les élèves doivent comprendre que l’apprentissage machine est une sorte d’inférence statistique qui permet de trouver des modèles dans les données. 

De la grande section maternelle au CE1, ils peuvent en faire l’expérience en faisant apprendre à un ordinateur à reconnaître un visage ou des gestes simples. 

Du CE2 au CM2, les élèves devraient être capables de modifier les applications de reconnaissance d’objets, par exemple, écrire un programme Scratch qui réagit à un objet spécifique ou à un signe de main dans l’image de la caméra. 

De la 6ème à la 4ème, les élèves devraient être capables de mesurer la qualité de la généralisation d’un système entraîné à des entrées nouvelles, et ils devraient comprendre comment les biais dans les données d’entraînement peuvent affecter les performances du modèle. 

De la 3ème à la Terminale, les élèves devraient être capables de former un réseau en utilisant un outil interactif comme Tensorflow Playground, et les élèves plus avancés devraient être capables de coder des applications simples d’apprentissage machine en utilisant des outils Python comme scikit-learn.

Quatrième grande idée : Faire en sorte que les agents interagissent confortablement avec les humains est un défi de taille pour les développeurs d’IA. 

Comprendre les personnes est l’un des problèmes les plus difficiles auxquels sont confrontés les agents intelligents. Cela inclut des tâches telles que converser en langage naturel, reconnaître des états émotionnels et déduire des intentions à partir d’un comportement observé. Les élèves doivent comprendre que si les ordinateurs ne peuvent comprendre le langage naturel que dans une mesure limitée, ils n’ont actuellement pas les capacités générales de raisonnement et de conversation d’un jeune enfant.

Une interaction gracieuse avec les humains est particulièrement importante pour les agents robotiques qui partageront nos espaces de vie et de travail. Nous pouvons souhaiter qu’un assistant robot reste à proximité pour être toujours prêt à nous aider, mais il ne doit pas nous coller si étroitement qu’il soit constamment dans le chemin. Inférer les intentions futures d’une personne en observant ses actions est un défi, même pour les humains. Les robots devront acquérir une partie de cette compétence s’ils veulent être les bienvenus dans notre vie.

Les élèves de la grande section maternelle au CE1 devraient être capables de décrire les types de demandes qu’un assistant intelligent comprend et d’utiliser une application web pour démontrer la reconnaissance des expressions faciales. 

Du CE2 au CM2, les élèves devraient être capables de distinguer un chatbot d’un humain et d’analyser des exemples de langage naturel pour déterminer ceux qui seraient difficiles à comprendre pour un ordinateur, et pourquoi. 

De la 6ème à la 4ème, les élèves devraient être capables d’utiliser des démonstrations d’analyseur syntaxique pour démontrer l’analyse syntaxique de phrases et construire des phrases que les analyseurs syntaxiques purs ne traiteront pas correctement en raison de problèmes tels qu’une erreur d’attachement dans une phrase prépositionnelle (par exemple, “Je verse du sirop pour crêpes à partir d’une bouteille”). Ils devraient également être capables de montrer comment les analyseurs qui prennent en compte les informations sémantiques résolvent mieux les problèmes de rattachement.

De la 3ème à la Terminale, les élèves devraient être capables de construire des grammaires contextuelles pour analyser des langues simples et d’utiliser des outils de traitement du langage pour construire un chatbot. Ils devraient également être capables d’utiliser des outils d’analyse des sentiments pour extraire le ton émotionnel d’un texte.

Cinquième grande idée : Les applications de l’IA peuvent avoir un impact sur la société, tant positif que négatif.

Les élèves doivent être capables d’identifier les façons dont l’IA contribue à leur vie. Les impacts sociétaux de l’IA impliquent deux types de questions : à quelles applications l’IA doit-elle être utilisée (il y a un intérêt croissant pour “l’IA pour le bien social”), et à quels critères éthiques les systèmes d’IA doivent-ils répondre ? 

Dans un avenir proche, de nombreuses personnes travailleront aux côtés d’assistants intelligents ou de robots autonomes, mais à long terme, l’automatisation de nombreux emplois pourrait entraîner un chômage massif ou un changement dans le type de travail que les gens exercent. Les technologies qui permettent aux agents intelligents de mieux comprendre les humains pourraient nous donner les serviteurs robotisés dont nous rêvons depuis longtemps, ou les aides-soignants à domicile pour les personnes âgées, mais elles pourraient aussi permettre une surveillance gouvernementale massive et une perte totale de vie privée.

Les élèves doivent comprendre que la construction éthique des systèmes d’IA qui prennent des décisions affectant la vie des gens exige de prêter attention aux questions de transparence et d’équité. Les systèmes transparents fournissent des justifications à leurs conclusions afin que leur raisonnement puisse être vérifié et que les hypothèses erronées puissent être identifiées. La question de l’équité est délicate car lorsqu’un certain niveau d’erreur est inévitable dans un système de décision, le mieux que l’on puisse espérer est de répartir ces erreurs de manière équitable, en évitant les biais socialement indésirables.

Les élèves de la grande section maternelle au CE1 devraient être capables d’identifier comment l’IA contribue à leur vie quotidienne, et comment elle pourrait contribuer davantage à l’avenir (par exemple, les serviteurs robots). 

Les élèves de CE2 au CM2 doivent faire preuve d’esprit critique sur l’impact des nouvelles applications de l’IA. Par exemple, les voitures à conduite autonome seront une aubaine pour les personnes qui ne peuvent pas conduire elles-mêmes, mais peuvent aussi mettre les chauffeurs de taxi au chômage. 

Les élèves de la 6ème à la 4ème doivent être capables d’établir des parallèles entre les révolutions industrielles précédentes et ce que certains futuristes de l’IA appellent la quatrième révolution industrielle. 

De la 3ème à la Terminale, les élèves devraient être capables d’évaluer les nouvelles technologies d’IA et de décrire les questions d’éthique ou d’impact sociétal qu’elles soulèvent.

Développement des programmes d’études

Des efforts importants sont déjà déployés pour répondre au besoin de ressources en matière de programmes d’études. Des chercheurs australiens en IA ont collaboré avec des enseignants du CP à la sixième dans le cadre du programme “Scientist-in- Schools” afin d’offrir un programme d’études de trois ans couvrant les concepts de base de l’IA, le vocabulaire de l’IA et l’histoire de l’IA (Heinze, Haase et Higgins, 2010). 

Un autre exemple récent est IRobot : un programme d’IA pour les élèves du secondaire (Burgsteiner, Kandlhofer, & Steinbauer, 2016). L’ISTE a annoncé un partenariat avec GM pour développer un programme d’IA pour les élèves du secondaire (ISTE, 2018), et AI4All a récemment reçu une subvention d’un million de dollars de Google pour développer un programme d’IA ouvert et en ligne qui sera lancé en 2019 (AI4ALL, 2018)

L’initiative conjointe AAAI/CSTA et AI for K-12 ne développera pas un programme d’études propre. Elle établira plutôt des lignes directrices que les futurs programmes d’études devront respecter, et créera un répertoire de ressources en ligne qui aidera les éducateurs à trouver des outils et des programmes d’études comme ceux décrits ci-dessus. Les commentaires et les suggestions de ressources pour les éducateurs de la maternelle à la Terminale sont les bienvenus, car nous continuons à développer les lignes directrices de l’IA de la grande section maternelle à la Terminale.

Conclusion

Nous concluons par un appel à l’action pour la communauté des chercheurs et des entreprises de l’intelligence artificielle. Les élèves du primaire à la terminale vont faire des recherches sur Internet pour essayer de comprendre comment fonctionne l’IA et comment elle va façonner leur avenir. Réfléchissez à la manière dont vos recherches peuvent être transformées en une démo, une ressource ou une activité facilement accessible et que les élèves et les enseignants pourront utiliser et partager.

Auteurs

David Touretzky (1), Christina Gardner-McCune (2), Fred Martin (3), Deborah Seehorn (4)
(1) Carnegie Mellon University, Pittsburgh, PA 15213 dst@cs.cmu.edu
(2) University of Florida, Gainesville, FL, 32611 gmccune@ufl.edu
(3) University of Massachusetts Lowell, Lowell, MA, 01854 fred_martin@uml.edu
(4) CSTA Curriculum Committee, Cary, NC, 27513 deborah.seehorn@outlook.com

Source

https://www.aaai.org/ojs/index.php/AAAI/article/view/5053
Copyright © 2019, Association for the Advancement of Artificial Intelligence (www.aaai.org). All rights reserved.

Titre original : Envisioning AI for K-12: What Should Every Child Know about AI ?

Publié avec l’aimable autorisation de aaai.org
Une autorisation doit être demandée auprès de hamilton@aaai.org pour toute traduction ou publication sur un autre site que https://edunumrech.hypotheses.org/
Traduction par @fbocquet avec l’aide précieuse de Deepl.com  

Résumé (en)

The ubiquity of AI in society means the time is ripe to consider what educated 21st century digital citizens should know about this subject. In May 2018, the Association for the Advancement of Artificial Intelligence (AAAI) and the Computer Science Teachers Association (CSTA) formed a joint working group to develop national guidelines for teaching AI to K-12 students. Inspired by CSTA’s national standards for K-12 computing education, the AI for K-12 guidelines will define what students in each grade band should know about artificial intelligence, machine learning, and robotics. The AI for K-12 working group is also creating an online resource directory where teachers can find AI- related videos, demos, software, and activity descriptions they can incorporate into their lesson plans. This blue sky talk invites the AI research community to reflect on the big ideas in AI that every K-12 student should know, and how we should communicate with the public about advances in AI and their future impact on society. It is a call to action for more AI researchers to become AI educators, creating resources that help teachers and students understand our work.

A consulter aussi

Bocquet, F. (2022, novembre). Pistes de référentiel des compétences IA par niveaux scolaires. MindMeister. https://www.mindmeister.com/fr/1751516576/pistes-de-r-f-rentiel-des-comp-tences-ia-par-niveaux-scolaires-f-bocquet-dne-tn2-novembre-2022

Références

AI4ALL. 2018. AI4ALL Open Learning brings free and accessible AI education online with the support of Google.org. Medium https://medium.com/ai4allorg/ai4all-open-learning-brings-free-and-accessible-ai-education-online-with-the-support-of-google- org-3a6360c135c9 

Association for the Advancement of Artificial Intelligence (AAAI). 2018. AAAI Launches “AI for K-12” Initiative in Collaboration with the Computer Science Teachers Association (CSTA) and AI4All [Press release]. Consulté sur https://aaai.org/Pressroom/Releases/release-18-0515.php 

Baloch, H., Crompton, H., Gerl, M., Harrison, S., Law, D., McGirt, F., Ramos, Y., South, J. 2018. Artificial Intelligence Goes to School [Text, Audio]. Consulté sur https://conference.iste.org/2018/program/search/detail_session.ph p?id=110888525 

Burgsteiner, H., Kandlhofer, M., & Steinbauer, G.. 2016. IRobot: Teaching the Basics of Artificial Intelligence in High Schools. Thirtieth AAAI Conference on Artificial Intelligence. AAAI Press.

College Board. 2017. Updated: AP Computer Science Principles: Course and Exam Description including the Curriculum Framework. Consulté sur https://apcentral.collegeboard.org/pdf/ap-computer-science-principles-course-and-exam-description.pdf  

Computer Science Teachers Association (CSTA). 2017. CSTA K- 12 Computer Science Standards, Revised 2017. Consulté sur http://www.csteachers.org/standards 

Dodds, Z., Hirsh, H, & Wagstaff, K. 2008. AI Education Colloquium. Technical Report & AI Education Workshop Papers WS-08-02. AAAI Conference on Artificial Intelligence.. AAAI Press, Menlo Park, California. https://aaai.org/Library/Workshops/ws08-02.php https://aaai.org/Library/Symposia/Spring/ss07-09.php

Druga, S., Vu, S., Likhith, E., Oh, L., Ocejo, Qui, T., Breazeal, C. (2018) Cognimates. Cognimates.me

Heinze, C.A., Haase, J., & Higgins, J.. 2010. An Action Research Report from a Multi-Year Approach to Teaching Artificial Intelligence at the K-6 Level. First AAAI Symposium on Educational Advances in Artificial Intelligence. AAAI Press.

International Society for Technology in Education (ISTE). 2018. Bold New Program Helps Teachers and Students Explore the Power of AI [Press release]. Consulté sur https://www.iste.org/explore/articleDetail?articleid=2229&catego ry=Press- Releases&article=Bold+New+Program+Helps+Teachers+and+St udents+Explore+the+Power+of+AI

Jing, M. 2018. China looks to school kids to win the global AI race. South China Morning Post. Published May 3, 2018. Consulté sur https://www.scmp.com/tech/china-tech/article/2144396/china- looks-school-kids-win-global-ai-race

K-12 Computer Science Framework Steering Committee. 2016. K- 12 Computer Science Framework. Technical Report. ACM, New York, NY, USA. Consulté sur https://k12cs.org/

Kahn, K. M., & Winters, N. (2017). Child-friendly programming interfaces to AI cloud services (Vol. 10474, pp. 566–570). Springer, Cham. Consulté sur https://ecraft2learn.github.io/ai/

Resnick, M., Bruckman, A., & Martin, F. (1996). Pianos not stereos: Creating computational construction kits. Interactions, 3(5), 40-50.

Thomas, A. 2018. Understanding Deep Learning with TensorFlow playground. Medium. https://playground.tensorflow.org

Touretzky, D. S. (2017) Computational thinking and mental models: From Kodu to Calypso. Proceedings of the 2nd IEEE Blocks & Beyond workshop, Raleigh, NC, October 10, 2017.

West, D. M. and Allen, J. R. 2018. How Artificial Intelligence is transforming the world. Report. April 24, 2018. The Brookings Institute. https://www.brookings.edu/research/how-artificial- intelligence-is-transforming-the-world/

Wiggins, G., and McTighe, J. (2005) Understanding by Design. Upper Saddle River, NJ: Pearson. 

---

---