在教育研究者关注孩子的语言和阅读,概念,比如“股本”和“差异”并不新鲜。事实上,我们痴迷于他们。
我们分析数据了解和监控。我们设计干预措施来改变他们。我们劳动(有时是痛苦的)更好的解释导致不平等的力量在学校教育者,父母,和决策者可以使用它来改善结果为所有学生。
越来越多的教育研究者,我们接受新兴技术的潜在的声音技术,虚拟助理和人工智能在教室里发掘新见解关于孩子的语言和阅读发展和学习的科学转化为实践,可以在规模影响结果。
所以,这是一个独特的眼睛,我们最近的阅读纽约时报有篇文章对语音识别技术的种族偏见的风险。作者报道多达16%的差异数量的僵死的文字从语音识别系统时所使用的黑色和白色的扬声器。的作者另一个最近的研究得出的结论是,在语音识别是由于种族差异,部分不足时从黑色扬声器音频数据训练模型。
我们同意。
事实上,这种说法并不奇怪。在一系列领域的研究者哀叹的不足表示不同参与者样品和后果的解释我们的发现。
AI-enabled技术与语音识别系统在日常生活中变得越来越普遍,这些偏见不仅仅是恼人的——他们是危险的。在教室里,这些动力学存在深刻的风险和机会。
不同种族之间的教育成果,少数民族,linguistic-minority组织和白人多数自1960年代。但试图减轻这些影响通过创建课程或干预来“修复”黑人孩子的成就并不比要求更多的黑人不同注册“修复”人工智能语音识别研究。
现实是,黑人孩子不坏了,都是人工智能。人工智能算法操作程序完全一样。也许问题在于设计本身的方面。
正如缺乏多样性数据集用于“火车”技术可能导致偏见,偏见常常是在语音识别由人类暴露在一个有限的数据集的声音(或已接受培训相信只有一个正确的方式说话)。
我们从研究方言变异和代码转移的概念有一个正确的方式是一个带有偏见的角度说话。但是我们也知道在人们对语言差异的认知偏见可以真正影响我们做出的决定。
对成年人来说,这可能意味着得到和失去一份工作的区别。对于孩子来说,这可能意味着低或高预期之间的差异在学校的学习成绩。棘手的事情的偏见——它的阴险的自然渗入生活的各个方面,需要故意努力命名它,接受它,解决它,最终予以取缔。
语音验证系统可以改善学校的客观性,因为他们有可能挑战无意的偏见,蔓延到课堂实践。演讲验证是一种语音识别评估一个孩子到底说了些什么对系统期望他们说什么。
留下的数字面包屑数以百万计的学生可以帮助我们发现新的模式在年轻的学习者,多久可以等传统工具测试。取得良好的承诺这样的技术在教室里要求我们不仅减轻潜在的偏见,还主动设计的多样性。
例如,对于这些AI-enabled技术,根本无法解决的挑战增加黑色扬声器的数量包括在语音识别系统中使用的语音样本;它需要培训的发展模型,反映了语言模式普遍多样化的扬声器,像美国黑人英语等方言。
大量的研究证据记录AAE 40多年。像其他美国英语方言,美国黑人英语方言系统和规则。它不是坏或英语很差,没有更多的劣质比波士顿人”pahk cah。”
演讲时验证系统,这种语言变异必须占在实际语音样本和训练系统的模型。它还需要专门研究校准概率评分包括语言变化以减少得分易感性的偏见。
作为教育技术研究人员和消费者,我们拥抱的机会利用语音识别技术在我们的工作希望告诉下一代的科学探究。但我们也认识到的重要性不跑得快比科学技术许可。
过去一年,我们开始着手一项雄心勃勃的,多年研究了解语音技术可用于解决挑战的人类的得分。我们是研究人员和企业家那些已经在语音技术的挑战与困难的复杂性和可变性的孩子的声音。如果我们成功,我们可以开启一个新边疆的评估,并告知指令。
好消息是初步迹象表明,方言变异研究,加上机器学习的进步,可能为技术解决缺陷指出由斯坦福大学的同事们在最近的《纽约时报》的文章。使用得当的话,现代语音识别工具,列车系统在不同的数据集可以成为强大的工具,在教室里进行评估,寻找一个新的食谱放在厨房台面上。
Yaacov佩奇和妮可·巴顿特里是佛罗里达的副导演在佛罗里达州立大学阅读研究中心。
________________________________________________________________________________
喜欢这篇文章吗?报名参加ASCD SmartBrief得到这样的消息在你的收件箱,查看所有的SmartBrief教育简报,包括职业和技术教育,教育领导,数学教育和更多。
