Une revue systématique de l'enseignement et de l'apprentissage du machine learning dans l'éducation K-12

Résumé L'attention croissante portée à l'apprentissage automatique (ML) dans les niveaux K-12 et les études explorant différents aspects de la recherche sur le ML K-12 ont rendu nécessaire la synthèse de ces recherches existantes. Cette étude a systématiquement examiné comment la recherche sur l'enseignement et l'apprentissage du ML dans K-12 a évolué, y compris le domaine d'intérêt actuel et les lacunes qui doivent être comblées dans la littérature lors des études futures. Nous avons passé en revue 43 articles de conférences et de revues pour analyser des domaines spécifiques d'apprentissage et d'enseignement du ML dans K-12 sous quatre perspectives dérivées des données : le développement de programmes, le développement technologique, le développement pédagogique et la formation professionnelle des enseignants. Les résultats de notre étude révèlent que (a) des ressources ML supplémentaires sont nécessaires pour les niveaux de la maternelle au collège et dans les contextes informels, (b) d'autres études doivent être menées sur la manière dont le ML peut être intégré dans des domaines disciplinaires autres que l'informatique, (c) la plupart des études se concentrent sur le développement pédagogique avec un manque de programmes de formation professionnelle pour les enseignants, et (d) des preuves supplémentaires des implications sociétales et éthiques du ML devraient être prises en compte dans les recherches futures. Bien que cette étude reconnaisse les lacunes présentes et les directions pour les recherches futures, ces résultats offrent des perspectives aux éducateurs, praticiens, concepteurs pédagogiques et chercheurs sur les tendances de la recherche ML K-12 pour faire avancer la qualité de ce domaine émergent.