Chúng tôi sẽ không giải quyết vấn đề đa dạng của công nghệ bằng cách dạy thêm người viết mã
Người sáng lập Technovation Tara Chklovski lập luận, Thay vì tập trung vào số lượng sinh viên học viết mã, chúng ta nên đo lường những gì họ làm với kiến thức đó.
Chúng tôi sẽ không giải quyết vấn đề đa dạng của công nghệ bằng cách dạy thêm người viết mã
[Ảnh: blacklight_trace / iStock; kinh doanh khỉ / IStock]
TÁC GIẢ TARA CHKLOVSKI4 PHÚT ĐỌC
Một cô gái trẻ ở Ấn Độ hầu như không được nói rằng cô ấy có thể là bất cứ điều gì khi lớn lên. Nhưng khi một đứa trẻ mày mò tìm kiếm các bộ phận động cơ trong cửa hàng cơ khí của cha tôi ở Delhi, tôi biết tôi muốn trở thành một kỹ sư hàng không vũ trụ. Tôi may mắn vì bố mẹ đã tin tưởng vào tôi, nhưng quan trọng nhất là tôi tin vào chính mình. Cuối cùng tôi chuyển đến Mỹ để học ngành kỹ thuật hàng không vũ trụ. Nhưng khi tôi theo đuổi bằng thạc sĩ và sau đó là tiến sĩ, tôi đã bị bất ngờ bởi có rất ít phụ nữ tham gia chương trình của mình, chứ đừng nói đến lĩnh vực kỹ thuật. Rất thường xuyên, tôi sẽ nghe các đồng nghiệp của mình gạt bỏ công việc trong các lĩnh vực kỹ thuật, tin rằng họ không giỏi toán.
Có rất nhiều cuộc nói chuyện ở Thung lũng Silicon và hơn thế nữa về sự đa dạng và gia tăng (D & I) trong công nghệ, bao gồm cả những nỗ lực truyền cảm hứng cho nhiều cô gái học ngành khoa học máy tính. Tuy nhiên, bất chấp những nỗ lực tập trung và hàng triệu đô la đầu tư trong thập kỷ qua, tỷ lệ sinh viên nữ và da đen trong các chương trình khoa học máy tính ở Mỹ đã thực sự giảm . Ngành công nghiệp công nghệ vẫn còn quá đồng nhất, với các công ty đang nỗ lực thu hút và giữ chân phụ nữ và người da màu.
Đã đến lúc tự hỏi mình không chỉ nếu khoản đầu tư của chúng tôi vào việc đưa các nhóm thiếu chuyên môn vào khoa học máy tính đang hoạt động, mà còn tại sao chúng tôi đang làm điều đó.
Các cổ phần của vấn đề D & I chỉ tăng lên khi trí tuệ nhân tạo (AI) tiến bộ về tốc độ, quy mô và tác động. AI có tiềm năng để giải quyết các vấn đề toàn cầu cấp bách nhất của chúng ta, chẳng hạn như biến đổi khí hậu, nhưng các giải pháp cần xây dựng khả năng phục hồi cho các quần thể gần nhất với các vấn đề này. Thật không may, lĩnh vực AI phải đối mặt với một cuộc khủng hoảng đa dạng thậm chí còn lớn hơn so với toàn bộ ngành công nghệ. Câu trả lời cho ai Ai xây dựng AI? có những hậu quả sâu rộng, một số trong đó chúng ta đã thấy trong các hệ thống duy trì sự thiên vị và phân biệt đối xử .
Chúng ta không thể dành một thập kỷ nữa để giới hạn nghiên cứu và đổi mới cho một nhóm nhỏ chủ yếu là đàn ông da trắng. Sau 13 năm làm việc tại ngã tư giáo dục, công nghệ và AI, tôi thấy rõ rằng việc cải thiện D & I trong thời gian dài và đạt được tiềm năng của công nghệ để mở khóa một thế giới tốt hơn đòi hỏi nhiều hơn là đưa học sinh vào trại khởi động và chương trình mã hóa.
CHÚNG TA KHÔNG THỂ DÀNH MỘT THẬP KỶ NỮA ĐỂ GIỚI HẠN NGHIÊN CỨU VÀ ĐỔI MỚI CHO MỘT NHÓM NHỎ GỒM HẦU HẾT ĐÀN ÔNG DA TRẮNG.
Thay vì tập trung vào số lượng sinh viên học viết mã, chúng ta nên đo lường những gì họ làm với kiến thức đó. Điều tốt là phát triển kiến thức của sinh viên nếu họ không thể sử dụng nó để giải quyết bất cứ điều gì có liên quan đến họ, hoặc nếu họ không có động lực để tiếp tục học và thực hành khi chương trình kết thúc?
Các nghiên cứu đã chỉ ra rằng những sinh viên biết cú pháp cơ bản của mã hóa tập hợp các quy tắc xác định ngôn ngữ lập trình, thường không thể áp dụng kiến thức này để giải quyết các vấn đề thực sự. Và, như nghiên cứu của MIT đã tìm thấy, những người trẻ tuổi được thúc đẩy bởi hành động tính toán , không chỉ là tư duy tính toán.
Để tiếp tục tham gia, sinh viên cần có cơ hội và công cụ để áp dụng những gì họ học được vào cuộc sống của họ. Tại sao người ta nên quan tâm đến AI, quyền riêng tư dữ liệu hoặc mạng thần kinh? Sự tò mò cần kết nối với những gì mỗi người học thấy có giá trị. Các lý thuyết như kiến tạo , học việc áp dụng và học tập dựa trên dự án cho thấy cách đáng tin cậy nhất để khiến người mới quan tâm đến các chủ đề mới là gắn kết chúng với một mục tiêu có ý nghĩa.
Đội ngũ các nhà giáo dục và cố vấn mà tôi làm việc tại Technovation đã phát hiện ra rằng cách đáng tin cậy và có thể mở rộng nhất để khuyến khích việc học này là thách thức mọi người tìm kiếm một vấn đề trong cộng đồng của bạn. Ví dụ, chúng ta đã thấy một gia đình Bolivian xây dựng một ứng dụng AI để phát hiện nồng độ CO2 trong các nhà máy và một người khác tạo ra một máy hút bụi dùng máy tính có tầm nhìn máy tính để kiểm soát sự lây lan của một loài xâm lấn ở hồ Titicaca. Theo đuổi một vấn đề có liên quan với mục đích lớn hơn dẫn đến phản hồi tích cực và cảm giác tự hiệu quả.
Nhưng một mục tiêu hấp dẫn không đủ để đảm bảo sự quan tâm bền vững trong việc phát triển một kỹ năng mới để phát triển nó, đặc biệt là một kỹ năng đầy thách thức và phức tạp như mã hóa tiên tiến. Tiếp tục hướng dẫn và hỗ trợ là rất quan trọng để giữ chân người học và giúp họ phát triển một bản sắc mạnh mẽ như một người xây dựng mọi thứ bằng mã, hoặc là một kỹ sư phần mềm hoặc nhà khoa học máy tính.
Một ví dụ về mô hình này là Rare , một tổ chức giúp cộng đồng địa phương bảo tồn tài nguyên thiên nhiên của họ thông qua thay đổi hành vi và thiết kế lấy con người làm trung tâm. Một cái khác là AI Commons , kết nối những người giải quyết vấn đề và chủ sở hữu vấn đề trên mạng trên toàn thế giới để giải quyết các vấn đề thực tế, cục bộ bằng AI. Các chương trình như thế này giúp mọi người phát triển ý thức về mục đích đồng thời mở khóa các kỹ năng quan trọng như sáng tạo và tư duy hệ thống phức tạp. Cách tiếp cận học tập thực hành của họ có thể thách thức quan niệm của một cá nhân rằng họ không loại bỏ ra để trở thành một nhà đổi mới hoặc người giải quyết vấn đề.
Hy vọng của tôi không phải là mọi đứa trẻ đều lớn lên với ước mơ trở thành kỹ sư hay nhà nghiên cứu AI. Thay vào đó, tôi muốn thấy một thế giới nơi nhiều người trẻ hơn tưởng tượng mình là những người suy nghĩ sáng tạo, có khả năng giải quyết các vấn đề ảnh hưởng đến cộng đồng của họ. Tôi hy vọng rằng nhiều gia đình khuyến khích con cái họ theo đuổi tương lai mà chúng muốn, và mang lại sự lạc quan, tò mò và làm việc chăm chỉ để tạo ra thế giới mà chúng muốn sống. Chỉ khi đó, lĩnh vực này mới bắt đầu giống với những người có khả năng giúp đỡ
Chúng tôi sẽ không giải quyết vấn đề đa dạng của công nghệ bằng cách dạy thêm người viết mã
[Ảnh: blacklight_trace / iStock; kinh doanh khỉ / IStock]
TÁC GIẢ TARA CHKLOVSKI4 PHÚT ĐỌC
Một cô gái trẻ ở Ấn Độ hầu như không được nói rằng cô ấy có thể là bất cứ điều gì khi lớn lên. Nhưng khi một đứa trẻ mày mò tìm kiếm các bộ phận động cơ trong cửa hàng cơ khí của cha tôi ở Delhi, tôi biết tôi muốn trở thành một kỹ sư hàng không vũ trụ. Tôi may mắn vì bố mẹ đã tin tưởng vào tôi, nhưng quan trọng nhất là tôi tin vào chính mình. Cuối cùng tôi chuyển đến Mỹ để học ngành kỹ thuật hàng không vũ trụ. Nhưng khi tôi theo đuổi bằng thạc sĩ và sau đó là tiến sĩ, tôi đã bị bất ngờ bởi có rất ít phụ nữ tham gia chương trình của mình, chứ đừng nói đến lĩnh vực kỹ thuật. Rất thường xuyên, tôi sẽ nghe các đồng nghiệp của mình gạt bỏ công việc trong các lĩnh vực kỹ thuật, tin rằng họ không giỏi toán.
Có rất nhiều cuộc nói chuyện ở Thung lũng Silicon và hơn thế nữa về sự đa dạng và gia tăng (D & I) trong công nghệ, bao gồm cả những nỗ lực truyền cảm hứng cho nhiều cô gái học ngành khoa học máy tính. Tuy nhiên, bất chấp những nỗ lực tập trung và hàng triệu đô la đầu tư trong thập kỷ qua, tỷ lệ sinh viên nữ và da đen trong các chương trình khoa học máy tính ở Mỹ đã thực sự giảm . Ngành công nghiệp công nghệ vẫn còn quá đồng nhất, với các công ty đang nỗ lực thu hút và giữ chân phụ nữ và người da màu.
Đã đến lúc tự hỏi mình không chỉ nếu khoản đầu tư của chúng tôi vào việc đưa các nhóm thiếu chuyên môn vào khoa học máy tính đang hoạt động, mà còn tại sao chúng tôi đang làm điều đó.
Các cổ phần của vấn đề D & I chỉ tăng lên khi trí tuệ nhân tạo (AI) tiến bộ về tốc độ, quy mô và tác động. AI có tiềm năng để giải quyết các vấn đề toàn cầu cấp bách nhất của chúng ta, chẳng hạn như biến đổi khí hậu, nhưng các giải pháp cần xây dựng khả năng phục hồi cho các quần thể gần nhất với các vấn đề này. Thật không may, lĩnh vực AI phải đối mặt với một cuộc khủng hoảng đa dạng thậm chí còn lớn hơn so với toàn bộ ngành công nghệ. Câu trả lời cho ai Ai xây dựng AI? có những hậu quả sâu rộng, một số trong đó chúng ta đã thấy trong các hệ thống duy trì sự thiên vị và phân biệt đối xử .
Chúng ta không thể dành một thập kỷ nữa để giới hạn nghiên cứu và đổi mới cho một nhóm nhỏ chủ yếu là đàn ông da trắng. Sau 13 năm làm việc tại ngã tư giáo dục, công nghệ và AI, tôi thấy rõ rằng việc cải thiện D & I trong thời gian dài và đạt được tiềm năng của công nghệ để mở khóa một thế giới tốt hơn đòi hỏi nhiều hơn là đưa học sinh vào trại khởi động và chương trình mã hóa.
CHÚNG TA KHÔNG THỂ DÀNH MỘT THẬP KỶ NỮA ĐỂ GIỚI HẠN NGHIÊN CỨU VÀ ĐỔI MỚI CHO MỘT NHÓM NHỎ GỒM HẦU HẾT ĐÀN ÔNG DA TRẮNG.
Thay vì tập trung vào số lượng sinh viên học viết mã, chúng ta nên đo lường những gì họ làm với kiến thức đó. Điều tốt là phát triển kiến thức của sinh viên nếu họ không thể sử dụng nó để giải quyết bất cứ điều gì có liên quan đến họ, hoặc nếu họ không có động lực để tiếp tục học và thực hành khi chương trình kết thúc?
Các nghiên cứu đã chỉ ra rằng những sinh viên biết cú pháp cơ bản của mã hóa tập hợp các quy tắc xác định ngôn ngữ lập trình, thường không thể áp dụng kiến thức này để giải quyết các vấn đề thực sự. Và, như nghiên cứu của MIT đã tìm thấy, những người trẻ tuổi được thúc đẩy bởi hành động tính toán , không chỉ là tư duy tính toán.
Để tiếp tục tham gia, sinh viên cần có cơ hội và công cụ để áp dụng những gì họ học được vào cuộc sống của họ. Tại sao người ta nên quan tâm đến AI, quyền riêng tư dữ liệu hoặc mạng thần kinh? Sự tò mò cần kết nối với những gì mỗi người học thấy có giá trị. Các lý thuyết như kiến tạo , học việc áp dụng và học tập dựa trên dự án cho thấy cách đáng tin cậy nhất để khiến người mới quan tâm đến các chủ đề mới là gắn kết chúng với một mục tiêu có ý nghĩa.
Đội ngũ các nhà giáo dục và cố vấn mà tôi làm việc tại Technovation đã phát hiện ra rằng cách đáng tin cậy và có thể mở rộng nhất để khuyến khích việc học này là thách thức mọi người tìm kiếm một vấn đề trong cộng đồng của bạn. Ví dụ, chúng ta đã thấy một gia đình Bolivian xây dựng một ứng dụng AI để phát hiện nồng độ CO2 trong các nhà máy và một người khác tạo ra một máy hút bụi dùng máy tính có tầm nhìn máy tính để kiểm soát sự lây lan của một loài xâm lấn ở hồ Titicaca. Theo đuổi một vấn đề có liên quan với mục đích lớn hơn dẫn đến phản hồi tích cực và cảm giác tự hiệu quả.
Nhưng một mục tiêu hấp dẫn không đủ để đảm bảo sự quan tâm bền vững trong việc phát triển một kỹ năng mới để phát triển nó, đặc biệt là một kỹ năng đầy thách thức và phức tạp như mã hóa tiên tiến. Tiếp tục hướng dẫn và hỗ trợ là rất quan trọng để giữ chân người học và giúp họ phát triển một bản sắc mạnh mẽ như một người xây dựng mọi thứ bằng mã, hoặc là một kỹ sư phần mềm hoặc nhà khoa học máy tính.
Một ví dụ về mô hình này là Rare , một tổ chức giúp cộng đồng địa phương bảo tồn tài nguyên thiên nhiên của họ thông qua thay đổi hành vi và thiết kế lấy con người làm trung tâm. Một cái khác là AI Commons , kết nối những người giải quyết vấn đề và chủ sở hữu vấn đề trên mạng trên toàn thế giới để giải quyết các vấn đề thực tế, cục bộ bằng AI. Các chương trình như thế này giúp mọi người phát triển ý thức về mục đích đồng thời mở khóa các kỹ năng quan trọng như sáng tạo và tư duy hệ thống phức tạp. Cách tiếp cận học tập thực hành của họ có thể thách thức quan niệm của một cá nhân rằng họ không loại bỏ ra để trở thành một nhà đổi mới hoặc người giải quyết vấn đề.
Hy vọng của tôi không phải là mọi đứa trẻ đều lớn lên với ước mơ trở thành kỹ sư hay nhà nghiên cứu AI. Thay vào đó, tôi muốn thấy một thế giới nơi nhiều người trẻ hơn tưởng tượng mình là những người suy nghĩ sáng tạo, có khả năng giải quyết các vấn đề ảnh hưởng đến cộng đồng của họ. Tôi hy vọng rằng nhiều gia đình khuyến khích con cái họ theo đuổi tương lai mà chúng muốn, và mang lại sự lạc quan, tò mò và làm việc chăm chỉ để tạo ra thế giới mà chúng muốn sống. Chỉ khi đó, lĩnh vực này mới bắt đầu giống với những người có khả năng giúp đỡ
Nhận xét
Đăng nhận xét