How Could AI Support Design Education? A Study Across Fields Fuels Situating Analytics

要約

私たちは、デザイン教育者の評価とフィードバックの実践に関するケーススタディのプロセスと結果を利用して、AI を人間の経験に役立つものにする方法についての理論化を促進します。
私たちは、Suchman の状況に応じたアクションの理論に基づいています。
私たちは、プロジェクトベースの学習コンテキストに基づいて設計プロセスを教えている 5 つの分野の 11 人の教育者を対象に質的研究を実施しました。
質的データの収集と分析を通じて、次のコードを導き出します。
評価とフィードバックの課題。
そして計算サポート。
私たちは創造的認知の家族類似原理を二度呼び出します。
1 つ目は、デザイン講師がすでに評価ルーブリックをどのように使用しているかを説明すること、そして 2 つ目は、デザイン創造性分析の同様の役割を説明することです。特定の特性は必要または十分ではありません。
それぞれは、優れた設計作業を示す傾向があるだけです。
人間の教師は依然として不可欠です。
私たちは、流暢性、柔軟性、視覚的一貫性、マルチスケール構成、読みやすいコントラストなど、状況に応じた一連のデザイン創造性分析を開発し、オンデマンドで学習目標に基づいた評価とフィードバックを生徒に提供することで、講師の取り組みをサポートします。
私たちは、状況分析と呼ばれる方法論を理論化します。その理由は、第一に、AI が人間の生きた活動をサポートできるかどうかは、分析の測定内容と状況に応じた実践を調整することに依存しているからです。
さらに、分析は、ユーザーをその使用の物質的なコンテキストに統合するインターフェースを通じてユーザーを位置づけることによって、ユーザーにとって最も重要なものになり得ることを私たちは認識しています。
これは、デザインの創造性分析を実際のデザイン環境に組み込むことを意味します。
ケーススタディを通じて、私たちは状況分析がユーザーに分析を説明するための方法論であることを特定しました。なぜなら、実践と一致させる反復プロセスにより、データサイエンティストが状況に応じた人間の経験の一部として意味をなす分析を導き出し、それをサポートできる可能性があるからです。

要約(オリジナル)

We use the process and findings from a case study of design educators’ practices of assessment and feedback to fuel theorizing about how to make AI useful in service of human experience. We build on Suchman’s theory of situated actions. We perform a qualitative study of 11 educators in 5 fields, who teach design processes situated in project-based learning contexts. Through qualitative data gathering and analysis, we derive codes: design process; assessment and feedback challenges; and computational support. We twice invoke creative cognition’s family resemblance principle. First, to explain how design instructors already use assessment rubrics and second, to explain the analogous role for design creativity analytics: no particular trait is necessary or sufficient; each only tends to indicate good design work. Human teachers remain essential. We develop a set of situated design creativity analytics–Fluency, Flexibility, Visual Consistency, Multiscale Organization, and Legible Contrast–to support instructors’ efforts, by providing on-demand, learning objectives-based assessment and feedback to students. We theorize a methodology, which we call situating analytics, firstly because making AI support living human activity depends on aligning what analytics measure with situated practices. Further, we realize that analytics can become most significant to users by situating them through interfaces that integrate them into the material contexts of their use. Here, this means situating design creativity analytics into actual design environments. Through the case study, we identify situating analytics as a methodology for explaining analytics to users, because the iterative process of alignment with practice has the potential to enable data scientists to derive analytics that make sense as part of and support situated human experiences.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google