MARC

 008260126s2025        us                              c    eng  d
■001000017357690
■00520260202103547
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288866562
■035    ▼a(MiAaPQ)AAI32041378
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a136
■1001  ▼aKosoy,  Eliza.
■24510▼aYouth  in  the  Loop:  Harnessing  Children's  Exploration,  Causal  Reasoning,  and  Data  to  Shape  the  Development  and  Evaluation  of  Artificial  Intelligence
■260    ▼a[Sl]▼bUniversity  of  California,  Berkeley▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a78  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Gopnik,  Alison.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2025.
■520    ▼aAs  artificial  intelligence  becomes  increasingly  woven  into  daily  life,  understanding  how  youth  perceive,  interact  with,  and  inspire  these  technologies  is  critical.  This  dissertation  brings  children's  perspectives  into  the  heart  of  AI  research,  arguing  for  a  "Youth-in-the-Loop"  approach.  Across  four  studies,  we  explore  how  children's  innate  curiosity  and  flexible  cognition  provide  unique  insights  for  both  improving  AI  models  and  benchmarking  their  development.  We  compare  children's  exploratory  behavior  with  reinforcement  learning  agents,  revealing  profound  differences  in  strategies  and  generalization.  We  investigate  how  children  learn  causal  structures  and  show  that  they  outperform  current  computational  models  in  flexible  hypothesis  generation.  We  adapt  classical  developmental  psychology  experiments  to  evaluate  large  language  models,  proposing  novel  metrics  for  assessing  alignment  with  human  cognition.  Finally,  we  conduct  empirical  studies  capturing  children's  direct  interactions  with  generative  AI,  highlighting  their  optimism  and  creative  engagement.  Together,  these  works  underscore  the  importance  of  integrating  children's  data  and  developmental  perspectives  in  building,  training,  and  evaluating  AI  systems  for  a  future  that  serves  and  empowers  the  next  generation.
■590    ▼aSchool  code:  0028.
■650  4▼aDevelopmental  psychology
■650  4▼aExperimental  psychology
■650  4▼aBehavioral  psychology
■653    ▼aCausal  learning
■653    ▼aChild-AI  interaction
■653    ▼aDevelopmental  benchmarking
■653    ▼aGenerative  AI
■653    ▼aReinforcement  Learning  from  Human  Feedback
■653    ▼aYouth-in-the-Loop
■690    ▼a0620
■690    ▼a0800
■690    ▼a0623
■690    ▼a0384
■71020▼aUniversity  of  California,  Berkeley▼bPsychology.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357690▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books