Μια πλατφόρμα βασισμένη σε AI για τη βελτίωση και την εξατομίκευση της ηλεκτρονικής μάθησης

Ερευνητές στο Universidad Autónoma de Madrid δημιούργησαν πρόσφατα μια καινοτόμο πλατφόρμα με τεχνητή νοημοσύνη που θα μπορούσε να βελτιώσει την εξ αποστάσεως μάθηση, επιτρέποντας στους εκπαιδευτικούς να παρακολουθούν με ασφάλεια τους μαθητές και να επαληθεύουν ότι παρακολουθούν υποχρεωτικά διαδικτυακά μαθήματα ή εξετάσεις.

Ένα αρχικό πρωτότυπο αυτής της πλατφόρμας, που ονομάζεται Demo-edBB, πρόκειται να παρουσιαστεί στη Διάσκεψη AAAI-23 για την Τεχνητή Νοημοσύνη τον Φεβρουάριο του 2022, στην Ουάσιγκτον, και μια έκδοση της εργασίας είναι διαθέσιμη στο arXiv διακομιστή προεκτύπωσης.

«Η ερευνητική μας ομάδα, η BiDA-Lab στο Universidad Autónoma de Madrid, έχει σημαντική εμπειρία με βιομετρικά σήματα και συστήματα, ανάλυση συμπεριφοράς και εφαρμογές τεχνητής νοημοσύνης, με πάνω από 300 εκατοντάδες δημοσιευμένες εργασίες τις τελευταίες δύο δεκαετίες», δήλωσε στο TechXplore ο Roberto Daza Garcia, ένας από τους ερευνητές που πραγματοποίησαν τη μελέτη.

“Τα τελευταία χρόνια, η εικονική εκπαίδευση έχει αναπτυχθεί σημαντικά, καθιστώντας το βασικό θεμέλιο ενός στα πιο σημαντικά εκπαιδευτικά ιδρύματα και δημιουργώντας νέες πολύτιμες ευκαιρίες για μάθηση. Η ομάδα μας λοιπόν πρόσφατα εργάζεται σε νέες τεχνολογίες για την ηλεκτρονική μάθηση, οδηγώντας τελικά στην ανάπτυξη μιας πλατφόρμας που συνδυάζει βιομετρικά εργαλεία και εργαλεία ανάλυσης συμπεριφοράς».

Η EdBB, η πλατφόρμα που δημιουργήθηκε από την ομάδα BiDA-Lab, σχεδιάστηκε ειδικά για να βελτιώσει τις διαδικτυακές διαδικασίες αξιολόγησης των μαθητών, ενώ παράλληλα να τους κάνει μεγαλύτερη ασφάλεια. Η πλατφόρμα βασίζεται σε διάφορες τεχνολογίες, συμπεριλαμβανομένων εργαλείων βιομετρικής αναγνώρισης που αναγνωρίζουν τους χρήστες με βάση τη συμπεριφορά τους (π.χ. μοτίβα στη χρήση του πληκτρολογίου ή “πληκτρολογήσεις”) ή φυσιολογικά δεδομένα (π.χ. εργαλεία αναγνώρισης προσώπου), καθώς και αλγόριθμους που έχουν εκπαιδευτεί για τον εντοπισμό συγκεκριμένων συμπεριφορών (π.χ. προσοχή, άγχος κ.λπ.). Μέχρι στιγμής, οι ερευνητές ανέπτυξαν μια δοκιμαστική έκδοση της πλατφόρμας τους, που ονομάστηκε edBB-demo, αλλά τώρα εργάζονται για την ολοκληρωμένη έκδοση.

«Η πλατφόρμα μας καταγράφει διαφορετικούς αισθητήρες από τον υπολογιστή του μέσου μαθητή (κάμερα, πληκτρολόγιο, ήχος, μεταδεδομένα κ.λπ.) και εφαρμόζει διαφορετικές τεχνολογίες σε πραγματικός χρόνοςγια τον εντοπισμό χρηστών, ύποπτων συμβάντων, εκτίμηση συμπεριφοράς κ.λπ., περιγράφοντάς τα στη συνέχεια σε αναφορές για δασκάλους», εξήγησε ο Daza Garcia.

“Μπορεί να συλλάβει όλους τους αισθητήρες των μαθητών με ασφαλή και διαφανή τρόπο, ενώ επιτρέπει στους μαθητές να χρησιμοποιούν οποιαδήποτε άλλη διαδικτυακή πλατφόρμα εκπαίδευσης. Το edBB-Demo συνδυάζει μερικές από τις πιο σημαντικές εξελίξεις στην απομακρυσμένη βιομετρική και συμπεριφορική κατανόηση της τελευταίας δεκαετίας.”

Η πλατφόρμα που δημιουργήθηκε από αυτήν την ομάδα ερευνητών βασίζεται σε ένα πολυτροπικό πλαίσιο μάθησης, ένα μοντέλο που μπορεί να αναλύσει διαφορετικούς τύπους δεδομένων, συμπεριλαμβανομένων εικόνων, βίντεο, σημάτων ήχου και μεταδεδομένων. Η δοκιμαστική έκδοση της πλατφόρμας εκπαιδεύτηκε σε μια βάση δεδομένων μαθημάτων και συνεδριών εξετάσεων, η καθεμία διάρκειας άνω των 20 λεπτών, με 60 διαφορετικούς μαθητές.

«Μια από τις μεγαλύτερες ανησυχίες για τα εκπαιδευτικά ιδρύματα είναι πώς να αποδείξουν ότι οι εξ αποστάσεως μαθητές παρακολουθούν στην πραγματικότητα μια διαδικτυακή αξιολόγηση», είπε ο Daza Garcia. “Οι βιομετρικές τεχνολογίες και οι τεχνολογίες ανίχνευσης συμπεριφοράς της edBB-Platform μπορούν να εξασφαλίσουν υψηλότερη ασφάλεια σε αυτή τη σημαντική εργασία, ενώ παράλληλα εντοπίζουν τη συμπεριφορά ενός μαθητή, η οποία θα μπορούσε να βελτιώσει τη διαδικασία μάθησης και ακόμη και να ανοίξει το δρόμο για τις νέες τεχνολογίες για την εκτίμηση των επιπέδων προσοχής ή άγχους των μαθητών. «Είμαστε πεπεισμένοι ότι αυτές οι νέες τεχνολογίες θα είναι θεμελιώδεις στο μέλλον για να προσφέρουν πιο εξατομικευμένη εκπαίδευση για κάθε μαθητή».

Η δοκιμαστική έκδοση του edBB έχει τέσσερις βασικές δυνατότητες, δηλαδή μπορεί να ελέγχει την ταυτότητα των χρηστών με υψηλά επίπεδα ακρίβειας, να αναγνωρίζει τις ενέργειες των ανθρώπων σε βίντεο, να υπολογίζει τον καρδιακό ρυθμό ενός μαθητή χρησιμοποιώντας βίντεο κάμερας web και να υπολογίζει την προσοχή των μαθητών αναλύοντας τις εκφράσεις του προσώπου τους. Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκπαίδευση του πλαισίου έγινε πρόσφατα διαθέσιμο στο διαδίκτυο και, επομένως, θα μπορούσε να χρησιμοποιηθεί για την εκπαίδευση άλλων μοντέλων μηχανικής εκμάθησης.

Η πλατφόρμα που δημιουργήθηκε από αυτήν την ομάδα ερευνητών θα μπορούσε σύντομα να βοηθήσει στην πρόοδο εξ αποστάσεως εκπαίδευση, επιτρέποντας στους εκπαιδευτικούς να επαληθεύουν την ταυτότητα των e-learner αξιόπιστα και με ασφάλεια. Επιπλέον, θα μπορούσε να διευκολύνει την εξατομίκευση της διαδικτυακής μάθησης, εντοπίζοντας πιθανά ζητήματα που εμποδίζουν τη μάθηση ενός μαθητή, όπως η ανεπαρκής προσοχή ή τα υψηλά επίπεδα άγχους.

«Πιστεύουμε ότι πρόκειται για μια ευρεία περιοχή που έχει ένα πολλά υποσχόμενο μέλλον με πολλές προκλήσεις να αντιμετωπίσουμε, επομένως θέλουμε τώρα να συνεχίσουμε να βελτιώνουμε το edBB-πλατφόρμα“Θέλουμε να συνεχίσουμε να αναπτύσσουμε τις ερευνητικές γραμμές στις οποίες εργαζόμαστε αυτήν τη στιγμή, καθώς και νέα συστήματα εκτίμησης γνωστικού φορτίου, χρησιμοποιώντας πολυτροπική ανάλυση προσώπου και νέες πολυτροπικές αρχιτεκτονικές για τον προσδιορισμό της δυναμικής του πληκτρολογίου ή του ποντικιού του μαθητή. Επιπλέον, θέλουμε να ενισχύσουμε τα πεδία της έρευνάς μας σε εκτίμηση οπτικής προσοχής, παρακολούθηση βλέμματος, πρόβλεψη απαντήσεων κ.λπ.».

© 2022 Science X Network