محققان دانشگاه فنی مونیخ (TUM) و دانشگاه کلن یک سیستم یادگیری مبتنی بر هوش مصنوعی توسعه دادهاند که با ردیابی حرکات چشم با یک وبکم، نقاط قوت و ضعف در ریاضیات را تشخیص میدهد تا نکات حل مسئله را ارائه دهد. این امر به معلمان این امکان را میدهد تا پشتیبانی فردی بسیار بیشتری را برای کودکان ارائه دهند.
یک کامپیوتر به روز، یک کارت گرافیک خوب و یک وبکم استاندارد: طبق تحقیقات پروفسور آخیم لیلیانتال، این تمام چیزی است که برای شناسایی نقاط قوت و ضعف دانشآموزان در ریاضیات نیاز دارید. اصل کار: یک وبکم حرکات چشم را ردیابی میکند. بسته به وظیفه، الگوهای خاصی ظاهر میشوند که میتوانند به صورت دیجیتالی روی یک نقشه حرارتی نمایش داده شوند، به طوری که رنگ قرمز نشاندهنده مناطقی است که کودکان اغلب به آن نگاه میکنند و رنگ سبز مناطقی را نشان میدهد که فقط به طور خلاصه به آن نگاه میکنند. این به محققان کمک میکند تا دادهها را تجزیه و تحلیل کنند. پروفسور رباتیک TUM میگوید: «سیستم هوش مصنوعی الگوها را طبقهبندی میکند.» بر این اساس، نرمافزار فیلمها و تمرینهای یادگیری را برای دانشآموز انتخاب میکند.
شناسایی استراتژیهای یادگیری از طریق نقشههای حرارتی
مایکه شیندلر میگوید: «ردیابی حرکات چشم در یک سیستم واحد با استفاده از یک وبکم، تشخیص استراتژیهای یادگیری از طریق الگوها و ارائه پشتیبانی فردی، و در نهایت ایجاد گزارشهای پشتیبانی خودکار برای معلمان کاملاً جدید است.» پروفسور ریاضیات در زمینههای فراگیر و ویژه در دانشگاه کلن به مدت ده سال با پروفسور لیلیانتال از TUM همکاری کرده است. او همچنین ریاست پروژه تحقیقاتی KI-ALF را بر عهده دارد که اخیراً به پایان رسیده است و توسط وزارت آموزش و تحقیقات فدرال آلمان (BMBF) تأمین مالی شده است و در آن سیستم ردیابی چشم مبتنی بر وبکم توسعه یافته است. تحقیقات او بر روی دانشآموزانی متمرکز است "که در یادگیری ریاضیات مشکلات زیادی دارند." پروفسور لیلیانتال معتقد است که "درسهای سفارشی شده به صورت فردی" برای کودکان با دستاوردهای بالا نیز در آینده امکانپذیر است.
پروفسور شیندلر - که دارای مدرک تدریس است - و تیمش صدها کار را تعریف کردهاند که در آن کودکان اعداد را جمع، تفریق، ضرب و تقسیم میکنند، یا باید آنها را تشخیص دهند یا نشان دهند. شیندلر میگوید: «وظایفی که شامل مواد یادگیری دیجیتالی ارائه شده به صورت بصری هستند، به ویژه برای این رویکرد مناسب هستند.» به عنوان مثال، از کودکان خواسته میشود که نقاط موجود در یک جدول دهردیفه را با چند نقطه گمشده فقط در ردیف پایین بشمارند.
دانشآموزانی که به سرعت متوجه میشوند به ردیف پایین میپرند و فقط به عقب میشمارند. کسانی که ردیفها و نقطهها را به صورت جداگانه میشمارند، از جمله کسانی هستند که به پشتیبانی نیاز دارند. سیستم دیجیتال از یک نقشه حرارتی برای نشان دادن جایی که کودکان نگاه میکنند استفاده میکند و هوش مصنوعی الگوها را به برنامههای تمرینی فردی تبدیل میکند.
ردیابی چشم ساده و با دقت بالا
برای توسعه سیستم ردیابی چشم سادهشده، که اکنون حرکات چشم را ثبت میکند، پروفسور لیلیانتال از TUM از این واقعیت بهره میبرد که او همچنین با سیستمهای مشابهی در تحقیقات رباتیک کار میکند. در آن کار، او در حال حاضر از ردیابهای چشم با ربات انساننمای کوچک Nao استفاده میکند. این امر به آن امکان میدهد تا بهتر با انسانها ارتباط برقرار کند. با این حال، این سیستمهای بسیار دقیق هزاران یورو هزینه دارند.
برای یافتن راهحلی مقرونبهصرفهتر برای مدارس، محققان به طرز هوشمندانهای تخصص فنی را با دانش آموختهشده از ریاضیات ترکیب کردند. در حالی که سیستمهای پیشرفته با حداکثر انحراف یک درجه کار میکنند، وبکمها دقت کمتری بین سه تا چهار درجه دارند. راه حل: لیلیانتال میگوید: «با وظایف ریاضی AI-ALF، ما میدانیم که دانشآموزان در نهایت به نمایش روی صفحه مشکلات نگاه میکنند.» «ما از این برای تنظیم مجدد خودکار ردیابی چشم با وبکم استفاده میکنیم.» این سیستم به تدریج یاد گرفته است که با عدم دقت کنار بیاید. پروفسور میگوید: «امروزه برای کاربرد ما تفاوتی نمیکند که با وبکمهای خود کار کنیم یا ردیابهای چشم سطح بالا.» این امر سیستم هوش مصنوعی توسعهیافته با پروفسور مایک شیندلر را مقرون به صرفه و در نتیجه، به طور فزایندهای برای استفاده در مدرسه مهم میکند.
مدرسه جامع ولفن: اولین مدرسه در آلمان که از این سیستم استفاده میکند
این یکی از دلایلی است که اولین مدرسهای که از سیستم یادگیری مبتنی بر هوش مصنوعی استفاده میکند، مدرسه جامع ولفن در دورستن، نوردراین-وستفالن است. در اینجا، یک آزمون استاندارد ریاضی نشان داد که یک سوم از 180 کودک در آغاز سال 5 "مشکلات حسابی" داشتند. «ما خوشحالیم که اکنون میتوانیم با کمک سیستم یادگیری مبتنی بر هوش مصنوعی، از کودکان بسیار بیشتری در مهارتهای اساسی ریاضی آنها حمایت کنیم. این بدان معناست که ما میتوانیم به دلیل کمبود معلم، به یادگیرندگان بیشتری کمک کنیم تا عملکرد ریاضی خود را نسبت به گذشته بهبود بخشند.»
در مدرسه جامع، پنج دانشآموز میتوانند به طور همزمان با سیستم KI-ALF در دروس تقویتی فردی کار کنند و توسط یک معلم ریاضی پشتیبانی و همراهی میشوند. به طور معمول معلمان میتوانند فقط به یک کودک در یک زمان پشتیبانی فردی ارائه دهند. شیندلر میگوید: «به ویژه در زمان کمبود منابع و کمبود معلم، سیستم ما برای ترویج مهارتهای اساسی ریاضی به سادگی یک پشتیبانی عالی برای مدارس است.»