Mentre le opportunità di formazione e feedback abbondano per gli educatori K-12, lo stesso non si può dire per gli istruttori nell'istruzione superiore. Attualmente, il meccanismo più efficace per lo sviluppo professionale è che un esperto osservi una lezione e fornisca un feedback personalizzato. Ma un nuovo sistema sviluppato dai ricercatori della Carnegie Mellon University offre un sistema di rilevamento in tempo reale completo, economico e scalabile per creare un ciclo di feedback continuo per l'istruttore.

Il sistema, chiamato EduSense, analizza una varietà di caratteristiche visive e audio correlate a un'istruzione efficace. "Oggi, l'insegnante funge da sensore in classe, ma non è scalabile, " ha detto Chris Harrison, assistente professore presso l'Istituto di interazione uomo-macchina (HCII) della CMU. Harrison ha affermato che le dimensioni delle aule sono aumentate a dismisura negli ultimi decenni, ed è difficile tenere conferenze ed essere efficaci in classi numerose o in stile auditorium.

EduSense è minimamente invadente. Utilizza due telecamere montate a parete, una rivolta verso gli studenti e una rivolta verso l'istruttore. Rileva cose come la postura degli studenti per determinare il loro impegno, e quanto tempo gli istruttori fanno una pausa prima di chiamare uno studente. "Queste sono cose codificate che i professionisti dell'educazione hanno conosciuto come migliori pratiche per decenni, "Ha detto Harrison.

Una singola telecamera standard può visualizzare tutti in classe e identificare automaticamente informazioni come dove stanno guardando gli studenti, quanto spesso alzano le mani e se l'istruttore si muove nello spazio invece di stare dietro un podio. Il sistema utilizza OpenPose, un altro progetto CMU, per estrarre la posizione del corpo. "Con i progressi nella visione artificiale e nell'apprendimento automatico, ora possiamo fornire approfondimenti che richiederebbero giorni se non mesi per ottenere con l'osservazione manuale, " ha detto Karan Ahuja, un membro del gruppo di ricerca che sta perseguendo il suo dottorato di ricerca. nell'HCII.

Harrison ha affermato che gli scienziati dell'apprendimento sono interessati ai dati didattici. "Perché possiamo rintracciare il corpo, è come indossare una tuta di accelerometri. Sappiamo quanto giri la testa e muovi le mani. È come se indossi un sistema di acquisizione del movimento virtuale mentre insegni".

L'utilizzo di telecamere ad alta risoluzione che riproducono video 4K per molte classi contemporaneamente è un "incubo computazionale, "Ha detto Harrison. Per tenere il passo, le risorse sono assegnate in modo elastico per fornire il miglior frame rate possibile per i dati in tempo reale.

Il progetto ha anche una forte attenzione alla tutela della privacy, guidato da Yuvraj Agarwal, professore associato presso l'Istituto universitario per la ricerca sul software. Il team non voleva identificare i singoli studenti, e EduSense non può. Non vengono utilizzati nomi o informazioni identificative, e poiché i dati della fotocamera vengono elaborati in tempo reale, viene scartato rapidamente.

Ora che il team ha dimostrato di poter acquisire i dati, Il membro della facoltà di HCII, Amy Ogan, ha affermato che la loro sfida attuale è concludere e presentare in un modo che sia educativo efficace. Il team continuerà a lavorare su app rivolte agli istruttori per vedere se i professori possono integrare il feedback nella pratica. "Ci siamo concentrati sulla comprensione di come, quando e dove presentare al meglio il feedback basato su questi dati in modo che sia significativo e utile agli istruttori per aiutarli a migliorare la loro pratica, " lei disse.

Questa ricerca è stata presentata a Ubicomp, la Conferenza Internazionale delle Scienze dell'Apprendimento, e sarà presentato il prossimo aprile al meeting annuale dell'American Educational Research Association.