Forskere ved det tekniske universitet i München (TUM) og University of Köln har udviklet et AI-baseret læringssystem, der genkender styrker og svagheder i matematik ved at spore øjenbevægelser med et webcam for at generere problemløsende tip. Dette gør det muligt for lærere at give betydeligt flere børn individualiseret støtte.
En ajourført pc, et godt grafikkort og et standard webcam: Ifølge forskning fra prof. Achim Lilienthal er det alt hvad du behøver for at identificere elevernes styrker og svagheder i matematik. Princippet: Et webcam sporer øjenbevægelserne. Afhængig af opgaven opstår der specifikke mønstre, der kan vises digitalt på et varmekort, med røde, der indikerer områder, hvor børnene ofte ser ud og grønne de områder, hvor de kun ser ud. Dette hjælper forskerne med at analysere dataene.
“AI -systemet klassificerer mønstrene,” siger Tum Robotics -professoren. På dette grundlag vælger softwaren indlæringsvideoer og øvelser til eleven.
Resultaterne offentliggøres i tidsskriftet Uddannelsesundersøgelser i matematik.
Identificer læringsstrategier via varmekort
“Sporing af øjenbevægelser i et enkelt system ved hjælp af et webcam, at genkende læringsstrategier via mønstre og tilbyde individuel support og endelig skabe automatiserede supportrapporter til lærere er helt ny,” siger Maike Schindler.
Professor i matematik i inkluderende og specialundervisningskontekster på University of Köln har arbejdet med Tum Professor Lilienthal i ti år. Hun leder også det nyligt afsluttede KI-ALF-forskningsprojekt, hvor det webcam-baserede øjensporingssystem blev udviklet. Hendes forskning fokuserer på elever “, der har store vanskeligheder med at lære matematik.” Professor Lilienthal mener, at “individuelt tilpassede lektioner” for højtydende børn også er mulige i fremtiden.
Professor Schindler – der har en undervisningsgrad – og hendes team har defineret hundreder af opgaver, hvor børn tilføjer, trækker, multiplicerer og deler numre eller skal genkende eller repræsentere dem. “Opgaver, der involverer visuelt præsenterede, digitale læringsmaterialer er især velegnede til denne tilgang,” siger Schindler. For eksempel bliver børnene bedt om at tælle prikkerne i en ti-række bord med et par prikker, der kun mangler i den nederste række.
Eleverne, der fanger hurtigt hopper til den nederste række og tæller kun baglæns. De, der tæller rækker og prikker individuelt, er blandt dem, der har brug for støtte. Det digitale system bruger et varmekort til at vise, hvor børnene ser ud, og AI oversætter mønstre til individuelle praksisprogrammer.
Forenklet, højpræcisions øjesporing
For at udvikle det forenklede øjensporingssystem, der nu registrerer øjenbevægelser, drager tumprofessor Lilienthal fordel af det faktum, at han også arbejder med tilsvarende systemer inden for robotikforskning. I dette arbejde bruger han i øjeblikket øjensporere med den lille humanoidrobot NAO. Dette gør det muligt for det at kommunikere bedre med mennesker. Imidlertid koster disse meget præcise systemer mange tusinder af euro.
For at finde en mere omkostningseffektiv løsning til skoler kombinerede forskerne klogt teknisk ekspertise med viden fra matematisk didaktik. Mens avancerede systemer fungerer med en maksimal afvigelse på en grad, har webcams en lavere nøjagtighed på tre til fire grader. Løsningen: “Med AI-Alf matematikopgaver ved vi, at de studerende i sidste ende ser på skærmen på skærmen,” siger Lilienthal.
“Vi bruger dette til automatisk at justere øjetsporingen med webcam.” Systemet har gradvist lært at håndtere unøjagtighed. “I dag gør det ingen forskel for vores applikation, om vi arbejder med vores webcams eller avancerede øjensporere,” siger professoren.
Dette gør AI -systemet udviklet af prof Maike Schindler overkommelig og derfor stadig vigtigere til skolebrug.
Wulfen Comprehensive School: Første skole i Tyskland til at bruge systemet
Dette er en af grundene til, at den første skole, der bruger det AI-baserede læringssystem, er Wulfen Comprehensive School i Dorsten, North Rhine-Westphalia. Her afslørede en standardiseret matematikprøve, at en tredjedel af 180 børn i starten af år 5 havde “aritmetiske vanskeligheder.”
“Vi er glade for, at vi nu kan støtte markant flere børn i deres grundlæggende matematikfærdigheder ved hjælp af det AI-baserede læringssystem. Dette betyder, at vi kan hjælpe flere elever med at forbedre deres matematikpræstationer end i fortiden på grund af mangel på lærere.”
I den omfattende skole kan fem elever arbejde med Ki-Alf-systemet samtidig i individuelle afhjælpende lektioner og understøttes og ledsages af en matematiklærer. Normalt kan lærere give individuel støtte til kun et barn ad gangen.
“Især i tider med knappe ressourcer og lærermangel er vores system til at fremme grundlæggende matematikfærdigheder simpelthen en fremragende støtte til skoler,” siger Schindler.