Sztuczna inteligencja w edukacji - czyli o personalizacji uczenia

IBM Watson at Jeopardy contest.
IBM Watson at Jeopardy contest. IBM Press (ibm.co/1QLo7tv)
W ciągu ostatnich kilku lat podejmowano liczne próby wprowadzania nowoczesnych technologii do edukacji. Począwszy od digitalizacji szkolnych podręczników, przez iPad-owe szkoły w Holandii, aż po dedykowane, zamknięte systemy na tabletach w Stanach Zjednoczonych. Ciągle jednak wydaje się, że prawdziwy potencjał technologii pozostaje niewykorzystany, a może właśnie nadszedł ten właściwy moment?

Początki uczenia adaptacyjnego
Zainteresowanie tym, co dziś nazywamy uczeniem adaptacyjnym, można odnaleźć już w badaniach naukowych prowadzonych w latach 60-tych, zwłaszcza od momentu gdy udało się udowodnić pozytywny wpływ nauczania pod kierunkiem korepetytora. Badania przeprowadzone w latach 80-tych przez Blooma pokazały, że przeciętny uczeń dzięki indywidualnym zajęciom uzyskiwał lepsze wyniki niż uczniowie nauczani przy pomocy konwencjonalnych technik. Stanowiło to inspirację dla dużej części rozważań nad nauczaniem spersonalizowanym i było źródłem pytania – jeśli nauczyciel korepetytor jest w stanie tak bardzo poprawić wyniki ucznia, czy tak samo skuteczna będzie zastosowana w takim samym modelu technologia?

Graf wiedzy
Po raz pierwszy na szerszą skalę nauczanie adaptacyjne zastosowano w Stanach Zjednoczonych w 2013 roku wdrażając rozwiązanie firmy Knewton. Zaimplementowano wtedy system, który zapewniał rekomendacje dla uczących się odnośnie zagadnień, którymi powinni zająć się w dalszej kolejności, analizował sposób nauki i przewidywał przyszłe wyniki. Firma Knewton opracowała narządzie rozwiązujące problem modelowania wiedzy, skupiające się bezpośrednio na skalowalności całego materiału, który uczeń przerabia - tzw. graf wiedzy. Graf wiedzy poprzez wykorzystanie semantycznej struktury zasobów zapewniał możliwość diagnozowania czy uczeń rozumie dane treści, czy nie. Graf wiedzy został stworzony z zastosowaniem ontologii adaptacyjnej, czyli intuicyjnego i elastycznego zestawu pojęć oraz relacji między nimi, które w stosunkowo łatwy sposób umożliwiały pokazanie zależności między zasobami. Takie rozwiązanie jako jedno z pierwszych pozwalało na połączenie nie tylko materiałów z jednego zakresu, ale łączenie modułów z różnych książek, metod oraz przedmiotów.

Spersonalizowana edukacja IBM
IBM rozpoczął drogę w kierunku personalizowanej edukacji przed kilkoma laty. W następstwie sukcesu superkomputera Watson, który dzięki zaawansowanej analityce wygrał teleturniej Jeopardy, technologii DeepQA, wiedzy oraz doświadczeniu naukowców IBM, firma zdecydowała się na stworzenie w początkach 2014 roku specjalnego działu poświęconego Watsonowi i intensywne rozwijanie obszaru przetwarzania kognitywnego.

Najbardziej znanym projektem w dziedzinie edukacji był Watson Engagement Advisor for Education. Australijski Deakin University stał się dzięki zastosowaniu technologii Watson pierwszą na świecie uczelnią wyższą wykorzystującą platformę przetwarzania kognitywnego. Rozwiązanie dla Deakin University oparte na platformie Watson Engagement Advisor, obejmuje ponad siedem tysięcy pytań i pozwala obecnym oraz przyszłym studentom na przeprowadzenie za pośrednictwem urządzeń mobilnych „rozmowy”. Studenci mogą otrzymać informacje związane ze studiowaniem na Deakin, ale również podpowiedź ws. oferowanych przez uczelnię kursów oraz możliwych ścieżek kariery zawodowej. Usługa została uruchomiona w lutym 2015 r roku i jest dostarczana za pośrednictwem chmury obliczeniowej.

Kolejnym krokiem firmy IBM w kierunku edukacji było ogłoszone w końcu 2015 roku powołanie działu biznesowego Watson for Education. Tworzone tam rozwiązania mają skupiać się na personalizacji kształcenia dzięki technologiom kognitywnym.

Przykładowym zastosowaniem takiego systemu jest szybka identyfikacja uczniów zagrożonych. Dzięki dostępowi do danych nauczyciel może zalogować się do swojego panelu zarządzania i poprosić o informację o wynikach danej klasy w matematyce. Widzi wtedy dane uczniów filtrowane w kilku wymiarach, w tym pod kątem „zagrożenia”. O każdym z nich może uzyskać dodatkowe wiadomości. Dzięki zaawansowanej analityce nauczyciel może otrzymać informacje, że konkretny uczeń z matematyką radzi sobie dobrze, ale wskazuje na pewne problemy związane z czytaniem i nauką języka obcego na innych zajęciach (czego mógłby się nie dowiedzieć w standardowej szkole). Może wtedy zapytać system o sugestie dotyczące dodatkowych materiałów – wtedy otrzymuje szczegółową analizę wielu źródeł (dedykowane materiały wydawców edukacyjnych, jego własne materiały lub przygotowane przez innych nauczycieli), ocenionych pod kątem możliwości modyfikowania, jak również przejrzystości, stopnia skomplikowania i efektów, które przyniosły wykorzystane w pracy z innymi uczniami. Nauczyciel wybiera wtedy dodatkowe materiały, na które chce położyć nacisk, i będzie w stanie monitorować zaangażowanie ucznia oraz postępy, jakie czyni. Takie rozwiązanie nie tylko wspiera nauczycieli w personalizowaniu procesu nauczania, ale również umożliwia indywidualną pracę z uczniem bez szkody dla reszty klasy ani wystawiania go na krytykę ze strony rówieśników.

Należy tu podkreślić, że personalizowanie nauczania jest niezbędne w przypadku wszystkich uczniów, włączając w to uczniów zdolnych, którzy wymagają innych treści oraz podejścia w celu zapewnienia motywacji i zaangażowania. Dzięki skupieniu się na podobieństwach między uczniami, analizie całych roczników i analizowaniu wszystkich treści w wielu wymiarach rozwiązanie może zapewnić spersonalizowane rekomendacje i realną pomoc.

Rozwiązania IBM mogą także znaleźć zastosowanie w obszarze podnoszenia umiejętności pod kątem przyszłej pracy. Są one w stanie analizować ogłoszenia o pracę wykorzystując dane zbierane w mediach, dedykowanych serwisach i innych źródłach. W oparciu o historie osób ubiegających się z powodzeniem o poszczególne stanowiska można określić kluczowe dla nich umiejętności i talenty. Możliwe jest także statystyczne zidentyfikowanie liczby aplikujących na nie osób, jak również możliwości zawodowych w danych branżach czy regionach. W przypadku takiego zastosowania systemu użytkownicy otrzymują rekomendacje w oparciu o ich osobiste preferencje, umiejętności i talenty. W każdym indywidualnym przypadku system pomoże wybrać kierunek studiów, szkolenia czy praktyk.

Wdrożenie opisanych wyżej systemów z pewnością będzie jeszcze wymagało czasu oraz współpracy z partnerami zewnętrznymi. Żadna firma nie jest w stanie samodzielnie zbudować kompletnego rozwiązania. Jednak korzyści dla społeczeństwa są ogromne, biorąc pod uwagę, że ponad jedna trzecia z działających globalnie firm w 2014 roku zgłaszała trudności ze znalezieniem odpowiednich pracowników, a statystyki Międzynarodowej Organizacji Pracy potwierdzają istnienie tego problemu.

Czy przetwarzanie kognitywne i sztuczna inteligencja pomogą nam w nabywaniu nowych umiejętności, ukończeniu perspektywicznych kierunków studiów i zwiększaniu możliwości zatrudnienia? Można się spodziewać, że to w końcu odpowiednie miejsce gdzie technologia może zapewnić prawdziwą wartość dodaną edukacji i doprowadzić do realnej zmiany.

Tekst powstał na podstawie artykułu naukowego przygotowywanego na konferencję Innovation Arabia – Smart Learning Excellence – Dubai, Marzec 2016 – Agata Czopek, Piotr Pietrzak
Trwa ładowanie komentarzy...