Si bien las oportunidades de capacitación y retroalimentación abundan para los educadores K-12, no se puede decir lo mismo de los instructores en educación superior. Actualmente, el mecanismo más eficaz para el desarrollo profesional es que un experto observe una conferencia y brinde retroalimentación personalizada. PeroUn nuevo sistema desarrollado por investigadores de la Universidad Carnegie Mellon ofrece un sistema de detección integral en tiempo real que es económico y escalable para crear un ciclo de retroalimentación continua para el instructor.
El sistema, llamado EduSense, analiza una variedad de características visuales y de audio que se correlacionan con una instrucción efectiva. "Hoy, el maestro actúa como el sensor en el aula, pero eso no es escalable", dijo Chris Harrison, profesor asistente en Human de CMU-Computer Interaction Institute HCII. Harrison dijo que el tamaño de las aulas se ha disparado en las últimas décadas, y que es difícil dar conferencias y ser efectivo en clases grandes o de estilo auditorio.
EduSense es mínimamente molesto. Utiliza dos cámaras montadas en la pared: una frente a los estudiantes y otra frente al instructor. Detecta cosas como la postura de los estudiantes para determinar su compromiso y cuánto tiempo se detienen los instructores antes de llamar a un estudiante."Estas son cosas codificadas que los profesionales de la educación han conocido como mejores prácticas durante décadas", dijo Harrison.
Una sola cámara estándar puede ver a todos en el aula e identificar automáticamente información como dónde están mirando los estudiantes, con qué frecuencia levantan la mano y si el instructor se mueve por el espacio en lugar de quedarse detrás de un podio.El sistema utiliza OpenPose, otro proyecto de CMU, para extraer la posición del cuerpo. "Con los avances en la visión por computadora y el aprendizaje automático, ahora podemos proporcionar información que tomaría días, si no meses, con la observación manual", dijo Karan Ahuja, miembro deEl equipo de investigación que está cursando su doctorado en el HCII.
Harrison dijo que los científicos del aprendizaje están interesados en los datos de instrucción. "Debido a que podemos rastrear el cuerpo, es como usar un traje de acelerómetros. Sabemos cuánto está girando la cabeza y moviendo las manos. Es como si estuviera usandoun sistema virtual de captura de movimiento mientras estás enseñando "
Usar cámaras de alta resolución para transmitir videos 4K en varias clases a la vez es una "pesadilla computacional", dijo Harrison. Para mantenerse al día, los recursos se asignan elásticamente para proporcionar la mejor velocidad de cuadros posible para datos en tiempo real.
El proyecto también tiene un fuerte enfoque en la protección de la privacidad, guiado por Yuvraj Agarwal, profesor asociado en el Instituto de Investigación de Software de la universidad. El equipo no quería identificar estudiantes individuales, y EduSense no puede. Sin nombres ni identificacionesse utiliza la información y, dado que los datos de la cámara se procesan en tiempo real, se descartan rápidamente.
Ahora que el equipo ha demostrado que pueden capturar los datos, Amy Ogan, miembro de la facultad de HCII, dijo que su desafío actual es concluirlo y presentarlo de una manera educativamente efectiva. El equipo continuará trabajando en aplicaciones orientadas al instructor para versi los profesores pueden integrar la retroalimentación en la práctica. "Nos hemos centrado en comprender cómo, cuándo y dónde presentar mejor la retroalimentación basada en estos datos para que sea significativo y útil para los instructores ayudarlos a mejorar su práctica", dijo.
Esta investigación se presentó en Ubicomp, la Conferencia Internacional de Ciencias del Aprendizaje, y se presentará el próximo mes de abril en la reunión anual de la American Educational Research Association.
Fuente de la historia :
Materiales proporcionado por Universidad Carnegie Mellon . Original escrito por Virginia Alvino Young. Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :