Источник: Гонконгский университеа науки и технологии
Сотрудники Гонконгского университета науки и технологии разработали систему, которая использует искусственный интеллект для анализа эмоций учащихся во время уроков и лекций. Они надеются, что новый инструмент поможет преподавателям улучшить свою работу.
Исследователи описали систему в статье, опубликованной в цифровой библиотеке IEEE Xplore. По их словам, инструмент «поможет преподавателям быстро и просто оценить уровень вовлечённости студентов в предмет».
«Если знать, когда лекция становится слишком сложной или когда студентам становится скучно, можно значительно улучшить качество преподавания», — утверждает Хуамин Цюй из Гонконгского университета, один из авторов проекта.
Цюй и его коллеги протестировали свою систему на двух группах. В первой группе были малыши, во второй — студенты университета. Система визуальной аналитики, которую учёные обучали на видеозаписях проявления различных эмоций, хорошо выявила яркие и легко распознаваемые эмоции, такие как радость, удивление. Однако модель часто неправильно идентифицировала выражение сосредоточенности, когда студенты просто фокусировались на предмете лекции. Как указывает статья на IEEE Spectrum, искусственный интеллект часто принимает выражение сосредоточенности, которое часто появляется на лицах внимательно слушающих людей, за недовольство или гнев.
«Чтобы решить эту проблему, нам нужно добавить новые категории эмоций, перемаркировать наши данные и переучить модель», — считают авторы системы.
Правильное распознавание серьёзного или нейтрального выражения лица часто вызывает затруднения у систем распознавания эмоций, отмечает Ричард Тонг, главный архитектор в Squirrel AI Learning, шанхайской компании, занимающейся разработками в области искусственного интеллекта. Также он считает, что такие технологии не принесут пользы в стандартных школах.
«Многие организации и предприятия работают над технологией распознавания эмоций учащихся, однако применение этого вида анализа в традиционных школах ограничено. Учителя уже перегружены, особенно в государственных образовательных учреждениях. У них нет времени на изучение отчётов по вовлечённости каждого ученика», — считает он.
Вместо этого Тонг предлагает использовать системы распознавания эмоций и другие средства поведенческого анализа для внедрения в образовательные учреждения преподавателей-роботов. Такие учителя будут обучены понимать, что мотивирует учащегося, и определять, когда ученик теряет интерес, основываясь на поведенческих сигналах. Благодаря анализу ИИ сможет соответствующим образом скорректировать свою стратегию обучения. Тонг предполагает, что при активном использовании учителей-роботов учителя-люди будут выступать в качестве тренера для искусственного интеллекта.
«Но этот подход требует гораздо более способного ИИ, чем тот, что мы имеем сейчас», — считает он.
Ещё один минус существующих систем распознавания эмоций — необходимость организации постоянного видеонаблюдения в классе. Как отмечает Хуамин Цюй, видеонаблюдение может быть некомфортным как для учеников, так и для педагогов.
«Это может отвлекать учеников и учителей и может мешать процессу обучения, так как ученики и учителя будут чувствовать, что за ними наблюдают, и не смогут свободно выражать своё мнение, — говорит Цюй. — Вопрос конфиденциальности важен и требует тщательного рассмотрения».
