Embora as oportunidades de treinamento e feedback sejam abundantes para educadores de ensino fundamental e médio, o mesmo não pode ser dito para os instrutores do ensino superior. Atualmente, o mecanismo mais eficaz para o desenvolvimento profissional é um especialista observar uma palestra e fornecer feedback personalizado. Mas um novo sistema desenvolvido por pesquisadores da Carnegie Mellon University oferece um sistema de detecção em tempo real abrangente que é barato e escalonável para criar um ciclo de feedback contínuo para o instrutor.

O sistema, chamado EduSense, analisa uma variedade de recursos visuais e de áudio que se correlacionam com uma instrução eficaz. "Hoje, o professor atua como o sensor na sala de aula, mas isso não é escalável, "disse Chris Harrison, professor assistente do Human-Computer Interaction Institute (HCII) do CMU. Harrison disse que o tamanho das salas de aula aumentou nas últimas décadas, e é difícil fazer uma palestra e ser eficaz em classes grandes ou estilo auditório.

EduSense é minimamente intrusivo. Ele usa duas câmeras montadas na parede - uma voltada para os alunos e outra voltada para o instrutor. Ele detecta coisas como a postura dos alunos para determinar seu envolvimento, e quanto tempo os instrutores param antes de chamar um aluno. "São coisas codificadas que os profissionais da educação conhecem como práticas recomendadas há décadas, "Harrison disse.

Uma única câmera pronta para usar pode ver todos na sala de aula e identificar automaticamente as informações, como para onde os alunos estão olhando, quantas vezes eles estão levantando as mãos e se o instrutor se move pelo espaço em vez de ficar atrás de um pódio. O sistema usa OpenPose, outro projeto CMU, para extrair a posição do corpo. "Com os avanços em visão computacional e aprendizado de máquina, agora podemos fornecer informações que levariam dias, senão meses, para obter com a observação manual, "disse Karan Ahuja, um membro da equipe de pesquisa que está realizando seu doutorado. no HCII.

Harrison disse que os cientistas que aprendem estão interessados ​​nos dados instrucionais. "Porque podemos rastrear o corpo, é como usar um conjunto de acelerômetros. Nós sabemos o quanto você está girando sua cabeça e movendo suas mãos. É como se você estivesse usando um sistema de captura de movimento virtual enquanto está ensinando. "

Usar câmeras de alta resolução com vídeo 4K para muitas aulas ao mesmo tempo é um "pesadelo computacional, "Harrison disse. Para acompanhar, os recursos são atribuídos elasticamente para fornecer a melhor taxa de quadros possível para dados em tempo real.

O projeto também tem um forte foco na proteção da privacidade, guiado por Yuvraj Agarwal, professor associado do Institute for Software Research da universidade. A equipe não queria identificar alunos individuais, e EduSense não pode. Nenhum nome ou informação de identificação é usado, e como os dados da câmera são processados ​​em tempo real, ele é descartado rapidamente.

Agora que a equipe demonstrou que pode capturar os dados, Amy Ogan, membro do corpo docente do HCII, disse que seu desafio atual é embrulhar e apresentar de uma forma educacionalmente eficaz. A equipe continuará trabalhando em aplicativos voltados para o instrutor para ver se os professores podem integrar o feedback à prática. "Temos nos concentrado em entender como, quando e onde apresentar melhor o feedback com base nesses dados para que seja significativo e útil para os instrutores para ajudá-los a melhorar sua prática, " ela disse.

Esta pesquisa foi apresentada na Ubicomp, a Conferência Internacional de Ciências da Aprendizagem, e será apresentado em abril próximo na reunião anual da American Educational Research Association.