Personalização afetiva de um tutor Robô para desenvolver habilidades de segunda língua para crianças

Tempo de leitura: 10 minutes

Loading

Embora tenham sido dedicadas pesquisas substanciais ao uso da tecnologia para melhorar a educação, nenhum método atual é tão eficaz quanto a tutoria individualizada.

Um aspecto crítico, embora relativamente pouco estudado, da tutoria eficaz é modular o estado afetivo do estudante ao longo da sessão de tutoria, a fim de maximizar os ganhos de aprendizagem a longo prazo. Desenvolvemos um paradigma experimental integrado em que as crianças jogam um jogo de aprendizado de segunda língua em um tablet, em colaboração com um companheiro de aprendizado robótico social totalmente autônomo.

Como parte do sistema, medimos a aplicação e o engajamento das crianças por meio de um sistema de análise automática de expressão facial. Esses sinais foram combinados em um sinal de recompensa que alimentou o algoritmo de aprendizado de reforço afetivo do robô. Ao longo de várias sessões, o robô jogou o jogo e personalizou suas estratégias motivacionais (usando ações verbais e não verbais) para cada aluno. Avaliamos esse sistema com 34 crianças em salas de aula pré-escolares por um período de dois meses. Observamos que (1) as crianças aprenderam novas palavras a partir das sessões de tutoria repetidas, (2) a política afetiva foi personalizada para os alunos durante a duração do estudo e (3) os alunos que interagiram com um robô que personalizou sua estratégia de feedback afetivo mostraram um aumento significativo na aplicação em comparação com os alunos que interagiram com um robô não personalizado.

Este sistema integrado de conteúdo educacional baseado em tablet, detecção afetiva, aprendizado de política afetiva e um robô social autônomo possui grande potencial para uma abordagem mais abrangente da tutoria personalizada.

Introdução

A robótica assistiva social (SAR, na sigla em inglês) é uma área emergente que se esforça para criar robôs socialmente interativos que auxiliam as pessoas em diferentes aspectos de suas vidas, como educação e cuidado com idosos (Tapus, Maja e Scassellatti, 2007; Williams, 2012; Fasola e Mataric, 2013). Robôs assistentes educacionais são projetados para apoiar a aprendizagem e o desenvolvimento das crianças, por exemplo, na sala de aula (Movellan et al., 2009; Chang et al., 2010) ou em sessões de tutoria individual (Saerbeck et al., 2010; Kory, Jeong e Breazeal; Fridin, 2014). No entanto, as crianças podem aprender de maneiras diferentes e em ritmos diferentes.

Para ensinar as crianças de forma mais eficaz, é necessário personalizar a interação educacional para cada criança (VanLehn, 2011). Embora muitos sistemas de tutoria inteligente personalizem o currículo para cada aluno (por exemplo, a ordem e o tipo de perguntas feitas ou o conteúdo apresentado), poucos abordaram o aspecto igualmente crítico de personalizar a interação da tutoria para o estado afetivo do aluno. Se um aluno fica desmotivado pelo material e se desvincula do sistema de tutoria, a personalização do conteúdo educacional pode ser ineficaz – o aluno não está prestando atenção a ele.

Inovações recentes na tecnologia de detecção afetiva, como McDuff, Kaliouby e Picard (2012), permitiram que os pesquisadores começassem a usar as respostas afetivas dos alunos como entrada para os sistemas de tutoria inteligente, de modo que o sistema possa responder aos estados afetivos dos alunos (Woolf et al., 2009; Arroyo et al.; Vanlehn et al.). No entanto, até agora, esses sistemas geralmente incorporam extensões baseadas em regras simples para lidar com os estados afetivos dos alunos e são baseados em tutores virtuais, não em robôs fisicamente incorporados (Nye, Graesser e Hu, 2014). Trabalhos anteriores adicionais mostraram que um tutor fisicamente incorporado pode ser mais eficaz do que um tutor virtual (Leyzberg, Spaulding e Scassellati, 2014).

Neste trabalho, apresentamos um sistema de tutoria afetiva integrada que utiliza uma configuração integrada de criança-tablet-robô (Gordon e Breazeal; Jeong et al., 2014; Kory e Breazeal). O comportamento afetivo de apoio de um tutor robótico é aprendido autonomamente e personalizado para cada aluno ao longo de várias sessões interativas de tutoria.

O sistema é composto por quatro componentes principais:

  1. Uma plataforma robótica social autônoma inovadora (chamada Tega), projetada especificamente para ser envolvente para crianças, robusta o suficiente para funcionar continuamente por várias horas e portátil para ser implantada no campo.
  2. Um aplicativo educacional inovador para tablet Android que permite a geração de currículo geral e integração perfeita com o robô social.
  3. Um smartphone Android que utiliza o SDK comercial Affdex para analisar automaticamente expressões faciais em tempo real (McDuff, Kaliouby e Picard, 2012).
  4. Uma arquitetura cognitiva que integra e alimenta informações afetivas do Affdex e informações educacionais do tablet em um algoritmo de aprendizado de reforço afetivo, que determina o comportamento verbal e não verbal do robô social.

A integração de todos esses componentes foi possibilitada pelo uso do Sistema Operacional de Robôs (ROS) em todo o conjunto, conforme Quigley et al. Nós avaliamos esse sistema em um paradigma experimental do mundo real. Crianças pré-escolares de língua inglesa nativa (com idades entre 3 e 5 anos) interagiram com o sistema para aprender vocabulário de segunda língua (espanhol) em sua própria sala de aula ao longo de um período de dois meses. Primeiramente, demonstramos que a configuração de tutoria facilita a aprendizagem dessas crianças de novas palavras em espanhol. Em seguida, analisamos o desempenho do algoritmo de aprendizado afetivo por reforço para mostrar que ele se personalizou para crianças específicas, ou seja, o algoritmo se adaptou de maneiras diferentes para cada criança.

Uma análise dos efeitos do comportamento do robô na aplicação e engajamento percebidos pelas crianças mostra que apenas a aplicação positiva das crianças é alterada de forma robusta e significativa imediatamente após uma série de ações não verbais do robô. Consequentemente, comparamos a aplicação das crianças que interagiram com um robô tutor personalizado ou não personalizado. Descobrimos que a mudança na aplicação entre a primeira e a última sessões ao longo do período de dois meses foi significativamente diferente entre as duas condições. Ou seja, na condição não personalizada, a aplicação positiva diminuiu, enquanto na condição personalizada, a aplicação positiva aumentou. Esses resultados, obtidos utilizando um sistema integrado que combina conteúdo educacional, detecção afetiva e um robô social expressivo implantado em um estudo de interação de longo prazo no mundo real, mostram que a personalização afetiva de tutores robóticos sociais pode influenciar positivamente o afeto dos alunos de maneiras construtivas e significativas.

Trabalhos Relacionados

Os (STIs) referem-se a uma ampla variedade de ferramentas educacionais baseadas em computador. Características comuns de um STI incluem a capacidade de alterar seu comportamento em resposta à entrada do aluno, fornecer ajuda na forma de uma dica ou instrução adicional e realizar alguma forma de avaliação do usuário. VanLehn (2011) faz uma distinção entre duas amplas classes de tutores baseados em computador. Primeiro, os sistemas de “Instrução Auxiliada por Computador” (IAC) são caracterizados por um estilo de “caderno digital” que fornece dicas ou feedback sobre as respostas dos alunos. Segundo, os “Sistemas de Tutoria Inteligente” são caracterizados por interatividade, respostas abertas e feedback sobre o processo dos alunos em direção a uma solução, em vez de apenas a solução em si.

Os STIs já estão sendo utilizados fora do laboratório, em escolas ou salas de aula de creches. No entanto, como é comum nas ciências aplicadas, os sistemas implementados geralmente ficam aquém do estado da arte da pesquisa. Assim, embora os sistemas comerciais de tutoria raramente considerem os estados afetivos ou emocionais dos alunos, a comunidade de pesquisa começou a abordar esses problemas. O subcampo dos “tutores conscientes de afeto” Woolf et al. (2009) busca projetar STIs mais eficazes que explicitamente percebam, modelem e raciocinem sobre os estados afetivos dos alunos. Inspirados em teorias psicológicas de emoção e aprendizagem, os tutores conscientes de afeto procuram promover o engajamento e a aprendizagem a partir de estimativas baseadas em dados dos estados afetivos dos alunos. Por exemplo, o tutor de geometria Wayang é um sistema que apresenta um agente virtual que ajuda os alunos a resolver problemas de geometria Arroyo et al. Para promover o engajamento, o tutor utiliza um sistema de comportamento afetivo baseado em empatia: as ações emocionais do tutor são projetadas para espelhar o estado emocional (estimado) do usuário. Por exemplo, se uma criança parece entediada, o tutor também pode demonstrar sinais de tédio antes de sugerir um novo tópico ou problema para manter o aluno engajado.

Esforços recentes para desenvolver sistemas de tutoria conscientes de afeto resultaram em uma série de sistemas importantes que foram amplamente estudados, incluindo o Wayang Tutor Arroyo et al. e o Affective Meta-Tutor Vanlehn et al. Estes projetos têm sido extensamente estudados. No entanto, grande parte do trabalho sobre afeto e modelagem na literatura de STIs concentra-se em modelos para inferir afeto. Tipicamente, uma vez que os estados afetivos são detectados ou identificados, eles acionam regras comportamentais simples – um tutor pode mudar sua expressão facial ou oferecer um comentário de apoio. No entanto, essas regras são codificadas pelos desenvolvedores e permanecem fixas durante todo o uso do sistema.

Por outro lado, a pesquisa e o desenvolvimento de tutores robóticos sociais têm florescido recentemente Movellan et al. (2009); Leyzberg, Spaulding e Scassellati (2014); Deshmukh et al.; Kanda et al. (2004). Por exemplo, o RUBI-4 é um robô humanoides com braços articulados, um rosto expressivo e um tablet embutido em sua parte central, que jogava jogos simples de vocabulário com crianças em idade pré-escolar Movellan et al. (2009). A personalização de tutores robóticos, mesmo por meio de algoritmos simples, mostrou-se muito eficaz em comparação com tutores robóticos não personalizados e até mesmo em comparação com robôs virtuais Leyzberg, Spaulding e Scassellati (2014). Embora abordagens de aprendizado mais sofisticadas para tutores robóticos personalizados tenham sido estudadas Gordon e Breazeal, entender como personalizar efetivamente o comportamento do tutor para apoiar o afeto positivo do aluno ainda é um problema em aberto.

Design de Interação

Criamos um cenário de interação completo para avaliar nosso tutor robótico social afetivo. O objetivo educacional era aprender novas palavras em um segundo idioma, neste caso, o espanhol. Utilizamos um cenário de criança-tablet-robô, em que o tablet fornecia um contexto compartilhado para a interação entre a criança e o robô. A criança e o robô trabalharam juntos para ajudar um personagem virtual do jogo que falava espanhol (um tucano animado em 2D) a viajar para a Espanha. O jogo tinha conteúdo relacionado a uma viagem à Espanha: fazer as malas para a viagem, visitar um zoológico, fazer um piquenique com amigos, e assim por diante. Essas diferentes aventuras proporcionavam a oportunidade de aprender novas palavras e revisar conteúdos anteriores, seguindo as melhores práticas educacionais de repetição espaçada. Embora um jogo em que o robô fornece tanto o conteúdo curricular quanto o suporte afetivo possa ser imaginado, aqui, o robô e o tucano foram criados como personagens separados. Isso permitiu que o robô fosse apresentado como um tutor e companheiro de mesmo nível da criança, em vez de um professor.

Figura 1: Em nosso estudo de avaliação, a criança sentou-se em frente ao robô. O tablet foi colocado sobre a mesa entre eles. O smartphone, que coletava dados por meio do Affdex, ficou ao lado do robô. A criança usava fones de ouvido conectados ao tablet e ao robô.

Além disso, uma vez que o currículo era reforçado, mas não apresentado, pelo robô, isso melhor representa alguns cenários de tutoria, nos quais as crianças trabalham com um tutor para aprender informações novas que foram apresentadas por terceiros. Por outro lado, o Tucano não transmitia informações de apoio/afetivas, apenas dicas curriculares/instrucionais. Tanto o robô quanto o tucano se comunicavam por meio de fala pré-gravada e animações para transmitir uma personalidade realista e envolvente, o que não pode ser facilmente alcançado com uma voz artificial. Scripts do jogo determinavam a dinâmica da interação entre o jogo no tablet, o Tucano virtual e as respostas relacionadas ao jogo do robô.

Design de plataforma

Tega é uma nova plataforma de robô projetada e desenvolvida especificamente para possibilitar interações de longo prazo com crianças. O sistema integrado completo era composto por um robô Tega, um novo aplicativo de tablet Android que permitia comunicação perfeita entre o conteúdo do jogo e o robô, um aplicativo de smartphone Android utilizando o SDK comercial Affdex para reconhecimento automático de expressões faciais, e uma estação de trabalho Ubuntu portátil e um roteador para comunicação local. Todos os componentes do sistema foram projetados ou adaptados para funcionar com o Robot Operating System (ROS), o que aliviou o problema de sincronização frequentemente associado a sistemas complexos e integrados desse tipo. Todos os dados foram continuamente registrados na forma de mensagens ROS em arquivos ROS-bag sincronizados para análise posterior.

Plataforma Robótica

A plataforma robótica Tega faz parte de uma linha de robôs baseados em Android, como mencionado por Setapen (2012), que utilizam smartphones para exibir graficamente o rosto animado do robô, bem como para conduzir cálculos, incluindo controle comportamental, processamento de sensores e controle de motores para seus cinco graus de liberdade (DoF). As articulações expressivas do Tega são combinatoriais e consistem em cinco DoFs básicos: movimento de cabeça para cima/baixo, inclinação da cintura para a esquerda/direita, inclinação do tronco para a frente/para trás, movimento completo do corpo para cima/baixo e movimento completo do corpo para a esquerda/direita. O robô é projetado para movimentos robustos dos atuadores, de modo que o robô possa expressar comportamentos consistentes ao longo do tempo. Por exemplo, a base de sua cadeia cinemática é baseada em um projeto de fuso de avanço que permite que o robô exerça rapidamente e de forma confiável sua articulação principal de “esmagar e esticar”.

Para uso contínuo de longo prazo, o robô possui um sistema eficiente alimentado por bateria que pode funcionar por até seis horas antes de precisar ser recarregado. O design eletrônico do robô amplia as capacidades do smartphone com alto-falantes embutidos e uma câmera adicional de alta definição que possui um amplo campo de visão da cena e dos usuários. Esteticamente, o robô tem o tamanho de um urso de pelúcia (cerca de 11 polegadas de altura), é colorido e possui uma pelagem fofa para atrair as crianças pequenas.

Projeto do Estudo

Testamos duas condições: resposta afetiva personalizada do robô, na qual o algoritmo de aprendizado por reforço afetivo foi implementado, versus respostas afetivas não personalizadas, nas quais a matriz Q inicial foi utilizada ao longo das sessões.
O estudo foi realizado em três salas de aula pré-escolares, durante o horário normal de atividade da sala de aula. Assim, os participantes as crianças foram chamados para brincar com o companheiro robô social e depois retornaram para sua classe. Essa situação única exigiu ajustes específicos em um cenário de interação robô-criança padrão, como o uso de uma divisória para criar um “espaço de interação” no qual as crianças estavam fisicamente separadas do restante da sala de aula, e o uso de fones de ouvido para minimizar as chances de interferência de não participantes. Apesar dessas restrições, as crianças estavam ansiosas para vir e brincar com o robô repetidamente por um período de dois meses.

Conclusão

Apresentamos um sistema integrado que aborda o desafio da tutoria afetiva de crianças por robôs. O sistema detecta o estado afetivo da criança e aprende como responder adequadamente durante uma interação de longo prazo entre a criança e um companheiro robótico social afetivo totalmente autônomo. Neste sistema, combinamos: (i) uma nova plataforma de robô social totalmente autônoma com interação social envolvente e afetiva; (ii) um novo aplicativo de tablet interativo e genérico que permite uma interação envolvente entre o robô e a criança; (iii) um software comercial de reconhecimento automático de expressões faciais e SDK que se integra perfeitamente à resposta afetiva do robô; e (iv) um algoritmo de aprendizado por reforço afetivo para personalização afetiva de longo prazo.

Implantamos nossa configuração no ambiente natural de três salas de aula pré-escolares durante o horário regular de atividades. Essas configurações únicas, combinadas com um companheiro robótico social totalmente autônomo, exigiram modificações restritivas em nossa configuração, como o uso de fones de ouvido e divisórias físicas. No entanto, mostramos que a configuração de tutoria foi eficaz em ajudar as crianças a aprenderem novas palavras em espanhol. Além disso, constatamos que nosso algoritmo de aprendizado por reforço afetivo se personalizou para cada criança e resultou em um aumento significativo na valência positiva a longo prazo, em comparação com interações não personalizadas. Esses resultados só podem ser obtidos em um sistema integrado, com um robô social totalmente autônomo e afetivo, um sistema de detecção automática de afeto e uma interação de longo prazo em salas de aula.

Acreditamos que este artigo apresenta etapas críticas em direção a um tutor robótico eficaz e afetivo para crianças pequenas. Trabalhos futuros se concentrarão em uma configuração mais compacta, incluindo mudanças como a incorporação do software Affdex na câmera embutida na plataforma Tega, uma interação de longo prazo (por exemplo, seis meses a um ano) que mostrará a convergência da política afetiva ou adaptação dinâmica às mudanças nas respostas afetivas das crianças e a integração do reconhecimento de fala para facilitar uma interação mais natural entre a criança e o robô.

 

 

Autores(a): Goren Gordon, Samuel Spaulding, Jacqueline Kory Westlund, Jin Joo Lee,
Luke Plummer, Marayna Martinez, Madhurima Das, Cynthia Breazeal
Fonte:
MIT Media Lab
Artigo original:
https://bit.ly/42T3yYr

Fernando Giannini

Pesquisador de tecnologia aplicada à educação, arquiteto de objetos virtuais de aprendizagem, fissurado em livros de grandes educadores e viciado em games de todos os tipos. Conhecimentos aprimorados em cursos de grandes empresas de tecnologia, principalmente no Google Business Educational Center e Microsoft. Sócio-proprietário da Streamer, empresa que alia tecnologia e educação. Experiência de 18 anos produzindo e criando objetos de aprendizagem, cursos a distância, design educacional, interfaces para sistemas de aprendizagem. Gestor de equipe para projetos educacionais, no Ensino Básico, Médio e Ensino Superior. Nesse período de trabalho gerenciou equipes e desenvolveu as habilidades de liderança e gestão. Acredita na integração e aplicação prática dos conhecimentos para a realização de projetos inovadores, sólidos e sustentáveis a longo prazo. Um dos grandes sonhos realizados foi o lançamento do curso gratuito Mande Bem no ENEM que atingiu mais de 500 mil estudantes em todo o Brasil contribuindo para a Educação Brasileira.

Participe da nossa comunidade no Whatsapp sobre Educação e Tecnologia

0 comentários

Enviar um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Posts Relacionados

Aprendendo com IA: espelhos sociais e intelectuais

Até recentemente, as interações humanas com máquinas antropomorfizadas (entidades não-humanas que são atribuídas características humanas) eram consideradas divertidas, mas não eram vistas como emocionalmente relevantes para a maioria das pessoas. Embora muitos se...

10 efeitos negativos do uso de celulares para as crianças

Crianças de todo o mundo (embora não todas) utilizam smartphones para diversas finalidades. Algumas passam horas conversando com amigos, enquanto outras se dedicam a jogar inúmeros jogos. A Internet é frequentemente considerada uma fonte de conhecimento para as...

Sistemas de tutoria inteligente

Adaptação da aprendizagem de acordo com o nível e ritmo do estudante Os sistemas de tutoria inteligente se baseiam na capacidade de adaptar a aprendizagem de acordo com o nível e o ritmo do estudante. Usando inteligência artificial e técnicas de aprendizado de...

Quanto custa manter a nuvem no céu para o meio ambiente?

À medida que a humanidade aumenta sua capacidade de intervir na natureza com o objetivo de satisfazer as necessidades e desejos crescentes, aparecem as tensões e conflitos quanto ao uso do espaço e dos recursos naturais. Quanto custa manter a nuvem no céu para o meio...

Competências essenciais na era digital

A proliferação da IA em muitos aspectos da vida humana - desde o lazer pessoal até o trabalho profissional, passando pelas decisões políticas globais - impõe uma questão complexa sobre como preparar as pessoas para um mundo interconectado e em rápida mudança, que está...

Educação digital para prevenir abusos sexuais online

Depois de participar de uma aula incrível com a professora Beatriz Lorencini e o Felipe, fui tirado da bolha onde costumo estar a maior parte do meu tempo se não o tempo todo. Quando percebi eu estava em choque por "não saber ou escolher não saber" que existem...

Tag Cloud

Posts Relacionados

[dgbm_blog_module posts_number=”4″ related_posts=”on” show_categories=”off” show_pagination=”off” item_in_desktop=”2″ equal_height=”on” image_size=”mid” author_background_color=”#ffffff” disabled_on=”off|off|on” module_class=”PostRelacionado” _builder_version=”4.16″ _module_preset=”default” title_font=”Montserrat||||||||” title_text_color=”#737373″ title_font_size=”19px” title_line_height=”25px” meta_text_color=”#666″ meta_font_size=”13px” content_font_size=”13px” content_line_height=”30px” author_text_color=”#666666″ custom_css_content_container=”display:flex;||flex-wrap:wrap;” custom_css_image-container=”padding-top:70%;||overflow:hidden;” custom_css_image=”position:absolute;||top:0;||left:0;||bottom:0;||right:0;||object-fit: cover;||height:100%;||width:100%;” custom_css_title=”padding:20px;||margin-top:0;||order:2;” custom_css_content=”padding:0 20px 20px;||order:3;” custom_css_post-meta-middle=”order:1;||padding:20px;||border-bottom:1px solid #dcdcdc;||border-top:1px solid #dcdcdc;” border_width_all_post_item=”0px” border_width_all_content=”0px” box_shadow_style_container=”preset1″ box_shadow_blur_container=”5px” box_shadow_spread_container=”1px” box_shadow_color_container=”rgba(0,0,0,0.1)” global_colors_info=”{}”][/dgbm_blog_module]

Receba a nossa newsletter

Fique por dentro e seja avisado dos novos conteúdos.

Publicações mais recentes