Tres desafíos técnicos de construir tutores robóticos

Vota este post

Los factores demográficos y económicos impulsan el apoyo tecnológico en la educación. La reducción de los presupuestos escolares, el aumento del número de estudiantes por aula y la demanda de una mayor personalización del currículo para niños con necesidades diversas están impulsando la investigación de apoyo basada en tecnología que mejora los esfuerzos de padres y maestros.

Por lo general, adoptan la forma de un sistema de software que admite la tutoría individual. La interacción social mejora el aprendizaje humano, tanto cognitivo como práctico. Las investigaciones sugirieron que algunas de estas influencias conductuales también se traducen en interacciones entre robots y humanos. Si bien los robots sin comportamiento social pueden usarse como herramientas educativas para enseñar tecnología a los estudiantes, limitamos nuestra revisión a los robots diseñados específicamente para apoyar la educación a través de interacciones sociales.

Dado que los agentes virtuales (presentados en computadoras portátiles, tabletas o teléfonos) pueden ofrecer varias de las mismas capacidades, es necesario justificar explícitamente el uso de un robot en un entorno educativo sin el costo de hardware adicional y mantenimiento, así como dificultades de distribución e instalación. .

Los robots ofrecen tres beneficios en comparación con los agentes virtuales: 1. Pueden usarse para currículums o poblaciones que requieren participación física. 2. Para un robot, los usuarios muestran más comportamientos sociales para aprender. 3. Cuando se utilizan robots en lugar de agentes virtuales, los usuarios muestran mayores ganancias de aprendizaje.

Los robots son una opción natural cuando la manipulación física del mundo es necesaria para enseñar material en un salón de clases. En muchas aplicaciones terapéuticas o de rehabilitación, la tutoría de habilidades físicas, como la escritura a mano o el tiro libre de baloncesto, con un agente virtual, puede ser más difícil.

Además, a menudo se espera que los robots tutores se muevan a través de espacios dinámicos y poblados y manipulen el entorno físico. Aunque no siempre se requiere en el contexto educativo, hay algunos escenarios en los que la experiencia de aprendizaje se beneficia de que el robot pueda manipular objetos y moverse de forma autónoma, como apoyar la experimentación física o moverse hacia el alumno en lugar de que el alumno se mueva hacia el robot. Estos desafíos no son exclusivos de la robótica social y los tutores de robots, pero los elementos adicionales que hacen que el robot trabaje cerca y con los (jóvenes) estudiantes agregan complejidades que a menudo se ignoran en la navegación y la manipulación.

Es más probable que los robots físicos lleven a los usuarios a aprender del comportamiento social. Los robots pueden trabajar juntos de manera más atractiva y agradable que una agencia virtual y, a menudo, se perciben de manera más positiva. Para los sistemas de tutoría, los robots presentados físicamente brindan un cumplimiento significativamente mayor que la representación en video del mismo robot. Finalmente, por último, los robots físicos han aumentado el aprendizaje, lo que afecta las elecciones de comportamiento posteriores más que los agentes virtuales.

En comparación con las instrucciones de personajes virtuales, videos de robots o lecciones de audio, los robots han producido un aprendizaje más rápido en los acertijos cognitivos. Al capacitar a los usuarios para que elijan refrigerios más saludables y ayudarlos a continuar con un programa de pérdida de peso de 6 semanas, se han obtenido resultados similares. Una revisión exhaustiva concluyó que la presencia física de un robot generó percepciones positivas y aumentó el rendimiento de las tareas en comparación con los agentes virtuales o los robots en las pantallas.

Desafíos técnicos de construir tutores robóticos

El uso de la tecnología para apoyar la educación plantea varios desafíos. El uso de un robot social se suma a este conjunto de problemas debido a la presencia del robot en el entorno social y físico y las expectativas del usuario. El elemento social de la interacción es particularmente difícil de automatizar: mientras que los tutores robóticos pueden funcionar de forma independiente en contextos restringidos, en entornos sin restricciones, la conducta de tutoría social sigue siendo completamente autónoma.

La percepción del mundo social es el primer paso hacia una acción adecuada. Los tutores robóticos no solo deben poder comprender correctamente las respuestas del usuario al contenido educativo, sino también interpretar indicaciones sociales rápidas y matizadas que indican participación en la tarea, confusión y atención. Si bien el reconocimiento automático de voz y el procesamiento de señales sociales han mejorado en los últimos años, no todas las poblaciones han progresado lo suficiente. Por ejemplo, el reconocimiento de voz para usuarios más jóvenes aún no es lo suficientemente sólido para la mayoría de las interacciones. En su lugar, se utilizan tecnologías de entrada alternativas, como tabletas con pantalla táctil o sensores portátiles, para leer las respuestas de los alumnos y se pueden utilizar como proxy para la detección de la participación de los alumnos y el seguimiento del rendimiento de los alumnos.

En un contexto y estrategias específicos, como el cambio de actividad, los robots también pueden utilizar modelos explícitos de desconexión para mantener la interacción. En los últimos años, la visión por computadora ha dado pasos significativos, pero aún es limitada en lo que respecta a la diversidad de contextos y expresiones sociales que se encuentran típicamente en entornos educativos y domésticos. Si bien las técnicas de detección avanzadas para el gesto de lectura, la postura y las miradas se han convertido en robots para aprender, el grado en que la mayoría de los tutores de robots sociales pueden interpretar con precisión el comportamiento social del alumno aún es limitado.

Independientemente de las señales sociales que se lean del estudiante, el robot debe elegir una acción que promueva los objetivos a largo plazo del programa educativo. Sin embargo, esto a menudo puede ser una elección difícil, incluso para entrenadores humanos experimentados. ¿Debe el instructor seguir adelante e intentar con otro problema, pasar a un tema más desafiante, examinar cómo se puede resolver el problema actual, dar una idea o incluso ofrecer una breve pausa? A menudo hay teorías educativas contradictorias en la instrucción basada en humanos, y es una pregunta abierta si estas teorías se mantienen al considerar a los instructores de robots. Estas opciones también están presentes en un ITS, un avatar en pantalla o tutoría humana, pero el carácter de agencia explícito de los robots a menudo presenta opciones y complicaciones adicionales. La elección de una estrategia adecuada de apoyo emocional afectivo para el niño, la ayuda con una estrategia de aprendizaje metacognitivo, la decisión de cuándo romper y la promoción de la asistencia adecuada para la búsqueda del comportamiento han demostrado una mayor ventaja de aprendizaje para los estudiantes.

La combinación de tales acciones con gestos adecuados, comportamiento adecuado y congruente, comportamiento expresivo y comportamiento que guíe la atención y la conducta no verbal oportuna también tiene un efecto positivo en el aprendizaje de los estudiantes. Sin embargo, simplemente aumentar el comportamiento social de un robot no mejora los logros de aprendizaje: algunos estudios han encontrado que el comportamiento social. En cambio, el comportamiento social del robot debe diseñarse cuidadosamente junto con el contexto y la tarea en cuestión para mejorar la interacción educativa.

Por último, pero no menos importante, se ha llevado a cabo una amplia investigación centrada en la personalización de las interacciones del usuario y se utilizan técnicas computacionales como redes bayesianas dinámicas, árboles de decisión difusos y modelos ocultos de Markov para modelar el conocimiento y el aprendizaje de los estudiantes. Los tutores robóticos usan la misma tecnología que los sistemas de tutoría en pantalla para adaptar la complejidad de los problemas a las habilidades del estudiante, creando problemas complejos solo cuando se dominan los problemas más fáciles. Además de seleccionar contenido específico, los sistemas de tutoría robóticos a menudo brindan personalización adicional que admite diferentes estilos de aprendizaje y preferencias de interacción. Las formas simples de personalización, como usar el nombre de un niño o hacer referencia a información personal en un entorno educativo, pueden aumentar la percepción de interacción del usuario y desempeñar un papel esencial para garantizar el compromiso de aprendizaje.

Se exploraron estrategias de personalización adicionales para mantener el compromiso durante las interacciones de aprendizaje mediante el fortalecimiento del aprendizaje para seleccionar las respuestas que afectan al comportamiento de los niños del robot. Un estudio de campo mostró que los estudiantes que interactúan con un robot que demuestra simultáneamente tres tipos de personalización (comportamiento no verbal, comportamiento verbal y progresión de contenido adaptativo) muestran mayores ganancias de aprendizaje y una participación sostenida en comparación con los estudiantes que interactúan con un robot no personalizado. Si bien se ha avanzado en las tecnologías constitutivas de los tutores robóticos, desde la percepción hasta la selección y producción de comportamientos que fomentan el aprendizaje, la integración y el equilibrio de estas tecnologías para promover el comportamiento prosocial y el aprendizaje constante sigue siendo uno de los desafíos técnicos importantes.