Разработка рекомендательного сервиса повышения результативности обучения на базе платформы CORE

Описание проекта

CORE (Construct Online Resources for Education) – платформенное решение для разработки педагогами индивидуальных образовательных материалов и материалов для проверки знаний. Позволяет выстраивать коммуникацию с обучающимися, вовлекать в учебный процесс и отслеживать индивидуальный и групповой прогресс.

Помогает внедрять и реализовывать в онлайн современные образовательные подходы проектного, смешанного, дистанционного обучения, геймификации и организации командной работы.

Главной проблемой существующих онлайн-курсов является низкая "доходимость" обучающихся до конца. Ученикам не хватает мотивации к обучению, усидчивости, не хватает понимания как нужно изучать материал. Это ведет к тому, что ученики не получают желаемый результат (знания и умения), а владельцы курсов теряют деньги. Рекомендательный сервис повышения результативности обучения — это персональный помощник ученика, анализирующий паттерн поведения обучающегося и выдающий рекомендации по смене подходов и приемов обучения. Система в своей основе будет иметь искусственный интеллект, обученный на анализе паттернов поведения тысяч обучающихся на платформе CORE и их успеваемости. Когда пользователь платформы приступает к обучению, система будет анализировать его поведение не менее чем по 8 показателям, прогнозировать успеваемость к завершению курса и выдавать рекомендации – что следует изменить ученику в существующем подходе к обучению. Система будет напоминать о повторении материала на основе кривой забывания, рекомендовать изменить время и ритм обучения, следить за сдачей контрольных результатов и т.п. Таким образом для ученика формируется персональный образовательный подход к обучению и наилучшему усвоению материала. Система может быть дополнена рекомендациями по обучению и формированию персональной образовательной траектории. В случае наличия избыточного обучающего материала, возможностью семантического подстраивания материала под интересы обучающегося.

Научно-техническая новизна проекта:

улучшение образовательного опыта обучающегося на основе предоставления персональных рекомендаций к изменению паттерна поведения на основе технологий искусственного интеллекта
выдача рекомендаций по повышению эффективности обучения и усвоения изучаемого материала,
персональный образовательный ассистент, который всегда готов прийти на помощь,
сбор и анализ цифрового следа ученика, успеваемости, глубинный анализ собираемых данных и представление данных преподавателю
персонификация образовательных материалов под интересы обучающихся
выдача рекомендаций по повышению эффективности образовательных материалов для разработчиков, на основе анализа изучения материалов пользователями

В CORE планируется реализация интеллектуальной системы рекомендаций, основанная на технологии Big Edu Data. Система собирает цифровой след по результатам выполнения домашних заданий и проведения опросов и декомпозирует его с применением семантического анализа, анализирует движения курсора и клики на экране, считывает эмоции по видео-потоку web-камеры, замеряет время и периодичность действий каждого обучающегося. Далее собранная информация преобразуется в численные метрики. Метрики в свою очередь, комплексируются на основе методов, являющихся нашим ноу-хау, в 9 показателей стиля обучения:

Целеполагание
Фокусировка
Прилежность
Эмоциональное состояние
Время на обучение
Сравнение с группой
Жизнестойкость
Кривая забываемости
Социально-демографический показатель.

Собранная информация имеет два основных назначения применения:

Система анализирует качество разработанного урока на основе опыта учеников, прошедших обучение. На основе методов статистического анализа определяются элементы урока трудные для понимания. Затем система на основе алгоритмов ML (Reinforced Learning, Model-based RL, Deep Q Network) выдает рекомендации по улучшению пользовательского опыта: 1) Перераспределение нагрузки между блоками, 2) Понижение утомляемости для пользователя, 3) Изменение подходов под ЦА (педагогические технологии) 4) Улучшения упражнений, 5) Повышение вовлеченности
Система создает цифровой профиль обучающегося. Данная технология носит название LXP – Learning Experience Platform. Каждый пользователь может увидеть свой уровень показателей и сравнить его со среднестатистическим по всей платформе. Кроме того, на основе алгоритмов ML (Reinforced Learning, Model-based RL, Deep Q Network) платформа выдает рекомендации, что следует улучшить в процессе обучения для улучшения показателей: 1) Изменить образовательные привычки, 2) Сравнение себя с группой и с личным прогрессом, 3) Рекомендации по вовлеченности, фокусировке и т.д.

Качество рекомендаций по улучшению стиля обучения и доработке образовательных материалов будет постоянно повышается за счет огромного датасета на входе - ежедневно на платформе проходит до 250 тысяч онлайн-уроков.

Важной особенностью представленной технологии является возможность семантического подстраивания описания задания на основе интересов конкретного обучающегося. Исследования, описанные в книге [Хэтти Джон А. С.: Видимое обучение. Синтез результатов более 50 000 исследований с охватом более 80 мил. Школьников] указывают, что если в заданиях использовать объекты интересные персонально для ученика, то он с большим интересном будет их решать. Грубым, утрированным примером может быть – давать мальчикам задачи про машинки, а для девочек про куклы. Если человек по специальности летчик – ему будет привычнее проходить обучение в соответствующем контексте.

Главным результатом реализации описываемого проекта будет являться возможность предоставления каждому обучающемуся персонального электронного ассистента. Как известно, преподавателю крайне сложно следить за всеми учениками в потоке. А электронный ассистент всегда будет в курсе успехов ученика, и готов помочь скорректировать модель обучения, напомнить о том, что пора повторить изученный материал, напомнить о сроках сдачи домашнего задания и т.п.

https://coreapp.ai/