Si bien abundan las oportunidades de capacitación y retroalimentación para los educadores K-12, no se puede decir lo mismo de los profesores de educación superior. En la actualidad, el mecanismo más eficaz para el desarrollo profesional es que un experto observe una conferencia y proporcione comentarios personalizados. Pero un nuevo sistema desarrollado por investigadores de la Universidad Carnegie Mellon ofrece un completo sistema de detección en tiempo real que es económico y escalable para crear un circuito de retroalimentación continua para el instructor.

El sistema, llamado EduSense, analiza una variedad de características visuales y de audio que se correlacionan con una instrucción efectiva. "Hoy dia, el profesor actúa como sensor en el aula, pero eso no es escalable, "dijo Chris Harrison, profesor asistente en el Instituto de Interacción Humano-Computadora (HCII) de CMU. Harrison dijo que el tamaño de las aulas se ha disparado en las últimas décadas, y es difícil dar conferencias y ser eficaz en clases grandes o estilo auditorio.

EduSense es mínimamente molesto. Utiliza dos cámaras montadas en la pared, una frente a los estudiantes y otra frente al instructor. Detecta cosas como la postura de los estudiantes para determinar su compromiso, y cuánto tiempo hacen una pausa los instructores antes de llamar a un estudiante. "Estas son cosas codificadas que los profesionales de la educación han conocido como mejores prácticas durante décadas, "Dijo Harrison.

Una sola cámara lista para usar puede ver a todos en el aula e identificar automáticamente información como hacia dónde miran los estudiantes, con qué frecuencia levantan la mano y si el instructor se mueve por el espacio en lugar de quedarse detrás de un podio. El sistema usa OpenPose, otro proyecto de CMU, para extraer la posición del cuerpo. "Con los avances en visión artificial y aprendizaje automático, ahora podemos proporcionar información que tardaría días, si no meses, en obtener con la observación manual, "dijo Karan Ahuja, miembro del equipo de investigación que está realizando su doctorado. en el HCII.

Harrison dijo que los científicos del aprendizaje están interesados ​​en los datos educativos. "Porque podemos rastrear el cuerpo, es como llevar un traje de acelerómetros. Sabemos cuánto gira la cabeza y mueve las manos. Es como si llevara puesto un sistema de captura de movimiento virtual mientras enseña ".

El uso de cámaras de alta resolución que emiten video 4K para muchas clases a la vez es una "pesadilla computacional, "Dijo Harrison. Para mantenerse al día, los recursos se asignan elásticamente para proporcionar la mejor velocidad de fotogramas posible para los datos en tiempo real.

El proyecto también tiene un fuerte enfoque en la protección de la privacidad, guiado por Yuvraj Agarwal, profesor asociado en el Instituto de Investigación de Software de la universidad. El equipo no quiso identificar a estudiantes individuales, y EduSense no puede. No se utilizan nombres ni información de identificación, y dado que los datos de la cámara se procesan en tiempo real, se descarta rápidamente.

Ahora que el equipo ha demostrado que puede capturar los datos, Amy Ogan, miembro de la facultad de HCII, dijo que su desafío actual es terminar y presentarlo de una manera que sea educativamente efectiva. El equipo continuará trabajando en aplicaciones orientadas al instructor para ver si los profesores pueden integrar los comentarios en la práctica. "Nos hemos centrado en comprender cómo, cuándo y dónde presentar mejor la retroalimentación basada en estos datos para que sea significativo y útil para los instructores para ayudarlos a mejorar su práctica, " ella dijo.

Esta investigación ha sido presentada en Ubicomp, la Conferencia Internacional de Ciencias del Aprendizaje, y se presentará el próximo mes de abril en la reunión anual de la Asociación Estadounidense de Investigación Educativa.