Possibility of Learning Assistance Robot: Understanding Learner's Status

Prof. Yasuhisa Tamura (Sophia University)

Traditional concept of "adaptive learning" has been proposed more than 50 years ago. However, modern research results and practical tools / environments in learning analytics area show possibilities to realize an adaptive learner support system. In order to realize it, four major components are needed. First is various tools to collect learners' status and activities. Learners' Tablet PCs and laptop PCs are capable to collect information of typing, screen touch, video, audio, body movement etc. Second is the interface specification to transmit collected raw data. Caliper Analytics and xAPI are their representatives. Third is tools to analyze collected learning analytics data, which provides statistical or big data analysis functions. Fourth is the interface to visualize results and give feedback to learners. It ranges from simple window interface to humanoid robot. This emergence in the future might show "Race Against the Machine" in education market, but, in the other perspective, learners will be set in an ideal circumstance: he will be able to learn whatever and whenever he wants. Even he is able to keep his pace, during an assistant robot beside watches him always.

적응형 학습(adaptive learning)의 전통적인 개념은 50여 년 전에 제안되었습니다. 하지만, 학습분석 분야에서 현대의 연구 결과와 실용적인 도구/환경은 적응형 학습자 지원 체계를 실현하기 위한 가능성을 보여주고 있습니다. 이를 실현하기 위해 네 가지 요소가 필요합니다. 첫번째는 학습자의 상태와 활동을 수집하기 위한 여러 도구입니다. 학습자의 태블릿 PC와 노트북은 글자 입력, 스크린 터치, 비디오, 오디오, 신체 활동 등의 정보를 수집하기에 적절합니다. 두번째는 수집된 raw data를 전송하기 위한 인터페이스 규격입니다. Caliper Analytics와 xAPI가 대표적인 규격입니다. 세번째는 수집된 학습분석 데이터를 분석하기 위한 도구로, 통계적이거나 빅 데이터 분석 기능을 제공합니다. 네번째는 결과를 시각화하고 학습자에게 피드백을 제공하기 위한 인터페이스입니다. 이것은 간단한 윈도우 인터페이스에서 휴머노이드 로봇까지를 포함합니다. 미래에 이런 학습 분석의 등장은 교육 시장에서 "기계에 대항하는 경쟁"을 보여줄 수도 있습니다. 하지만 다른 관점으로 보면, 학습자는 이상적인 환경을 시작할 수 있습니다. 예를 들어 학습자는 그가 원하는 것을 무엇이든, 언제나 배울 수 있을 것입니다. 심지어 도우미 로봇이 항상 학습자를 지켜보는 동안, 학습자는 항상 자신의 속도를 유지할 수 있을 것입니다.

Artificial Intelligence for Learning Analysis

이재호 교수 (서울시립대학교)

Artificial Intelligence is everywhere. According to the 2017 Gartner hype cycle for emerging technologies, machine learning is at the peak of the hype cycle and artificial general intelligence is expected to be pervasive during the next decade. Furthermore Gartner predicts that “AI as a Service” will be the enabling technology towards the convergence of AI Everywhere. One of the most promising application area of artificial intelligence is the education field in the form of education technology. AI is expected to promote advancement of education technology for teaching robots, intelligent tutoring systems and online learning, learning analytics, and advanced assessments. The resultant benefits include better learning outcomes for students, productivity and insight for educators, and scalable high quality education for organizations.

인공지능은 어디에나 존재합니다. 2017년의 “Gartner Hype Cycle for Emerging Technologies”에 따르면, 머신 러닝은 Hype Cycle의 정점에 위치하며 인공 일반 지능(Artificial General Intelligence)은 다음 10 년 동안 만연할 것으로 기대됩니다. 그리고 Gartner는 “서비스로서의 AI”가 모든 곳에서 인공지능을 가능하게 할 기술로 예측하고 있습니다. 인공지능의 가장 유망한 응용 영역 중 하나는 교육 기술의 형태의 교육 분야입니다. 인공지능은 교육 로봇, 지능형 강의 시스템과 온라인 학습, 학습 분석, 그리고 향상된 평가에 대한 교육 기술의 진보를 촉진할 것으로 기대됩니다. 이러한 결과에 따른 혜택은 학생에게는 더 나은 학습 결과를, 교육자에게는 생산성과 통찰력을, 그리고 단체에게는 확장/축소가 가능한 질 높은 교육을 포함합니다.

Multimodal Learning Analytics

Prof. Xavier Ochoa (Escuela Superior Politécnica del Litoral (ESPOL))

Learning Analytics is the measurement and analysis of the learning process in order to provide feedback to instructors and learners to improve it. This definition is generally instantiated as systems that provide recommendations and predictions based on the data automatically generated when students work and collaborate inside online systems such as Learning Management Systems (LMS) or Massive Open Online Courses (MOOC). However, most learning still occurs outside online tools: in classrooms, labs, study rooms and at home, where data is not automatically captured or stored. This has lead to a streetlight effect, where learning is analyzed only where it is easy to analyze, not where it is really happening. This talk will introduce the topic of Multimodal Learning Analytics, an effort to use all available sources of information (gestures, speech, movement, writing, online logs, etc.) to understand the learning process not only online, but in the real-life settings. During the talk, examples of Multimodal systems will be presented and several current research issues in the field will be explored: data streams integration, real-time feedback, distributed vs. centralized capture and ethical concerns.

학습분석은 교수자에게 피드백을 제공하고 학습자에게 학습 활동을 향상시키기 위한 학습 과정의 측정과 분석입니다. 이러한 정의는 일반적으로 학생이 LMS나 MOOC와 같은 온라인 시스템 안에서 공부하고 협력할 때 자동적으로 생성되는 데이터에 기반하여 추천과 예측을 제공하는 시스템으로서 시작되었습니다. 하지만, 대부분의 학습은 여전히 온라인 도구 바깥, 즉, 교실, 연구실, 스터디룸, 그리고 집과 같이 데이터가 자동적으로 수집되거나 저장되지 않는 곳에서 일어납니다. 이것은 가로등 효과를 이끌어내는데, 학습이 분석하기 쉬운 곳에서만 분석되고, 실제로 일어나는 곳에서는 그렇지 않게 됩니다. 이번 발표는 멀티모달 학습 분석의 주제를 소개하려고 하는데, 이는 모든 가능한 정보(제스처, 연설, 이동, 작문, 온라인 로그 등)의 출처를 사용하며 학습 과정을 온라인 뿐만 아니라 실제 세계의 환경에서 이해하기 위한 노력입니다. 이번 발표에서는 멀티모달 시스템의 예가 발표될 것이며, 이 분야의 여러 연구 이슈들, 예를 들면 데이터 스트림 통합, 실시간 피드백, 분배되거나 중앙 집중화된 데이터 수집 및 윤리적인 고려 사항 등이 탐색될 것입니다.

Human Factors in Education using Virtual and Augmented Reality

이효정 연구원 (한국교육학술정보원)

Last year seemed to be the first year of virtual reality. Due to various entertainment contents such as Pokemon-Go, many people became familiar with virtual reality and augmented reality. After new technologies are emerged, it will apply to various fields soon. Likewise, there are some attempts to introduce new technologies into the field of education. In Korea, digital textbooks will be introduced to primary and secondary schools from 2018. The utilization of realistic contents linked with digital textbooks is expected to increase. Virtual reality or augmented reality technology can give overwhelming immersion and real feeling to users, so it will be more useful when used for education. In some countries, they are using virtual reality technologies for STEM education. However, uncertainty still exists. Is VR safe for kids? Could students use Head-mounted-display(HMD) which is not designed for them? How will the use of new technology affect students physically and emotionally? How many minutes should I limit the usage time? Here, I will describe human factors that will use AR or VR technology in education. I will exclude various devices such as See-closed device, See-Through device, and AR book from the scope and centered on the area that can be solved in software and contents field. For instance, users must read the manuals of each device before use and comply with the use of age. Producers and designers of contents could refer to the standardization trends and display the warning messages about the age of use of contents, selectivity, violence, etc.

포케몬-고 (Pokemon-Go)와 같은 다양한 엔터테인먼트 콘텐츠로 인해 많은 사람들이 가상현실(AR)과 증강현실(VR)에 익숙해졌습니다. 교육 분야에도 이러한 기술을 도입하려는 시도가 있습니다. 한국에서는 AR,VR 컨텐츠가 탑재된 디지털교과서가 2018년부터 초 · 중등 학교에 도입될 예정입니다. 다른 국가에서는 STEM 교육에 가상 현실 기술을 사용하고 있습니다. 이러한 기술은 사용자에게 압도적인 몰입감과 실제 감각을 줄 수 있으므로, 교육용으로 사용될 때 분명 더 유용할 것입니다. 그러나 신기술의 사용이 학생들에게 신체적, 정서적으로 어떤 영향을 미칠까요? 사용 시간은 몇 분으로 제한해야 할까요? 여전히 불확실성은 존재합니다. 여기서는 교육에 AR 및 VR 기술을 사용할 때 고려해야 할 휴먼팩터와 그 가이드라인에 대해 설명합니다. 장비 자체에 대한 고려는 제외하고 소프트웨어 및 콘텐츠 영역에서 해결할 수있는 영역을 중심으로 합니다.

토론 주제:

1. Expectation and Bubble for Intelligent Learning System through Learning Analytics Technology
2. Status of Current Intelligent Technology and Prospect of Development
3. How much Schools and Classrooms Will Be Changed? (due to the intelligent technology)
4. Future of Multi-Modal Learning Analytics

패널: Prof. Yasuhisa Tamura, Prof. Xavier Ochoa, 이재호 교수, 이효정 연구원

• Professor, Dept. Information Science, Sophia University, Tokyo Japan - Learning Technology, Digital Textbooks, Learning Analytics, Motor-skill Learning Support
• Chair, Japanese Society for Learning Analytics
• Chair, Japan e-Learning Association
• Advisory Member, Educational System Project, Ministry of Internal Affairs, Japan
• Director, ICT Connect 21, Japan (Industry-government-academia Alliance for Digitalization of Education)
• Member, ISO/IEC JTC1/SC36 WG8 (Learning Analytics Interoperability)