وقتی آنجلا دنسی از مربیان کالج میخواهد بفهمد آیا دانشجویان انگلیسی سال اولش چیزهایی را که منتقل میکند متوجه میشوند، مسلماً از حالات چهره و زبان بدن آنها چیز زیادی دستگیرش نخواهد شد. دنسی، مدرس ارشد دانشگاه ایلینوی شیکاگو، در این باره میگوید: «حتی در یک کلاس حضوری، فهمیدن دانشجوها کار سختی است. معمولاً دانشجویان کارشناسی از طریق چهره خود ارتباط برقرار نمیکنند و نمیتوان متوجه شد چیزی را فهمیدهاند یا نه.» دنسی پس از یک سخنرانی یا بحث از روشهای آزمودهشده و واقعی مانند درخواست از دانشجو برای شناسایی «گلآلودترین نقطه»- مفهوم یا ایدهای که به گفته او دانشجویانش هنوز با آن درگیر هستند- استفاده میکند. او میگوید: «از آنها میخواهم سختترین جای کار را که به آن گلآلودترین نقطه میگوییم یادداشت کنند و با بقیه به اشتراک بگذارند.» اما شرکتهای اینتل و کلسروم تکنولوژی (Classroom Technologies) که نرمافزار مدارس مجازیای به نام «کلاس» را به فروش میرسانند، بر آناند که راه بهتری هم هست. این شرکتها برای ادغام یک فناوری مبتنی بر هوش مصنوعی توسعهیافته توسط اینتل با نرمافزار کلاس، که در بستر زوم اجرا میشود، شریک شدهاند. اینتل ادعا میکند که سیستمش میتواند با ارزیابی حالات چهره و نحوه تعامل دانشجویان با محتوای آموزشی، بیحوصلگی، حواسپرتی یا گیج شدن آنها توسط محتوا را تشخیص دهد. مایکل چیسن، یکی از بنیانگذاران و مدیرعامل کلسروم تکنولوژی، گفت: «ما با این ابزار قادریم برای برقراری ارتباط بهتر به اساتید بینشهای تازهای بدهیم.» شرکت او قصد دارد فناوری تجزیهوتحلیل تعامل دانشجویی اینتل را آزمایش کند؛ فناوریای که تصاویری از چهره دانشجویان را با دوربین رایانهای و فناوری بینایی محاسباتی دریافت میکند و آنها را با اطلاعات متنی درباره آنچه دانشجو در آن لحظه روی آن کار میکند ترکیب میکند؛ به این ترتیب، میزان فهم دانشجو از مطلب ارزیابی میشود. سینم اصلان، پژوهشگرِ شرکت اینتل که به توسعه این فناوری کمک کرده...
شما وارد سایت نشدهاید. برای خواندن ادامه مطلب و ۵ مطلب دیگر از ماهنامه پیوست به صورت رایگان باید عضو سایت شوید.
خوبخ