Učit tak, aby studenti… byli šťastní

Počítačové zpracování emocí nabízí zcela nové perspektivy měření kvality vzdělávání, a to také distančního. Lze identifikovat základní emoce studentů, a podle nich měnit tempo, téma i obsah vzdělávání tak, aby co nejvíce studentů bylo šťastných a překvapených. To jsou zřejmě dvě klíčové emoce, které lze spojovat například s heuristickou výukou.

Diskuse o kvalitě vzdělávání a jeho měření se více objevují již poměrně dlouhou dobu, ale na intenzitě nabrali až v druhé polovině dvacátého století. Jednou z cest, jak k měření kvality přistoupit, je převedení otázky do oblasti efektivity – pak stačí provádět příslušné kvalitativní či kvantitativní výzkumy a z dat měřit posun studentů v klíčových oblastech – znalostí, dovedností či případně postojů.

Tento přechod od měření kvality k měření efektivity je na jednu stranu mimořádně praktický, neboť umožňuje zajistit přechod od pedagogiky jako disciplíny spíše filosofické k moderní sociální vědě, avšak za cenu ztráty určité komplexnosti a úplnosti. Například František Kuřina na konferenci Moderní trendy ve vyučování matematiky a přírodovědných předmětů IV. zdůraznil, že pro něj je kvalitní výuka taková, která zprostředkovává metamorfózu dítěte v osobnost.[1] Tato skutečnost je přitom něčím zcela odlišným svým přístupem a je otázkou, zda ji lze kvantifikovat do žebříčků či škál, které by například umožnily kvalitní výuku ekonomicky odlišit od té méně kvalitní.

Přestože akční výzkum, který klade důraz na neustálý experiment, jenž aktivně proměňuje výuku podstatně nepřetržitě, získává stále více stoupenců a lze říci, že jeho klima je pro velkou část pedagogických konferencí zcela dominantní, nejde o směr jediný nebo alespoň v něm nejsou jasně definované cesty, jak výzkumy provádět. Vzhledem ke konstruktivistickému pojetí vzdělávání se ale jeví jako problematické provádět kvantitativní metody.

Velkým problémem sociologicky orientovaných výzkumů je, že měří téměř vždy jen určitou průměrnou hodnotu a to ještě ne dobře definovanou. Má-li semestr dvanáct či třináct týdnů a student odpovídá na otázku ohledně přínosnosti a zajímavosti předmětu, dochází k tomu, že do výsledného hodnocení se promítají všechny přednášky a to ještě s různou vahou (ty, které nenavštívil, tak v hodnocení typicky nepozná, poslední přednášky v semestru mají větší váhu než dřívější atp.). Není tak jasné, co přesně měří a je sporné, zda dávají odpověď na otázku, jestli je výuka kvalitní. Kvalita výuky by měla být primárně informací pro učitele, který musí vědět, co mu „funguje“ a co nikoli, jak má učit lépe a kvalitněji.

Jednou z možností, které nabízí moderní technologie je do procesu měření kvality výuky zapojit počítačové zpracování emocí. To umožňuje v reálném čase analyzovat, jaké přibližně pocity mají studenti a podle toho dynamicky měnit proces edukace. Zvláště tam, kde výuka neprobíhá presenčně, se toto využití doslova nabízí a může pomoci této formě výuky pomoci odbourat problém se ztrátou pozornosti a sociálního kontaktu se studenty.

Tématem zajímavě informačně vědním pak může být, jakým způsobem provádět metadatický popis vzdělávacích objektů tak, aby výsledné vzdělávací prostředí mohlo podle emocionálního stavu studujícího měnit formu a styl tak, aby byl celý proces co možná nejpříjemnější pro studenta – například s minimem naštvání a maximem spokojenosti. Je zřejmé, že klasické „knihovní formáty“ jako SCORM či dokonce MARC21[2] nic takového neumožňují. Podobně formáty pro sémantický web jako je RDF, nejsou v tomto ohledu příliš funkční.

Počítačové zpracování emocí

Počítačové zpracování emocí patří nepochybně mezi témata, které jsou v současné době na vrcholu zájmu jak teoretických informatiků, tak také v oblasti aplikované informatiky. Jedním ze zajímavých, byť eticky problematických pokusů, může být analýza změny emocí v textovém projevu na Facebooku[3], kdy se měřila změna vlivem působení pozitivních či negativních statusů od přátel. Velký vliv má celá oblast na tvorbu softwarových agentů, kteří mají být co možná nejvíce podobní lidem atp.

Mimo modelování emocí se aktivně pracuje s oblastí detekce lidských emocí, což je téma důležité jak pro marketing, tak právě pro vzdělávání. V tomto ohledu je relevantní otázkou, co to emoce jsou a jakým způsobem je možné je detekovat. Na první otázku nelze odpovědět, neboť žádná konsensuální shoda nad definicí emocí neexistuje. Pracuje se spíše s modely, které se snaží emoce rozložit na nějaké základní emocionální stavy a jejich kombinací vytvořit emoci výslednou. Příkladem asi nejčastějšího dělení je šest druhů emocí od Reného Descarta. Ten zařadil mezi nejvýznamnější emoce hněv, rozhořčení, štěstí, smutek, strach a překvapení (překlad není ideální, avšak pro základní představu zřejmě dostačující). Jejich kombinací pak vznikají emoce další.

Samotná detekce emocí není jednoduchou záležitostí a většinou se užívá kombinace více metod pro co možná nejpřesnější měření. Častou a jednoduchou metodou je analýza hlasu, která ale velice záleží na zkušenosti systému s danou osobou. Změna rychlosti, hlasitosti nebo přízvuku a artikulace může být pro analýzu emocí velice užitečná. Gesta a chování člověka patří mezi další neinvazivní metody měření emocí a typicky se pracuje se změnou tvaru úst nebo očí, frekvencí pohledu na hodinky, těkání očí atp. Poslední skupinou je měření fyziologických charakteristik, jako je tlak, teplota, odpor kůže nebo hladina hormonů. Jde o metody nejpřesnější, ale často značně diskomfortní a samotným měřením měnící emocionální stav.[4]

SHORE

SHORE je aplikace vyvíjená Fraunhofer ISS,[5] která na počítači umožňuje rychlou detekci obličeje a emocí. Mimo to disponuje celou řadou dalších zajímavých funkcí – umí rozpoznat pohlaví, věk, čtyři základní emoce (naštvaný, šťastný, překvapený, smutný). Ty se mohou vypisovat spolu s dalšími údaji u každé analyzované osoby. Detekce probíhá prostřednictvím kamery (nebo webkamery) v reálném čase a je možné analyzovat jak jednu osobu, tak osob více současně. Pro fungování aplikace (aktuálně existuje v beta verzi, jenž je zdarma) není třeba žádného speciálního zařízení a postačí počítač s příslušným propojením kamery. Data ze systému je možné exportovat pro další vědecké využití. Momentálně existuje jak verze pro Windows, tak také pro Google Glass, ta však není zatím veřejně dostupná.
Emoce

Zajímavý je také mód, který jen detekuje změnu tvaru očí a úst, takže si teoreticky nad touto funkcionalitou může každý postavit vlastní detekci sám. Podle oficiálních stránek je možné data exportovat buď přímo do online streamu, nebo si je nechat uložit do tabulky. V demoverzi, která je volně k dispozici ale nic takového vidět není a člověk má přístup jen k okamžitým datům.

detekce

Jestliže nechceme detekovat emoce v reálném čase, lze do aplikaci vložit video a to je tímto způsobem zpracováváno. Vše lze samozřejmě pozastavit a detailně zkoumat. Program nabízí poměrně široké možnosti toho, jak bude vypadat grafický výstup, což může být u složitějších scén nebo více aktérech velice důležité.

Tento způsob vyhodnocování emocí se typicky dělá tak, že se ve studiu natáčejí herci, kteří mají danou emoci ztvárnit. Podle počítačového zpracování jejich mimiky se pak analyzuje mimika detekované osoby. Kvalita tak závisí na kvalitě provedení herců a jejich množství. Také je třeba počítat s tím, že méně emocionálně založení jedinci mohou být detekováni méně kvalitně, než extrovertnější typy.

Závěrem

SHORE nabízí nesmírně zajímavé možnosti využití detekce emocí v procesu vzdělávání – ať již jde o zajištění lepší emocionální vazby mezi přednášejícím a studentem během distanční výuky, například formou webinářů, nebo například umožňují dynamickou změnu osobního vzdělávacího prostředí na základě takové emoční analýzy. Nabízí se ale také testování studijních materiálů, hlubší studium informačního chování a řada dalších témat. Ač pro jednotlivce nedává SHORE úplně přesné výsledky, ve větším vzorku se jeví její závěry jako přinejmenším zajímavé a trend ukazující. Jestliže tvůrci celý projekt dotáhnou do konce, může se stát nejen užitečným nástrojem pro marketing, ale také pro pedagogiku a výzkumy ve vzdělávání.

 

Literatura

BOHL, Oliver, et al. The sharable content object reference model (SCORM)-a critical review. In: Computers in education, 2002. proceedings. international conference on. IEEE, 2002. p. 950-951.

GARBAS, Jens-Uwe. SHORE. Fraunhofer IIS [online]. 2014 [cit. 2014-11-24]. Dostupné z: http://www.iis.fraunhofer.de/en/ff/bsy/dl/shore.html

KRAMER, Adam DI; GUILLORY, Jamie E.; HANCOCK, Jeffrey T. Experimental evidence of massive-scale emotional contagion through social networks. Proceedings of the National Academy of Sciences, 2014, 201320040.

NOVOTNÁ, Jiřina. Konference Katedry matematiky PdF MU - listopad 2014, Brno. IS MU [online]. 2014 [cit. 2014-12-02]. Dostupné z: http://is.muni.cz/obchod/fakulta/ped/konf/trendy_matika4/

ČERNÝ, Michal. 12 trendů v české softwarové ekonomice: Technologické, ekonomické, sociální a etické aspekty ICT. 1. vyd. Brno: Masarykova univerzita, 2014. 139 s. neuvedeno. ISBN 978-80-210-6803-2.



[1] NOVOTNÁ, Jiřina. Konference Katedry matematiky PdF MU - listopad 2014, Brno.

[2] Srov. BOHL, Oliver, et al. The sharable content object reference model (SCORM)-a critical review.

[3] KRAMER, Adam DI; GUILLORY, Jamie E.; HANCOCK, Jeffrey T. Experimental evidence of massive-scale emotional contagion through social networks.

[4] Podrobněji viz ČERNÝ, Michal. 12 trendů v české softwarové ekonomice: Technologické, ekonomické, sociální a etické aspekty ICT. Str. 53-60.

[5] GARBAS, Jens-Uwe. SHORE.

Fotogalerie

Líbil se vám článek?
Stáhnout článek v PDF

0 komentářů

Přidat komentář

(If you're a human, don't change the following field)
Your first name.
(If you're a human, don't change the following field)
Your first name.

Přečtěte si také

Přihlášení Registrace
RSS Facebook Twitter YouTube
Zobrazit standardní verzi webu

Taky děláme

Feedback