로봇이 교사가 되고 있는데 학생들의 성적을 올릴 수 있을까 (2)

 

 

로봇 학자 빌지 뮤 틀루 (Bilge Mutlu)와 학습 연구원 조셉 미카엘리스 (Joseph Michaelis)는 10~12세 사이의 24명의 학생에게 혼자 또는 미니와 함께 2주 동안 소리내어 읽기를 무작위로 지시했습니다. 그 후 독주자들은 활동에 좀 더 엇갈린 피드백을 나타냈습니다. 예를 들어 좋지 않았는데 정말 즐겁지 않았다고 했습니다. 그들 중 4명만이 그 활동이 더 많은 것을 읽도록 동기를 부여했다고 말했습니다. 로봇 그룹의 아이들은 미니에게 책을 읽는 것이 재미있고 멋진 경험이라고 말했습니다. 7명의 학생은 읽기에 대한 동기가 더 생겼다고 말했습니다. 로봇은 또한 학생들이 다단계 문제 해결을 위한 보다 신중하고 체계적인 계획을 세우는데 도움이 되는 생각과 같은 특정 추론 전략을 고려할 수 있습니다. Johns Hopkins University의 컴퓨터 과학자 Chien-Ming Huang과 동료들은 Nao 로봇을 프로그래밍하여 어린이의 연설과 함께 고개를 끄덕이고 침묵에 빠진 학생들에게 계속 진행하도록 상기 시켰습니다. 이 보조 로봇이 학생들의 학습에 도움이 되었는지 테스트하기 위해 연구원들은 로봇의 격려 여부에 관계없이 큰 소리로 생각하면서 수학 단어 문제를 풀도록 11세 26명의 어린이를 통해 무작위로 테스트 했습니다. 약 1주일 후에 실시한 사전 테스트에서 사후 테스트에 이르기까지 로봇 훈련을 받은 아이들은 자신의 점수를 평균 52% 올렸습니다. 학생들의 교육 경험에 더 뿌리 깊은 영향을 미치기 위해 로봇은 성장 마인드와 같은 학습에 대한 특정 신념을 모델링 할 수 있습니다. 성공은 타고난 능력이 아닌 노력과 인내에서 비롯된다는 생각입니다. 한 실험에서 5~9 세 어린이 33명이 Tega를(로봇) 사용하여 tangrams라는 기하학적 퍼즐을 풀었습니다. 아이들의 절반은 도전을 두려워하지 않고 좋아했습니다. 다른 학생들은 퍼즐을 풀었습니다라는 사실만 언급 한 봇으로 작업했습니다. 로봇 작업 전후에 각 어린이는 성장 마인드 세트를 0에서 10으로 평가하는 평가를 완료했습니다. 성장 마인드 코호트의 점수는 평균적으로 7.63에서 8.06 으로 약간 증가 했지만 중립 봇 그룹의 점수는 6.94에서 6.59로 떨어졌습니다. 개인화 문제부분도 있습니다. 로봇은 학생들에게 긍정적인 영향을 미칠 수 있는 잠재력을 보여 주지만 봇의 행동을 개인에 맞게 조정하는 것은 여전히 ​​중요한 문제입니다. 로봇 공학자들은 학생이 휴식을 취하도록 권장하는 시기를 선택하는 것과 같이 간단한 결정을 내릴 수 있는 기계를 만들었습니다. HRI 2017에서 발표 된 연구에서 Scassellati 팀은 로봇이 좋은 일에 대한 보상으로 휴식을 제공하거나 학생이 어려움을 느끼고 있을 때 다시 집중할 수 있는 기회를 제공 할 때 로봇이 정기적으로 타임아웃을 호출하는 것보다 더 많은 것을 배웠다는 것을 발견했습니다. 속도를 조정하고 다음에 가르칠 내용을 선택하기 위해 학생의 성과를 추적하는 로봇을 설계하는 것은 더 까다롭습니다. 일부 로봇은 학생의 숙련도에 따라 활동 난이도를 조정하도록 프로그래밍 되었지만 연구원들은 이러한 봇이 학생들이 일반 로봇보다 더 많은 것을 배우는 데 도움이 된다는 것을 보여주지 못했습니다. 로봇이 학생의 감정을 파악하여 성과에 대한 반응을 넘어 설 수 있다면 어떨까요? MIT의 Gordon과 동료들은 기본적으로 "감정의 장점"인 참여도와 가치 수준에 대해 얼굴 표정을 분석하는 Tega 로봇을 만들어 이 아이디어를 연구했습니다. 예를 들어, 행복은 긍정적이고 분노는 부정적입니다. 스페인 여행을 위한 짐을 싸는 스페인어 학습 게임을 학생들과 함께 작업하는 동안 로봇은 흥분된 느낌으로 "열심히 노력하고 있습니다!"라는 다양한 피드백을 제공했습니다. "여행 가방이 무거워 보인다" 와 같은 게임 관련 댓글에 Gordon은 로봇은 어떤 행동이 높은 가치와 높은 참여로 이어지는지 천천히 학습하고 이러한 행동을 적시에 사용할 가능성이 높아집니다. 2개월에 걸쳐 3~7회 9명의 미취학 아동으로 구성된 두 그룹이이 적응형 Tega 또는 비 적응형 Tega를 사용했습니다. 첫 번째 세션부터 마지막 ​​세션까지 개인화 된 그룹의 아이들은 일반적으로 상호 작용에 대해 더 긍정적이었으며, 그들의 원자가는 -100에서 100까지 평균 7 점 증가했습니다. 비인격적인 그룹의 원자가는 평균 18 점 하락했습니다. 학생들의 생각과 감정에 맞춰진 로봇은 예측 가능하지 않고 적절한 수준의 개인화를 제공할 수 있다면 더 나은 교사겸 학습 동반자가 될 수 있습니다. 그러나 일부 교육자들은 작업을 제대로 수행하기 위해 기계가 수집하고 저장해야하는 데이터의 양에 대해 걱정하고 있습니다. 인간 교사는 학생의 정신 상태에 대한 일반적인 내용을 읽을 수 있습니다. 그러나 어린이가 하는 모든 표정이나 게임 동작을 철저히 분석하도록 설계된 로봇은 어린이에 대한 자세한 정보를 수집하여 사생활 침해 문제를 만들 수 있습니다. 이러한 문제는 교육용 로봇에 대해 논의하는 인증 및 학생 교사와 함께 일련의 포커스 그룹에서 제기되었습니다. 일부 참가자는 기업이 학교에서 학생 데이터를 구입하려고 할지 모른다고 걱정했습니다. 로봇 윤리학자인 Amanda Sharkey는 아이들이 친구처럼 행동하는 로봇 동료와 개인 정보를 공유해야 한다는 강박감을 느낄 수도 있다고 말합니다. 한 가지 해결책에는 로봇이 수집되는 정보와 로봇이 정보를 공유하는 사람을 지속적으로 공개하도록 요구하는 것이 포함될 수 있다고 영국 Sheffield 대학의 Sharkey는 말합니다.