La trasformazione digitale comporta un’enorme trasformazione della società e richiede che ogni persona sia dotata di solide competenze digitali. La Robotica Educativa (ER) è un potente strumento che aiuta a sviluppare l’alfabetizzazione digitale. Tuttavia, questa tecnologia può fare molto di più che promuovere le competenze digitali. Infatti, combinando la potenza computazionale dei kit ER con i risultati di lunga data nel campo dell’Educational Data Mining e Learning Analytics, viene finalmente affrontata la sfida di valutare i comportamenti e le prestazioni degli studenti durante le attività ER. I blocchi funzionali indipendenti dei kit ER possono tracciare e riportare le interazioni degli studenti con il kit durante l’esercizio. Le interazioni possono essere analizzate mediante adeguati algoritmi di intelligenza artificiale e quindi presentate visivamente all’insegnante, all’educatore, al formatore o al ricercatore.
Stato del brevetto
DEPOSITATO
Numero di priorità
102018000009636
Data di priorità
19/10/2018
Licenza
INTERNAZIONALE
Mercato
Si prevede che il mercato dei robot educativi crescerà da 1,3 miliardi di dollari nel 2021 a 2,6 miliardi di dollari entro il 2026.
In base all’applicazione, il mercato dei robot educativi è segmentato in robot sociali/socialmente assistiti (di solito umanoidi) e robot non umanoidi. Smart Blocks riguarderà principalmente (ma non esclusivamente) kit fai da te non umanoidi, che hanno lo scopo di assistere gli studenti nella progettazione e programmazione di un robot, nonché per migliorare le loro capacità di risoluzione dei problemi.
Poiché esiste un’ampia disponibilità di strumenti nel mercato dei robot educativi, il primo passo della metodologia, brevettata, sarà il rilascio di un componente aggiuntivo per i kit didattici più comuni sul mercato. Il componente offrirà una vasta gamma di risorse disponibili come servizi cloud e dashboard di apprendimento. Questa prima fase raggiungerà principalmente il segmento europeo, ma ha il potenziale per crescere più velocemente e raggiungere altri segmenti.
2.6 billion USD by 2026* Total Available Market
*source: Markets and Markets, SE6132, Jan 2021
40400+ teams
Only for the FLL**
Service Available Market
**source: Wikipedia, FIRST Lego League Challenge
927.73 million
by 2028***
Share of Market
***source: Business Market Insights, TIPRE00024106, Aug 2021
Problema
Si prevede che milioni di posti di lavoro STEM rimarranno vacanti nel prossimo futuro. Inoltre, le persone e i sistemi sociali fanno sempre più affidamento sulla tecnologia per sopravvivere su questo pianeta. Pertanto, le competenze digitali e tecnologiche sono competenze fondamentali per la vita. Per soddisfare la necessità di un’educazione digitale e tecnologica, sono necessarie pedagogie intelligenti, strumenti innovativi e valutazioni dei risultati dell’apprendimento. Nonostante l’ampia disponibilità di toolkit sul mercato, ci sono solo pochi riferimenti per imparare a utilizzare efficacemente la tecnologia in classe e ancor meno strumenti per aiutare gli educatori a valutare i risultati del processo di apprendimento. Questo divario è dovuto alla mancanza di sistemi di misurazione in tempo reale non invasivi in grado di raccogliere dati dall’ambiente operativo del mondo reale. Le tecniche all’avanguardia si basano sull’esperienza degli educatori o su test e questionari cartacei. Lo svantaggio di tali tecniche è che hanno bisogno di tempo e collaborazione per raccogliere dati dal campo, quindi una misurazione in tempo reale non è possibile. La mancanza di misure in tempo reale del processo rende impossibile realizzare un sistema di monitoraggio in tempo reale che supporti pienamente gli educatori nella comprensione delle capacità degli studenti. Inoltre, la funzione di analisi delle informazioni relative all’attivazione dei singoli blocchi (temporali o ad evento) e dei dati raccolti, consente di ricostruire in tempo reale l’efficacia del processo educativo di cui i dispositivi stessi sono stati impiegati, al fine di monitorare e adeguare l’insegnamento.
Limiti attuali tecnologie / Soluzioni
Di solito, i robot educativi vengono forniti con le istruzioni su come assemblare e programmare il kit, ma non danno consigli su come valutare i risultati dell’attività né forniscono benchmark sulle traiettorie di apprendimento abituali lungo dimensioni importanti, come gli stili di risoluzione dei problemi o il pensiero computazionale. La mancanza di metodi di valutazione che possano riassumere l’apprendimento lungo diverse dimensioni e integrare i ricchi metodi di osservazione qualitativa, sta mettendo un limite alla diffusione dei robot educativi nel mercato. Inoltre, alcuni insegnanti ed educatori percepiscono ancora i robot solo come utili per coinvolgere gli studenti, ritengono che ripensare il loro approccio pedagogico per costruire un piano didattico attorno a uno strumento robotico non si tradurrà necessariamente in un insegnamento e un apprendimento migliori. Gli Smart Blocks aiutano a valutare l’output del processo di apprendimento sia nell’istruzione che in altri campi in cui è possibile l’apprendimento con i robot. Pertanto, i ricercatori potrebbero migliorare i risultati clinici e la sperimentazione su larga scala e gli educatori possono concentrarsi sulla creazione di attività e fornire feedback agli studenti, poiché gli Smart Blocks possono registrare, analizzare e presentare il risultato dell’attività mentre l’attività è ancora in corso. L’unico confronto possibile per i Blocchi Smart al momento è con l’approccio tradizionale alla valutazione (test, quiz…), oppure affidandosi ad osservatori esterni che producono report dettagliati delle attività. In ogni caso, sono tecniche che richiedono tempo e sono invasive.
Killer Application
I prodotti derivanti dal brevetto saranno uno strumento di rapida implementazione per insegnanti, educatori e altri formatori.
I costi per lo sviluppo di tale linea di prodotti riguardano solo gli elementi «parlanti» di base, sia software che hardware, non i kit educativi. Attualmente, il primo sistema è in TRL4 e una delle sue applicazioni può essere trovata come risultati scientifici in:
Questo sistema innovativo sta rapidamente attirando l’attenzione e molte scuole si sono dichiarate interessate ad utilizzarlo. Questa tecnologia potenziata dall’intelligenza artificiale ha il potenziale per influenzare le tendenze e le vendite sul mercato della formazione e dell’istruzione con i robot. Inoltre, sosterrà l’educazione basata sull’evidenza in classe, aiutando così gli insegnanti a integrare la robotica nella progettazione dei loro corsi.
Tecnologia e nostra soluzione
Durante lezioni di robotica educativa, lo studente è impegnato nella costruzione e nella programmazione di un robot per risolvere sfide significative. Concentrarsi sull’attività di esplorazione del compito è molto importante e l’attenzione non deve essere distolta. In questo contesto, gli Smart Blocks si occuperanno di:
L’innovativa metodologia, brevettata, Smart Blocks si basa su un algoritmo di mining che registrerà una traccia di tutti i blocchi software funzionali di base del kit su una memoria di archiviazione locale o remota. Questa traccia consiste dei dati grezzi della misurazione che alimenteranno l’algoritmo di apprendimento automatico online e descrive l’approccio dello studente alla soluzione di un determinato compito.
Gli Smart Blocks sono implementabili sui più kit didattici disponibili sul mercato. Il server remoto attuerà le misure di sicurezza più avanzate e rispetterà la più recente normativa sulla privacy. I risultati dell’analisi in tempo reale possono essere visualizzati su computer, tablet e smartphone.
Vantaggi
Innanzitutto, l’infrastruttura Smart Blocks può offrire la capacità di monitorare le traiettorie di apprendimento degli studenti in un’attività che prevede l’uso di robotica educativa.
L’infrastruttura può offrire a docenti e professionisti dell’educazione di supportare il processo di apprendimento attraverso lo stesso kit educativo, che si trasforma in un elemento “parlante”.
L’intero sistema funge da interprete in tempo reale dello stato di apprendimento dello studente, senza distogliere l’attenzione dello studente dall’effettivo processo di esplorazione e fabbricazione.
Supportando l’introduzione di robot educativi a scuola o in altri corsi, il sistema Smart Blocks guiderà una rivoluzione nell’insegnamento di laboratorio. Il maggiore utilizzo di robot didattici porterà ad un aumento delle ore dedicate alla contaminazione dell’alfabetizzazione di base e dell’alfabetizzazione digitale e tecnologica.
Inoltre, tale sistema fornirà uno strumento per ricercatori e clinici per valutare le variabili di interesse nelle procedure di apprendimento innovative che coinvolgono la robotica.
Roadmap
Passo 1:
Configurazione hardware: creazione di una soluzione aggiuntiva software e hardware per un compito specifico
configurazione del server: sviluppo di un server per la soluzione IoT educativa (rilevare le informazioni e inviarle a un cloud dove l’IA elaborerà i comportamenti degli studenti)
Passo 2:
Selezione e messa a punto di algoritmi di intelligenza artificiale: modelli matematici del processo di apprendimento saranno tratti dalla teoria dei sistemi complessi per affrontare adeguatamente la sfida; algoritmi di apprendimento automatico supervisionati (rete neurale) e non supervisionati (rete neurale, k-means. Fuzzy k-means clustering) saranno testati per verificarne l’accuratezza e la responsabilità.
Sperimentazione: una prima fase di validazione in ambienti operativi di un’area riservata porterà informazioni sul sistema (definizione di accuratezza, raccolta di domande comuni da parte degli utenti, primo dataset per avviare l’attività di benchmarking,…)
Passo 3:
Sperimentazione estesa: una seconda fase di validazione in condizioni operative avverrà a livello nazionale per fornire ulteriori risultati più generalizzabili.
TRL
Team
