We schetsen in dit toekomstbeeld hoe de inzet van sociale robots eruit kan zien.

Een blik in de toekomst 

Een denkbeeldig voorbeeld laat zien welke rol de sociale robot in de toekomst kan spelen. Abbas is een jonge leerling. Zijn ouders hebben een migratieachtergrond en beheersen de Nederlandse taal niet goed. Ze lezen hun kind nooit voor. Mede daardoor heeft Abbas een taalachterstand. 

De school heeft sinds kort een sociale robot in huis. De leraar besluit die in te zetten om Abbas te helpen het Nederlands beter te verstaan, spreken en lezen. Met de ouders van Abbas spreekt hij af dat de robot een paar weken komt logeren.  

Robot past verhaal aan 

Abbas is gelijk enthousiast over zijn nieuwe vriend, die hij Frank noemt. Na school vertelt de robot een verhaal aan Abbas en hij stelt vragen over het verhaal en over Abbas. De artificial intelligence (AI) in de robot verwerkt deze informatie en past het verhaal en volgende vragen aan. Zo ontstaat een gesprek tussen de twee. 

Op de bijgeleverde tablet leest Abbas mee. Wat hij zelf zegt, verschijnt ook op het schermpje. Soms moet Abbas lachen. Dan zegt de robot opeens iets raars, alsof hij Abbas niet verstaan heeft. Abbas moet dan denken aan zijn oma, die een beetje doof is. 

Leerkracht volgt ontwikkeling leerling 

De leerkracht volgt achter zijn pc de interactie tussen Abbas en de robot. Hij ziet dat het de goede kant op gaat met de taalontwikkeling van Abbas. Het AI-analyticsplatform houdt van dag tot dag de ontwikkeling bij en de leraar kan de antwoorden van Abbas terugluisteren. 

In de klas merkt hij ook dat Abbas stappen zet. Hij durft zich meer te uiten en praat makkelijker met zijn klasgenootjes. Het lijkt alsof hij ook nieuwe vriendjes maakt. Zijn prestaties in andere vakken gaan ook vooruit, omdat hij dingen beter snapt. 

Na de afgesproken periode haalt de leraar de robot weer op bij Abbas. Dat is even een moeilijk moment, want Abbas vond het heel leuk om ‘s avonds een verhaaltje voorgelezen te krijgen.  

Volwassenheid van de technologieën 

Het verhaal hierboven is een toekomstschets. Scholen hebben nu nog geen sociale robot die ze een tijdje kunnen meegeven. Maar die toekomst is misschien dichterbij dan we denken.  

Om de robot te laten functioneren zoals in het toekomstbeeld, moeten verschillende technologieën in samenhang worden toegepast. De afzonderlijke technologieën staan in de afbeelding op de Hype Cycle. De plek op de Hype Cycle geeft aan hoe volwassen de technologie is. Hieronder beschrijven we de plek van verschillende technologieën op de Hype Cycle.  

Technologieën die een relatie hebben met de sociale robot, geplaatst op de Hype Cycle. © Kennisnet

Hoge verwachting van sociale robot 

Sommige scholen zetten sociale robots al in als leermiddel, vaak als experiment. Voor de meerderheid is het echter nog ‘ver van mijn bed’. Maar al wordt de technologie nog weinig gebruikt, er is wel veel belangstelling voor. Er wordt veel onderzoek gedaan naar de meerwaarde van sociale robots voor het onderwijs. De verwachtingen van de sociale robot als tutor of onderwijsassistent zijn hoog. Daarom staat deze technologie op de piek van de Hype Cycle. 

Technologieën 

De sociale robot werkt met diverse AI-technologieën. In de volgende alinea’s beschrijven we deze technologieën en hun plek op de Hype Cycle.  

Computer vision 

Computer vision is gericht op zicht. De robot herkent plaatjes, foto’s en afbeeldingen en kan zijn positie in de ruimte bepalen. Soms herkent de robot alleen wat hij heeft geleerd en niet meer. Dat hangt af van de programmering en de datasets waarmee hij is gevoed. Als een robot heeft geleerd om individuele leerlingen te herkennen, kan hij gepersonaliseerd onderwijs geven. Deze technologie is nog in ontwikkeling en er wordt volop mee geëxperimenteerd. We weten steeds meer, maar nog lang niet alles over de juiste inzet van deze technologie. Daarom staat deze technologie op de trough in de Hype Cylcle.  

Spraakherkenning 

Voorbeeld sociale robot in de klas - illustratie
Spraakherkenning door een sociale robot. © Kennisnet

Spraakherkenning is een vorm van AI die in ons onderwijs nog niet erg goed bruikbaar is. De technologie op zich is weliswaar vrij ver gevorderd, maar vooral voor de Engelse taal en met volwassenen als doelgroep. Om voor de Nederlandse taal en voor kinderen bruikbaar te zijn, moet de spraakherkenning verder worden ontwikkeld. Bovendien moet er nog veel geleerd worden over hoe spraaktechnologie kan bijdragen aan de taal- en spraakontwikkeling bij kinderen. Als de robot de leerling bijvoorbeeld verkeerd verstaat, dan begrijpt hij de leerling niet. De verwachtingen en de belofte van spraakherkenning zijn groot wel. Kinderen kunnen bij taaloefeningen bijvoorbeeld feedback krijgen op hun uitspraak. Maar zover zijn we nog niet; daarom staat deze technologie nog op de piek van de Hype Cycle.  

Emotie-AI 

Emotie-AI is een van de nieuwste en tegelijk een van de meest complexe vormen van inzet van AI. Emotie-AI stelt de robot in staat om emoties bij de leerling te herkennen en te categoriseren. En daar vervolgens passend op te reageren. De interactie gaat steeds meer lijken op echte ‘menselijke’ interactie, in plaats van interactie met een AI-systeem.  

Emotie-AI is enorm ingewikkeld. Het is voor mensen vaak al moeilijk om emoties te herkennen. Een frons kan wijzen op boosheid, maar ook op diep nadenken. Als de robot een emotie verkeerd interpreteert, sluit de reactie niet aan op de leerling. Er is nog veel onderzoek nodig naar deze technologie in het kader van leren en de interactie met kinderen. Emotieherkenning in AI-systemen zien wij dan ook nog als innovation trigger.  

Learning analytics 

Learning analytics analyseert de resultaten van de leerling aan de hand van gegevens uit de computer vision, emotie-AI en spraakherkenning. De technologie maakt de ontwikkeling van de leerling inzichtelijk voor leerling en leraar en biedt de leraar handvatten om bij te sturen.   

Learning analytics wordt al vrij veel toegepast in het onderwijs, bijvoorbeeld bij digitaal lesmateriaal of digitale portfolio’s. De technologie biedt kansen voor bijvoorbeeld individuele maatwerktrajecten van leerlingen. Maar het betekent ook dat meer en rijkere data uit verschillende systemen bij elkaar moet worden gebracht. Dat maakt learning analytics complexer. Learning analytics roept ook praktische vragen op. Hoe gebruiken we de data en resultaten op de beste manier? En hoe houdt de leraar ruimte voor zijn eigen observaties over het leerproces van zijn leerlingen? 

Digitaal leermateriaal  

Digitaal leermateriaal is lesmateriaal dat een leerling doorloopt op een device (computer, laptop, tablet, telefoon), in een virtuele wereld of met een sociale robot. Een sociale robot kan bestaand materiaal gebruiken, of gebruikmaken van eigen materiaal wat ernaast wordt ingezet als aanvulling. Sociale robots kunnen ander digitaal leermateriaal aanvullen. Bijvoorbeeld als persoonlijke tutor naast de digitale lesmethoden voor taal en rekenen.  

Veel scholen werken al met deze digitale leermiddelen. Ze zijn vaak goed getoetst en gedegen doorontwikkeld; scholen weten hoe ze in verschillende situaties digitaal lesmateriaal kunnen inzetten. Daarom is deze technologie redelijk volwassen.  

Connectiviteit 

Hiermee bedoelen we het netwerk (schoolnetwerk, thuisnetwerk of internet-netwerk) waar de robot op aangesloten is. De robot kan via internet informatie ophalen, verzamelen, verzenden en analyseren. Dat lukt alleen als het netwerk goed werkt. Goede connectiviteit is daarom een voorwaarde voor deze technologie. De meeste scholen zijn hierin ver gevorderd en daarom wordt deze technologie als volwassen gezien. Bij gebruik van een sociale robot bij leerlingen thuis moet ook het thuisnetwerk goed functioneren. 

Thuis leren met een robot. © Kennisnet

Aandachtspunten en tips 

Voorkom overspannen verwachtingen 

De belofte van sociale robots is groot, maar op dit moment kunnen ze nog niet zoveel. Zorg daarom dat verwachtingen (van leraar én leerling) aansluiten op de mogelijkheden en onmogelijkheden van de robot. Sociale robots kunnen meerwaarde bieden door hun menselijke vorm en het vertrouwde gevoel dat dit bij mensen opwekt. Iemand kan met de robot een natuurlijke manier van interactie hebben. Maar zomaar een gesprekje voeren met een kind is nog ingewikkeld. Hiervoor moeten de AI en de software nog verder worden ontwikkeld.  

Voor een gesprek over ethische aspecten 

Sociale robotica roept ethische vragen op. Bij elke leertechnologie is het belangrijk om uzelf af te vragen wat de inzet ervan doet met de kansengelijkheid van leerlingen. Heeft elke leerling evenveel toegang tot de robot? En helpt de robot echt om achterstanden weg te werken? Een ander ethisch vraagstuk is hoe de leerling zich verhoudt tot de robot. Welke relatie krijgt de leerling met de robot en wat doet het met het kind als de robot wordt weggehaald? En hoe gaan we om met geheimen die de leerling in vertrouwen vertelt aan de robot? 

Denk na over ongewenste effecten van AI 

Sociale robots maken vaak gebruik van AI. Vraagstukken die spelen bij AI spelen dus ook sociale robots. De datasets bepalen de kwaliteit van de acties van de robot. De beslissingen die de robot neemt, zijn het resultaat van die datasets. U wilt bias voorkomen, anders leren de kinderen verkeerde dingen aan, of worden kinderen toch per ongeluk anders behandeld door de robot. Scholen moeten zich daarvan bewust zijn en evalueren of de sociale robot wel het juiste gedrag of handelingen vertoont. 

Deel deze pagina: De sociale robot - een voorbeeld van mens-computerinteractie

Delen
  • LinkedIn
  • Facebook
  • Twitter
  • E-mail
  • Deel deze pagina