Fai il login e guarda gratuitamente la prima lezione del corso Robotica a scuola con LEGO Mindstorms EV3 - ID SOFIA: 48665
Analisi di attività di Robotica Educativa usando un approccio machine learning
Siamo circondati da tecnologie in cui l’analisi dei dati è un elemento estremamente fondamentale: basti pensare a Spotify, la famosissima piattaforma di streaming musicale, che in base alle nostre scelte ci suggerisce nuove playlist che ci potrebbero piacere, oppure Netflix, piattaforma per la distribuzione di film e serie tv online, che calcola la potenziale percentuale di interesse che potremmo avere per un certo contenuto basandosi su quanto abbiamo visto in precedenza; e come non citare Facebook, che adatta il nostro news feed (la sezione in cui possiamo scorrere tutti i post dei nostri amici) in base alle preferenze che mostriamo nel tempo.
Queste piattaforme sfruttano algoritmi di machine learning per "apprendere" dai dati raccolti in base al comportamento degli utenti.
E se utilizzassimo queste tecniche nel campo della Robotica Educativa?
Lorenzo Cesaretti, nel suo lavoro di ricerca, ha modificato software e firmware del robot Lego Mindstorms EV3, così da raccogliere dati durante l'utilizzo di questo kit da parte degli studenti.
Nell'articolo proposto a Fablearn Italy Lorenzo presenterà i risultati preliminari ottenuti analizzando con quattro tecniche di machine learning (logistic regression, support vector machine, K-nearest neighbors e random forests) i dati raccolti lavorando con 197 studenti di scuola secondaria. In particolare l'articolo analizza una sfida introduttiva di Robotica incentrata sui motori del robot.
Le principali domande a cui ha tentato di rispondere Lorenzo sono state 2:
Si possono individuare automaticamente dei pattern nei dati raccolti durante queste attività di Robotica Educativa? Questi pattern sono in qualche modo collegati agli stili di problem solving teorizzati da Papert(planner scientist e bricoleur scientist)?
Il machine learning ci può aiutare a prevedere il risultato che otterranno gli studenti al termine della sfida analizzando i log generati dal robot? Ci può aiutare quindi ad individuare gli studenti più in difficoltà nella risoluzione del problema?