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?

Immagine Articolo Analisi di attività di Robotica Educativa usando un approccio machine learning

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?

A questo link potete visionare la presentazione utilizzata da Lorenzo durante la conferenza: https://www.slideshare.net/LorenzoCesaretti/analysis-of-educational-robotics-activities-using-a-machine-learning-approach

Per qualsiasi domanda o richiesta di approfondimento scrivete a lorenzo.cesaretti@weturtle.org!

TORNA AGLI ARTICOLI