< Terug naar vorige pagina

Project

PhD fellowship in digitale leerondersteuning

Het doel van het project is om het gebruik van digitale ondersteuning bij leren te ontwikkelen en te evalueren. We bekijken hoe technologie op een intelligente manier kan worden gebruikt door de leeromgeving dynamisch aan te passen en te personaliseren aan de leerling, op basis van een permanente monitoring van verschillende vaardigheden en andere persoonskenmerken. Hiertoe worden geavanceerde technieken uit de statistiek, psychometrie en computerwetenschappen aangepast en toegepast. Het project focust op twee toepassingscontexten: een industriële trainingsomgeving en een hogeronderwijsomgeving. In de industriële setting zullen we ons concentreren op een adaptief ondersteuningssysteem voor een effectief en efficiënt gebruik van Augmented en Virtual Reality (AR / VR) bij het trainen van industriële operators. Het project begint met het opbouwen van een inhoudsmodel dat informatie verzamelt over ondersteuningsniveaus en verschillende kenmerken van taken. Het systeem verzamelt vervolgens trainingsgegevens en voert een operationele analyse uit om elk ondersteuningsniveau schaalbaar te maken. Op basis van de prestaties van de operator bij de taken, meet het leerlingmodel informatie over de latente eigenschappen van de operator (met name vaardigheid, welzijn en leren) en werkt het deze bij. In het bijzonder maakt ons leerlingmodel in combinatie met het Elo-beoordelingsalgoritme (Elo, 1978) het mogelijk om de status van de operator bij te houden. Ten slotte kiest de aanbevelingsengine, op basis van deze informatie over de status van de operator, op maat gemaakte en tijdige taken en biedt gepersonaliseerde ondersteuning voor de taken die aan de operator zijn toegewezen. In het hoger onderwijs gaan we een dynamisch systeem opzetten dat studenten ondersteunt bij het selecteren van relevante vakken en het volgen van de voortgang van studenten. Om een dergelijk assistentiesysteem te implementeren, zal de doctorandus een geavanceerd multidimensionaal domeinmodel voorstellen dat het mogelijk maakt om de vaardigheden (inclusief soft skills) waaraan tijdens het onderwijsprogramma gewerkt werd, de afhankelijkheid tussen hen en hun beperkingen weer te geven. Er is een dynamisch evolutiemodel nodig, gebaseerd op het domeinmodel en de leertrajecten, cijfers en geschiedenis van cursussen van studenten, om de evolutie van het vaardigheidsprofiel van de student bij te houden en te voorspellen. De kandidaat zal ook een systeem voorstellen dat de student zal helpen bij het kiezen van de volgorde van de te volgen cursussen om te komen tot een definitief afstudeervaardigheidsprofiel dat door de student zelf is opgesteld. De voorgestelde volgorde kan worden aangepast naarmate de student evolueert tijdens de termijnen. Een falen in de systeemplanning om een objectief profiel te bereiken, moet worden behandeld met menselijke hulp om de oriëntaties van de doelstellingen van de leerlingen te herzien. De gegevens worden niet alleen gebruikt om aanbevelingen te doen aan studenten, maar ook om een permanent herstructureringsproces van de aanpassingen, afhankelijkheden en mogelijk hun inhoud van de cursussen te voeden.

Datum:1 sep 2020 →  Heden
Trefwoorden:Learning analytics, Psychometric techniques, Recommender Systems
Disciplines:Statistiek en data-analyse, Psychometrie
Project type:PhD project