Machineleren

Natuurlijk moet het computerprogramma wel leren om de meetgegevens te interpreteren. In zijn onderzoek registreert Di Mitri al die verschillende gegevens (meervoudige modaliteiten) van het leerproces. Die data (de input) annoteert hij aan de hand van expertbeoordelingen en zelfbeoordelingen (de output). Zo traint hij het programma om op basis van de data het leergedrag en de leerprestaties (performance) te voorspellen. Dit kan leiden tot het voortdurend volgen van het leerproces en het geautomatiseerd genereren van beoordelingen (formatieve toetsing) en feedback, het aanbieden van gepersonaliseerde en aan de context aangepaste content, het vergroten van het bewustzijn van het leerproces en het ondersteunen bij het nemen van beslissingen over het leerproces.

Di Mitri presenteerde zijn onderzoekspaper op de conferentie Artificial Intelligence in Education 2017 in Wuhan (China). Deze conference die samenviel met de Educational Data Mining 2017 conferentie, brengt toponderzoekers bij elkaar in het veld van data science in onderwijs. De gepresenteerde paper is getiteld 'Digital Learning Projection: Learning performance estimation from multimodal learning experiences.'

Meer nieuws van het Welten-instituut.

Maak kennis met het Welten-instituut.