Promotie: Gevoel krijgen voor het online klaslokaal

Verveeld, gefrustreerd, moe…?

Een van de dingen die corona heeft teweeggebracht is de toegenomen relevantie van online onderwijs. Met dat online onderwijs zijn ook nieuwe uitdagingen aan het licht gekomen. Als een docent geen face-to-face contact hebt met zijn leerlingen, is het lastig om de 'leergerichte affectieve toestand' (LCAS) van de leerlingen te herkennen. En dus kan hij zijn onderwijs ook niet aanpassen aan de gemoedstoestand in de klas.

De educatieve context

Ontwikkelingen op het gebied van AI en het zogenaamde affectief programmeren (affective computing) lijken mogelijkheden te bieden om hier iets aan te doen. In bestaand onderzoek werd echter meestal niet gekeken vanuit educatief perspectief. Er was ook weinig aandacht voor privacy en ethiek, er werd niet getest in echte klaslokalen en het richtte zich alleen op basisemoties. Krist Shingjergji heeft deze tekortkomingen in het bestaande onderzoek aangepakt en richtte zich specifiek op het gebruik van AI om de 'leergerichte affectieve toestand' in online onderwijs te detecteren en erop te reageren.

Ontwikkelen en trainen van AI-modellen

Bijzonder aan het onderzoek van Shingjergji is dat het zich bevindt op het snijvlak van technologie en onderwijs. Aan de technologische kant heeft ze AI-modellen ontwikkeld die gezichtsuitdrukkingen (gezichtsactie-eenheden, of AUs) registreren op basis van webcam-input. Ze heeft de webgebaseerde applicatie FaceGame, ontwikkeld waarmee ze hoogwaardige trainingsgegevens verzamelde. Later heeft ze het StC-live-systeem geïntroduceerd. Dit systeem kan realtime gezichtsuitdrukkingen direct in de browsers van studenten detecteren, terwijl tegelijkertijd de privacy werd gewaarborgd door de ruwe gezichtsgegevens lokaal te houden.

Gezichtsuitdrukkingen en emoties

Deze technieken combineerde Shingjergji met het educatief perspectief. In haar onderzoek identificeerde ze die emoties van leerlingen die cruciaal zijn voor docenten: verveling, verwarring, frustratie, betrokkenheid en nieuwsgierigheid. In een deelstudie werd op maat gemaakt videomateriaal ontwikkeld om specifieke emoties op te wekken, waardoor de studie systematischer werd. Samen met experts heeft Shingjergji een dashboard ontworpen waarop de docenten op een gebruiksvriendelijke manier ziet wat de gemoedstoestand is van de leerlingen zodat ze actie kunnen ondernemen.

Kloof tussen technologie en onderwijs

In de laatste deelstudie concludeerde Shingjergji dat AI kan weliswaar gezichtsuitdrukkingen kan detecteren, maar dat dit op zich niet voldoende is om de 'leergerichte affectieve toestand' (LCAS) te vangen. Uit het onderzoek blijkt dat er wel verbanden zijn tussen gezichtsuitdrukkingen en LCAS, maar de inconsistentie tussen de verschillende methoden en de uitdagingen van de praktijkomgeving onderstrepen dat er meer gedetailleerd onderzoek nodig is. Achtergrondfactoren zoals voorkennis en affiniteit zijn namelijk van cruciaal belang, en daardoor is personalisatie essentieel.

Promotie Krist Shingjergji

Krist Shingjergji (Elbasan, 1993) studeerde in 2017 af bij de Mathematics Department van de Universiteit van Athene en behaalde in 2020 een master in Data Science bij de Universiteit Maastricht. Op vrijdag 3 oktober 2025 om 13.30 uur verdedigt ze haar proefschrift getiteld 'Sense the Classroom: Using AI to Detect and Respond to Learning-Centered Affective States in Online Education' bij de Open Universiteit in Heerlen.

Promotor is prof. dr. Roland Klemke (Open Universiteit, TH Köln).
De promotie is live bij te wonen bij de Open Universiteit in Heerlen en online te volgen via ou.nl/live.