In che modo i data scientist di Cisco hanno aiutato CommonLit a innovare il feedback degli insegnanti per un apprendimento migliore

pubblicato 10-12-22

Inviato da Cisco Systems, Inc.

studenti a una tavola rotonda, ciascuno su un laptop.  Dietro di loro un grande schermo di proiezione a scomparsa con una presentazione.

La serie Transformational Tech mette in evidenza i beneficiari di sovvenzioni senza scopo di lucro di Cisco che utilizzano la tecnologia per aiutare a trasformare la vita degli individui e delle comunità.

La lettura e la comprensione della matematica da parte degli studenti sono in declino. La “Nations Scorecard” statunitense, basata sui punteggi a lungo termine, registrati dalla National Association of Education Progress (NAEP) e dall’analisi del National Bureau of Economic Research (NEBR), mostra il più grande calo del punteggio medio nella lettura dal 1990 e il primo calo del punteggio in assoluto in matematica. Questo calo deriva dall’analisi dei dati dei test di oltre due milioni di studenti in 10.000 scuole in 49 stati.

Si può e si farà di più per affrontare le implicazioni dell’ampliamento dei risultati per tutti gli studenti, e in particolare per gli studenti dei distretti svantaggiati. Per stimolare una ripresa accademica, abbiamo bisogno di soluzioni di classe innovative come CommonLit per supportare gli insegnanti e i loro studenti nelle classi di oggi.

Per anni, CommonLit, beneficiario senza scopo di lucro di Cisco, si è concentrato sulla propria missione di aiutare gli studenti a imparare a essere lettori e scrittori migliori. Hanno avuto successo nel loro approccio: offrendo agli studenti l’accesso online a materiali di lettura, compiti e test e fornendo agli insegnanti risorse, come dashboard che mostrano dove i bambini potrebbero avere difficoltà con determinate abilità.

“CommonLit offre programmi completamente interattivi e dotati di tutto ciò di cui insegnanti e studenti hanno bisogno, proprio come un programma di lettura in una scatola”. Agnes Malatinszky, Chief Operating Officer di CommonLit, spiega.

Il loro strumento di annotazione altamente coinvolgente, lanciato a luglio 2019, consente agli insegnanti di fornire feedback pertinenti e in tempo reale agli studenti. Ma la ricerca mostra che ricevere un feedback tempestivo porta a risultati migliori per gli studenti. Quindi, il team di CommonLit voleva trovare modi per rendere il proprio strumento di annotazione più efficace per l’uso da parte degli insegnanti.

Quindi, due anni fa, con il supporto della Cisco Foundation, CommonLit si è rivolto ai data scientist di Cisco, che fanno volontariato con AI for Good, per aiutarli a rivedere le informazioni sull’utilizzo dello strumento di annotazione e determinare i modi per ottimizzare lo strumento di annotazione attraverso il machine learning (ML) per aiutare insegnanti e studenti si connettono meglio.

Collaborare e restituire

In Cisco, abbiamo una comprovata esperienza nel supportare le organizzazioni non profit attraverso le nostre sovvenzioni strategiche a impatto sociale insieme a una forte cultura del ritorno. Il programma AI for Good di Cisco unisce questi valori collegando i talenti Cisco nel campo della scienza dei dati alle organizzazioni non profit, come CommonLit, che non hanno le risorse per utilizzare l’IA/ML per raggiungere i propri obiettivi.

Questo progetto in collaborazione con CommonLit e AI for Good è stato guidato dalla scienziata dei dati Kirtee Yadav, che è stata anche campionessa della causa, il che significa che ha guidato il progetto dall’inizio alla fine per garantire il successo del progetto. Altri membri del progetto includevano il responsabile tecnico Sampann Nigam e i membri del team, William Bickelmann, Bob Lapcevic, Aakriti Saxena, Sree Yadavalli e Tana Franko.

“Questo progetto CommonLit è stata una buona opportunità per i data scientist di Cisco di aiutare per una buona causa utilizzando le loro competenze uniche”, ha affermato Kirtee Yadav, product manager di Cisco per l’esperienza dei clienti. “Ho colto al volo questa opportunità perché mi ha offerto la possibilità di apprendere nuove competenze mentre ho un impatto su questa organizzazione no profit”.

Trovare le lacune attraverso la scienza dei dati

Diversi studi hanno dimostrato che più feedback ricevono i bambini e più velocemente lo ricevono dopo aver completato un compito, più interagiranno e impareranno dai contenuti. Eppure molti insegnanti spesso non hanno il tempo di fornire un feedback personalizzato dettagliato.

CommonLit ha sfidato gli scienziati di dati AI for Good a scoprire come questo problema può essere migliorato o risolto. La prima cosa che ha fatto il team AI for Good è stata esaminare come i modelli di apprendimento automatico di Cisco potrebbero modificare, semplificare o migliorare lo strumento di annotazione in modo che gli insegnanti potessero fornire feedback agli studenti in modo più efficiente. Attraverso i risultati dei dati estratti, hanno scoperto che gli insegnanti potevano fornire feedback solo a una media del due percento dei commenti degli studenti.

“Sulla base della nostra analisi del [CommonLit] dati”, ha sottolineato Sampann Nigam, leader della scienza dei dati presso Cisco e responsabile tecnologico del team AI for Good, “abbiamo scoperto che il feedback degli insegnanti aumenta il coinvolgimento. Quindi, abbiamo creato un modello di intelligenza artificiale per consigliare le opzioni di feedback agli insegnanti”.

La soluzione basata sulla scienza dei dati

Dopo mesi di ricerca e duro lavoro, il team di AI for Good ha creato una soluzione di elaborazione del linguaggio naturale (NLP) per aiutare gli insegnanti con larghezza di banda limitata a fornire feedback a più studenti. Attraverso la NLP, l’applicazione di annotazione migliorata genererà tre frasi di feedback suggerite con l’opzione aggiunta di feedback a mano libera.

“Il feedback è costruito per assomigliare al feedback diretto dell’insegnante, ma invece è uno strumento che fornisce opzioni di feedback, che gli insegnanti possono selezionare e inviare agli studenti con un semplice clic”, ha ragionato Kirtee. “Alla fine, AI for Good ha aiutato CommonLit a migliorare il ciclo di feedback degli insegnanti degli studenti”.

Sampann ci ha descritto il processo tecnico: il team AI for Good ha costruito la soluzione di previsione della frase utilizzando il modello BERT (Bi-directional Encoder Representations from Transformers) e la previsione di feedback in forma libera, utilizzando un modello T5. Gli scienziati dei dati hanno addestrato (perfezionato) il modello BERT utilizzando il set di dati fornito di testi annotati e note degli studenti come set di funzionalità e le frasi di feedback come etichette.

“Oltre a generare una serie di frasi come feedback suggerito, abbiamo deciso di fornire feedback in forma libera”, ha affermato Sampann. “Questi modelli utilizzano il transfer learning, un processo di machine learning specializzato”.

prova di successo

Oltre un milione di insegnanti utilizza CommonLit in più di 80.000 scuole. Entro il semestre autunnale del 2019, pochi mesi dopo il lancio, oltre 603.000 studenti avevano utilizzato lo strumento di annotazione, creando 3.210.156 annotazioni e 5.029.973 punti salienti. Quindi non sorprende che lo strumento di annotazione, con la sua elaborazione del linguaggio naturale recentemente migliorata, si sia dimostrato molto utile nel suo primo anno: sono state registrate quasi 2,5 milioni di annotazioni.

“Uno strumento tecnologico per l’istruzione come CommonLit non potrebbe mai sostituire un insegnante di classe, ma possiamo rendere il loro tempo più efficace”. Agnes ha affermato: “Il modo in cui pensiamo all’apprendimento automatico e agli strumenti di elaborazione del linguaggio naturale, come quello che è stato sviluppato per lo strumento di annotazione, è rendere il lavoro degli insegnanti il ​​più semplice possibile. Possiamo semplificare il loro lavoro. Possiamo spingerli verso le migliori pratiche”.

Questa collaborazione incentrata sulla scienza dei dati includeva un team di dieci volontari di AI for Good data science e oltre 200 ore del loro tempo dedicate alla ricerca, all’analisi e alla risoluzione dei problemi per creare con successo uno strumento di annotazione basato sul linguaggio naturale.

Il team AI for Good sta lavorando con CommonLit sulle opzioni per rilasciare il proprio modello AI di raccomandazione Feedback come open source, in modo che la comunità educativa possa trarne vantaggio.

“Cisco è un nostro partner da un paio d’anni. Hanno supportato alcuni dei nostri lavori più innovativi intorno alla tecnologia”, ha spiegato Agnes. “E lavorare con il team Cisco AI for Good è stata un’esperienza unica che ha portato avanti il ​​lavoro più all’avanguardia della nostra organizzazione”.

Scopri di più sulla nostra partnership con CommonLit.

Visualizza il contenuto originale qui.

Cisco Systems, Inc.  logo

Cisco Systems, Inc.

.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *