stringtranslate.com

Proyecto ESCUCHA

El proyecto LISTEN (Literacy Innovation that Speech Technology ENables) fue un proyecto de investigación de 25 años de duración en la Universidad Carnegie Mellon para mejorar las habilidades de lectura de los niños. El proyecto LISTEN creó un tutor de lectura basado en computadora que escucha a un niño leer en voz alta, corrige errores, ayuda cuando el niño se traba o se encuentra con una palabra difícil, proporciona pistas, evalúa el progreso y presenta un texto más avanzado cuando el niño está listo. El tutor de lectura ha sido utilizado diariamente por cientos de niños en pruebas de campo en escuelas de los Estados Unidos, Canadá, Ghana e India. Miles de horas de uso registradas en múltiples niveles de detalle, incluidos millones de palabras leídas en voz alta, se han almacenado en una base de datos que se ha extraído para mejorar las interacciones del tutor con los estudiantes. Se puede encontrar una lista extensa de publicaciones (con resúmenes) en la Universidad Carnegie Mellon. [1]

El equipo de Carnegie Mellon que compite en el Global Learning XPRIZE está transformando el Reading Tutor del Proyecto LISTEN en "RoboTutor". [2] El objetivo del Global Learning XPRIZE es desarrollar aplicaciones de código abierto para tabletas Android, tanto en inglés como en suajili, que permitan a los niños de los países en desarrollo que tienen poco o ningún acceso a la escuela aprender por sí mismos a leer, escribir y aritmética básica sin la ayuda de un adulto. RoboTutor es una colección integrada de tutores inteligentes y juegos educativos implementados en una tableta Android, y ahora se está probando en el campo en Tanzania.

Historia

El proyecto LISTEN fue dirigido por el (ahora profesor emérito) David 'Jack' Mostow, [3] quien actualmente lidera el equipo "RoboTutor" de Carnegie Mellon en la competencia Global Learning XPRIZE. [4] El proyecto LISTEN fue apoyado por la Agencia de Proyectos de Investigación Avanzada de Defensa a través de la Orden DARPA 5167, la Fundación Nacional de Ciencias bajo la subvención ITR/IERI No. IEC-0326153, [5] la subvención No. REC-0326153 del Instituto de Ciencias de la Educación del Departamento de Educación de los EE. UU. [6] y bajo las subvenciones R305B070458, R305A080157 y R305A080628, y por Heinz Endowments. [7] El propósito del proyecto LISTEN era desarrollar, evaluar y refinar un tutor inteligente para escuchar a los niños leer en voz alta y ayudarlos a aprender a leer.

Como parte de la investigación y las pruebas, el Reading Tutor de Project LISTEN ha sido utilizado con resultados positivos por cientos de niños en los Estados Unidos, Canadá y otros países. [8] (Ver la prueba del prototipo a continuación). Los resultados indicaron que, a menudo, los estudiantes cuyo nivel inicial de competencia era más bajo fueron los que más se beneficiaron del Reading Tutor. De particular interés fue el excelente desempeño del Reading Tutor para estudiantes de inglés . [9]

El Proyecto Escuchar encaja perfectamente en la Iniciativa Simon de la Universidad Carnegie Mellon, cuyo objetivo es utilizar la investigación científica del aprendizaje para mejorar la práctica educativa. Como se señala en la Historia de la Iniciativa Simon, "La Fundación Nacional de la Ciencia incluyó el sistema de reconocimiento de voz del Proyecto LISTEN como una de sus 50 principales innovaciones entre 1950 y 2000". [10]

Cómo funciona

El objetivo del Tutor de Lectura es hacer que la experiencia del estudiante de aprender a leer sea tan efectiva o más que la de un tutor humano, por ejemplo, como se describe en el sitio web de Intervention Central. [11] Un niño selecciona un elemento de un menú que enumera textos de una fuente como el Weekly Reader o historias de autor. El Tutor de Lectura escucha al niño leer en voz alta utilizando el Reconocedor de Voz Sphinx-II de Carnegie Mellon [12] [13] para procesar e interpretar la lectura oral del estudiante . Cuando el Tutor de Lectura nota que un estudiante lee mal una palabra, se salta una palabra, se atasca, duda o hace clic para pedir ayuda, responde con asistencia modelada en parte por profesores expertos en lectura, adaptada a las capacidades y limitaciones de la tecnología . [14]

El tutor de lectura actualiza dinámicamente su estimación del nivel de lectura de un estudiante y elige historias un poco más difíciles (o más fáciles) según el nivel estimado; este enfoque le permite al tutor de lectura apuntar a la zona de desarrollo próximo , es decir, ampliar el alcance de lo que un estudiante actualmente puede hacer sin ayuda, hacia lo que puede hacer con ayuda.

El Tutor también proporciona un andamiaje (brinda apoyo para) los procesos clave en la lectura. Explica palabras y conceptos desconocidos presentando breves datos (es decir, comparaciones con otras palabras). Puede proporcionar asistencia tanto oral como gráfica cuando el estudiante tiene un problema. El Tutor representa el habla visual utilizando videoclips de fonemas con la boca hablando . Ayuda a la identificación de palabras previsualizando palabras nuevas, leyendo palabras difíciles en voz alta y dando rimas y otras pistas.

Los datos detallados sobre las interacciones se guardan en una base de datos y se ha utilizado la minería de datos para mejorar el Tutor de lectura e investigar preguntas de investigación.

Prueba de prototipos

Los ensayos del proyecto LISTEN demostraron usabilidad, aceptación del usuario, asistencia efectiva y mejoras entre la prueba previa y la posterior. Una serie de estudios controlados se extendieron durante varios meses, con un uso por parte de los estudiantes de 20 minutos por día. El uso del Tutor de lectura produjo mayores mejoras en la comprensión que los métodos actuales. Para asegurar que no hubiera una tercera variable involucrada, se compararon diferentes tratamientos dentro de las mismas aulas, con asignación aleatoria de niños a los tratamientos, estratificados por las puntuaciones de la prueba previa. Se utilizaron medidas válidas y confiables (Woodcock.1998) [15] para medir las mejoras entre la prueba previa y la posterior. [16] Los datos recopilados durante cada ensayo se utilizaron para mejorar la eficacia del tutor.

Se llevaron a cabo varios estudios controlados a medida que el Reading Tutor evolucionó, por ejemplo,

  1. Estudio piloto (1996-1997) [17]
  2. Comparación dentro del aula (1998) [18] [19]
  3. Comparación con tutores humanos (1999-2000) [20] [21] [22]
  4. Comparación de tiempo equivalente con la lectura silenciosa sostenida (2000-2001) [23]

Desde 2005, investigadores tanto dentro como fuera del Proyecto LISTEN han realizado y publicado estudios controlados sobre el Reading Tutor. (Ver lista en [24] ).

Premios

El Proyecto Escucha ha recibido reconocimiento mundial y numerosos premios:

Véase también

Referencias

  1. ^ Publicaciones del Proyecto LISTEN
  2. ^ ''Premio XPRIZE de aprendizaje global''
  3. ^ "El profesor Jack Mostow"
  4. ^ "El equipo RoboTutor XPRIZE de la Universidad Carnegie Mellon"
  5. ^ “Integración de la voz y el modelado del usuario en un tutor de lectura que escucha”
  6. ^ Instituto de Ciencias de la Educación
  7. ^ Dotaciones Heinz
  8. ^ "Resumen del proyecto LISTEN". Resumen del proyecto Listen . 7 de febrero de 2013.
  9. ^ "Una caja mágica de lectura: un nuevo software de alfabetización ofrece resultados sorprendentes entre los alumnos de primaria de Vancouver que hablan inglés como segunda lengua". UBC Reports . 51 (8). 4 de agosto de 2005.
  10. ^ "La Iniciativa Simon"
  11. ^ Ejemplo de lectura asistida
  12. ^ "Kit de herramientas de reconocimiento de voz CMU Sphinx". CMU Sphinx .
  13. ^ "Guía del usuario de CMU Sphinx-II". CMU Sphinx .
  14. ^ "Descripción del proyecto Listen". Proyecto HCI Listen .
  15. ^ "WOODCOCK, RW 1998. Pruebas de dominio de la lectura de Woodcock - Revisadas (WRMT-R/NU). Servicio de Orientación Estadounidense, Circle Pines, Minnesota".
  16. ^ "Base de investigación del Proyecto Escucha".
  17. ^ "Cuando la entrada de voz no es una ocurrencia de último momento: un tutor de lectura que escucha, en el taller sobre interfaces de usuario perceptuales, Banff, Canadá, octubre de 1997" (PDF) .
  18. ^ Comparación dentro del aula (1998)
  19. ^ Mostow, Jack; Aist, Greg; Burkhead, Paul; Corbett, Albert; Cuneo, Andrew; Eitelman, Susan; Huang, Cathy; Junker, Brian; Sklar, Mary Beth; Tobin, Brian (22 de julio de 2016). "Evaluación de un tutor de lectura automatizado que escucha: comparación con la tutoría humana y la instrucción en el aula". Revista de investigación en informática educativa . 29 (1): 61–117. doi :10.2190/06AX-QW99-EQ5G-RDCF. S2CID  46073812.
  20. ^ Jack Mostow; Greg Aist; Paul Burkhead; Albert Corbett; Andrew Cuneo; Susan Rossbach; Brian Tobin, Práctica independiente versus lectura oral guiada por computadora: comparación en tiempo igual entre lectura silenciosa sostenida y un tutor de lectura automatizado que escucha (PDF)
  21. ^ "Una evaluación controlada de la lectura oral asistida por computadora versus lectura oral asistida por humanos" (PDF) .
  22. ^ Una evaluación controlada de la lectura oral asistida por ordenador frente a la asistida por humanos. Décima Conferencia sobre Inteligencia Artificial en Educación (AI-ED), JD MOORE, CL REDFIELD y WL JOHNSON, Eds. Ámsterdam: IOS Press, San Antonio, Texas, 586-588.
  23. ^ Mostow, Jack; Nelson-Taylor, Jessica; Beck, Joseph E. (2013). "Lectura oral guiada por computadora versus práctica independiente: comparación de la lectura silenciosa sostenida con un tutor de lectura automatizado que escucha". Revista de investigación en informática educativa . 49 (2): 249–276. doi :10.2190/EC.49.2.g. S2CID  62382102.
  24. ^ "Estudios publicados del Proyecto Escucha".
  25. ^ Jack Mostow; Steven F. Roth; Alexander G. Hauptmann; Matthew Kane. "(Artículo destacado) Un prototipo de entrenador de lectura que escucha".
  26. ^ La Iniciativa Simon
  27. ^ "50 ingeniosos".
  28. ^ "Cómo ayudar a los niños a aprender vocabulario durante la lectura oral asistida por computadora".
  29. ^ "Videos del Proyecto Listen sobre la serie Reading Rockets de PBS".
  30. ^ Beck, JE, Chang, K.-m., Mostow, J. y Corbett, A. (2008). Introducción a la metodología de evaluación y valoración bayesiana. Programación e ingeniería de software. Springer. pp. 383–394. ISBN 9783540691303.{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )
  31. ^ "(Premio al mejor artículo) ¿La ayuda ayuda? Presentación de la metodología de evaluación y valoración bayesiana" (PDF) .
  32. ^ Beck, Joseph E.; Mostow, Jack (2008), "Cómo debería practicar cada uno: uso de la descomposición del aprendizaje para evaluar la eficacia de diferentes tipos de práctica para diferentes tipos de estudiantes", Intelligent Tutoring Systems , Lecture Notes in Computer Science, vol. 5091, págs. 353–362, doi :10.1007/978-3-540-69132-7_39, ISBN 978-3-540-69130-3
  33. ^ "(Nominado al mejor artículo) Cómo debería practicar cada uno: uso de la descomposición del aprendizaje para evaluar la eficacia de distintos tipos de prácticas para distintos tipos de estudiantes" (PDF) .
  34. ^ Jack Mostow; Kai-min Chang; Jessica Nelson (enero de 2013). "Hacia la explotación de la información de EEG en un tutor de lectura". Revista internacional de inteligencia artificial en educación . 22 (1–2): 230–237. doi :10.3233/JAI-130033.
  35. ^ "(Premio al mejor artículo) Hacia la explotación de la entrada de EEG en un tutor de lectura, Mostow, J., Chang, K.-m. y Nelson, J., Actas de la 15.ª Conferencia internacional sobre inteligencia artificial en educación, Auckland, Nueva Zelanda, 230-237, 2011" (PDF) .
  36. ^ Sunayana Sitaram; Jack Mostow. "Extracción de datos del tutor de lectura del proyecto LISTEN para analizar el desarrollo de la prosodia de lectura oral de los niños". Actas de la vigésimo quinta conferencia internacional de la Sociedad de Investigación de Inteligencia Artificial de Florida, Biblioteca digital AASI .
  37. ^ "(Premio al mejor artículo) Extracción de datos del tutor de lectura del Proyecto LISTEN para analizar el desarrollo de la prosodia de lectura oral de los niños" (PDF) .
  38. ^ Xu, Y., Mostow, J. "Comparación de métodos para rastrear múltiples subhabilidades: ¿es mejor LR-DBN?" (PDF) . Actas de la Quinta Conferencia Internacional sobre Minería de Datos Educativos, Chania, Creta, Grecia .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  39. ^ "(Premio al mejor artículo estudiantil) Comparación de métodos para rastrear múltiples subhabilidades: ¿es mejor LR-DBN?" (PDF) .
  40. ^ Lallé, S., Mostow, J., Luengo, V., y Guin, N. página=161-170 (22 de junio de 2013). "Comparación de modelos de estudiantes en diferentes formalismos mediante la predicción de su impacto en el éxito de la ayuda". Actas de la 16.ª Conferencia internacional sobre inteligencia artificial en la educación, Memphis, TN 2013. Springer US. ISBN 9783642391125.{{cite book}}: CS1 maint: nombres múltiples: lista de autores ( enlace ) CS1 maint: nombres numéricos: lista de autores ( enlace )
  41. ^ "(Finalista del Premio al Mejor Artículo) Comparación de modelos de estudiantes en diferentes formalismos mediante la predicción de su impacto en el éxito de la ayuda" (PDF) .

Enlaces externos