野外部署多模态学习分析的经验教训
人机交互
2023-03-17 v1
摘要
多模态学习分析（MMLA）创新利用快速发展的感知与人工智能算法，收集在物理学习空间中展开的学习活动的丰富数据。对这些数据的分析正为研究与支持学习开辟令人振奋的新途径。然而，在“野外”部署 MMLA 创新时通常会出现实践与后勤方面的挑战。这些挑战涵盖从与增强学习空间感知能力相关的技术问题，到教师任务复杂性的增加以及知情同意等。这些实践问题很少被讨论。本文通过呈现一项为期 2 年、以人为中心的 MMLA 野外研究（涉及 399 名学生和 17 名教育工作者）所得的经验教训来弥补这一空白。这些经验教训被归纳为以下主题：i) 部署的技术/物理方面；ii) 多模态数据与界面；iii) 设计过程；iv) 参与、伦理与隐私；v) 部署的可持续性。
引用
@article{arxiv.2303.09099,
title = {Lessons Learnt from a Multimodal Learning Analytics Deployment In-the-wild},
author = {Roberto Martinez-Maldonado and Vanessa Echeverria and Gloria Fernandez-Nieto and Lixiang Yan and Linxuan Zhao and Riordan Alfredo and Xinyu Li and Samantha Dix and Hollie Jaggard and Rosie Wotherspoon and Abra Osborne and Dragan Gašević and Simon Buckingham Shum},
journal= {arXiv preprint arXiv:2303.09099},
year = {2023}
}
备注
Submitted to TOCHI