Integrating Socially Assistive Robots into Language Tutoring Systems

Die Einleitung des Dokuments behandelt die grundlegende Motivation für die Integration von sozial unterstützenden Robotern in Sprachunterrichtssysteme. Die Bedeutung der Sprachbildung wird hervorgehoben, insbesondere für junge Kinder, deren zukünftiger Bildungserfolg stark von den frühen Sprachkenntnissen abhängt. Die Herausforderungen des Sprachenlernens werden angesprochen, wobei betont wird, dass soziale Interaktionen entscheidend für den Lernprozess sind. Die Notwendigkeit personalisierter Lernansätze wird unterstrichen, um den individuellen Bedürfnissen der Kinder gerecht zu werden. Die Einleitung stellt auch die Forschungsziele vor, die darauf abzielen, die Rolle von Intelligenten Tutoring-Systemen (ITS) zu untersuchen und deren Mängel in Bezug auf soziale Unterstützung zu identifizieren. Ein zentrales Anliegen ist die Entwicklung eines sozial unterstützenden Robotertutoring-Systems (SARTS), das soziale Unterstützung bietet und gleichzeitig das Fremdsprachenlernen für Kinder im Alter von 4 bis 6 Jahren personalisiert und unterstützt.

Der Hintergrund des Dokuments bietet eine umfassende Analyse der Dimensionen des Lernens und der Engagement. Es wird erklärt, wie kognitives Lernen, affektives Lernen und wahrgenommenes Lernen miteinander verknüpft sind und sich gegenseitig beeinflussen. Die Notwendigkeit, alle Dimensionen des Lernens zu unterstützen, wird betont, um optimale Lernergebnisse zu erzielen. Die Forschung zeigt, dass ein niedriges Engagement negative Auswirkungen auf die Lernresultate haben kann, selbst wenn die Lernenden bereits über gute Kenntnisse verfügen. Die Bedeutung von Scaffolding wird hervorgehoben, um die Lernenden aktiv zu unterstützen und ihre Wahrnehmung des Lernprozesses zu verbessern. Die Analyse der Literatur und die Durchführung von Experteninterviews haben dazu beigetragen, geeignete Maßnahmen zu identifizieren, die in einem SARTS implementiert werden können, um die verschiedenen Lerndimensionen zu fördern.

In diesem Abschnitt wird die Methodik beschrieben, die zur Entwicklung des A-BKT-Modells verwendet wurde. Das Modell ermöglicht eine autonome Anpassung der Tutoring-Interaktionen an die individuellen Kenntnisse und Bedürfnisse der Kinder. Die Evaluation des Modells zeigt signifikante Lerngewinne und ein höheres Engagement während der Tutoring-Interaktionen. Die Fähigkeit des Modells, die Auswirkungen potenzieller Aktionen auf alle Dimensionen der Lerninteraktion zu simulieren, wird als entscheidend für den Lernerfolg angesehen. Die Methodik umfasst auch die Durchführung von Evaluationsstudien, die die Wirksamkeit der entwickelten Scaffolding-Techniken bestätigen. Diese Techniken sind darauf ausgelegt, die Lernprozesse junger Kinder zu unterstützen, indem sie entweder das Engagement wiederherstellen oder Transparenz schaffen, um die Unsicherheit zu verringern.

Die Ergebnisse der Dissertation bieten neue Einblicke in die Rolle von sozial unterstützenden Robotern im Bildungsbereich. Die Integration der identifizierten Strategien in das A-BKT-Modell zeigt, dass das Modell in der Lage ist, die Tutoring-Interaktionen autonom anzupassen, basierend auf den Antworten der Lernenden und den bereitgestellten Desengagement-Hinweisen. Die Diskussion hebt die praktischen Anwendungen des Modells hervor, insbesondere in Bezug auf die Personalisierung des Fremdsprachenlernens für junge Kinder. Die Dissertation wirft auch neue, wichtige Fragen auf, die in zukünftigen Studien untersucht werden sollten. Die Relevanz der Forschung für die Entwicklung von Intelligenten Tutoring-Systemen und deren Anwendung in der Bildung wird abschließend betont.