Associate Professor at the Department of IT, Management and Technology, Institute of Digital Education
доцент департамента информатики, управления и технологий, Институт цифрового образования
Professor at the Department of Informatics, Management and Technology, Institute of Digital Education
профессор департамента информатики, управления и технологий, Институт цифрового образования
Problem statement. Traditional methods of verifying pedagogical interaction features (hereinafter referred to as pedagogical features) are limited to qualitative observation and correlation analysis, which do not allow to establish causal relationships between the actions of the teacher and learning outcomes. The objective of the study is to develop a scientific and methodological approach to the experimental verification of pedagogical features based on SAR analysis and the formation of reference datasets for training SAR agents. Methodology. A scientific and methodological approach based on SAR analysis (Socially Assistive Robotics Analysis) is proposed, including the formation of a context-enriched reference dataset of multimodal data for training SAR agents and experimental verification of features through their translation into behavioral modules for automated analysis. Results. A comparative analysis with the CLASS video analysis methodology showed a reduction in verification labor costs during scaling by more than 79% (from 808 to 167 person-hours per 500 videos) while increasing the objectivity of the assessment and obtaining causal knowledge instead of correlational knowledge. Conclusion. The methodology creates a basis for building evidence-based pedagogy and developing a new generation of intelligent learning systems with automatic recognition of effective pedagogical practices based on SAR agents.
Постановка проблемы. Традиционные методы верификации признаков педагогических взаимодействий (педагогические признаки) ограничиваются качественным наблюдением и корреляционным анализом, не позволяя установить каузальные связи между действиями педагога и образовательными результатами. Цель исследования - разработка научно-методологического подхода к экспериментальной верификации педагогических признаков на основе SAR-анализа и формирования эталонных датасетов для обучения SAR-агентов. Методология. Предложен научно-методологический подход на основе SAR-анализа (Socially Assistive Robotics Analysis), включающий формирование контекстно-обогащенного эталонного датасета мультимодальных данных для обучения SAR-агентов и экспериментальную верификацию признаков через их трансляцию в поведенческие модули для автоматизированного анализа. Результаты. Сравнительный анализ с методологией видеоанализа CLASS показал снижение трудозатрат на верификацию при масштабировании более чем на 79 % (с 808 до 167 человеко-часов на 500 видео) при повышении объективности оценки и получении каузального знания вместо корреляционного. Заключение. Методология создает основу для построения доказательной педагогики и разработки интеллектуальных обучающих систем нового поколения с автоматическим распознаванием эффективных педагогических практик на примере SAR-агентов.