Archiv zpráv a událostí

Profesor Atsushi Shimada z japonské Kyushu University navštívil Fakultu informatiky Masarykovy univerzity, aby se podělil o své poznatky z oblasti learning analytics, strojového učení a zpracování multimédií. Jako přední výzkumník v oblasti analýzy vzdělávacích dat a výukových prostředí založených na AI získal řadu ocenění za svůj přínos v oblasti inteligentních systémů a výpočetní techniky zaměřené na člověka. 

Během svého pobytu v Brně vystoupil prof. Shimada s přednáškou na téma „Analýza učení založená na umělé inteligenci pro transformaci vzdělávání“, ve které se zabýval tím, jak umělá inteligence může pomoci personalizovat učení a podporovat pedagogy prostřednictvím poznatků založených na datech. Při této příležitosti jsme s profesorem Shimadou hovořili o jeho výzkumu, nejnovějších projektech a jeho pohledu na budoucnost umělé inteligence ve vzdělávání.

Co vás přivedlo k výzkumu propojení umělé inteligence s analýzou učení?

Moje počáteční motivace vycházela z mých zkušeností se zpracováním obrazu a rozpoznáváním vzorů, kde mě fascinovalo, jak datově orientované přístupy mohou odhalit skryté struktury. Když jsem přešel do oblasti vzdělávání, uvědomil jsem si, že i vzdělávací prostředí generuje obrovské množství dat a že analýza těchto stop může poskytnout cenné informace o tom, jak se studenti učí a jak jim můžeme lépe pomáhat.

Ve své prezentaci jste hovořil o „metodě, která kombinuje prediktivní modelování, personalizovanou zpětnou vazbu a monitorování v reálném čase s pokročilými technikami zpracování médií pro analýzu multimodálních dat, jako jsou text, video a ručně psané poznámky“. Mohl byste nám tento postup vysvětlit nebo jej zjednodušit, abychom pochopili, jak funguje a jaké výhody studentům přináší?

Využíváme informace z toho, co studenti píší, z jejich poznámek a online aktivit, abychom pochopili, jak se učí. To nám pomáhá odhalit, kdy má někdo potíže, abychom mu mohli včas poskytnout osobní zpětnou vazbu. Pro studenty to znamená, že dostávají podporu právě v okamžiku, kdy ji potřebují, což jim usnadňuje udržet si motivaci a pokračovat ve studiu.

Mohl byste uvést konkrétní příklad, kdy analytika učení založená na umělé inteligenci již přinesla změny v reálném vzdělávacím prostředí?  

Například v jedné z našich studií jsme použili umělou inteligenci k automatickému generování souhrnu výukových materiálů. To studentům pomohlo efektivněji se připravit před hodinou a zlepšilo jejich porozumění obsahu předem. Umělou inteligenci jsme také použili k poskytování zpětné vazby v reálném čase během výuky, což umožnilo lektorům přizpůsobit výuku přímo na místě. Díky těmto nástrojům se výuka stala poutavější a přínosnější jak pro studenty, tak pro lektory.

Jaké jsou podle vás největší výzvy při zavádění nástrojů založených na umělé inteligenci do výuky v prezenčních nebo online kurzech?

Jednou z největších výzev je zajistit, aby systémy umělé inteligence byly spolehlivé a transparentní. Učitelé a studenti musí důvěřovat výsledkům a rozumět tomu, proč dané doporučení vzniklo. Další výzvou je férovost: musíme zajistit, aby tyto nástroje podporovaly všechny studenty rovnocenně a nechtěně neznevýhodňovaly některé skupiny. A konečně je tu praktická stránka: pokud jsou systémy umělé inteligence příliš komplikované nebo přidávají další práci, nebudou efektivně využívány.

Jak dokážete vyvážit možnosti personalizace prostřednictvím AI s riziky souvisejícími s ochranou osobních údajů a důvěrou studentů?

Personalizace prostřednictvím AI otevírá rozsáhlé možnosti pro podporu každého studenta jedinečným způsobem, ale funguje pouze v případě, že studenti systému důvěřují. Abychom dosáhli rovnováhy, zajišťujeme souhlas studentů, používáme pouze skutečně potřebná data a zajišťujeme jejich bezpečnost a anonymitu. Stejně důležité je, že jasně vysvětlujeme, jak jsou data používána, aby studenti měli pocit, že mají kontrolu, a ne že jsou sledováni.

Japonsko je známé tím, že v každodenním životě ochotně využívá nové technologie. Platí tato otevřenost i pro oblast vzdělávání, nebo se při zavádění umělé inteligence do výuky setkáváte s překážkami?

Je pravda, že Japonsko často využívá nové technologie v každodenním životě, ale ve vzdělávání je situace složitější. Překážkou jsou například obavy o ochranu osobních údajů, přísné požadavky na učební osnovy a nadměrná pracovní zátěž pro učitele. Zároveň však pozorujeme pokrok, protože digitální výukové materiály, online výukové platformy a pilotní projekty využívající umělou inteligenci se stávají stále běžnějšími. Ačkoli je tedy zavádění umělé inteligence do vzdělávání spíše opatrné, otevřenost rozhodně roste.

Podle vašich zkušeností, jaká role zůstává učitelům po zavedení systémů AI na podporu výuky? 

Úloha učitele zůstává i po zavedení systémů AI naprosto klíčová. AI může poskytovat data, zpětnou vazbu a návrhy, ale je to učitel, kdo tyto informace interpretuje, rozumí lidské stránce učení a rozhoduje o tom, jak nejlépe vést každého studenta. AI tak spíše posiluje roli učitele, než aby ji nahrazovala.

Jakou roli podle vás bude AI hrát v příštím desetiletí ve vysokoškolském vzdělávání po celém světě a které dovednosti by si měli dnešní studenti a výzkumníci osvojit, aby se na to připravili?

Očekávám, že se AI v příštím desetiletí stane důvěryhodným partnerem ve vysokoškolském vzdělávání, bude podporovat personalizované učení studentů a pomáhat pedagogům navrhovat efektivnější kurzy. Určitě se stane nepostradatelným nástrojem pro rozvoj vzdělávání, ale stejně důležité je nespoléhat se na ni příliš a neztratit ze zřetele skutečný účel učení. Aby se na tuto budoucnost připravili, měli by si dnešní studenti a výzkumníci osvojit základní znalosti o AI, kriticky přemýšlet o výsledcích, zodpovědně využívat data a rozvíjet lidské dovednosti, jako je spolupráce a kreativita, které AI nemůže nahradit.

Foto: Mahiro Ozaki, Atsushi Shimada a Valdemar Švábenský

Na FI MU jste v kontaktu s Dr. Valdemarem Švábenským, který strávil více než rok ve vaší laboratoři na postdoktorandské pozici. Na jakém výzkumu jste společně pracovali a předpokládáte nějakou budoucí spolupráci?

Spolupracovali jsme na výzkumu v oblasti learning analytics, zaměřeném na to, jak efektivně reprezentovat data o vzdělávacích aktivitách a předpovídat chování studentů. Těším se na pokračování této spolupráce v budoucích mezinárodních projektech.

Jakou zkušenost si odnášíte z FI MU po setkání s našimi studenty a kolegy?

Na vaší fakultě na mě, díky setkání s mnoha nadšenými studenty a kolegy, hluboce zapůsobila otevřená atmosféra a silná vášeň pro pokrok a spolupráci ve výzkumu a vzdělávání. Naše diskuse v Brně přinesla řadu slibných nových nápadů souvisejících s analytikou učení a využitím vzdělávacích dat. Velmi mě také potěšil příslib možné spolupráce s FI MU v oblasti vzdělávání v kybernetické bezpečnosti. 

Setkání mě inspirovalo k hledání nových směrů pro propojení výzkumu datově orientovaného učení s praktickými, bezpečnými a na člověka zaměřenými vzdělávacími systémy. Pevně doufám, že tato návštěva dále posílí spolupráci mezi Masarykovou univerzitou a Kyushu University a povede k hlubší výměně výzkumných poznatků a společným iniciativám v blízké budoucnosti.

—

Komentář Valdemara Švábenského:

Potěšilo mě, že prof. Shimada a pan Ozaki přijeli do Brna navzdory velké vzdálenosti z Japonska. V minulosti jsem s nimi spolupracoval na Kyushu University jako postdoktorandský výzkumník a velmi si vážím možnosti pokračovat v naší spolupráci i po návratu do České republiky. Během jejich návštěvy jsme diskutovali o plánech na budoucí společný výzkum, včetně setkání na významné konferenci v roce 2026 a možnosti krátkodobého výzkumného pobytu na Kyushu University. Ačkoli se přednáška profesora Shimady konala uprostřed rušného semestru, přilákala velké publikum a vyvolala živou diskusi. S radostí jsem sledoval, že také zástupci další výzkumné skupiny na FI MU diskutovali o možné spolupráci s laboratoří profesora Shimady. Těším se na další posílení našeho partnerství s Kyushu University.