基于人工智能的数学：为学童提供个性化支持

一台更新的电脑、一张好的显卡和一台标准的网络摄像头：根据阿希姆·利连塔尔教授的研究，这就是识别学生在数学上强项和弱项所需的一切。原理是：网络摄像头跟踪眼动。根据任务的不同，会出现特定的模式，这些模式可以在热图上以数字形式显示，其中红色表示儿童频繁注视的区域，绿色表示他们仅短暂瞥一眼的区域。这有助于研究人员分析数据。“该人工智能系统对模式进行分类，”TUM的机器人教授说。在此基础上，软件为学生选择学习视频和练习。

通过热图识别学习策略

“使用网络摄像头在同一系统中跟踪眼动、通过模式识别学习策略并提供个性化支持，以及最终为教师创建自动支持报告，这完全是新的，”迈克·申德勒说。科隆大学包容性和特殊教育背景下的数学教授，她与TUM的利连塔尔教授合作已达十年。她还负责最近完成的KI-ALF研究项目，该项目由德国联邦教育与研究部（BMBF）资助，开发了基于网络摄像头的眼动追踪系统。她的研究重点是“在学习数学方面有很大困难的学生。”利连塔尔教授认为，“未来也可以为高能力儿童提供个性化的课程。”

持有教育学位的申德勒教授和她的团队定义了数百个任务，让儿童进行加、减、乘、除运算，或识别或表示数字。“涉及视觉呈现的数字学习材料的任务特别适合这种方法，”申德勒说。例如，要求儿童在一张十行的表格中计算点数，底行只有几个点缺失。

快速领会的学生跳到底行，只计算倒数。逐行逐点计数的学生则是需要支持的群体。数字系统使用热图显示儿童的视线，人工智能将这些模式转化为个性化的练习程序。

简化的高精度眼动追踪

为了开发这种简化的眼动追踪系统，TUM的利连塔尔教授利用他在机器人研究中使用相应系统的经验。在该项工作中，他目前在小型类人机器人Nao中使用眼动追踪器。这使它能够与人类更好地沟通。然而，这些非常精准的系统需要数千欧元的费用。

为了找到一种更具成本效益的学校解决方案，研究人员巧妙地将技术专长与数学教学知识结合在一起。尽管先进的系统最大偏差为一度，但网络摄像头的精度较低，约为三到四度。解决方案是：“通过AI-ALF数学任务，我们知道学生最终是在看屏幕上显示的问题，”利连塔尔说。“我们利用这一点自动调整网络摄像头的眼动追踪。”该系统逐渐学会处理不准确性。“今天我们的应用程序无论是使用我们的网络摄像头还是高端眼动追踪器，都没有区别，”教授说。这使得与迈克·申德勒教授合作开发的人工智能系统变得经济实惠，因此在学校使用中越来越重要。

伍尔芬综合学校：德国第一所使用该系统的学校

这也是伍尔芬综合学校成为首所使用基于人工智能学习系统的学校的原因之一，该校位于北莱茵-威斯特法伦州的多尔斯滕。这里一项标准化的数学测试显示，在五年级开始时，180名儿童中有三分之一存在“算术困难”。“我们非常高兴现在可以借助基于人工智能的学习系统，支持更多儿童的基础数学技能。这意味着我们能帮助更多学习者提高数学成绩，而不是因为教师不足而无法实现。”

在这所综合学校中，五名学生可以同时在个别补习课中使用KI-ALF系统，并得到数学老师的支持和陪伴。正常情况下，教师每次只能给一名学生提供个性化支持。“尤其是在资源匮乏和教师短缺的年代，我们的基础数学能力促进系统的确是对学校的极好支持，”申德勒说。