Pesquisadores da Universidade Northeastern desenvolveram uma ferramenta de AI que utiliza machine learning para aprimorar a alfabetização infantil através de uma experiência interativa de leitura.
Contexto da pesquisa
A pesquisa foi conduzida no Laboratório de AI Centrada no Humano da Universidade Northeastern e explora a interseção entre inteligência artificial e educação infantil. Com a crescente demanda por ferramentas inovadoras que apoiem o aprendizado, a equipe se propôs a criar um agente de AI que proporciona interações mais ricas do que as oferecidas por produtos comerciais atuais.
Método proposto
O projeto, denominado StoryMate, utiliza modelos de linguagem de grande escala (LLMs) para criar uma experiência de leitura personalizada. A abordagem do estudo se baseia na adaptação da conversa e na formação das perguntas, considerando a idade, os interesses e o nível de engajamento de cada criança. “Estamos construindo esse sistema não para substituir os pais humanos,” diz Dakuo Wang, professor associado de ciência da computação e design. “Os pais e professores nos dizem que este sistema reflete melhor suas necessidades” (“We are building this system not to replace human parents,” says Dakuo Wang, an associate professor of computer science and design).
Resultados e impacto
Os testes, que envolveram professores de educação infantil, produziram uma versão do algoritmo capaz de formular perguntas relevantes e contextuais a partir de narrativas infantis. A equipe utilizou um dataset de histórias infantis anotadas, resultando em um modelo que não apenas interage, mas também educa sobre conceitos externos. “O que encontramos é que há uma interseção muito natural entre o que a tecnologia pode oferecer e o que pesquisadores e pais realmente querem” (“What we found out is that there’s this very natural intersection between what technology can provide and what researchers and parents really want”) relatou Wang.
Além disso, StoryMate já está em fase de testes em larga escala em dois distritos escolares da Califórnia, visando oferecer suporte a crianças de primeira geração que não têm acesso a oportunidades de educação informal após a escola. “Queremos apoiar especificamente crianças de primeira geração,” afirma Wang.
As aplicações futuras da pesquisa incluem a integração de conteúdo acadêmico a histórias e o potencial uso em turmas com maior diversidade linguística.
Fonte: (TechXplore – Machine Learning & AI)
