Feedback van een robot kan leerlingen helpen om van fouten te herstellen, maar uitgebreide uitleg kan de prestaties op korte termijn juist verslechteren als die op het verkeerde moment wordt gegeven. Dat blijkt uit een studie die is gepubliceerd in Communications Psychology.
Onderzoekers van het Science of Intelligence-cluster van de Technische Universiteit Berlijn onderzochten hoe negentig volwassenen reageerden op automatische feedback tijdens een leertaak met een humanoïde robot. De deelnemers kregen in het Swahili – een taal die zij niet kenden – instructies om voorwerpen zoals een fles, een beker en een boek op verschillende plaatsen neer te zetten. Door herhaaldelijk te proberen en feedback te ontvangen moesten zij zelf de betekenis van de instructies afleiden.
Na een verkeerde plaatsing gaf de robot óf alleen aan dat het antwoord onjuist was, óf een extra aanwijzing die gericht was op de taak of aanzette tot reflectie. Daarnaast rapporteerden de deelnemers elke vijf minuten hun emotionele toestand via een touchscreen op de borst van de robot.
De onderzoekers vergeleken drie vormen van feedback. In de eerste variant gaf de robot na elke fout automatisch extra uitleg, zonder rekening te houden met de situatie van de leerling. De tweede variant paste de hoeveelheid feedback aan op basis van de recente prestaties van de deelnemer en het plezier dat die tijdens de taak ervoer. De derde variant ging nog een stap verder en stemde de feedback ook af op de specifieke fouten en eerdere handelingen van de deelnemer.
Gepersonaliseerde feedback hing samen met betere prestaties over de gehele taak. Opvallend genoeg bleken taakgerichte aanwijzingen minder effectief voor de eerstvolgende poging wanneer zij gepersonaliseerde informatie bevatten.
Volgens de onderzoekers komt dat waarschijnlijk doordat langere en specifiekere boodschappen direct na een fout de cognitieve belasting verhogen. Daardoor wordt het moeilijker om de aandacht volledig op de volgende poging te richten. De resultaten wijzen erop dat gedetailleerde feedback het begrip op de langere termijn kan versterken, terwijl zij de directe prestaties tijdelijk kan vertragen.
„De gepersonaliseerde feedback was niet simpelweg goed of slecht,” zegt onderzoeker Anna Lange. „Het effect lijkt vooral af te hangen van de tijdschaal waarop je kijkt.”
De effecten verschilden bovendien afhankelijk van de cognitieve vaardigheden en de emotionele toestand van de deelnemers. Mensen met sterkere cognitieve vaardigheden hadden minder baat bij taakgerichte aanwijzingen, mogelijk omdat zij de benodigde stappen zelfstandig konden doorlopen. Deelnemers die aangaven zich meer te vervelen, profiteerden juist meer van dit type feedback, vermoedelijk omdat het hun aandacht opnieuw op de taak vestigde.
De bevindingen suggereren dat geautomatiseerde tutorsystemen niet alleen rekening moeten houden met eerdere fouten van een leerling, maar ook met het juiste moment om hulp te bieden en met diens cognitieve en emotionele toestand. Alleen personaliseren is waarschijnlijk niet voldoende als het systeem niet kan inschatten wanneer extra informatie helpt en wanneer die juist te veel wordt.
Het onderzoek zegt niets over de vraag of robots menselijke docenten zouden moeten vervangen. Wel biedt het inzichten voor het ontwerp van educatieve robots en AI-gestuurde tutorsystemen. Daarbij is het belangrijk een balans te vinden tussen uitgebreide begeleiding en wat een leerling op dat moment daadwerkelijk kan verwerken.
Foto credit: SCIoI/Zappner
