Human-computer learning interaction in a laboratory environment

Abstract

Science universities face the constant challenge of training their students in making appropriate use of their laboratories while avoiding accidents or equipment damages. Such a task becomes even harder for universities offering distance education, as their students visit less often, if at all, their lab facilities and therefore have limited opportunities to become familiar with the respective instruments and equipment. For this purpose, the Hellenic Open University, which offers a long-standing distance education program in natural sciences, has been developing Onlabs, an interactive 3D virtual lab resembling its on-site biology laboratory for its students to train before they actually conduct live experiments. Recent versions of Onlabs contain, among others, an Instruction Mode, in which the human user is being guided by the computer to conduct a particular simulated experiment, and an Evaluation Mode, in which the computer evaluates the performance of the human user with respect to the completion of an experiment, as well as the order in which the required actions were made, contributing further to an effective learning process. Hence, in order for the performance assessment to be as accurate as possible, three distinct machine learning techniques are being used, a Genetic Algorithm, an Artificial Neural Network and a Reinforcement Learning variant. With the former two methods, we attempt to configure that part of the assessment model which concerns the completion rate of an experiment, while with the latter method we attempt to configure that part of the model which deals with the order of actions. Thus, by working on automating the virtual lab development pipeline, from the design of experiments to the evaluation of students, we provide a demonstration of a roadmap for scaling up online lab practice.

Τα πανεπιστήμια θετικών επιστημών αντιμετωπίζουν διαρκώς την πρόκληση της εκπαίδευσης των φοιτητών τους στη σωστή χρήση των εργαστηρίων τους καθώς και την αποφυγή ατυχημάτων και ζημιών στον εξοπλισμό. Το εν λόγω έργο είναι ακόμα δυσκολότερο για πανεπιστήμια που προσφέρουν εξ αποστάσεως εκπαίδευση, καθώς οι φοιτητές τους επισκέπτονται λιγότερο συχνά τις εργαστηριακές τους εγκαταστάσεις και ως εκ τούτου έχουν λιγότερη άνεση στο να εξοικειωθούν με τα αντίστοιχα όργανο και εξοπλισμό. Για το σκοπό αυτό, το Ελληνικό Ανοικτό Πανεπιστήμιο, το οποίο προσφέρει ένα πολυετές εξ αποστάσεως εκπαιδευτικό πρόγραμμα σπουδών στις θετικές επιστήμες, αναπτύσσει το Onlabs, ένα διαδραστικό τρισδιάστατο εικονικό εργαστήριο που προσομοιώνει το φυσικό του εργαστήριο, ώστε οι φοιτητές του να εκπαιδευτούν προτού εκτελέσουν πραγματικά πειράματα. Πρόσφατες εκδόσεις του Onlabs περιέχουν, εκτός άλλων, μια Λειτουργία Καθοδήγησης, στην οποία ο ανθρώπινος χρήστης καθοδηγείται από τον υπολογιστή στην εκτέλεση ενός συγκεκριμένου προσομοιωμένου πειράματος, και μια Λειτουργία Αξιολόγησης, στην οποία ο υπολογιστής αξιολογεί την επίδοση του ανθρώπινου χρήστη σε σχέση με την ολοκλήρωση ενός πειράματος καθώς και τη σειρά με την οποία έχουν γίνει οι απαιτούμενες δράσεις, συνεισφέροντας περαιτέρω σε μια αποτελεσματική μαθησιακή διαδικασία. Κατά συνέπεια, έχοντας ως στόχο η αξιολόγηση της επίδοσης να είναι όσο το δυνατόν πιο ακριβής, γίνεται χρήση τριών ξεχωριστών τεχνικών μηχανικής μάθησης, δηλαδή ενός Γενετικού Αλγόριθμου, ενός Τεχνητού Νευρωνικού Δικτύου και μιας παραλλαγής Ενισχυτικής Μάθησης. Με τις δύο πρώτες μεθόδους, διαμορφώνεται το κομμάτι εκείνο του μοντέλου αξιολόγησης που αφορά το ποσοστό ολοκλήρωσης ενός πειράματος, ενώ με την τελευταία μέθοδο συντελείται η διαμόρφωση του κομματιού του μοντέλου που σχετίζεται με τη σειρά των δράσεων. Αυτοματοποιώντας την διαδικασία ανάπτυξης του εικονικού εργαστηρίου από τη σχεδίαση των πειραμάτων μέχρι την αξιολόγηση των φοιτητών, παρουσιάζουμε ένα ολοκληρωμένο ενδεικτικό τρόπο για το πως η online εργαστηριακή πρακτική μπορεί να διευρυνθεί σε μεγάλη κλίμακα.