«Métodos de IA y ML para análisis de aprendizaje multimodal»
Kshitij SharmaUniversidad Noruega de Ciencia y Tecnología
Resumen de la ponencia
En esta charla, presentaré a través de diferentes casos de estudio de análisis de aprendizaje multimodal, cómo podemos usar los métodos clásicos y avanzados de inteligencia artificial y aprendizaje automático para predecir el rendimiento y las experiencias de los estudiantes. También mostraré cómo podemos usar las canalizaciones de IA y ML para lograr cierto nivel de generalización a partir de los datos multimodales. Mostraré algunos ejemplos de intentos de explicabilidad en tales métodos. Finalmente, presentaré un nuevo método para diseñar agentes artificiales para respaldar y aumentar el aprendizaje humano utilizando datos multimodales e IA.
Biografía
Kshitij Sharma es profesor asociado en el Instituto Noruego de Ciencia y Tecnología de Trondheim y director académico del Instituto de Transparencia AI. Su experiencia es en el área de interacción humano-computadora y aprendizaje colaborativo/cooperativo. En particular, su trabajo de doctorado se centró en el área del uso de datos multimodales (EEG, seguimiento ocular, expresiones faciales, audio, diálogos, presión arterial, conductancia de la piel, frecuencia cardíaca) para explicar las diferencias y predecir grupos de expertos y novatos; buenos y malos estudiantes; grupos funcionales y no funcionales. El principal contexto de aplicación de su investigación ha sido la educación. Sus intereses de investigación se encuentran principalmente en el área de aprendizaje automático aplicado, inteligencia artificial e interacción humano-computadora (HCI) con un fuerte énfasis en el comportamiento de grupos y datos fisiológicos como seguimiento ocular, EEG, expresiones faciales (métodos teóricos y prácticos). en la interacción digital). Busca comprender las relaciones entre los datos de los usuarios (EEG, seguimiento ocular, datos de registro del sistema, acciones de los usuarios) y el perfil del usuario (experiencia, motivación, estrategia, rendimiento) basándose en la experimentación empírica (experimentos controlados) y métodos mixtos. análisis (utilizando una multitud de tecnologías digitales). El conocimiento obtenido de estos estudios se utiliza luego para proporcionar retroalimentación al grupo o adaptarse a las necesidades del grupo de manera proactiva. Para este esfuerzo, en sus estudios, ha combinado el seguimiento ocular y las acciones de los usuarios para brindar resultados más completos a través de la ciencia de datos, las estadísticas y las prácticas de aprendizaje automático.
