I dok se u Hrvatskoj mnogo priča o umjetnoj inteligenciji, jedna od njezinih zanimljivijih primjena dolazi iz obrazovnog sustava. Hrvatska akademska i istraživačka mreža (CARNET) predstavila ju je na svojoj korisničkoj konferenciji CUC 2022. u Šibeniku. Riječ je o sustavu koji se zasad ne koristi i isključivo je u testnim uvjetima. Unatoč tome, bilježi impresivne rezultate i mnogima će dati potpuno nov pogled na mogućnosti tehnologije u obrazovanju.
CARNET je razvio u suradnji s domaćom tvrtkom Multicom sustav koji predviđa s kolikom će ocjenom bilo koji učenik u Hrvatskoj završiti razred, i to tijekom školske godine. Ono što je impresivno je da umjetna inteligencija koju su CARNET i Multicom razvili točno pogađa u preko 95% slučajeva. Dakle, taj sustav već u prvom polugodištu može prilično točno pogoditi zaključni prosjek učenika!
Potencijal učenika
Uspijeva li ova umjetna inteligencija dobro pročitati potencijal učenika u školama već u startu ili, pak, precizno iščitava obrasce po kojima učitelji u školama dijele ocjene, zasad nije jasno. No, riječ je o jednom od novih digitalnih alata koji bi mogli pomoći u poboljšanju obrazovanja.
Jurica Vratarić, voditelj usluge CARNET data i CARNET-ova Odjela podatkovne analitike, naglašava da je riječ o modelu strojnog učenja koji još nije dostupan u okviru spoenute usluge i za koji će se tek vidjeti kada će se i kako primijeniti.
- Treba uzeti u obzir da su to sve osjetljive stvari i da moramo štiti prava učenika. Jedno je e-Dnevnik, a drugo je analitika - kaže Vratarić.
Pojašnjava da nema obrade podataka učenika, pa ni ocjena, ako za to učenici ne daju privolu povezanu s GDPR-om. Ističe da se tu mora konzultirati i profesiju i etičare te da sve to rade tako da u korištenju takvih tehnologija brzina nije najvažnija. Potvrđuje ipak da CARNET danas ima umjetnu inteligenciju koja s vrlo visokom točnošću može unaprijed pogoditi prolazak učenika.
- U suradnji s Multicomom razvili smo model strojnog učenja koji na početku godine može predvidjeti uspjeh učenika na kraju godine. Pouzdanost tog modela je 95 do 98 posto - kaže Vratarić.
Monika Mirković, podatkovna znanstvenica Multicoma, kaže da je najvažnije prepoznati da algoritmi koje su koristili za izradu ovog sustava uče iz iskustva, odnosno na temelju povijesnih podataka.
- Polazišna je točka bila da se na temelju povijesnih podataka može napraviti predikcija uspjeha učenika i unaprijed prepoznati negativne trendove, što je posebno važno za profesionalno usmjeravanje učenika, predviđanje rezultata nacionalnih ispita i mature - kaže Mirković.
Učenje s podrškom
Navodi da je sustav razvijen tako da je prvo učio na dostupnim podacima, zatim je stvarao procjene za skupinu učenika, a onda su, nakon što je godina završila, u sustav ubačene i ocjene koje su ti učenici u stvarnosti dobili. Uspoređene su procijenjene i dobivene ocjene te je otkriveno s kojom točnošću sustav pogađa zaključne ocjene.
Dorian Beli iz Multicoma pojašnjava da model strojnog učenja koji koriste upotrebljava podatke iz e-Dnevnika, e-Matice te niza drugih obrazovnih sustava. Ti se podaci sistematiziraju i dodatno obogaćuju, ako je potrebno. Školska se godina potom dijeli na 10 cjelina te se koristi tzv. regresijski model sa samoregulacijom. Navodi da je model učio, odnosno bio treniran po mjesecima, po većim razdobljima, a u konačnici i na cijeloj školskoj godini.
- Model testiramo na predviđenom prosjeku zaključnih ocjena i stvarnom prosjeku zaključnih ocjena, a zatim ga provedemo kroz produkciju i ta se predikcija pokazuje u testnoj aplikaciji. Ona zasad nije u produkciji, ali se nadamo da će uskoro biti - kaže Beli. J. Vratarić zaključuje da bi primjena ovakvih alata obrazovnom sustavu mogla pružiti mogućnost šire primjene "učenja s podrškom".