Framsteg inom stora språkmodeller, robotik och mjukvara som text-till-tal har gjort det möjligt att utveckla robotar som kan förstå språk, interagera fysiskt och kommunicera verbalt. Dessa genombrott har öppnat möjligheter för robotar att användas i utbildningssyfte. Detta väcker dock frågan om robotar är lika bra som mänskliga lärare. Även om robotar erbjuder vissa fördelar, kan de inte replikera de nyanserade interaktioner och personlig feedback som mänskliga lärare ger.
För att fastställa lämpligheten av att använda robotar för utbildning, jämförde docent Takamasa Iio från Doshisha University, tillsammans med docent Yuichiro Yoshikawa, professor Hiroshi Ishiguro från Osaka University, och docent Kohei Ogawa från Nagoya University, Japan, prestandan för nuvarande Robot- Assisted Language Learning (RALL) system för mänskliga handledare. Deras studie, publicerad i International Journal of Social Robotics , undersökte effektiviteten av varje tillvägagångssätt för att förbättra elevernas engelsktalande färdigheter i andraspråksinlärning.
"Det har funnits en aktiv rörelse för att använda robotar i utbildning, särskilt i språkundervisning, vilket kräver kommunikation. Det var dock inte klart vilka fördelar det skulle vara med att använda robotar. Vi började denna studie med tron att för att utöka användning av robotar i framtiden, skulle det vara nödvändigt att jämföra diskussionen med baslinjen för mänskliga handledare", säger Dr. Iio.
Forskarna genomförde ett experiment som involverade 26 universitetsstudenter vars modersmål var japanska. Eleverna genomgick ett förtest för en första bedömning av deras engelsktalande färdigheter. Baserat på medelpoängen delades eleverna in i två grupper:14 elever fick undervisning från en robot, medan de återstående 12 deltagarna fick onlinelektioner från engelska lärare.
Under loppet av sju dagar höll båda grupperna dagliga 30-minuterspass som syftade till att förbättra sina engelsktalande färdigheter. Roboten som användes var en bordsskiva humanoid kallad CommU, med vilken eleverna kunde interagera med hjälp av en surfplatta. Denna robotmodell skulle kunna visa mänskliga beteenden. Den kunde nicka för att hålla med, falla ner för att visa eftertänksamhet och räcka upp händerna för att uttrycka glädje eller överraskning.
Dessutom var det tre talövningar. Det första handlade om rollspel, där handledaren (människa eller robot) och eleven förde ett samtal i specifika situationer. Eleverna lyssnade på sina manus från handledaren och upprepade dem sedan.
I fallet med roboten spelades en ljudfil som innehöll talet från en infödd talare istället för text-till-tal. Den andra övningen var flashkortövning, där eleverna lyssnade på sin handledare som levererade manuset och upprepade det för att memorera det. I den sista övningen återuppförde eleverna samtalet med sin handledare med hjälp av de memorerade manusen.
Den sista dagen genomgick deltagarna tester för att bedöma sina talfel, flyt, uttal och talkomplexitet (antal ord som används i meningar).
Dessutom genomgick alla deltagare ett förtest den första dagen, följt av 30 minuters dagliga studier under 7 dagar, och tre eftertest den sista dagen.
Resultaten visade att gruppen som undervisades av roboten gjorde färre fel och talade mer flytande än gruppen som undervisades av mänskliga handledare. Men ingen signifikant skillnad observerades i utfall mellan robotar och mänskliga handledare för andra aspekter.
Forskarna tror att förbättringen beror på att eleverna kunde träna övningarna med robotarna mycket mer än de kunde med den mänskliga handledaren. Denna nivå av upprepning förbättrade deras minnesbevarande och talförmåga. Dessutom kan robotens uttryck ha minskat ångest, vilket gör att de kan prata engelska utan rädsla för att döma.
"Sociala robotar skulle kunna användas mer i andraspråksinlärning. De kommer sannolikt att spela en aktiv roll i repetitiv praktik som syftar till att konsolidera grundläggande ord, fraser och grammatiska strukturer i minnet", framhåller Dr. Iio.
Medan nuvarande RALL-system är tillräckliga för att ge grundläggande engelsk utbildning, förutspår forskarna att framtida system kommer att bli mer avancerade. De kanske kan känna igen icke-modersmålstalare, erbjuda korrigeringar och genomföra interaktiva lektioner och öppna dialoger.
Men eftersom det grundläggande syftet med språket är kommunikation med andra, kommer mänskliga lärare att förbli viktiga för att hjälpa elever att känna sig mer bekväma och säkra när de använder ett nytt språk i verkliga situationer.
Mer information: Takamasa Iio et al, Comparison of Outcomes Between Robot-Assisted Language Learning System och Human Tutors:Focusing on Speaking Ability, International Journal of Social Robotics (2024). DOI:10.1007/s12369-024-01134-0
Tillhandahålls av Doshisha University
