Συμμετοχή του Μουσικού Γυμνασίου-Λυκειακές τάξεις Ιλίου στον 6ο διαγωνισμό Ανοιχτών Τεχνολογιών στην Εκπαίδευση
Τίτλος έργου
Αναγνώριση Νοηματικής γλώσσας (αριθμοί 1-10)
Συνοπτική περιγραφή του έργου
Οι μαθητές εκπαίδευσαν μοντέλο πόζας στην Google Teachable machine για τις χειρομορφές των αριθμών 1-10 στην νοηματική γλώσσα. Μετά τον έλεγχο του μοντέλου προχώρησαν σε συγγραφή κώδικα στο PRG AI Blocks, Η εφαρμογή αναγνωρίζει μέσω της κάμερας τη χειρομορφή όταν πατιέται το πλήκτρο διάστημα (space) και το αντικείμενο της εφαρμογής αναφέρει ποιος αριθμός είναι ενώ αναπαράγεται και ο αντίστοιχος ήχος.
Σκοπός της δράσης:
- Οι μαθητές να είναι ικανοί να εκπαιδεύσουν μοντέλο πόζας στην Google Teachable Machine για τις χειρομορφές των αριθμών 1-10 στη νοηματική γλώσσα ώστε να εμπλακούν με τον τομέα της Επιβλεπόμενης Μηχανικής μάθησης
- Οι μαθητές να είναι ικανοί να ελέγχουν τον βαθμό αξιοπιστίας του μοντέλου μηχανικής μάθησης που εκπαίδευσαν
- Οι μαθητές να είναι ικανοί να συγγράψουν κώδικα στο τύπου scratch διαδικτυακό περιβάλλον PRG AI Blocks που να χρησιμοποιεί το εκπαιδευμένο μοντέλο πόζας
- Οι μαθητές να είναι ικανοί να συγγράψουν κώδικα στο PRG AI blocks που θα χειρίζεται συμβάντα ανίχνευσης πόζας με τη χρήση μηνυμάτων (μετάδωσε, όταν λάβω)
- Οι μαθητές να είναι ικανοί να συγγράψουν κώδικα αναπαραγωγής κατάλληλου ηχητικού μηνύματος σε σχέση με την χειρομορφή που ανιχνεύεται
- Οι μαθητές να αποκτήσουν ενσυναίσθηση στο θέμα της υποστήριξης ατόμων που έχουν προβλήματα ομιλίας και να ευαισθητοποιηθούν στο θέμα της διαφορετικότητας
- Οι μαθητές να αναπτύξουν κριτική σκέψη μέσα στα πλαίσια συνεργασίας και ευγενούς άμιλλας
Στο project συμμετείχαν μαθητές της Γ Γυμνασίου στα πλαίσια του μαθήματος της Πληροφορικής. Οι μαθητές διδάχθηκαν πώς γίνεται η εκπαίδευση μοντέλου εποπτευόμενης μηχανικής μάθησης και στο τέλος έφτιαξαν το τελικό πρόγραμμα για την λειτουργία της εφαρμογής. Κατά την αξιολόγηση της εφαρμογής φάνηκε πως θα έπρεπε να διατεθεί περισσότερος χρόνος για την εκπαίδευση του μοντέλου λόγω μη πλήρως αξιόπιστων αποτελεσμάτων.
Η διεύθυνση στο Github είναι: https://github.com/gstathop/SignLanguageAI/
Συντονιστής του έργου: Σταθοπούλου Γεωργία ΠΕ86
Η εργασία αναπτύχθηκε ακολουθώντας την μέθοδο Inquiry Based Learning:
1η φάση
Πώς στις μέρες μας έχει εξελιχθεί η Τεχνητή νοημοσύνη και ιδιαίτερα η Μηχανική Μάθηση; Τίθεται το πρόβλημα αναγνώρισης των αριθμών στην νοηματική γλώσσα
2η φάση
α) Ερωτήσεις (Τι είναι η Μηχανική μάθηση; Γνωρίζεις τη χειρομορφή για κάθε αριθμό στη νοηματική γλώσσα; Επίσκεψη ιστοτόπου Google Teachable Machine https://teachablemachine.withgoogle.com/
β)Υποθέσεις (Θα είναι αξιόπιστος ο ταξινομητής πόζας;)
3η φάση
Οι μαθητές ενημερώνονται για τη νοηματική γλώσσα από το διαδίκτυο. Οι μαθητές στη Google Teachable Machine δημιουργούν κλάσεις πόζας για τα δέκα ψηφία και παίρνουν δείγματα για κάθε μία και εκπαιδεύουν το μοντέλο. Κατόπιν τεστάρουν το μοντέλο. Αν χρειαστεί το επανα-εκπαιδεύουν με περισσότερα δείγματα. Ηχογραφούν αρχεία mp3 με τα ακούσματα των αριθμών. Τέλος, υλοποιούν την εφαρμογή στο PRG AI Blocks https://playground.raise.mit.edu/create/
4η φάση
Συμπεράσματα: Τι είναι ταξινομητής πόζας; Έλεγχος αξιοπιστίας της εφαρμογής της ομάδας.
5η φάση
Συζήτηση : Επικοινωνία της λύσης τους στις άλλες ομάδες-σχόλια. Οι μαθητές προτείνουν λύσεις για τη βελτίωση του μοντέλου, συζητούν πού θα μπορούσε να εφαρμοσθεί το μοντέλο και η ομάδα αυτοαξιολογείται ως προς την ευαισθητοποίηση και την απόκτηση ενσυναίσθησης σε περιπτώσεις αναπηριών
Μπορείτε να δείτε το σχετικό βίντεο εδώ