Detta inlägg är skrivet av nydisputerade Elin Ericsson. Vi har bjudit in henne att presentera sin forskning rörande AI i utbildning. Mer specifikt handlar hennes forskning om konversations-AI för språkutbildning med fokus på den muntliga språkfärdigheten hos högstadieelever.
Hur upplever elever att i en virtuell miljö öva att prata målspråket med människoliknande konversationsagenter? (Bild skapad med AI i Microsoft Bing Create)
Med många års erfarenhet som språklärare i engelska, franska och spanska och förändringsarbete med digitalisering av svensk skola föddes idén till att forska på datorstött språklärande. Jag har nyligen disputerat i ämnet Tillämpad informationsteknologi med inrikting mot utbildningsvetenskap vid Göteborgs universitet. Mitt forskningsprojekt bryter mark i ett växande fält som inriktar sig mot dialogbaserat datorstött språklärande (DB-CALL). Fältet är splittrat och angränsar till forskning kring exempelvis AI i utbildning, andraspråksinlärning och människa-maskin-interaktion.
Använda språket muntligt i vardagsnära situationer
Att lära ut och att lära sig prata på ett annat språk upplevs av många lärare och elever som en utmaning. Elever i olika skolstadier spenderar flera år på att lära sig ett nytt språk. När de sedan besöker länder där målspråket pratas i samhället, upplever många att de inte kan eller vågar använda målspråket. En stor del av problemet är att elever alltför sällan pratat på målspråket i skolan, trots att det är välkänt att muntlig interaktion är avgörande för att utveckla just muntlig språkfärdighet.
I mitt avhandlingsarbete genomförde jag tre studier med högstadieelever (N=88) som använde AI-drivna konversationsagenter (McTear, 2020) för att öva på muntlig språkfärdighet i vardagsnära situationer. Istället för att prata med en klasskamrat eller lärare i klassrummet, pratade eleverna engelska med människoliknande animerade karaktärer som är designade för att interagera med människor så naturligt som möjligt. De har kroppsspråk, mimik och röster som liknar verkliga människors. Varje elev hade en egen dator och hörlurar med mikrofon, och interagerade med konversationsagenterna i en virtuell miljö. De pratade om ämnen som man ofta kommer i kontakt med på en resa, som att exempelvis beställa på ett café eller fråga om vägen. I ett annat system fick elever öva på tyska med förinspelade människor i 360-graders video med mer begränsade möjligheter till fritt tal. Eleverna kunde då även gå runt och verkligen känna sig fysiskt på plats i exempelvis restaurangen samt beställa mat och dryck direkt av en tysk servitris. I alla studierna framkom att prata med konversatonsagenter upplevdes roligt, meningsfullt, tryggt, men också frustrerande.
Elevreaktioner – från frustration till känslomässigt och socialt engagemang
Det fanns tillfällen då elever blev frustrerade när konverssationsagenterna inte förstod dem som förväntat. Trots detta upplevde de flesta elever att denna metod för att öva på att prata målspråket var känslomässigt engagerande och bra för språklärandet, både över kort och lång tid. Eleverna upplevde att de hade fått öva på att prata målspråket, övat uttal, samt frågat och svarat. Eleverna kände sig tryggare att prata med agenten än med sina klasskamrater i klassrummet. En viktig insikt var att elevernas engagemang var kopplat till hur väl de socialt kunde relatera till konversationsagenten. Vissa såg agenten som en maskin medan andra kände att de interagerade med en verklig människa med känslor.
För lärare som överväger att ta in konversationsagenter i språkundervisningen är det viktigt att vara medveten om att eleverna kan reagera olika på människa-maskin-interaktionen. Dessa reaktioner kan vara i relation till exempelvis konversationsagenternas design eller systemets begränsningar till att producera fritt tal för eleven. Innehållet i dialogerna spelar också en betydande roll för elevernas engagemang och i vilken mån eleverna kan relatera till innehållet i dialogen som något aktuellt i deras vardag.
Muntliga dialogsystem fångar de sagda orden
Oavsett vilket av systemen som används så kan de genom transkriberade dialoger i realtid hjälpa elever och lärare att synliggöra det annars “flyktiga” talet. Till skillnad från skriftliga ord som kan bevaras, försvinner det muntligt producerade språket normalt sett i stunden. Det är inte bara en utmaning för lärare att erbjuda tillfällen att använda målspråket med infödda talare, men också att hinna med att lyssna på alla elever i en klass eller grupp som pratar och ge dem individuell återkoppling och bedömning. Med konversationsagenter i klassrummet kan de fungera som en outtröttlig samtalskompis och resurs som ger individuell hjälp. Dessutom ger dessa AI-baserade system även eleven formativ återkoppling och övningar baserat på den muntliga prestationen i dialogen.
Personuppgiftsbehandling
Innan denna typ av dialogsystem introduceras i skolan bör dock informationssäkerhetsfrågor vara lösta av rektor och huvudman. Om systemen behandlar elevernas personuppgifter måste detta vara i enlighet med dataskyddsförordningen (GDPR), se mer information om detta på Integritetsmyndighetens hemsida. Användningen av denna typ av system väcker också vissa etiska frågor (se EUs riktlinjer för AI i utbildning). Det är viktigt att vara medveten om att elevernas röster används som data för att förbättra röstigenkänningen hos konversationsagenterna, vilket är en del av den datadrivna utvecklingen (se exempelvis Johnson, 2019).
Tillfälle att öva prata målspråket
Sammanfattningsvis utgör dessa studier kring muntlig övning på målspråket med konversationsagenter ett bidrag till tillämpad AI-forskning i svensk skola. Det är min förhoppning att dessa resultat kan hjälpa dagens elever att bättre förbereda sig för en globaliserad värld där de behöver kommunicera på andra språk både i privatlivet och i arbetslivet. Genom att interagera med konversationsagenter kan eleverna öva på att aktivt använda det språk de studerar utan rädsla för att känna sig generade eller osäkra i närvaro av andra. Det är också en resurs som kan underlätta för språkläraren och ge eleverna möjlighet till individuell språkutveckling. Mer om detta finns att utforska i min avhandling med titeln Experiences of Speaking with Conversational AI in Language Education. Se exempelvis kapitel nio som lyfter komplexiteten i lärandeaktiviteten och olika aspekter av elevernas självrapporterade upplevelser som påverkar deras sammanlagda utbildningsupplevelse. Kapitel elva är skrivet för den som på svenska vill läsa en kortare sammanfattning av hela avhandlingsarbetet.
Referenser
Johnson, W. L. (2019a). Data-driven development and evaluation of Enskill English. International Journal of Artificial Intelligence in Education, 29, 425–457. http://doi.org/10.1007/s40593-019-00182-2
McTear, M. (2020). Conversational AI: Dialogue systems, conversational agents, and chatbots. Morgan & Claypool.
TIMDA 