Kita semua memiliki guru yang memiliki mata di belakang kepalanya. Bahkan ketika menghadap papan tulis, mereka melihat segalanya — setiap nada dilewati, setiap jawaban disalin, setiap wajah dibuat.
Atau setidaknya seperti itu. Yang harus mereka lakukan hanyalah menebak dengan benar beberapa kali tentang apa yang terjadi di belakang mereka dan, well, begitulah legenda kelas dibuat.
Tetapi bagaimana jika Anda mengambil semua tebakan dari gambar? Bagaimana jika kamera fokus pada setiap anak di kelas? Itulah yang dipikirkan oleh perusahaan New York bernama SensorStar Labs, meskipun intinya bukan untuk menangkap penjahat, tetapi untuk membantu guru menentukan kapan mereka kehilangan kelas.
Wajah waktu
Begini cara kerjanya. Dengan menggunakan perangkat lunak pengenal wajah yang disebut EngageSense, komputer akan menerapkan algoritma pada apa yang direkam kamera selama ceramah atau diskusi untuk menafsirkan seberapa terlibatnya para siswa. Apakah mata anak-anak terfokus pada guru? Atau apakah mereka mencari ke mana-mana kecuali bagian depan kelas? Apakah mereka tersenyum atau cemberut? Atau apakah mereka tampak bingung? Atau bosan?
Guru akan diberikan laporan yang, berdasarkan analisis wajah, akan memberi tahu mereka ketika minat siswa tertinggi atau terendah. Salah satu pendiri SensorStar, Sean Montgomery, yang juga mantan guru: “Dengan melihat mungkin hanya beberapa poin tinggi dan beberapa poin rendah, Anda mendapatkan takeaway yang cukup. Hari berikutnya Anda dapat mencoba melakukan lebih banyak hal yang baik dan lebih sedikit hal yang kurang baik. ”
Tidak diragukan lagi beberapa orang tua akan memiliki banyak pertanyaan tentang apa yang terjadi pada semua video dari wajah anak-anak mereka. Tetapi Montgomery yakin bahwa sebagian besar akan setuju untuk membiarkan anak-anak mereka direkam ketika mereka melihat betapa itu membantu para guru memoles keterampilan mereka.
Dia yakin bahwa dalam lima tahun, para guru di seluruh negeri akan menggunakannya. Namun, pertama-tama, ia harus membuktikan bahwa algoritma SensorStar dapat benar-benar menginterpretasikan cara kerja pikiran muda hanya berdasarkan pergerakan mata dan ekspresi wajah.
Ukuran kecil
Itu, tentu saja, mengasumsikan guru akan langsung naik. Yang bukan hal yang pasti, mengingat tanggapan tahun lalu terhadap laporan bahwa Yayasan Bill dan Melinda Gates membantu mendanai pengembangan gelang sensor yang, setidaknya secara teori, dapat melacak tingkat keterlibatan siswa.
Perangkat pergelangan tangan dirancang untuk mengirimkan arus kecil di kulit dan kemudian mengukur perubahan halus pada muatan listrik saat sistem saraf merespons rangsangan. Gelang ini telah digunakan dalam tes untuk mengukur bagaimana konsumen merespons iklan, dan pemikirannya adalah bahwa jika mereka dapat memberi tahu Anda seberapa bersemangat seseorang saat menonton iklan mobil, mereka dapat memberi Anda gambaran tentang seberapa jazzed seorang anak terhadap pecahan. . (Atau tidak.)
Tidak begitu cepat, skeptis membentak. Mereka dengan cepat menunjukkan bahwa hanya karena siswa kelas dua senang bukan berarti dia sedang belajar sesuatu. Dan sementara penguat gelang berargumen bahwa tujuan mereka adalah untuk membantu guru, para kritikus mengatakan bahwa tidak ada yang harus terkejut jika sensor pada akhirnya digunakan untuk mengevaluasi mereka. Beberapa guru menyarankan bahwa mereka mungkin harus membuat jeritan acak ke dalam rencana pelajaran mereka untuk menjaga tingkat kegembiraan tetap tinggi.
Pada akhirnya, tergantung pada apakah, seperti Bill Gates, Anda percaya bahwa mengumpulkan dan menganalisis data dari perilaku kelas adalah kunci untuk menerapkan sains ke dalam proses pembelajaran. Atau, jika Anda berpikir bahwa mengajar lebih merupakan seni daripada sains, dan bahwa hubungan antara guru dan siswa terlalu rumit dan bernuansa untuk diukur melalui kumpulan titik data.
Siapa data Anda?
- Dan Anda tidak akan makan salad enam bulan pertama Anda di perguruan tinggi: Semakin banyak perguruan tinggi menggunakan analisis prediktif untuk memberi siswa ide yang baik tentang bagaimana mereka akan masuk dalam kelas sebelum mereka bahkan mendaftar untuk itu. Dengan menggunakan data dari kinerja akademik siswa sendiri dan dari orang lain yang telah mengikuti kelas, penasihat dapat memprediksi dengan akurasi yang semakin meningkat seberapa besar kemungkinan siswa tersebut akan berhasil atau gagal.
- Silakan menyukai investasi ini: Minggu lalu pendiri Facebook Mark Zuckerberg melakukan investasi pertamanya di sebuah perusahaan pemula — ia bergabung dengan tim investor yang menaruh $ 4 juta uang bibit di belakang perusahaan Massachusetts bernama Panorama Education. Ini mengumpulkan data dari survei yang dilakukannya untuk sekolah dari K hingga 12, mulai dari mata pelajaran seperti mengapa beberapa siswa yang menjanjikan akhirnya gagal hingga mengapa intimidasi sangat menonjol di kalangan anak laki-laki kelas sembilan.
- Mengakses tes: Aplikasi ponsel pintar yang disebut Quick Key memiliki pemindai optik yang dapat dengan cepat menilai lembar jawaban gaya gelembung SAT. Kemudian ia mengunggah hasilnya ke buku-buku kelas elektronik guru dan menganalisis data.
- Waktu pemilihan Apple: Awal minggu ini, CEO Apple Tim Cook mengumumkan bahwa iPad membentuk 94 persen tablet yang sekarang digunakan di sekolah. Penjualan perusahaan telah melambat di pasar konsumen, sehingga telah membuat dorongan besar ke dalam pendidikan dengan menawarkan diskon untuk pembelian grosir.
- Dan mereka mungkin menarik keluar garis: Sebuah studi baru dari Michigan State University menemukan bahwa orang-orang yang terlibat dalam kegiatan artistik saat mereka di sekolah cenderung lebih inovatif ketika mereka tumbuh dewasa — khususnya bahwa mereka lebih cenderung menghasilkan paten dan meluncurkan bisnis sebagai orang dewasa.
Bonus video: Bill Gates menawarkan pendapatnya tentang bagaimana menurutnya guru harus diberi umpan balik.
Bonus video bonus: Ini adalah sentuhan berbeda pada pengenalan wajah di kelas.
Lebih banyak dari Smithsonian.com
Suatu Hari Ponsel Anda Akan Tahu Jika Anda Bahagia atau Sedih
Mengapa Sekolah Finlandia Begitu Sukses?
