Ρενς τερ Βέιντε, Συνιδρυτής και Διευθύνων Σύμβουλος της KIMO – Σειρά Συνεντεύξεων

Η KIMO είναι μια ολλανδική εταιρεία που ιδρύθηκε από δύο απόφοιτους του Χάρβαρντ: τον Κρίσνα Ντιπάκ Ναλάμιλι (Ινδία) και τον Ρενς τερ Βέιντε (Ολλανδία). Η ομάδα εστιάζεται στην ανάπτυξη της τεχνητής νοημοσύνης που χρειάζεται για τη δημιουργία ατομικών μαθησιακών μονοπατιών μέσω ψηφιακού εκπαιδευτικού περιεχομένου.

Ενώ η ऑनलाइन μάθηση έχει αναπτυχθεί, παρουσιάζει ποσοστά εγκατάλειψης έως και 95%. Γιατί ο βαθμός επιτυχίας είναι τόσο χαμηλός;

Όταν ξεκινήσαμε την KIMO, συνεισέγαμε με εκατοντάδες χρήστες για να κατανοήσουμε καλύτερα την κατάσταση. Πρώτα απ’ όλα, οι περισσότεροι在线 παρόχοι παρέχουν MOOCs (διαδικτυακά μαθήματα), αλλά οι χρήστες αντιλαμβάνονται τα MOOCs ως μια σημαντική υποχρέωση χρόνου. Συχνά χρησιμοποιούν πολλές “σύντομες” λύσεις, όπως το διάβασμα άρθρων, την ακρόαση podcast, την ερώτηση σε Google (GOOGL ) κ.λπ., οι οποίες ταιριάζουν καλύτερα στο ημερήσιο πρόγραμμα τους. Έτσι, η μάθηση είναι πιο πολυκαναλική στην πράξη από ό,τι επιτρέπουν οι παρόχοι. Επιπλέον, πολλοί χρήστες εξέφρασαν ότι έλλειψαν καθοδήγηση στο διαδικτυακό τους ταξίδι. Το αποτέλεσμα είναι ότι περνούν πολύ χρόνο ψάχνοντας, προσπαθώντας να αποφασίσουν τι να μελετήσουν κ.λπ. Ένας τρίτος λόγος αφορά τη σχετικότητα του πραγματικού περιεχομένου. Τα διαδικτυακά υλικά είναι συχνά στατικά, προηχογραφημένα και δεν είναι πλήρως σχετικά με τους χρήστες. Θα μπορούσατε να πείτε ότι το περιεχόμενο δεν είναι αρκετά προσωπικό/σχετικό για τους χρήστες – ή τουλάχιστον δεν είναι αρκετά σχετικό για να δικαιολογήσει τον χρόνο που ξοδεύεται.

Πολλοί χρήστες ισχυρίζονται ότι είναι βαρετοί και συχνά αναφέρουν την έλλειψη συμμετοχής ως ζήτημα. Γιατί πιστεύετε ότι οι χρήστες αισθάνονται απομακρυσμένοι από την ऑनलाइन μάθηση;

Πιστεύω ότι υπάρχει χώρος για να κάνουμε τις πλατφόρμες μάθησης καλύτερες σε τουλάχιστον δύο βασικές διαστάσεις. Πρώτα απ’ όλα, απαιτείται καλύτερη νοημοσύνη για να οδηγήσει τους χρήστες σε καλύτερα ταξίδια και να παρέχει καλύτερες συστάσεις περιεχομένου. Θα μπορούσατε να πείτε ότι αυτό είναι το απαιτούμενο Ε&Α για τον εκπαιδευτικό τομέα, στενά συνδεδεμένο με αλγόριθμους ΤΝ. Το δεύτερο στοιχείο είναι η άλλη πλευρά της αλυσίδας αξίας: η ΕΧ/ΕΕ και η τελική εμπειρία για τους χρήστες. Τα περισσότερα συστήματα LMS θεωρούνται βαρετά και ξεπερασμένα από τους χρήστες. Είναι μακριά από το λείανο, σε πραγματικό χρόνο, κοινωνικό και προσωποποιημένο λογισμικό που οι χρήστες περιμένουν σήμερα.

Μπορείτε να μοιραστείτε την ιστορία πίσω από την KIMO και τι σας έκανε να λύσετε το πρόβλημα της ऑनलाइन μάθησης;

Βέβαια! Η KIMO ξεκίνησε όταν ο Κρίσνα, ο συνιδρυτής μου, και εγώ γνωριστήκαμε στη Σχολή Επιχειρήσεων του Χάρβαρντ. Αγαπήσαμε το περιβάλλον, αλλά συνειδητοποιήσαμε την ίδια στιγμή ότι τα καλά μέρη της εμπειρίας δεν ήταν εφικτά για τους ανθρώπους σε όλο τον κόσμο. Αποφασίσαμε πάνω σε ένα ουίσκι σε ένα λόμπι ξενοδοχείου ότι θα μπορούσαμε να δημιουργήσουμε einen “ψηφιακό καριερίστα”. Αυτός ο καριερίστας ήταν η πρώτη έκδοση της KIMO.

Μπορείτε να συζητήσετε πώς η ΤΝ χρειάζεται για να δημιουργήσει ατομικά μαθησιακά μονοπάτια μέσω ψηφιακού εκπαιδευτικού περιεχομένου;

Στην πραγματικότητα, η KIMO βασίζεται σε πολλά μοντέλα ΤΝ στη διαδικασία. Κάποια μοντέλα είναι απλά, άλλα είναι πιο σύνθετα. Το κοινό νήμα είναι ότι τα περισσότερα μοντέλα βασίζονται σε φυσική γλώσσα ως δεδομένα εισόδου (NLP, π.χ. μοντέλα μετασχηματισμού). Αυτά τα μοντέλα είναι πίσω από τις συστάσεις περιεχομένου που λαμβάνετε, την ομαδοποίηση του περιεχομένου σε συγκεκριμένα θέματα, ή την αναγνώριση των κρίσιμων δεξιοτήτων που απαιτούνται για τις δουλειές. Έχουμε επίσης κάποια πειραματικά “γενετικά” μοντέλα ΤΝ, όπως το μοντέλο που απαντάει τις ερωτήσεις που σχετίζονται με το περιεχόμενο μέσα στην εφαρμογή KIMO. Αν αυτό δουλέψει επαρκώς, είναι ένα βήμα πιο κοντά στην αυτοματοποίηση των καθηγητών που οραματίζουμε.

Μπορείτε να εξηγήσετε πώς ένα σύστημα ΤΝ μπορεί να μάθει να κατανοήσει τις δουλειές με μεγάλη λεπτομέρεια (π.χ. σκληρές δεξιότητες, ή μαλακές δεξιότητες);

Με απλά λόγια: αποφασίσαμε να αγνοήσουμε τις υπάρχουσες βάσεις δεδομένων (O*Net, ESCO) για αυτή τη δουλειά, επειδή δεν ήταν αρκετά λεπτομερείς και παλιές. Αντίθετα, κατασκευάσαμε ένα σύστημα που μπορεί να αναγνωρίσει ~40.000 δεξιότητες μέσα στις δουλειές στην αγορά σε σχεδόν πραγματικό χρόνο. Θα μπορούσατε να πείτε ότι το σύστημά μας “διαβάζει” όλα αυτά τα προφίλ δουλειών για να προβλέψει ποια είδη δεξιοτήτων απαιτούνται τώρα για τις δουλειές. Αυτές οι αναγνωρισμένες δεξιότητες στη συνέχεια ομαδοποιούνται σε σκληρές και μαλακές δεξιότητες.

Μπορείτε να συζητήσετε πώς λειτουργεί η προσωποποιημένη μάθηση στην πλατφόρμα, όπως πώς το σύστημα θα γνωρίζει ποιο είδος περιεχομένου εκτελεί καλύτερα για κάθε χρήστη, όπως άρθρα, βίντεο, podcast, έγγραφα κ.λπ.;

Η απλή απάντηση είναι ότι ταιριάζουμε τους χρήστες και το περιεχόμενο μέσω της αντιστοίχισης διανυσμάτων, η οποία είναι μια κοινή πρακτική στα μοντέλα συστάσεων. Το πιο δύσκολο μέρος είναι να αποφασίσετε πώς αυτά τα διανύσματα κατασκευάζονται, δηλαδή ποια στοιχεία ζυγίζονται. Για τώρα, το σύστημα είναι σχετικά απλό και λειτουργεί με τις προτιμήσεις μάθησης του χρήστη και τις βαθμολογίες δημοτικότητας για τα διαδικτυακά υλικά. Το μέλλον θα είναι πιο ενδιαφέρον, καθώς προσπαθούμε να ζυγίσουμε την τρέχουσα κατάσταση του χρήστη (π.χ. την δουλειά του) και την επιθυμητή τελική κατάσταση.

Ποια είναι κάποια από τα τρέχοντα μεθοδολογικά μοντέλα της ΤΝ που χρησιμοποιούνται στο σύστημα KIMO;

Χρησιμοποιούμε πολλά διαφορετικά μοντέλα, ανάλογα με την εργασία. Αλλά μπορώ να πω ότι έχουμε μια βαθιά αγάπη για μοντέλα NLP που χρησιμοποιούν προσοχή, έτσι μοντέλα μετασχηματισμού.

Πού βλέπετε το μέλλον της ऑनलाइन εκπαίδευσης σε 5 χρόνια;

Σύντομα, βλέπω την ऑनलाइन εκπαίδευση να μεταφέρεται από “βαρετή, μοναχική και ένα-μέγεθος-για-όλους” σε “πολύ συμμετοχική, κοινωνική και προσωποποιημένη”. Οι εταιρείες ऑनलाइन εκπαίδευσης πρέπει να ξεφύγουν από την ιδέα ότι υπάρχουν σε một παραδοσιακό, αργό κίνημα βιομηχανίας. Αντίθετα, πρέπει να συνειδητοποιήσουν ότι ανταγωνίζονται στην εποχή της πληροφόρησης και της επιμέλειας, ακριβώς στο κέντρο πολλών σημαντικών τάσεων σήμερα.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την KIMO;

Ναι. Η KIMO είναι ακόμη ένα μωρό, ή “βήτα” όπως το λέμε. Κατεβάστε την εφαρμογή, δοκιμάστε την και στείλτε μας τις σχολίες σας!

Ευχαριστούμε για τη μεγάλη συνέντευξη. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την KIMO.