Teaching machine learning concepts through educational robotics

Η ραγδαία εξάπλωση της Τεχνητής Νοημοσύνης (AI) και της Μηχανικής Μάθησης (ML) καθιστά κρίσιμη την έγκαιρη και ουσιαστική ένταξή τους στη δευτεροβάθμια εκπαίδευση. Παρότι υπάρχουν σημαντικές προσπάθειες, εξακολουθούν να παρατηρούνται ελλείψεις σε ώριμο διδακτικό σχεδιασμό, κατάλληλα υλικά και στοχευμένη επιμόρφωση εκπαιδευτικών. Η παρούσα διατριβή διερευνά πώς θεμελιώδεις έννοιες της ML μπορούν να διδαχθούν αποτελεσματικά μέσω εκπαιδευτικής ρομποτικής, συνδέοντας θεωρία και πράξη σε πραγματικά σενάρια τάξης. Μεθοδολογικά υιοθετείται το Design-Based Research (DBR), σε διαδοχικές φάσεις σχεδιασμού–εφαρμογής–ανασχεδιασμού στο ελληνικό σχολικό πλαίσιο. Σε αρχική φάση και μόνο με την χρήση λογισμικού, σχεδιάστηκαν δραστηριότητες εισαγωγής στην μηχανική μάθηση με εργαλειακό προσανατολισμό. Στη συνέχεια αναπτύχθηκαν τρεις ρομποτικές πλατφόρμες ανοικτού σχεδιασμού· μόνο δύο ενσωματώθηκαν στον διδακτικό σχεδιασμό και στις σεναριακές δραστηριότητες της τάξης. Παράλληλα, αναπτύχθηκαν ψηφιακά δίδυμα (digitaltwins) για τις πλατφόρμες BCN3D Moveo και SelfLearn σε περιβάλλον ROS1/Gazebo, τα οποία αξιοποιήθηκαν στη φάση σχεδιασμού, προσομοίωσης και προετοιμασίας. Ο παιδαγωγικός σχεδιασμός ευθυγραμμίστηκε με ExperientialLearning Theory (ELT), Υπολογιστική Σκέψη (CT) και τα πλαίσια AI4K12. Η αξιολόγηση βασίστηκε σε μικτές μεθόδους, οι οποίες περιλάμβαναν προ- και μετα-μετρήσεις γνώσεων και στάσεων, ποιοτικές παρατηρήσεις, καθώς και τεκμήρια αναστοχασμού. Τα ευρήματα δείχνουν ότι οι δραστηριότητες χωρίς ρομπότ υποστηρίζουν βασική κατανόηση εννοιών και ροής εργασιών της ML, ενώ η ενσωμάτωση ρομποτικής συνδέεται με αυξημένη εμπλοκή, βαθύτερη εννοιολογική κατανόηση του κύκλου δεδομένα–εκπαίδευση–αξιολόγηση και πλουσιότερο μεταγνωστικό/ηθικό στοχασμό γύρω από τις επιπτώσεις της AI. Τα ψηφιακά δίδυμα, παρότι δεν χρησιμοποιήθηκαν σε ζωντανή διδασκαλία, ενίσχυσαν την ασφάλεια, την προετοιμασία και την αναπαραγωγιμότητα του σχεδιασμού. Οι συνεισφορές της διατριβής συνοψίζονται στα ακόλουθα: (α) παρουσιάστηκε ένα συνεκτικό διδακτικό πλαίσιο ML μέσω ρομποτικής για τη δευτεροβάθμια εκπαίδευση, (β) τεκμηριωμένες, αναπαραγώγιμες κατασκευές ανοιχτού σχεδιασμού με διαθέσιμα εκπαιδευτικά υλικά και οδηγίες εφαρμογής στην τάξη, (γ) χρησιμοποιήθηκαν εργαλεία μέτρησης μάθησης και στάσεων για την εξαγωγή συμπερασμάτων, και (δ) προτάθηκαν συστάσεις για επιμόρφωση και αναλυτικά προγράμματα.