Bonjour, Habr! Après avoir
examiné certaines des façons de créer des espaces virtuels / 3D multi-utilisateurs dans un article précédent, revenons-y dans le contexte de la formation. Comment, par exemple, former qualitativement la même équipe composée de personnes complètement différentes dans la même chose? Détails sous la coupe!
Les simulations et les jeux sérieux sont l'un des types d'entraînement les plus efficaces - c'est un fait universellement reconnu. Voici un exemple de l'industrie médicale.
Cependant, avec les simulations, tout n'est pas si évident. De nombreuses entreprises modernes incluent plusieurs générations au siège social et chacune apprend d'une manière nouvelle. Les compagnies aériennes en sont un bon exemple - l'âge des employés peut varier de 20 à 60 ans, tandis que le recyclage permanent est l'une des exigences de l'industrie; Il convient de noter qu'il est souvent nécessaire d'analyser et de former non pas une seule personne, mais toute une équipe, par exemple, pour vérifier la qualité du travail d'équipe.
Avec tout cela, comme nous l'avons dit, intégrer la formation VR / 3D dans une infrastructure moderne est une tâche assez difficile. Ici, les espaces multi-utilisateurs et une approche spécifique de leur conception décrits dans la dernière partie peuvent aider.
Toute simulation est fondamentalement différente de la réussite d'un ensemble de tests. La principale différence est le degré d'immersion dans la situation. Cette différence peut souvent être critique. Une personne peut parfaitement connaître la théorie en apprenant les réponses aux questions du test - et se perdre dans une situation réelle qui sera différente de ce qu'elle avait imaginé. C'est en partie pourquoi, en fait, le concept d'apprentissage mixte existe. Il y a des choses sur lesquelles nous ne pouvons pas dire qu'une personne les a apprises avant de les avoir vraiment essayées.
De plus, l'éventail de ces entraînements possibles est très large et tous ne nécessitent pas, par exemple, des compétences purement musculaires / réflexes; l'habileté même d'appliquer la théorie nécessite souvent d'être à l'intérieur d'une situation plutôt que de l'analyser de l'extérieur. L'exemple le plus simple est les actions dans des situations d'urgence ou d'autres situations stressantes. (Effet de sursaut)
Dans cet exemple, la situation stressante est la somme de situations spécifiques, pour chacune d'elles il y a des instructions claires. Mais il est très difficile d'évaluer si une situation particulière de ce montant est connue de l'homme.
Nous fournissons un mécanisme qui vous permet d'exécuter simplement n'importe quel ensemble de situations dans un environnement virtuel multi-utilisateurs; cependant, la question demeure - comment évaluer les actions des utilisateurs dans une telle simulation.
Nous supposons que la collecte de données de formation a deux objectifs principaux:
- Évaluer les compétences des élèves;
- Aidez-le à apprendre le moyen le plus efficace. En d'autres termes, pour construire un parcours d'apprentissage individuel.
L'apprentissage adaptatif fait partie intégrante de l'apprentissage mixte. Le système analyse le niveau de connaissances et sélectionne le matériel théorique ou les trajectoires individuelles de l'étudiant. Il existe plusieurs options pour analyser les informations sur la base desquelles le système formule une recommandation.
- Basé sur des règles de transition
Lorsqu'une personne résout un problème et commet des erreurs plusieurs fois, le système sélectionne une option de prise en charge pour elle qui comble le vide dans les connaissances de la personne.
Une approche basée sur la mémoire de l'apprentissage adaptatif, une personne répète constamment le matériel appris.
- Basé sur le graphique du sujet
L'enseignant ou l'expert crée un graphique de sujet et il est utilisé pour créer un parcours d'apprentissage individuel.
Nous envisageons deux approches principales - en utilisant le schéma de transition général à l'intérieur du cours et avec le graphique du sujet.
La première approche est assez simple à mettre en œuvre - nous attachons simplement à l'expérience virtuelle, comme à une leçon ordinaire, qui, une fois réussie, ouvre d'autres sujets.
La seconde est plus intéressante, car nous pouvons lier un sujet du cours à une partie distincte de l'expérience virtuelle et évaluer les connaissances d'une personne sur ce sujet, après avoir obtenu des données sur les connaissances de l'étudiant sur plusieurs sujets sur la base d'une «piste VR».
Mais il y a une autre option et, à notre avis, c'est la plus intéressante.
Imaginez une simulation assez complexe, qui comprend plusieurs scripts fonctionnant simultanément et multi-utilisateurs. Le but est d'évaluer l'efficacité / les connaissances non seulement d'une personne, mais de toute l'équipe; cependant, nous ne savons pas avec certitude si nous avons construit le cours de formation lui-même. Bien sûr, nous avons certains ensembles de compétences, exercices, etc., mais nous ne pouvons nous-mêmes évaluer avec précision l'efficacité de ces supports.
Nous pouvons marquer certains résultats de scénarios individuels et essayer de les évaluer ensemble. Mais il existe une autre option - pour enregistrer l'action de chaque élève dans l'espace virtuel à l'aide du protocole xAPI - conçue, en partie, pour travailler avec des simulations et des jeux sérieux.
Dans le même temps, il est intéressant d’enregistrer une «piste» de passage du milieu sera suffisante pour lui appliquer les méthodes ML / Data Mining. Nous obtenons (en particulier sur le résultat de plusieurs «pistes») un profil d'étudiant dans lequel nous pouvons rechercher une grande variété d'options de corrélation avec notre cours de formation.
Vous pouvez imaginer de nombreuses options pour travailler avec ce type de statistiques éducatives, il est assez difficile de toutes les énumérer, elles dépendront directement de la structure du cours de formation et de ses exigences. Le plus simple, par exemple, est un scénario complexe variable, où il n'y a pas une seule façon correcte d'effectuer des actions, mais il y a une certaine mesure d'efficacité / travail d'équipe; dans ce cas, vous pouvez enregistrer plusieurs pistes «idéales» et analyser les écarts avec la piste de l'élève. Une autre option est l'hypothèse selon laquelle le cours est généralement imparfaitement formé, et en passant aux cours de VR, les étudiants manquent un point théorique. Il sera facile de le distinguer en notant simplement toutes les erreurs à une certaine étape du scénario complexe.
En parlant de choses plus «d'infrastructure», travailler avec de telles données nécessite:
- La présence de LRS. La norme xAPI sépare de manière rigide une base de données de ces statistiques du LMS / analyse / traitement. Mais comme nous parlons de très grandes quantités de données, nous envisageons le concept d'un stockage distribué des dossiers éducatifs, avec différentes options pour leur vérification. Par exemple, une variante utilisant la blockchain est possible;
- Un environnement assez riche pour visualiser ces statistiques et travailler avec elles. Il existe peu d'outils traditionnels pour créer des rapports d'étape ici, d'autres outils sont nécessaires; par exemple, nous envisageons Elasticsearch + Kibana, une autre option est PowerBI.
À l'heure actuelle, nous continuons à développer des options similaires pour travailler avec les statistiques des applications VR, bien que, à bien des égards, ce soient encore des options expérimentales.
Les auteurs
Jedium est une société partenaire de Microsoft travaillant dans le domaine de la réalité virtuelle, augmentée et de l'intelligence artificielle. Jedium a développé un cadre pour simplifier le développement de projets complexes sur Unity, dont une partie est accessible au public
sur GitHub . Jedium prévoit de reconstituer le référentiel avec de nouveaux modules de framework, ainsi que des solutions d'intégration avec Microsoft Azure.
Vitaliy Chashchin -
Développeur de logiciels avec plus de 10 ans d'expérience dans la conception et la mise en œuvre d'applications client-serveur tridimensionnelles - du concept à la mise en œuvre complète et à l'intégration des applications et des solutions dans le domaine de la réalité virtuelle. Architecte système Jedium LLC, MSc en informatique.
Alexey SarafanovResponsable marketing chez Jedium LLC.
Sergey KudryavtsevPDG et fondateur de Jedium LLC.