Hypocampus - Evidensbaserat digitalt lärande
| Diarienummer | |
| Koordinator | Hypocampus AB |
| Bidrag från Vinnova | 300 000 kronor |
| Projektets löptid | mars 2017 - oktober 2017 |
| Status | Avslutat |
| Utlysning | Innovativa Startups |
Viktiga resultat som projektet gav
Projektet utreder möjligheten att med hjälp Machine Learning (ML) och användardata från Hypocampus utveckla nästa generations adaptiva studieplattform (NGAS). Utifrån den data som samlats in under projektet och analyserats av DISA (forskagrupp från Linneuniversitet) är det tydligt att vi har data som på ett unikt sätt beskriver hur lärandeprocessen och kognitiv profil korrelerar till lärandeeffektivitet och kunskapsnivå. Således är det goda förutsättningar att ML kan användas för att skapa optimerade adaptiva studieplaner och prediktiva modeller för studieresultat.
Långsiktiga effekter som förväntas
Dataanalysen och samarbetet med DISA har resulterat i en ökad förståelse för värdet av den data vi samlar in på Hypocampus.se. Det finns nu möjlighet att erhålla information om studiesessioner (tid, antal, fördelning över tid, studieomfång), studieprocess inkl fokuserad studietid på olika moment (t.ex. läsa eller besvara frågor), kunskapsnivå m.m. Den initiala analysen visar att det finns stor potential att använda informationen i kombination med ML för att skapa optimerade studieplaner och prediktiva modeller för elevens kunskapsnivå.
Upplägg och genomförande
Projektet har genomförts enligt projektplan och slutmål med NGAS har finslipats via kontinuerlig dialog med slutanvändare. Nödvändiga nyckelparametrar, dvs input till en ML-algoritm, för NGAS identifierades utifrån tidigare forskning. Systemstöd för datainsamling byggdes internt, därefter loggades användardata från 2400 läkarstudenter under 3 månader. I samarbete med DISA analyserades och validerades kvaliteten på datan och ett par förbättringsåtgärder för fortsatt datainsamling noterades. I ett sista skede har projektplan för fortsatt utveckling utformats.