Om jongeren voor te bereiden op de competenties van de 21ste eeuw, moet het onderwijs ingrijpend veranderen. Bij deze ontwikkelingen lopen serious games voor het onderwijs voorop. Maar hoe ontwerp je een goede assessmenttool voor serious games? Hoe valideer je die tool en zorg je voor operationele robuustheid? Konstantinos Georgiadis zal zijn proefschrift ‘Smart CAT: Machine Learning for Configurable Assessments in Serious Games’ verdedigen aan de Open Universiteit op vrijdag 2 oktober 2020 om 16.00 uur (online).
Intelligent gebruik van digitale tracks
In zijn onderzoek bespreekt Konstantinos Georgiadis de ontwikkeling van Smart CAT, een softwaretool die een automatische beoordeling van vaardigheden biedt door slim gebruik te maken van de digitale sporen die een leerling achterlaat in een game of andere digitale omgevingen. Deze methode staat bekend als Stealth Assessment (verborgen beoordeling): je wordt niet via een aparte toets beoordeeld, maar op het gedrag en de handelingen die uit de digitale sporen naar voren komen.
Stealth-beoordeling
De gehanteerde beoordelingsmethode is enerzijds gebaseerd op Evidence Centered Design, een systematische manier om competenties te beschrijven en te meten. Anderzijds maakt Stealth Assessment gebruik van Machine Learning Technology, het vermogen van computers om patronen te herkennen en zo – in dit geval – conclusies te trekken over het beheersen van de vereiste competenties. Tot nu toe was de toepassing van Stealth Assessment echter een complex, tijdrovend en arbeidsintensief proces. Georgiadis laat in zijn proefschrift zien dat de Smart CAT-software deze barrières kan overwinnen en tot een bredere toepassing kan leiden.
Slimme CAT-software
De Smart CAT-software helpt gebruikers bij het ontwerpen van een Stealth Assessment-applicatie en voert automatisch de analyses uit die nodig zijn om tot een assessment te komen. Tests met twee aparte serious games hebben aangetoond dat de beoordelingen van Smart CAT valide en zeer nauwkeurig zijn. Computersimulaties hebben ook aangetoond dat de resultaten zeer stabiel zijn onder een grote verscheidenheid aan testomstandigheden. Smart CAT wordt door eindgebruikers (docenten en assessoren) gezien als een zeer nuttige en gebruiksvriendelijke tool. Het proefschrift van Georgiadis biedt een nieuw perspectief op data-based assessments in serious games. Zo draagt het onderzoek bij aan de educatieve waarde van serious games en het gebruik ervan in het reguliere onderwijs.
Promotie Konstantinos Georgiadis
Konstantinos Georgiadis (1982, Stockholm) schreef zijn proefschrift als promovendus aan het Welten Instituut van de Open Universiteit en begon onlangs als game-ontwikkelaar aan de Open Universiteit. Op vrijdag 2 oktober 2020 om 16.00 uur verdedigt hij zijn proefschrift ‘Smart CAT: Machine Learning for Configurable Assessments in Serious Games’ aan de Open Universiteit in Heerlen. Zijn promotor is prof. Dr. W. Westera, Open Universiteit. De actie vindt online plaats en is live te volgen op www.ou.nl/live.
Dit artikel is een verzonden bericht en valt niet onder de verantwoordelijkheid van de redacteur.
“Tvaholic. Zombie-geek. Toegewijde reisbeoefenaar. Introvert. Gecertificeerde communicator.”