Duyuşsal Hesaplama, duygu veya diğer duygusal fenomenlerle ilgili, bunlardan kaynaklanan veya kasıtlı olarak etkilenen hesaplamadır (Picard, MIT Press 1997).
Duygu, biliş, algı ve öğrenme, iletişim ve hatta rasyonel karar verme gibi günlük görevleri etkileyen insan deneyimi için temeldir. Bununla birlikte, teknoloji uzmanları duyguları büyük ölçüde göz ardı ettiler ve insanlar için kısmen sinir bozucu bir deneyim yarattılar, çünkü duygulanım yanlış anlaşıldı ve ölçülmesi zor oldu. Araştırmamız, etki ve insan deneyimindeki rolü hakkında temel bilgileri geliştiren yeni teknolojiler ve teoriler geliştirmektedir. İnsan ihtiyaçlarına yönelik teknolojilerin tasarımında duygu ve biliş arasında uygun bir dengeyi yeniden kurmayı amaçlıyoruz.
Araştırmamız aşağıdakilere katkıda bulunmuştur:
(1) Özellikle yeni giyilebilir sensörler ve çok modlu bilgi kanallarını birlikte analiz eden yeni makine öğrenme algoritmaları oluşturarak, insanların duygusal-bilişsel durumları iletmeleri için yeni yollar tasarlamak;
(2) Doğal etkileşim ve konuşma yoluyla dolaylı olarak hayal kırıklığını, stresi ve ruh halini değerlendirmek için yeni teknikler oluşturmak;
(3) Bilgisayarların nasıl duygusal olarak daha zeki olabileceğini göstermek, özellikle bir kişinin hayal kırıklığına olumsuz duyguları azaltacak şekilde cevap vermek;
(4) Duyuşsal devletin öz farkındalığını ve başkalarıyla seçici iletişimini geliştirmek için kişisel teknolojiler icat etmek;
(5) Etkinin kişisel sağlığı nasıl etkilediğine dair anlayışın arttırılması; ve
(6) Duyuşsal hesaplamada etik konuları inceleyen öncü çalışmalar.
Affective Computing araştırması, mühendislik ve bilgisayar bilimini psikoloji, bilişsel bilim, sinirbilim, sosyoloji, eğitim, psikofizyoloji, değer merkezli tasarım, etik ve daha pek çok şeyle birleştirir. Teknik, sanatsal ve insan yetenekleri çeşitliliği olan bireyleri, teknoloji ile insan duyuşsal deneyimini geliştirmek için neler yapılabileceğinin sınırlarını zorlamak için işbirlikçi bir ruhla bir araya getiriyoruz.
Duyuşsal HesaplamaDuyuşsal hesaplama, uyarlanabilir öğrenmeye doğru harekete geçmenin mantıklı bir sonraki adımı olarak görülebilir. Büyük Veri kullanarak öğrenen izlemesi, içerikte yapay zeka tabanlı uyarlamalı algoritmalar, güçlü öğrenen profilleri, paradata ve diğer özellikler yüksek uyarlamalı öğrenme sistemlerine doğru yol açtı. Uyarlanabilir sistemlerde, öğrenenlerin geçmiş öğrenme performansları, tercihleri, bilişsel yetenekleri ve demografik özellikleri dikkate alınarak en uygun öğrenme yolları kendilerine sunulur veya yönlendirilirler.
Uyarlanabilir öğrenmedeki bir sonraki sınır, bir öğrenme uygulamasının kullanıcının karışıklık, kaygı, sıkıntı, vb. duygularına dinamik olarak cevap vermesine izin veren etkin bir hesaplamadır. Herhangi bir sınıf öğretmeninin öğrenenlerin duruşlarını, ses tonlarını ve yüz ifadelerini sürekli olarak okuyarak bilmesi ve bunlardan faydalanmasının öğrenme üzerinde büyük bir etkisi olduğu açıktır.
Web kameraları (gözün yanı sıra yüz ifadelerinin nerede odaklandığını algılayan) ve ses analizi özelliği artık bu öğeleri tespit edebilir ve öğrenmenin hızını ve içeriğini en iyi şekilde ayarlamak için karmaşık analizler uygulayabilir. Bu teknoloji gerçekten yaygınlaşmadan önce çözülmesi gereken tespitin mahremiyeti ve doğruluğuyla ilgili pek çok kaygı var, ancak, etkili hesaplamanın çoğu zaman sanıldığı gibi ana ile birleştirilmesi muhtemel. Uygulanacak ilk alanlardan biri başarısızlık riski yüksek meslekler veya meslek görevlerindedir. Bu durumlarda, öğrenme hedeflerinin tam olarak gerçekleştirilmesi kritik öneme sahiptir ve etkili bilgisayar kullanımı bunu sağlamak için güçlü bir yol sağlar.
ÖYS’ler zaten varsayılan teslimat için ve izleme işlevi olarak konumlandırıldığından, muhtemelen öğrenme için etkili hesaplamanın benimsenmesinin odak noktası olacaktır. Başka bir deyişle, içeriğin algılanması, izlenmesi ve uyarlanabilir denetimini yapan uygulama, en sonunda ÖYS’ye (doğal olarak veya bir eklenti uygulaması olarak) bütünleştirilecektir. Bu alanda daha fazla gelişme için bizi izlemeye devam edin.
Kaynak:
