Untersuchungen zur Kommunikation zwischen Eltern und Kindern haben gezeigt, dass Eltern in einem Lehrszenario die Strategie des Gespräches an das Verständnisniveau des Lernenden anpassen. Ein wesentlicher Faktor dabei sind die Anpassungen, welche als Reaktion auf den Nachahmungsversuch des Kindes hin erfolgt. Die Betonung relevanter Aspekte einer Bewegung oder einer Aufgabe, sowie zusätzliche verbale Erklärungen von Details, sind mögliche solcher Anpassungen. Ein weiterer wichtiger Aspekt ist die Assoziierung mit gemeinsamen Erfahrungen aus der Vergangenheit, die dem Kind wieder ins Gedächtnis gerufen werden können.
Eine zielgerichtetes Lernszenario erfordert auch, dass das Kind in der Lage ist, seine Wissenslücken zu erkennen und gezielt nach fehlenden Informationen oder Zusammenhängen zu fragen, die für die korrekte Nachahmung fehlen. Zwischen dem Lehrer und dem Schüler entsteht somit ein dynamisches Zusammenspiel des Lernens, das von beiden Parteien gleichermaßen geformt wird.
Unser Ziel besteht darin, ein Framework zu entwickeln, dass einen solchen Rahmen der Interaktionen (Pragmatic Frame) zwischen einem Menschen und einem Roboter in einem Lernszenario erlaubt.
Für die Intuititvität des Lernszenarios ist es relevant, dass alle natürlichen Kommunikationsmittel, wie gestikulative und verbale Kommunikation, einsetzbar sind.
Wie die unterschiedlichen Eingabemodalitäten in einem einheitlichen Format abgespeichert und semantisch abfragbar gestaltet werden können, sind die entscheidenden Fragen, die auf dem Weg zum Pragmatic Frame beantwortet werden sollen. Die geeignete Verknüpfung zu gegebenen Detailinformationen ist hierbei ebenso wichtig wie die Abbildung von zeitgleichen Informationseinflüssen wie verbaler und gestikulativer Eingaben. Letztlich ist auch die Intuititvität des entwickelten Frameworks relevant und soll untersucht werden.
Dieses Projekt ist Teil des Co-Constructive Task Learning Projekts.
Hier geht es zum Gitlab-Repository von Manuel Scheibl.