Sociale educatieve robots bieden kansen om gepersonaliseerd leren mogelijk te maken. Naast kansen liggen hier ook uitdagingen op zowel technisch- als sociaalvlak. De uiteindelijk inzet van robots in het onderwijs staat of valt bij de leraar voor de klas. Aandacht voor robots in het onderwijs, de sociale acceptatie daarvan en het gebruik bij de lerarenopleiding kan hierbij cruciaal zijn. Fontys Lerarenopleiding Tilburg pioniert daarom op verschillende vlakken met robots waarbij de leraar in opleiding wordt betrokken. Tijdens deze interactieve sessie gaan we in op de betekenis van sociale robots in het onderwijs, ter ondersteuning van het leerproces van de leerling. De implicaties voor het onderwijs en de uitdagingen worden geschetst waarbij input van het publiek kan helpen in de ontwikkeling en implementatie van educatieve robots in het onderwijs.

1. EDU
ROBOTS

2. Bèta-enthousiaste
onderwijskundige
@RickVermulst

3. Grootste
lerarenopleider van
Nederland
18 bachelors
14 masters

4. Al lang geen
science fiction
meer

5. Niet enkel robots
in industrie

6. Groei industriële
robots in NL

7. “Ze zijn goedkoop, snel, nooit ziek, werken 24 uur per
dag. Ze vragen nooit om loons-verhogingen, worden niet
vertegenwoordigd door vakbonden en staken niet.”
Lodewijk Asscher

8. Nederlandnog(lang)
geen‘robot-land’

9. Robot-revolutie
van adaptieve
robots

10. “Evoluerende robots kunnen zich automatisch
aanpassen aan hun omgeving en zijn dus in staat
onvoorziene obstakels te overwinnen.” Guszti Eiben

11. Kans of
bedreiging?

12. “Technologische ontwikkelingen zijn van alle tijden. Het zorgt
voor een verschuiving van werk en het ontstaan van nieuw
werk, niet per definitie voor minder werk. Ik zie juist kansen
voor werkgelegenheid, mits werkenden zich blijven
ontwikkelen zodat ze meebewegen met deze ontwikkelingen
en niet achterop raken.” Marjolein ten Hoonte, directeur Arbeidsmarkt Randstad
Groep Nederland.

13. Nemen robots
leraren over?
Bron http://www.bbc.com/news/technology-34066941

14. Kunnen mensen de
toekomst
voorspellen?

15. Mensen zijn lineaire
denkers
Veroorzaakt door: dominantie denkstijl linkerhersenhelft.
Kenmerken denkstijl: denken van begin naar einde, door
het denken in systemen en structuren, door naar de
details te kijken, door stap voor stap een verhaal op te
bouwen.

16. Wel of geen robots in
het onderwijs?

17. Leerobject
Onderdeel van maatschappij
Leermiddel

18. Programmeren
belangrijke skill voor
toekomst
Leerobject

19. Programmeren in onderwijs lobby IT bedrijven?
Reden:
1) Te kort aan programmeurs (vacatures opvullen)
2) Verlagen van lonen (bij overschot aan programmeurs)
3) Verkoopstimulans (voor apparaten die in meer of mindere mate programmeerskills vragen)
Verklaring voor wijziging naam:
programmeer skills à digitale geletterdheid à computational thinking Leerobject

20. Programmeerskills belangrijk of lobby?

21. Leren programmeren zou een vast onderdeel
moeten zijn in curriculum bij lerarenopleidingen.

22. Robots kans of bedreiging?

23. Banen verdwijnen
Onderdeel van
maatschappij

24. Nieuwe banen
ontstaan
Onderdeel van
maatschappij

25. Omgang mens robot
Onderdeel van
maatschappij

26. Eerste Wet
Een robot mag een mens geen letsel toebrengen of door niet te
handelen toestaan dat een mens letsel oploopt.
Tweede Wet
Een robot moet de bevelen uitvoeren die hem door mensen gegeven
worden, behalve als die opdrachten in strijd zijn met de Eerste Wet.
Derde Wet
Een robot moet zijn eigen bestaan beschermen, voor zover die
bescherming niet in strijd is met de Eerste of Tweede Wet.
Nulde Wet
Een robot mag geen schade toebrengen aan de mensheid, of toelaten
dat de mensheid schade toegebracht wordt door zijn nalatigheid.
Isaac Asimov
Onderdeel van
maatschappij

27. Omgang mens robot
Onderdeel van
maatschappij

28. Samen met robots
leren
Leermiddel

29. Fontys Lerarenopleiding Tilburg (FLOT) houdt zich bezig met
alle drie de aspecten, maar in het bijzonder het pionieren met
robots als leerobject.

30. Pionieren met
Pepper

32. Gepersonaliseerd leren
Gastheer open dagen
Onderzoek acceptatie mens-robot
Ontwikkelen programmeer vaardigheden
Vakspecifieke projecten
Bijv. LO Natuurkunde (Ba+Ma)
Bijv. LO Science and Technology (Ba)
Bijv. Toegepaste Wiskunde (Ba)

33. Thema: Gepersonaliseerd leren
Doel: Pepper herkent leerling -haalt persoonlijke gegevens en
leerresultaten op uit externe systemen- en leert op behoefte
samen met de leerling. Na een leersessie koppelt de robot
resultaten terug naar docent.
Uitdagingen: robot als pedagoog en didacticus, robot
koppelen aan systemen, gevarieerde interactie, lesmateriaal in
robot, privacy, ethiek.

34. Visual-based vs Python

35. Geld en de structuur van de economie zijn een belangrijke
verklaring voor de marginale rol van robots op de Nederlandse
werkvloer. 'Nederland kent veel mkb-bedrijven, waarvoor de
kosten van robots nog altijd hoog zijn. En Nederland kent geen
grootschalige auto-industrie, waar industriële robots relatief
vaak voorkomen.' Johnathan Witteman
Service robots kennen een lage productiviteit. Mede hierdoor
is er weinig vraag naar service robots, waardoor weinig
bedrijven investeren in de ontwikkeling hiervan.

36. HR technology flake
1. Nut
2. Gebruikersgemak
3. Sociale omgeving
4. Facilitering
5. Werkwaarden
6. Gewoontegedrag
HR technology flake – Fontys Hogeschool HRM en
Psychologie – Lectoraat Mens en Technologie (2017)

37. Welke toepassing zie jij voor de Pepper robot?

38. Blijf uw gedachten delen op
de EduRobots padlet!
https://padlet.com/r_vermulst/EduRobots

39. Dank
voor uw
aandacht!