Alexandra Instituttet

Big data-satsning har bragt Danmark i førerfeltet inden for kunstig intelligens på skoleområdet

Del

Vi hører rigtig meget om, hvor mange milliarder Kina og USA investerer i kunstig intelligens, og at Danmark taber kampen inden for ledende forskningsfelter. Men det gælder ikke inden for f.eks. skole- og uddannelsesområdet, hvor Danmark i øjeblikket ligger i toppen forskningsmæssigt og ligeledes kommercielt.

Udviklingen skyldes, at der de seneste år har været en stor vækst i det, man kalder Edtech-branchen, der dækker over, at de digitale læringsmidler i stigende grad finder vej til undervisere, studerende og erhvervslivet. Danmarks topplacering på det her område er også hjulpet på vej af, at Innovationsfonden for tre år siden gik ind og støttede samfundspartnerskabet for big data (DABAI). Her nedsatte man en forskningsgruppe med fokus på skolesektoren.

I den periode er Danmark kommet med i eliten inden for dette forskningsområde. Det er blevet til af hav af topartikler inden for området, der er publiceret på verdensledende konferencer. Over blot den seneste uge er fire artikler blevet optaget på ledende AI-konferencer. Den ene blev vurderet til en 4. plads ud af 426 internationale artikler i skarp konkurrence med ledende universiteter og store spillere fra industrien som Google, Microsoft og Baidu.

“Det er vildt flot og det er med til at understrege, at vi kan blande os i toppen. Da jeg for tre år siden sagde, at vi skulle være ledende indenfor AI på skoleområdet, så var vi på rimelig bar bund. Men den her satsning viser, at når vi sætter os noget for, så kan vi også. Det har givet et hav af topresultater og har bragt Danmark ind i toppen af AI-forskning til uddannelsessektoren. De resultater vi har opnået har samtidig hjulpet med at modne branchen herhjemme,” forklarer professor Stephen Alstrup, Datalogisk Institut på Københavns Universitet (DIKU) og leder af algoritmedelen i DABAI.

Kompetenceløft til industrien

Der er i DABAI-regi opnået en række konkrete resultater. Man har fx vist, hvorledes man kan forudsige, og dermed forhindre, hvilke studerende, der vil droppe ud af en uddannelse. Man har også vist, hvor godt studerende vil svare på en opgave, så man dermed kan udvælge de rigtige opgaver, samt hvorledes man kan stoppe snyd ved detektering af ghostwriting. 

Samtidig med at der er opnået store forskningsresultater, har branchen haft en række store succeser med virksomheder som Area9, Clio mm., som er solgt for milliardbeløb. En lang række af virksomhederne har deltaget i DABAI-samarbejdet,og her kan man se, at det har haft direkte positiv indflydelse på dem, der har været med. Projektet har været med til at give et kompetenceløft og betyder, at flere af virksomhederne i dag kan gøre brug af teknologien i deres produkter. 

Hjælp til bedre spørgsmål

En af dem er MatematikFessor, der er ude på 90 procent af folkeskolerne. Edulab, som står bag softwaren, eksporterer bl.a. til Holland og Sverige. På en normal dag logger over 50.000 elever på portalen. Her får eleverne en række spørgsmål, der træner deres matematikevner. Med DABAI’s hjælp er deres adaptive system blevet endnu stærkere.

“I sidste skoleår blev der besvaret næsten 300 millioner spørgsmål, og med udgangspunkt i de enorme mængder data, så har vi kunnet lave et adaptivt system, som er endnu bedre. Det betyder, at man kan give eleverne noget indhold, der er mere velegnet. Som virksomhed har fået noget viden, som vi ikke selv havde,” forklarer Kasper Holst Hansen, CEO i Edulab.

Det gælder også MaCom, der står bag Lectio-platformen, der anvendes på de fleste gymnasier. Stephen Alstrups team har i flere år hjulpet Lectio med f.eks. ar lave digitale eksamener og med at detektere, hvis elever kopierer fra hinanden. I DABAI-regi har man blandt andet lavet et system, der med stor nøjagtighed kan detektere, hvis en elev har fået en anden til ar skrive sin opgave for sig – kaldet ghostwriting. 

Styrket forståelsen af data

Et andet eksempel er førnævnte Clio, der i dag ejes af Bonnier, og som har etableret sig som markedsleder i digitale læremidler. Deres platform, der faciliterer de didaktiske rammer for undervisningen i alle skolens fag, bruges i dag på 90 procent af de danske skoler, og de er samtidig på ind på det svenske marked. 

Her har samarbejdet især løftet hele deres forståelse af data og sporet dem i retning af nye udviklingsprojekter.

“Det har gjort os klogere på vores behov for at få styr på data. Vi har utrolig meget data, men vi var ikke så velfunderet i, hvordan vi fik det brugt. Her har samarbejdet styrket vores behov for en tydeligere datastrategi. Det har også gjort os klogere på, hvad det er for nogle retninger, vi skal gå og har ledt an til nogle af de udviklingsprojekter, som vi arbejder på i dag,” forklarer Ann-Birthe Nicolaisen, Educational Innovation Manager i Clio Lab.

Fakta

Samfundspartnerskabet for big data (DABAI) er et nationalt forskningscenter, der ledes af Alexandra Instituttet. Det er et samarbejde mellem bl.a. universiteter og virksomheder, der har til formål at udvikle metoder inden for dataanalyse og kunstig intelligens. Et af fokusområderne er skolesektoren. Læs mere på https://dabai.dk

Der er publiceret en lang række artikler på førende konferencer. I den seneste uge fire artikler blevet optaget ledende AI-konferencer. En tog en fjerdeplads ud af 426 artikler i skarp konkurrence med ledende universiteter og store spillere fra industrien som Google, Microsoft og Baidu.

Der er opnået en lang række konkrete resultater til forhindring af frafald blandt elever, individuel læring og at kunne fange snyd. 

Det har haft direkte positiv indflydelse på de selskaber, der har været med i samarbejdet, herunder Edulab (MatematikFessor), MaCom og Clio, der har fået løftet deres forståelse af data og brug af kunstig intelligens. 

Det har været en løftestang for at Stephen Alstrup har kunne fungere som rådgiver for undervisningsministerens teknologiråd, der dels har handlet om at indføre digitale redskaber og dels om at sikre, at der er eller vil komme styr på elevernes data. Samtidig har der været den brede kommunikation i form af en række konferencer, hvor der er sat fokus på budskabet. 

Der er uddannet superskarpe ph.d.er og kandidater i AI, som har været tilknyttet projektet. 

Kontakt

Professor Stephen Alstrup, Datalogisk Institut Københavns Universitet, leder af algoritmedelen i DABAI, tlf. 35335691, email: s.alstrup@di.ku.dk

Nøgleord

Kontakter

Billeder

Information om Alexandra Instituttet

Alexandra Instituttet
Alexandra Instituttet
Åbogade 34 · Njalsgade 76, 3. sal
8200 Aarhus N · 2300 København S

+45 70 27 70 12https://alexandra.dk

100 eksperter under ét tag 

Alexandra Instituttet hjælper offentlige og private virksomheder med at anvende den nyeste it-forskning og -teknologi. Vores udgangspunkt er samfundsmæssige problemstillinger og behov for at omsætte den nyeste forskning til innovative løsninger. 

Hos os finder du stærke kompetencer inden for blandt andet computer graphics, kunstig intelligens, internet of things, big data, it-sikkerhed, interaktionsdesign og smarte produkter. 

Vi arbejder i et tværfagligt miljø og er et hold af højtkvalificerede specialister, der hurtigt kan forstå din organisations og dine brugeres problemstillinger.

 
 

Følg pressemeddelelser fra Alexandra Instituttet

Skriv dig op her, og modtag pressemeddelelser på e-mail. Indtast din e-mail, klik på abonner, og følg instruktionerne i den udsendte e-mail.

Flere pressemeddelelser fra Alexandra Instituttet

Computer, hvordan vil du lige forklare det? Og det gerne med subjektive eksempler og objektive facts til feature attribution metoder og fodbold!28.5.2020 10:50:05 CESTPressemeddelelse

Maskinlæringsmodeller kan bruges til at klassificere mange forskellige ting, og et eksempel kunne være en model til at afgøre hvilken tone en tekst er skrevet i. Men hvorfor siger modellen nu igen, at jeg skriver i en subjektiv tone, når nu jeg prøver at forholde mig objektivt? Vi kan forsøge at forklare modellens udfald ved at se på hvilke ord, der har været mest betydende for udfaldet. Et eksempel er; ”jeg synes, at AGF er det bedste hold i Superligaen”, og i forklaringen nedenfor ses det, at ordene ”jeg” og ”synes” har været de mest udslagsgivende for, at modellen prædikterer sætningen som værende subjektiv og ikke objektiv.

Hvad betyder forklarlighed, når vi taler om kunstig intelligens?13.5.2020 13:52:19 CESTPressemeddelelse

Kunstig intelligens er blevet mere og mere udbredt, og dermed følger der også nye udfordringer ved anvendelse af maskinlæring og datadrevne modeller. En af de udfordringer, der har meget fokus lige nu er “black-box”-problematikken, altså ugennemsigtighed af datadrevne modeller og udfordringerne med at forklare deres resultater og logik. For hvornår er kunstig intelligens forklaret tilstrækkeligt? Det er noget af det, vi vil kigge på i dette blogindlæg.

Hvordan bliver computeren en retfærdig superhelt? Aka lidt om fairness i maskinlæring13.5.2020 13:44:49 CESTPressemeddelelse

Superfede maskinlæringsmodeller skulle gerne opfattes mere som superhelte end som onde skurke. Men hvordan sikrer vi, at vores modeller netop bliver klassificeret og repræsenteret som sådanne? Eller faktisk er spørgsmålet, hvordan vi sikrer, at modellerne er retfærdige og ordentlige i deres udfald, når de har en indvirkning på mennesker — det handler jo om, som i en hver anden superheltefilm, at redde menneskeheden!

I vores nyhedsrum kan du læse alle vores pressemeddelelser, tilgå materiale i form af billeder og dokumenter samt finde vores kontaktoplysninger.

Besøg vores nyhedsrum