Průkopnická laboratoř v Británii s AI zkoumá, jak dětské pořady ovlivňují mozek

Rodičům se neustále doporučuje omezovat čas, který jejich děti tráví u obrazovek. Avšak pokud jde o výběr filmů nebo televizních pořadů nejvhodnějších pro rozvíjející se mysl, pokyny zůstávají převážně univerzální.

Rodičům se neustále doporučuje omezovat čas, který jejich děti tráví u obrazovek. Avšak pokud jde o výběr filmů nebo televizních pořadů nejvhodnějších pro rozvíjející se mysl, pokyny zůstávají převážně univerzální. Pomalý program jako Bluey nabízí zcela jiný zážitek než rychlá akční série typu PAW Patrol, přesto jsou oba obecně považovány za vhodné pro malé děti.

Tato výzva se prohlubuje s tím, jak se vyvíjí typ obsahu, kterému jsou děti vystaveny. Dnešní mladí diváci stále častěji sledují krátký, rychlý a vysoce poutavý obsah, často vytvořený sestříháním a přeskupením existujícího epizodického obsahu do rychle stravitelných úryvků nebo kompilací. Tato evoluce mění nejen způsob produkce a distribuce obsahu, ale může také ovlivnit pozornost, chápání a emoční reakce dětí. Malé děti zpracovávají informace jinak než dospělí, přesto existuje relativně málo důkazů o tom, jak konkrétní rysy dětských programů ovlivňují jejich pozornost, chápání a chování. Děti již od dvou let tráví u obrazovek tři až čtyři hodiny denně, a proto je důležité lépe porozumět tomu, co pro ně znamená sledovat něco, co je přiměřené jejich věku.

Právě na tyto otázky se zaměřuje Nerve Lab, nově otevřené zařízení v Londýně, které je prvním svého druhu ve Spojeném království. Kombinuje nositelné zobrazování mozku, snímání pohybu a analýzu poháněnou umělou inteligencí (AI) ke studiu toho, jak lidé reagují na média a umělecké zážitky v reálném čase. Jedním z projektů je Animating Minds, který shromáždil databázi asi 1 000 epizod populárních animovaných televizních pořadů. Pomocí nástrojů založených na AI analyzuje rysy, jako je tempo, barevnost, hlasitost, frekvence záběrů a narativní struktura. Současně probíhají rozhovory s animátory, producenty a zadavateli o kreativních rozhodnutích, která formují dětský obsah. Konečným cílem je vyvinout nástroje, které by animátorům, zadavatelům a regulátorům pomohly pochopit, zda programy mají zamýšlený účinek na cílové publikum, a položit základy pro nuance v klasifikačních systémech.

Další projekt Nerve Labu, nazvaný Mathstronauts, využívá zobrazování mozku a behaviorální data k prozkoumání individuálních rozdílů v chápání matematiky u dětí a k identifikaci nových způsobů jejich podpory. Například u zlomků mohou dvě děti odpovědět na stejnou otázku nesprávně, ale z různých důvodů. Jedno nemusí chápat koncept zlomků, zatímco druhé se může potýkat s potlačením intuitivní odpovědi založené na celých číslech. Pomocí neinvazivní formy skenování mozku, nazývané funkční blízká infračervená spektroskopie (fNIRS), která monitoruje aktivitu v různých oblastech mozku, zatímco děti hrají matematickou hru na počítači, lze získat cenné informace. Tyto informace, kombinované s herními výsledky, jsou pak v reálném čase použity k přizpůsobení hry a poskytnutí personalizovanější podpory. Děti, které se zdají chápat matematický koncept, ale odpovídají impulzivně, jsou směrovány k úkolům, které je povzbuzují k pomalejšímu a pečlivějšímu přemýšlení. Ti, kteří koncept ještě neovládli, dostávají dodatečné učení a cvičení navržená k posílení jejich porozumění. Systém je nyní testován se sedmi- a osmiletými dětmi v severolondýnské základní škole.

Odborníci se shodují, že je zapotřebí dalšího výzkumu k řešení této mezery ve znalostech. Digitální mediální krajina se v posledních letech výrazně změnila a ačkoli existuje mnoho spekulací o potenciálních dopadech na vývoj, je velmi málo výzkumu, který by používal typy přesných měření navrhovaných v této práci. Nástroje založené na AI mohou umožnit analýzu dětských programů v rozsahu, který by dříve byl nepraktický, jelikož v minulosti tento druh práce vyžadoval časově náročné a někdy subjektivní nebo nepřesné manuální kódování. Technologie jako fNIRS by měly být vnímány jako nástroje k podpoře, nikoli k nahrazení učitelů, s cílem využít neurovědu, psychologii a AI k přesnějšímu pochopení studenta a poskytnutí lepších nástrojů pro pedagogy.