PAMETNE UČIONICE: PREGLED OBLASTI I PRAVCI BUDUĆEG RAZVOJA SMART CLASROOMS: SURVEY AND DEVELOPMENT DIRECTIONS Nenad Gligorić Gligorić1, Srđan Krčo2 , Ana Uzelac3
1 2
Fakultet organizacionih nauka u Beogradu Fakultet organizacionih nauka u Beogradu 3 Saobraćajni Saobraćajni fakultet u Beogradu
Sadržaj - U procesu svakodnevnog podučavanja, predavači se suočavaju sa problemom efikasne efikasne prezentacije materije. materije. Sistemi za učenje na daljinu, automatsko prepoznavanje aktivnosti predavača i studenata, prepoznavanje govora i u skorije vreme primena senzora i senzorskih mreža su primeri tehnika i rešenja koja se zajedno primenjuju u okviru pametnih učionica, stvarajući ambijent koji sluša, komunicira i odgovara na akcije korisnika. U ovom radu dat je pregled istraživanja iz oblasti pametnih učionica, s ciljem da se predstavi najviši stepen i predlože mogući budući t okovi razvoja ovog polja, posredstvom najnovijih dostignuća i vizije Interneta Inteligentnih Uređaja.
Abstract - In the process of everyday teaching, lecturers are faced with the problem of making effective presentations. Distance learning, e-learning, detection of activities, speech recognition and more recently sensor networks are examples of tools and techniques that integrated together make the smart classrooms concept, creating an environment that listens, communicates and responds to user actions. This paper represents the survey of smart classrooms, with the aim to present the state-ofthe-art in this domain, and provide possible direction for further development development utilizing the latest advancements advancements and the vision of the Internet of Things.
1. UVOD Proces učenja počinje od malih nogu i traje kroz ceo život. Znanja se usvajaju na različitim mestima i u različitim situacijama, ali u najvećoj meri se taj proces odvija u institucijama: obdaništima, školama, fakultetima i drugim organizovanim organizovanim vidovima obuke (kursevi).
Nove metode u procesu učenja oslanjaju se na niz tehnoloških inovacija kako bi učesnicima u procesu omogućili da se u potpunosti posvete svojim ulogama i cilju procesa: prenosu i usvajanju znanja. Tako recimo dostupnost materijala korišćenih tokom predavanja (na primer slajdovi slajdovi ili snimak predavanja se publikuju na studentskom portalu ili Internetu) lišavaju studente potrebe za pravljenjem pravljenjem detaljnih detaljnih beleški svega što predavač kaže (jeda ( jedann od prepoznatih prepoznatih uzroka pada pažnje je i potreba beleženja infromacija infromacija za vreme predavanja [2]) i samim time im ostavlja više vremena da se skoncetrišu na interakciju sa predavačem i usvajanje materije. Pažnja studenata počinje da opada posle 10-ak minuta, tako da se na kraju predavanja zapamti 70% informacija prezentovanih u prvih deset minuta i samo 20% informacija prezentovanih u poslednjih deset minuta [3]. Dostupnost kompletnog materijala sa predavanja omogućuje jednostavno podsećanje i bolje usvajanje kompletnog gradiva. Uz ovu široko rasprostranjenu tehniku, postoji niz novih predloga za dalje unapređenje procesa učenja od automatskog automatskog prepoznavanja prepoznavanja govo govora ra i aktivnosti predavača i studenata, podešavanja parametara učionice (na primer nivo CO2 u vazduhu) do korišćenja različitih rekvizita i pomoćnih sredstava. U ovom radu je dat pregled relevantnih istraživanja i rešenja, kao i predlog budućeg razvoja pametnih učionica na osnovu trenutnog stanja i vizije Interneta Inteligentnih Internet of Things). Uređaja (eng. Internet
Rad je organizovan na sledeći način. Koncept pametne učionice definisan je u drugom poglavlju. Treće poglavlje daje po prvi put jedinstvenu kategorizaciju svih pametnih učionica prema funkcionalnim karakteristikama. Pregled postojećih istraživanja predstavljen predstavljen je u četvrtom Način prenošenja znanja sa predavača na studente se poglavlju. U petom poglavlju je dato viđenje mogućeg polako menjao kroz godine usvajajući nove tehnologije u budućeg razvoja pametnih pametnih učionica. učionica. cilju efikasnijeg obavljanja ove aktivnosti. Tako se sa Powerpoint 2. KONCEPT PAMETNE UČIONICE školske table prešlo na folije, sa folija na Powerpoint prezentacije, i na kraju na objavljivanje objavljivanje snimljenih snimljenih predavanja i kompletnog kompletnog materijala na Internetu Pametna učionica (eng. Smart Classroom) je nastala po omogućujući omogućujući nove n ove metode učenja poput učenja na daljinu. uzoru na pametne prostore [4, 5], a njen funkcionalan Granica između rezličitih metoda učenja počela je da se okvir se može definisati kao inteligentno okruženje gubi, a sam proces učenja često dobija pridev mešovito opremljeno rаzličitim spektrom hаrdverske i softverske (eng. blended ), ), jer kombinuje više različitih metoda. opreme: projektorima, kаmerama, senzorima, modulima Predavanje se može pratiti bez fizičkog prisustva u zа prepoznаvаnje govorа, licа, itd [6]. U literaturi se ovaj učionici, tako da pored tradicionalnih metoda učenja, termin pojavljuje i pod nazivom inteligentna učionica. postoje elektronsko učenje (pohađanje e-kurseva), učenje Širenjem funkcionalnosti, povećava se broj aplikacija i na daljinu (elektronsko i tradicionalno učenje u jednom), i komponenti koje se koriste: od samog početka inteligentni mešavine navedenih [1]. prostori prate tehnološki tehnološki razvoj primenom poslednjih
naučnih dostignuća. Prema tome, pametna učionica je realnom vremenu; ili prikazanih u obliku avatara. nova sinteza tehnologije, korisničkog interfejsa i Navedene komponente u realnom okruženju se tradicionalnih metoda predavanja radi stvaranja sistematski dopunjuju; a u određenim slučajevima i inovativnog, naprednog i fleksibilnog okruženja za učenje predstavljaju predstavljaju jedinstvenu jedinstvenu celinu, zbog čega se teško [7]. razgraničava gde jedna kategorija počinje a druga završava. U praktičnoj primeni postoji mnogo različitih implementacija pametne učionice, npr. učionice bazirane 4. PREGLED POSTOJEĆIH ISTRAŽIVANJA na sistemima za video konferenciju, rešenja za učenje na daljinu bazirana na multimedijalnom multimedijalnom okruženju; okruženju; učionice učionice Relevаntni bibliogrаfski bibliogrаfski izvori i ostvаreni rezultаti r ezultаti koji su koje podržavaju video, whiteboard i čet; učionice sa u vezi sа datom oblašću, usmereni su na različite virtuelnim 3D prikazom korisničkih avatara koje imaju tehnologije, aplikacije i metode učenja u pametnoj mogućnost audio i video interakcije, itd [8]. Primetan je učionici. nedostatak klasifikacije na osnovu koje se može izvršiti kategorizacija različitog skupa komponenti i funkcija s vih Pаmetne učionice mogu da koriste senzore za pametnih učionica. učionica. Radi lakšeg klasifikovanja, klasifikovanja, u prepoznavanje pokreta ili glasa korisnika radi ekstrakcije sledećem poglavlju data je podela prema funkcionalnim određenog paterna na osnovu koga se izvršava komponentama. predefinisana akcija. Automatizacijom Automatizacijom ambijenta, ostaje više vremena za predavanje, time što se vreme ne troši na nepotrebne procese pripreme. Predavači koji ranije nisu 3. FUNKCIONALNA PODELA PAMETNIH radili u ovakvom okruženju, susrešće se sa otežavajućim UČIONICA okolnostima, dok ne savladaju osnove korišćenja. U radu Komponente pametnih učionica zavisno od [6] prikazano je iskustvo predavača nakon susreta sa funkcionalnosti mogu se podeliti podeliti na sledeće sledeće kategorije: kategorije: pametnom učionicom koji nisu želeli da se vrate 1) virtuelni asistenti, 2) automatizovano snimanje tradicionalnom načiu predavanja. pr edavanja. predavanja, 3) digitalizacija digitalizacija pisanih materijala, 4) sistemi Standard Natural Classroom (SNC) je pametna učionica za video/audio konferencije, 5) virtuelizacija virtuelizacija učesnika. proširena tehnologijama tehnologijama za elektronsko elektronsko učenje, s ciljem ciljem Virtuelni asistenti [9] [9] mapiraju ljudski govor i pokrete sa da se napravi interaktivno okruženje za lokalne i udaljene računarskim akcijama koristeći ih kao instrukcije, npr. studente. Funkcionalnost ove učionice je dobar primer menjanje slajda na glasovnu komandu, paljenje projektora upotrebe različitog spektra tehnologija koje omogućavaju: na detektovano logovanje korisnika. U ovu grupu se detekciju i prepoznavanje pr epoznavanje lica, praćenje različitih entiteta, mogu svrtstati i uređaji koje funkcionalno zamenjuju više detektovanje pažnje studenata praćenjem pokreta oka, drugih uređaja; npr. laserkse olovke koje se koriste prepoznavanje izraza lica, detektovanje predavačevih predavačevih umesto miša, olovke, i sl. pokreta kao komandi, prepoznavanje glasovnih komandi, otkrivanje položaja osoba na osnovu niza mikrofona, Automatizovano Automatizovano snimanje predavanja je kategorija prepoznavanje emocija emocija na osnovu kratkoročnih i sistema koji omogućavaju automatsko snimanje dugoročnih dugoročn ih osobina govora, itd. Predava Predavačč u SNC može predavanja, praćenje kretanja predavača i u nekim slobodno da se kreće za vreme prezentacije koristeći slučajevima, kod kompleksnijih sistema, prepoznavanje lasersku olovku, olovku, glasovne glasovne komande i pokrete. Studenti Studenti akcija korisnika. mogu da odluče da li će nastavu pratiti u učionici, u SNC učionici, ili od kuće [11]. Digitalizacija Digitalizacija pisanih materijala je grupa svrstanih softversko-hardverskih komponenta za transformaciju Tele-edukacija pokušava da za predavače i slušaoce pruži rukopisa u elektronski format, odnosno direktno iskustvo što sličnije tradicionalnom[6], koji predstavlja prikupljanje podataka preko pametnih pametnih tabli i ekrana ključ uspeha za video predavanja na daljinu. Interakcija osetljivih na dodir [9]. Dokаzаno je dа se sistemi zа bez direktnog “fizičkog” kontakta nije adekvatna u аutomаtizovаni zаpis mаterijаlа nа predаvаnju u primeni edukacije, ne samo zbog povratne reakcije već elektronski oblik pozitivno odrаžаvаju nа uspeh studenаtа zbog samog sociološkog faktora. Kao posledica nastaju [10]. sistemi koji imitiraju realnost, npr. virtuelne učionice, mešovito učenje na daljinu, i sl. Sistemi za video/audio video/audio konferencije konferencije su komercijalno široko zastupljeni sistemi koji se sastoje od interaktivnih Jedan od načina da se uspostavi ambijent sličan ambijentu telekomunikacionih tehnologija za uspostavljanje klasične učionice, prikazan je u [6] i obuhvata: mediaistovremene dvosmerne komunikacije putem slike i tablu (analognu tradicionalnoj tabli), na kojoj se bilo zvuka. kakav zapis prikazuje na daljinskom klijentu koji koristi student; studentovu tablu, koja se, ukoliko predavač Virtuelizacija Virtuelizacija učesnika je stvaranje virtuelnog okruženja odluči, preslikava na svim ostalim klijentima. Prednost koje simulira prikaz tradicionalne učionice. Konkretno, ovakvog sistema je što nije neophodno da predavač bude virtuelizacija virtuelizacija se može posmatrati kao softverski rendering ren dering u blizini računara. Pisanje se obavlja obavlja pomeranjem prsta po virtuelnog prostora učionice u koji se digitalno popunjava pametnoj tabli. Takođe, svakom studentu je omogućeno omogućeno slikom ili video zapisom studenata strimovanjem u da razgovara sa predavačem kao u normalnom okruženju.
Jedan primer kreiranja trodimenzionalnih virtuelnih prostora je platforma EVE [12], u kojoj se predavanja odvijaju u virtuelnom 3D okruženju, a svaka osoba je predstavljena svojim svojim avatarom u ambijentu ambijentu virtuelne učionice.
dobiju odgovor. Nova pitanja se integrišu kasnije zajedno sa odgovorima kao nova PAQ [13].
Virtuele (laserske) olovke kao sastavni deo opreme jedne učionice koriste se za digitalizaciju pisanih materijala ili simulaciju miša ( uPen [14], Virtual pens [9]). Laserski pointer opremljen opremljen tasterima i bežičnim bežičnim komunikacionim komunikacionim Istraživanje [7] prikazuje modele za identifikovanje modulom, omogućuje predavaču potpunu slobodu predavača, pomoću niza kamera i mikrofona. mikrofona. kretanja pri upotrebi virtuelne olovke. Propratni softver Prezentovani su algoritmi za prepozanavanje lica, dozvoljava da se naprave profili za različite korisnike orijentacije glave i fokusa pogleda. Kako bi se izbegla kako bi se omogućila upotreba većeg broja uređaja potreba držanja mikrofona, u neposrednoj blizini istovremeno. predavača smešten je niz mikrofona. Prepoznavanje reči r eči je zahtevan proces zbog verovatnoće pojavljivanja Virtuelna režija [9] je naziv za grupu sistema koji se akronima koji se ne koriste u književnom jeziku, koriste koris te za automatizovano automatizovan o snimanje predavanja, uz nerazumljivih deonica, nedovršenog govora (kod mogućnost praćenja kretanja predavača. Praćenje se interaktivnih predavanja), razlike u akcentima, itd. obezbeđuje snimanjem kompletne scene preko Navedene poteškoće kod prepoznavanja reči stvaraju širokougaone kamere koja navodi drugu kameru koja je potrebu "treniranja" n ovih jezičkih jezičkih i akustičnih modela. bliža predavaču; ili snimanjem snimanjem pomoću jedne kamere, Prepoznavanje predavača je uvodna komponenta, ali se tako što se predavač zadržava u centru scene na osnovu zavisno od funkcija koje slede, može rešiti na različite tehnika digitalnog kropovanja i mehaničkog praćenja načine (npr. ukoliko logovanje nije zasnovano na [15]. glasovnom prepoznavanju; kontekst sistema je takav da se Automatically Organized Organized from Lectures zna položaj predavača, i sl). Eksperimentalni rezultati Presentations Automatically pokazuju da se veća tačnost postiže korišćenjem video (PAOL) je rešenje koje snima sadržaj prezentacije nego audio tehnika; ali se kombinacijom većeg broja prikupljanjem sekvenci slika visoke rezolucije [16]. raspoloživih tehnika po pravilu ostvaruju optimalniji PAOL snima seriju slika (frejmova), digitalno uklanja rezultati. Izuzetak u slučaju [7] bio je predavač snimam predavača iz scene, i sačuvava slike kada se pojavi pojavi audio i video tehikama, koji je izlaganje vodio u stabilna verzija slike (koja je aktuelna duži vremenski nedovoljno osvetljenom delu prostorije bez mnogo period). Glavni proces se odvija u realnom vremenu pokreta; što je rezultovalo rezultovalo velikim stepenom greške pri brzinom od 1 frejma po sekundi sekundi (fps) po kameri; a sledeći sledeći upotrebi video tehnike. Prema tome, tačnost proces koji obuhvata uklanjanje duplikata i povećavanja povećavanja proporcionalno raste sa povećanjem povećanjem kvalitativnih kvalitativnih čitljivosti, započinje nakon snimanja predavanja, odvija parametara uključenih uključenih u sam proces proces merenja. se brzinom od 5 fps i završava najkasnije 2 minuta posle predavanja. Učionica opremljena mehanizmima za prepoznavanje pokreta i govora reaguje prema predavačevoj aktivnosti, Pametnoj učionica objašnjena u radu [18] podizanjem bez potrebe za manuelnim manuelnim upravljanjem. upravljanjem. Na primer kad sistema na osnovu glasa vrši automatsko prepoznavanje se predavač uloguje na računar u učionici, sistem korisnika. Kada predavač izgovori svoje ime, učitava se isključuje svetla, spušta ekran, pali projektor i prebacuje model govora, posle čega je moguće koristiti glasovne izlaz iz računara na projektor. Glavna ideja automatizacije automatizacije komande, npr. “otvori dokument”, “strimuj prezentaciju”, ovih procesa, je da se predavač usresredi na predavanje, “sledeći slajd”, i sl. Zapis sa table se prenosi do studenata umesto da vreme određeno za predavanje protekne u i prakazuje na jednom zidu učionice, a na drugom su nameštanju opreme [13]. Pored automatizacije, automatizaci je, učionica prikazane slike studenata u realnom realnom vremenu, sa ciljem ciljem da pruža mogućnost da se snime, spoje i sihnroniziju se približi ambijent tradicionalne učionice. Ukoliko digitalne beleške zapisane na elektronskoj tabli student želi da zatraži reč - slika studenta će to Powerpoint , audio/video zapisi) sa audio/video zapisom ( Powerpoint signalizitati treperenjem. predavača. Potom, Potom, sistem dozvoljava dozvoljava studentima da ocene ocene predavanje, sa uvidom u sve zapise sa predavanja preko Rad [20] prezentuje rešenje za prepoznavanje akcija veb intefejsa. predavača kako bi se propratno doveli doveli u funkciju virtuelni virtuelni miš i virtuelni kamerman. Prepoznavanje pokreta se vrši U radu [13] se naglašava značaj feedbacka u realnom preko hibridnog ljudskog modela (eng. Hybrid human vremenu, odnosno postavljanja pitanja od strane studenata model ), ), na kome se primenjuje funkcija B-krive drugog u momentu prezentacije materije. Međutim, konstantna reda kako bi se detektovala ramena i prikupile osnovne pitanja mogu ometati proces nastave i bolji se rezultati informacije o pokretima (uglovi laktova, parametri postižu ukoliko je auditorijum auditorijum fokusiran samo na pokreta lica i obe ruke). Potom se pomoću verzije Primitive-based predavanje, a profesor prepozna da li je predavanje skrivenog Markovljevog modela tzv. Primitive-based Coupled Hidden Markov Model (PCHMM) detektuju razumljivo, nerazumljivo, interesantno, itd. Pasivno, studententi kada pregledaju materijal online akcije zavisno od konteksta. mogu da koriste opciju prethodno postavljana pitanja Previously Asked Questions) za bilo koji slajd, ili Nezamislivo PAQ ( Previously Nezamislivo je sve navedene komponente i da postave novo pitanje za koje je moguće da naknadno funkcionalnosti implementirati na jednom računaru zbog
ograničenih resursa, što je i jedan od razloga zbog kojih učionice u sopstvenoj režiji. Kao posledica pojavljuju se su se pojavile distribuirane računarske platforme za funkcionalno i hardverski rrazličite azličite platforme. platforme. inteligentna okruženja. Ove platforme se mogu podeliti u Problem dvosmerne komunikacije na daljinu je čest u dve različite grupe zavisno od strukturalnog modela: 1) ovoj oblasti. U radu [8] prikazani su komunkacioni distribuirane modalne platforme sa komponentama (npr. protokoli, sistemski server, hardverski zahtevi i potreban CORBA od OMG-a i DCOM od Majkrosofta); 2) multi- protok u procesu implementacije implementacije sistema virtuelne agentne platforme (OAA od SRI ili Aglets od IBM-a). učionice. VAVC sistem je baziran na klijent-server Kod prve grupe platformi postoji samo jedan izvršni modelu, a okruženje se sastoji od klijenata i više servera proces u sistemu, i objekti se izvršavaju samo kada su koji komuniciraju preko Interneta. Okruženje i izgled pozvani od strane centralne logike. S druge strane multi- scene u virtuelnoj VAVC učionici se modeluje u 3D agentni model se uklapa u koncept sistemske strukure sa Studio Max-u. Svi učesnici predavanja mogu da nezavisnim entitetima, razdvajanjem individualnih komuniciraju i dele znanja u virtuelnom ambijentu koji je softverskih modula (agenata) koji imaju svoje izvršne karakterističan karakterističan za video igre iz trećeg lica. procese, zbog čega su ove platforme praktičnije praktičnije za upotrebu u inteligentnim učionicama. Pregledom oblasti uočljivo je preplitanje i intezitet kojim Nije pravilo da sve platforme pripadaju nekoj od se različite tehnologije dopunjuju, što je nastalo kao navedenih podela. Potreba za inteligentnim okruženjem rezultat implementacije različitih tehnologija pametne uveliko je prepoznata zbog čega se razvijaju pametne učionice u sopstvenoj režiji. automatizovano snimanje Tabela 1. Pregled pametnih učionica sa karakteristikama: [A] virtuelni asistenti; [R] automatizovano predavanja; [D] digitalizacij digitalizacijaa pisanih materijala; materijala; [K] sistemi sistemi za video/audio video/audio konferencije; konferencije; [V] virtuelizacija virtuelizacija učesnika učesnika
Naziv projekta
Funkcija
Osnovne karakterist ike
Tehnike
Blendingreality smart classroom [18]
A, D, K, V
Interakcija čoveka i računara uz pomoć glasa; video/audio komunikacija u realnom vremenu u oba smera; inteligentan video sistem sa praćenjem; 3D prikaz scene učionice
Simon - softver za prepoznavanje govora; real time video capture VFW ( Video for Windows ) SDK; Vega 3D simulator
Eve platform [12]
V, D
Virtuelna predavanja sa audio Virtual Reality Modeling Language (VRML) za konferencijom gde je svaki učesnik prikaz 3D objekata; VRML External Authoring Authoring zamenjen svojim avatarom Interface (VRML-EAI) za implementiranje interfejsa između virtuelnih prostora i eksternih alata; H.323 protokol za prenos prenos zvuka
IBMD [19]
A
RFID bežična senzorska mreža
Detektovanje pokreta na osnovu promena temperature pomoću senzora senzora
VAVC [8]
V, K
Virtuelna učionica, tehnički zahtevi; ponašanja ponašanja avatara
3D Studio Max za modelovanje okruženja; Virtools DEV za interakciju avatara; 3DVIA Player za za kretanje kroz scene; Virtools SDK ( Software Development Kit ) and Virtools VSL ( Virtools Scripting Language ) za komunikaciju sa serverom
PAOL [16]
R
Automatizovano snimanje sadržaja table snimanjem serija slika
Dve kamere za snimanje prezentacije u rezoluciji 1024x410 px; slika se deli na 16x16px blokove a potom se konv konvertuju ertuju pikseli, remapiraju boje i digitalno uklanja predavač
Prepoznavanje pokreta [20] [20]
A
Prepoznavanje Prepoz navanje akcija predavača kako bi se propratno propratno doveli doveli u funkciju funkciju virtuelni miš i virtuelni kamerman
Primitive-based Primitive-based Coupled Hidden Markov model
uPen [14]
A, D
Laserski pointer sa tasterima, mogućnost pisanja po površini i manipulacija na daljinu sa svim funkcionalnostima miša
Softver baziran na Smart Platformi koji obezbeđuje metode komunikacije i koordinacije, detekciju laserske tačke, emulaciju bežičnog bežičnog miša, identifikaciju identifikaciju različitih olovki
Standard Natural Classroom [11]
A,D,K
hardverski i modelovanje
(PCHMM) za detektovanje akcija zavisno od konteksta
Pametna učionica sa širokim spektrom Detekcija i prepoznavanje lica pomoću adaboost komponenata za prepoznavanje lica, algoritma i lokalnih binarnih paterna (LBP), praćenje govora, pokreta, pažnje, emocija u različitih entiteta pomoću generalizovane metode glasu, izraza lica; i tehnologijama za pokreta (GMM) i osob osobina ina boja; detektovanje detektovanje pažnje tele-edukaciju, s ciljem da se napravi praćenjem pokreta oka; prepoznavanje prepoznavanje izraza lica interaktivno okruženje za lokalne i pomoću LBP, detektovanje detektovanje pokreta kao komandi komandi
udaljene studente
pomoću fuzzy neuralnih mreža; prepoznavanje glasovnih komandi pomoću HTK ili ViaVoice-a; pronalaženje pronalaženje položaja položaja osoba na osno osnovu vu niza mikrofona; prepoznavanje emocija pomoću kratkoročnih i dugoročnih osobina govora
Smart Remote Classroom [4]
K, R, D, V
Platforma za učenje na daljinu u realnom vremenu zasnovana na hibridnom protokolu aplikacionog sloja za višeznačno prekrivanje TORM i adaptivnoj šemi za isporuku sadržaja AMTM. SameView softver za pravljenje pravljenje mulimedijalnog mulimedijalnog sadržaja snimanjem predavanja sa embedovanom 3D tehnologijom.
TORM protokol dinamički kreira tunele radi povezivanja povezivanja čvorova lociranih lociranih u različitim “ostrvima”. “ostrvima”. Nakon primanja paketa kroz tunel, tunel, paketi se prosleđuju prosleđuju ostalim čvorovima u domenu. domenu. Šema ATMT pruža različite usluge za isporuku sadržaja, opisivajući organizaciju multimedijalnog sadržaja kako bi se različiti formati podataka (slika, tekst, video) isporučili klijentima na osnovu potrebnog protoka i zahteva primaoca primaoca
MC13 [13]
A, R, D
Pametna učionica opremljena mehanizmima za automatsku kontrolu ambijentom, snimanje i sinhronizaciju snimaka predavanja sa digitalnim zapisima prikupljenih preko elektronske table i tableta. Materijal je dostupan studentima preko veba
Interakcija predavača sa računarom i automatska kontrola postignuta na osnovnu funkcionalnosti nadograđene platforme Classroom 2000 i pristupu implementacije reaktivne video-konferencijske sale
CyLab [5]
K, R
Predavanje na daljinu između dve Video-konferencija se prenosi na daljinu preko linka H.320/H.323. R ezervni ezervni link pametne učionice učionice sa sistemom za brzine 4 Mbps, protokol H.320/H.323. automatsko snimanje prezentacije. 512 Kbps ISDN. Prikaz u udaljenoj učionici preko -a. Snimanje scene sa praćenjem NetMeeting -a. Praćenje snimljenih predavanja na Microsoft NetMeeting predavača zahtev
Intelligent Environment for Teleeducation [6]
A, K
Inteligentna okruženja koja prepoznaju govor i pokrete i vrše određene radnje na osnovu zapaženog. Tele-edukacioni sistem koji koristi SameView
Upravljanje pomoću glasa i pokreta, zamenjivanje funkcija miša. Akcije okruženja se izvršavaju na osnovu multimodalnog fraziranja. Svaka akcija se ispituje kao poseban modalitet dok se ne složi sa predefinisanom predefinisanom fraznom strukturom. Protokol Protokol TORM TORM
CHIL A7]
A
Rad prikazuje modele za detektovanje predavača, pomoću niza kamera i mikrofona i njegovo praćenje, prepoznavanje prepoznavanje govora i orijentacije orijentacije glave.
Signal iz većeg broja izvora (kamera i mikrofona) se procesira različitim tehnikama tehnikama radi utvrđivanja utvrđivanja položaja predavača. predavača. Algoritam Algoritam se zasniva zasniva na pretpostavci pretpostavci da je predavač fizički najaktivniji najaktivniji u prostoriji. prostoriji. Prepoznavanje Prepoznavanje govora i lica koriste se na osnovu treniranih modela. Svi senzori i komponente rade pod NIST Smartflow platformom
Open Smart Classroom [17]
K
Pametna učionica opremljena veb Open Smart Platform-a, otvoreni standardni servis tehnologijom za učenje na interfejs za povezivanje i komunikaciju sa daljinu mobilnim uređajima bez naknadnih podešavanja; otvoreni servisni kanal za povezivanje internih modula i drugih sistema; otvoren pristup u kome više inteligentnih okruženja mogu da se povežu i komuniciraju međusobno
5. PRAVAC RAZVOJA PAMETNIH UČIONICA U skorijoj budućnosti, ne samo računari već i mnogi uređaji i drugi fizički objekti biće povezani, sa sposobnošću da komuniciraju sa malo ili bez čovekovog nadzora. Pomenuti objekti se nazivaju pametni uređaji, a sama vizija koja ih predviđa je koncept Interneta Inteligentnih uređaja (eng. Internet of Things - IoT). Primenom IoT-a, sociološkom i biheviorističkom analizom parametara, pametna učionica se može unaprediti tako da aktivno “sluša”, analizira glasove, konverzaciju, pokrete, ponašanje; kako bi se doneli zaključci o kvalitetu k valitetu prezentacije i m išljenju auditorijuma. auditorijuma.
U takvoj učionici, kvalitet predavanja se može meriti direktno i rezultati prezentovati predavaču u realnom vremenu, omogućavajući omogućavajući adaptaciju pristupa prezentacije, promenu teme, detaljnijem r azmatranju iste, itd. Ovakva učionica pomogla bi predavaču da ostvari bolji utisak i pruži kvalitetna kvalitetna predavanja u kontinuitetu, kontinuitetu, dok dok će slušaoci slušaoci prisustvovati interesantnijim interesantnijim predavanjima, predavanjima, a proces učenja postaće kraći, efikasniji i interesantniji [21].
6. ZAKLJUČAK Pametne učionice pozitivno se odražavaju na proces učenja koristeći tehnologiju kao medijum. Prisutnost različitih metoda učenja, aplikacija i tehnologija, čini ovu
oblast specifičnom i otvorenom za nova istraživanja. Pregledom oblasti kroz jedinstvenu kategorizaciju koja je data u ovom radu, stvara se kompletna slika trenutnog razvoja inteligentnih učionica. Pravac svih informacionih tehnologija ide u smeru veštačke inteligencije, a tehnički zаhtevi i metode koje se koriste pri reаlizаciji pametne učionice, široko su primenljive i van date oblasti. U bliskoj budućnosti akcenat je na senzorskim mrežama, i objedinjenoj spoznaji entiteta koji nas okružuju, putem Interneta Inteligentnih Uređaja. Senzorski uređаji obezbeđuju podаtke, koji prikupljeni u određenom kontekstu zаjedno sа mаterijаlom zаbeleženim prаtećom opremom, mogu doprineti razvoju interesantih platformi koje će dalje oblikovati oblikovati savremenu s avremenu edukaciju.
7. LITERATURA Framework [1] Iraklis Varlamis, Ioannis Apostolakis, " A Framework for the Quality Quality Assurance of Blended E-Learning E-Learning Communities", Lecture Notes in Computer Computer Science, 2010,
Volume 6278/2010, 23-32 improve teaching [3] R. M. Felder and R. Brend, “ How to improve quality”, Quality Management Journal, Vol. 6, Issue 2,
pp. 9-21, 1999. 1999. [2] Patricia M. Barbetta, Cindy L. Skaruppa, " Looking for a Way to Improve Your Behavior Analysis Lectures? Lectures? Try Guided Notes", The Behavior Analyst, Vol. 18, pp. 155-
160, 1995.
collaboration spaces spaces and Tsiatsos, " A platform for virtual collaboration educational communities: communities: the case of EVE ", ", Multimedia
Systems, Vol. 11, Issue 3, pp. 290–303, 2006. [9] Pengfei Xu, Guanghui Han, Wen Li, Zhongke Wu, Mingquan Zhou, "Towards Intelligent Interaction in Classroom", Lecture Notes in Computer Science, 2009, Volume 5616, pp. 150-156, 2009. [14] Xiaojun Bi, Yuanchun Shi, Xiaojie Chen, " uPen: A Smart Pen-liked Device for Facilitating Facilitating Interaction on Large Displays Displays", IEEE TableTop Conference on
Horizontal Interactive Human-Computer Systems, pp. 160-168, Australia, January 2006. [15] Yokoi, T., Fujiyoshi, H., “Virtual camera work for generating lecture lecture video from high resolution resolution images”,
IEEE International Conference on Multimedia and Expo, pp. 4, 2005.
[16] Paul E. Dickson, W. Richards Adrion, Allen R. Hanson, “Whiteboard Content Extraction and Analysis for the Classroom Environment ”, ”, Tenth IEEE International Symposium on Multimedia, pp. 702-707, 2008. [17] Yue Suo, Naoki Miyata, Toru Ishida Yuanchun Shi, “Open Smart Classroom: Extensible and S calable Smart Space Using Web Service Technology”, In Proc. of 6th International Conference on Web-based Learning, pp. 428-439, 2007.
[4] Shi Y.C., Xie W.K., Xu G.Y., “ Smart Remote Classroom: Creating a Revolutionary Real-time Interactive Distance Distance Learning System”, LNCS Vol. 2436,
pp. 130-141, 2002. 2002.
Introduction [18] Chen Di, Zhao Gang, Xu Juhong, " An Introduction to The Technology Of Blending-reality Smart Classroom", International Symposium on Knowledge
Acquisition Acquisition and Modeling, 2008. [5] Davar Pishva, "Smart Classroom brin top-quality educaiton around the globe", International Symposium on Applications Applications and the Internet Workshops, pp. 40, 2007. [6] W. Xie, Y. Shi, G. Xu and D. Xie, " Smart Classroom - an Intelligent Environment Environment for Tele-education Tele-education ", IEEE Pacific Rim Conference on Multimedia, LNCS 2195, pp. 662–668, Bejing, 2001.
[19] Hongliang Gu, Ruimin Shen, " An Effort to Boost Building an Attentive Service Service Environment Environment for the Participants in Smart Classrooms Classrooms", Lecture Notes in Computer Science, Vol. 6483, pp. 361-367, 2010. [13] Laura R. Winera, Jeremy Cooperstock, "The Intelligent Classroom: Classroom: changing teaching and learning with an evolving technological environmen t", Computers
[7] R. Stiefelhagen, K. Bernardin, H.K. Ekenel, J. McDonough, K. Nickel, M. Voit, M. Wolfel, " Audio-
& Education 38, 253–266, 2002.
visual perception of a lecturer in a smart s eminar room ",
Signal Processing, Vol. 86, pp. 3518–3533, 35 18–3533, 2006.
Action [20] Haibing Ren, Guangyou Xu, " Human Action Recognition in Smart Classroom Classroom", Fifth IEEE
learning environments environments [10] Tuncay Sevindik, " Future’s learning
International Conference on Automatic Face and Gesture G esture Recognition, 2002.
in health education: The effects of smart classrooms on the academic achievements of the students at health college", Telematics and Informatics, Vol. 27, Issue 3, pp.
314–322, 2010.
[11] Quanfeng Luo, Jiaji Zhou, Fei Wang, Liping Shen, Aware Multimodal Multimodal Interaction Interaction Model in in "Context Aware Standard Natural Classroom", Lecture Notes in Computer Science, 2009, Volume 5685/2009, 13-23
[8] Xin Li, Minghua Li, Liren Zeng, “ Virtual Classrooms Supporting a Two-Way Synchronized Video and Audio Interaction”, Lecture Notes in Computer Science, Vol.
6249, pp. 446-455, 2010. [12] Ch. Bouras, E. Giannaka, A. Panagopoulos, Th.
[21] Nenad Gligorić, Ana Uzelac, Srđan Krčo, "Smart Classroom: Real-time feedback on lecture quality ", unpublished, paper submitted for publication
