Master AAI studenten – Succesvolle Smart Education projecten
In studiejaar 2024-2025 hebben vijf studenten van de Master Applied Artificial Intelligence (MA AAI ) hun onderzoeksproject succesvol uitgevoerd bij het Smart Education lab en zijn daarmee geslaagd voor hun opleiding. Gefeliciteerd!
De Smart Education projecten zijn:
Objectdetectie en Human Action Recognition voor kennisextractie in video-gebaseerd leren
- Student: Maxim van Duin
- Datum: Dinsdag 8 juli, 2025
- Begeleider(s): Bert Bredeweg & Anders Bouwer
Samenvatting: In de industrie worden online instructievideo’s ingezet om technische kennis over te dragen. Bij deze trainingsvorm ontbreekt echter vaak de mogelijkheid om vragen te stellen. Dit onderzoek stelt een methode voor, waarin objectdetectie, Human Action Recognition (HAR) en handdetectie worden gebruikt om middels het stellen van vragen instructievideo’s meer interactief te maken.
Enhancing Educational Content Creation Through Generative AI
- Student: Jaimy Monsuur
- Datum: Maandag 25 augustus, 2025
- Begeleider(s): Anders Bouwer
Samenvatting: Dit project onderzoekt het gebruik van generatieve kunstmatige intelligentie als basis voor een gereedschap waarmee leerkrachten nieuwe educatieve content kunnen creëren. Het stelt leerkrachten in staat om semiautomatisch gevarieerde, contextueel coherente en wiskundig accurate verhaalvragen te creëren, en zo de waarde van het educatieve spel Function Dungeon te verbeteren.
Interactive Evolution Simulator: An Educational Tool for Teaching Evolutionary Principles
- Student: Jordy Post
- Datum: Maandag 25 augustus, 2025
- Begeleider(s): Marco Kragten
Samenvatting: Dit project ontwerpt en implementeert een simulatie van mechanismen die ten grondslag liggen aan evolutie. De interactieve simulatie richt zich op individuele units (agent-based) die zich kunnen voortplanten en eigenschappen kunnen doorgeven aan de volgende generatie, hetgeen resulteert in nieuw (emergent) systeemgedrag.
Logical mathematical mistake detection in unlabelled datasets of student answers
- Student: Lex Slort
- Datum: Vrijdag 5 juli, 2025
- Begeleider(s): Sonia Abrantes Garcêz Palha
Samenvatting: Dit project ontwikkelt een methode om fouten te identificeren die leerlingen maken bij het oplossen van wiskundeopgaven. De aanpak identificeert fouten door een logisch oplossingspad te volgen in plaats van te vertrouwen op statistische analyse of menselijke verificatie.
Gaming the system detection inside DynaLearn
- Student: Rojhat Yildırım
- Datum: Maandag 25 augustus, 2025
- Begeleider(s): Marco Kragten & Bert Bredeweg
Samenvatting: Deze studie onderzoekt vaststellen van ‘gaming the system’ gedrag bij gebruikers in de DynaLearn modelbouwomgeving. Van de geteste methoden behaalde ‘Random Forest’, geoptimaliseerd via rasterzoekopdrachten, de beste resultaten. De bevindingen toonden aan dat automatische vaststellen van ‘gaming the system’ gedrag mogelijk is.