This study investigates what pupils aged 10-12 can learn from working with robots, assuming that understanding robotics is a sign of technological literacy. We conducted cognitive and conceptual analysis to develop a frame of reference for determining pupils' understanding of robotics. Four perspectives were distinguished with increasing sophistication; psychological, technological, function, and controlled system. Using Lego Mindstorms NXT robots, as an example of a Direct Manipulation Environment, we developed and conducted a lesson plan to investigate pupils' reasoning patterns. There is ample evidence that pupils have little difficulty in understanding that robots are man-made technological and functional artifacts. Pupils' understanding of the controlled system concept, more specifically the complex sense-reason-act loop that is characteristic of robotics, can be fostered by means of problem solving tasks. The results are discussed with respect to pupils' developing technological literacy and the possibilities for teaching and learning in primary education.
LINK
In de afgelopen jaren hebben technologische ontwikkelingen de aard van dienstverlening ingrijpend veranderd (Huang & Rust, 2018). Technologie wordt steeds vaker ingezet om menselijke servicemedewerkers te vervangen of te ondersteunen (Larivière et al., 2017; Wirtz et al., 2018). Dit stelt dienstverleners in staat om meer klanten te bedienen met minder werknemers, waardoor de operationele efficiëntie toeneemt (Beatson et al., 2007). Deze operationele efficiëntie leidt weer tot lagere kosten en een groter concurrentievermogen. Ook voor klanten kan de inzet van technologie voordelen hebben, zoals betere toegankelijkheid en consistentie, tijd- en kostenbesparing en (de perceptie van) meer controle over het serviceproces (Curran & Meuter, 2005). Mede vanwege deze beoogde voordelen is de inzet van technologie in service-interacties de afgelopen twee decennia exponentieel gegroeid. De inzet van zogenaamde conversational agents is een van de belangrijkste manieren waarop dienstverleners technologie kunnen inzetten om menselijke servicemedewerkers te ondersteunen of vervangen (Gartner, 2021). Conversational agents zijn geautomatiseerde gesprekspartners die menselijk communicatief gedrag nabootsen (Laranjo et al., 2018; Schuetzler et al., 2018). Er bestaan grofweg drie soorten conversational agents: chatbots, avatars, en robots. Chatbots zijn applicaties die geen virtuele of fysieke belichaming hebben en voornamelijk communiceren via gesproken of geschreven verbale communicatie (Araujo, 2018;Dale, 2016). Avatars hebben een virtuele belichaming, waardoor ze ook non-verbale signalen kunnen gebruiken om te communiceren, zoals glimlachen en knikken (Cassell, 2000). Robots, ten slotte, hebben een fysieke belichaming, waardoor ze ook fysiek contact kunnen hebben met gebruikers (Fink, 2012). Conversational agents onderscheiden zich door hun vermogen om menselijk gedrag te vertonen in service-interacties, maar op de vraag ‘hoe menselijk is wenselijk?’ bestaat nog geen eenduidig antwoord. Conversational agents als sociale actoren Om succesvol te zijn als dienstverlener, is kwalitatief hoogwaardige interactie tussen servicemedewerkers en klanten van cruciaal belang (Palmatier et al., 2006). Dit komt omdat klanten hun percepties van een servicemedewerker (bijv. vriendelijkheid, bekwaamheid) ontlenen aan diens uiterlijk en verbale en non verbale gedrag (Nickson et al., 2005; Specht et al., 2007; Sundaram & Webster, 2000). Deze klantpercepties beïnvloeden belangrijke aspecten van de relatie tussen klanten en dienstverleners, zoals vertrouwen en betrokkenheid, die op hun beurt intentie tot gebruik, mond-tot-mondreclame, loyaliteit en samenwerking beïnvloeden (Hennig-Thurau, 2004; Palmatier et al., 2006).Er is groeiend bewijs dat de uiterlijke kenmerken en communicatieve gedragingen (hierna: menselijke communicatieve gedragingen) die percepties van klanten positief beïnvloeden, ook effectief zijn wanneer ze worden toegepast door conversational agents (B.R. Duffy, 2003; Holtgraves et al., 2007). Het zogenaamde ‘Computers Als Sociale Actoren’ (CASA paradigma vertrekt vanuit de aanname dat mensen de neiging hebben om onbewust sociale regels en gedragingen toe te passen in interacties met computers, ondanks het feit dat ze weten dat deze computers levenloos zijn (Nass et al., 1994). Dit kan verder worden verklaard door het fenomeen antropomorfisme (Epley et al., 2007; Novak & Hoffman, 2019). Antropomorfisme houdt in dat de aanwezigheid van mensachtige kenmerken of gedragingen in niet-menselijke agenten, onbewust cognitieve schema's voor menselijke interactie activeert (Aggarwal & McGill, 2007; M.K. Lee et al., 2010). Door computers te antropomorfiseren komen mensen tegemoet aan hun eigen behoefte aan sociale verbinding en begrip van de sociale omgeving (Epley et al., 2007; Waytz et al., 2010). Dit heeft echter ook tot gevolg dat mensen cognitieve schema’s voor sociale perceptie toepassen op conversational agents.
Research work on robots in the context of neurodevelopmental disorders and psychology has traditionally been developed by researchers with a background primarily in engineering and computer science. As psychology is getting ready to play a more prominent role, there is a chance to apply specific psychological theory and methods. Such application may be facilitated by the establishment of a relevant scientific infrastructure, such as through a specialist journal on robopsychology.
MULTIFILE
In dit projectvoorstel richten wij ons op de mogelijkheden om humanoïde robots meer interacties met klanten aan te laten gaan. Een groeiend aantal dienstverlenende organisaties zet humanoïde robots in voor klantontvangst. Ontwikkelingen op het gebied van speech- en voicetechnologie, sensorische technologie, en machine learning hebben er voor gezorgd dat klanten deze vorm van dienstverlening waarderen. Tegelijkertijd blijkt dat veel klanten nog drempelvrees hebben om de interactie met een robot aan te gaan. Hierdoor wordt de potentie van humanoïde robots om een belangrijke rol in de dienstverlening te spelen onderbenut. Zowel voor leveranciers van robottoepassingen als voor organisaties die robots voor klantontvangst inzetten, is dit een gemiste kans. De grote vraag is hoe humanoïde robots meer interactie met klanten tot stand kunnen brengen? Het mkb technologiebedrijf Welbo en de dienstverlenende organisaties gemeente Woerden, Cupola XS, en The Next Web hebben de HvA verzocht om nieuwe toegepaste kennis te ontwikkelen over strategieën die robots kunnen inzetten om meer interacties met klanten te initiëren. Dit project geeft opvolging aan dit verzoek door een antwoord te geven op de volgende centrale onderzoeksvraag: Wat is de invloed van de vier openingsstrategieën aankijken, beweging, taalgebruik, en voortbeweging op het initiëren van robot-klant interacties in de praktijk, en hoe kunnen combinaties van deze strategieën het beste worden verwerkt tot richtlijnen voor een script om meer robot-klantinteracties met verschillende typen klanten tot stand te brengen? De Hogeschool van Amsterdam wil deze vraag samen met de consortiumpartners beantwoorden door een reeks van veldonderzoeken te doen. Het project maakt deel uit van een langdurig onderzoeksprogramma naar service robotica. Het project kent de volgende deliverables: twee vakpublicaties, academisch conference paper, richtlijnen voor een script om meer robot-klant interacties tot stand te brengen, eindpresentatie aan geïnteresseerde organisaties en studenten, en een RAAK-PRO vooraanvraag.
Dit projectvoorstel richt zich op de mogelijkheden om met humanoïde service robots klanten in winkels op persoonlijk wijze te bedienen. De twee mkb-retailers Modehuis Blok en Berden Mode & Wonen hebben bij ons de vraag neergelegd of wij willen uitzoeken hoe service robots zouden kunnen worden ingezet om gepersonaliseerde service robot-klant interacties mogelijk te maken. Dankzij hun kunstmatige intelligentie hebben service robots de potentie om op autonome wijze met klanten te interacteren, data te verzamelen en te analyseren, te leren, en zich aan te passen. Dit biedt nieuwe kansen om persoonlijk met klanten om te gaan en om service business modellen te innoveren. Toegepaste kennis op dit gebied ontbreekt echter vooralsnog. Dit project zorgt op dit gebied voor een bijdrage door een antwoord te geven op de volgende centrale onderzoeksvraag: Welke klanten maken met wat voor beweegredenen gebruik van een service robot in de winkel die ze persoonlijk bedient, wat zijn de vereisten om dergelijke service robot-klant interacties mogelijk te maken, en hoe vertalen de klantbehoeften en vereisten zich in richtlijnen voor een ontwerp van gepersonaliseerde service robot-klant interacties? Het Centre for Market Insights van de Hogeschool van Amsterdam, de Social AI Group van de Vrije Universiteit Amsterdam, en TMO Fashion Business School willen deze vraag samen met de twee retailers beantwoorden. Daartoe zetten zij een combinatie van scenario onderzoek, personas onderzoek, mock-up onderzoek, en een Restricted Wizzard-of-Oz studie in. De opgedane kennis is van waarde voor de retail en fungeert voor het consortium tegelijkertijd als een eerste stap van een langdurig onderzoeksprogramma. Het project leidt tot de volgende uitkomsten: richtlijnen voor het ontwerp van gepersonaliseerde service robot-klant interacties, twee vakpublicaties, een methodieksectie van een academische publicatie, eindpresentatie aan modewinkeliers en studenten, en een eerste opzet voor een RAAK-mkb aanvraag.
