Social robots have been introduced in different fields such as retail, health care and education. Primary education in the Netherlands (and elsewhere) recently faced new challenges because of the COVID-19 pandemic, lockdowns and quarantines including students falling behind and teachers burdened with high workloads. Together with two Dutch municipalities and nine primary schools we are exploring the long-term use of social robots to study how social robots might support teachers in primary education, with a focus on mathematics education. This paper presents an explorative study to define requirements for a social robot math tutor. Multiple focus groups were held with the two main stakeholders, namely teachers and students. During the focus groups the aim was 1) to understand the current situation of mathematics education in the upper primary school level, 2) to identify the problems that teachers and students encounter in mathematics education, and 3) to identify opportunities for deploying a social robot math tutor in primary education from the perspective of both the teachers and students. The results inform the development of social robots and opportunities for pedagogical methods used in math teaching, child-robot interaction and potential support for teachers in the classroom.
Let's Get Personal - Social Personalization for Sustainable Long-Term Educational Robots
From the article: Using Roger Crisp’s arguments for well-being as the ultimate source of moral reasoning, this paper argues that there are no ultimate, non-derivative reasons to program robots with moral concepts such as moral obligation, morally wrong or morally right. Although these moral concepts should not be used to program robots, they are not to be abandoned by humans since there are still reasons to keep using them, namely: as an assessment of the agent, to take a stand or to motivate and reinforce behaviour. Because robots are completely rational agents they don’t need these additional motivations, they can suffice with a concept of what promotes well-being. How a robot knows which action promotes well-being to the greatest degree is still up for debate, but a combination of top-down and bottom-up approaches seem to be the best way. The final publication is available at IOS Press through http://dx.doi.org/10.3233/978-1-61499-708-5-184
De transitie naar een gerobotiseerde industriële omgeving is in volle gang. Robots zijn zich aan het ontwikkelen tot collaboratieve robots (co-bots) en worden zo meer een collega dan een geïsoleerde machine in een kooi. Een goede co-bot-mens-samenwerking heeft positieve effecten op de werkbeleving, resulteert in minder stress, verzuim, minder ‘bijna-ongelukken’ en leidt tot hogere productiviteit en kwaliteit op de werkvloer. Onderling vertrouwen tussen medewerker en co-bot speelt een belangrijke rol in een goede samenwerking en voor effectieve teamprestaties. De interactie tussen medewerker en co-bot dient daartoe zo natuurlijk mogelijk, voorspelbaar en intuïtief te verlopen. Op dit terrein valt nog veel winst te boeken in het industriële MKB. Co-bots moeten leren anticiperen op wat in de directe omgeving komen gaat, zodat de medewerker nimmer in een onveilige situatie verkeert en zich comfortabel voelt in de samenwerking met de co-bot. Van de andere kant moeten medewerkers leren begrijpen hoe co-bots werken en wat ze van hen kunnen verwachten. Ambitie van het project “Close Encounters with Co-bots” is het verbeteren van de effectieve samenwerking tussen medewerker en co-bot op de industriële werkvloer en daarbij vertrouwen en beleefde veiligheid te borgen voor de medewerker. In het project wordt daartoe gewerkt aan begrip van de co-bot in de mens, begrip van de mens in de co-bot, het bouwen aan technische oplossingen voor effectieve communicatie, en prototyping en testing in relevante praktijkomgevingen in het MKB. Het bedrijfsleven kan met de resultaten van het project versneld de door hen gewenste leercurve doorlopen om samenwerkende industriële mens-co-bot-systemen substantieel te laten bijdragen aan operationele winst in economisch, (productie)technisch en sociaal opzicht. Het project is een interdisciplinair samenwerking tussen de vakgebieden psychologie, mechatronica en ICT binnen Fontys Hogescholen en Saxion Hogeschool. De negen participerende (MKB) bedrijven zijn actief als industrieel productiebedrijf, in robotica ontwikkeling, als systeem- en robotleverancier, in productieautomatisering en in de sociale werkvoorziening. Daarnaast zijn kennisinstelling TU/e, coöperatie Brainport Industries en samenwerkingsverband Holland Robotics nauw betrokken. In het project zal bestaande kennis toepasbaar worden gemaakt en zal nieuwe kennis worden ontwikkeld t.b.v. een natuurlijke, voorspelbare en intuïtieve samenwerking tussen medewerker en co-bot op de industriële werkvloer. Verder zal verankering van kennis en kunde in onderwijs en lectoraten plaatsvinden en een vergroting van de kwaliteit van docenten en afstudeerders. Er zullen circa 17 docent-onderzoekers van de hogescholen en circa 100 studenten betrokken worden, die in de vorm van studentenprojecten, stages en afstudeeronderzoeken werken aan interessante vraagstukken direct uit de beroepspraktijk.
Hoogwaardig afvalhout van bewoners, bouwbedrijven en meubelmakers blijft momenteel ongebruikt omdat het te arbeidsintensief is om grote hoeveelheden ongelijke stukken hout van verschillende afmetingen en soorten te verwerken. Waardevol hout wordt waardeloos afval, tegen de principes van de circulaire economie in. In CW.Code werken Powerhouse Company, Bureau HUNC en Vrijpaleis samen met de HvA om te onderzoeken hoe een toegankelijke ontwerptool te ontwikkelen om upcycling en waardecreatie van afvalhout te faciliteren. In andere projecten hebben HvA en partners verschillende objecten gemaakt van afvalhout: een stoel, een receptiebalie, kleine meubels en objecten voor de openbare ruimte, vervaardigd met industriële robots. Deze objecten zijn 3D gemodelleerd met behulp van specifieke algoritmen, in de algemeen gebruikte ontwerpsoftware Rhino en Grasshopper. De projectpartners willen nu onderzoeken hoe deze algoritmen via een toegankelijke tool bruikbaar te maken voor creatieve praktijken. Deze tool integreert generatieve ontwerpalgoritmen en regelsets die rekening houden met beschikbaar afvalhout, en de ecologische, financiële en sociale impact van resulterende ontwerpen evalueren. De belangrijkste ontwerpparameters kunnen worden gemanipuleerd door ontwerpers en/of eindgebruikers, waardoor het een waardevol hulpmiddel wordt voor het co-creëren van circulaire toepassingen voor afvalhout. Dit onderzoek wordt uitgevoerd door HvA Digital Production Research Group, met bovengenoemde partners. HUNC heeft ervaring met stadsontwikkeling waarbij gebruik wordt gemaakt van lokaal gekapt afvalhout. Vrijpaleis biedt toegang tot een actieve, lokale community van makers met een sterke band met buurtbewoners. Powerhouse Company heeft ervaring in het ontwerpen met hout in de bouw. Alle drie kunnen profiteren van slimmere circulaire ontwerptools, waarbij beschikbaar materiaal, productiebeperkingen en impactevaluatie worden geïntegreerd. De tool wordt ontwikkeld en getest voor twee designcases: een binnenmeubelobject en een buitengevelelement. Bevindingen hiervan zullen leidend zijn bij de ontwikkeling van de tool. Na afronding van het project is een bètaversie gereed voor validatie door ontwerpers, bewonerscollectieven en onderzoek/onderwijs van de HvA.
Angst en pijn komen vaak voor bij kinderen die medische procedures ondergaan. Een nieuwe potentiële angst- en pijnreducerende methode voor ziekenhuizen is de inzet van sociale robots. Hoewel deze succesvol zijn in het afleiden van kinderen in de prikkamer, willen ziekenhuizen een robot die breder inzetbaar is (d.i. bij diverse medische procedures onder een brede leeftijdsgroep kinderen). Ook is het belangrijk dat de zorgverlener de robot zelf eenvoudig kan inzetten binnen het zorgproces. Vanuit ziekenhuizen kwam het idee om een robot te programmeren die de medische hypnosetechniek ‘geleide fantasie’ kan toepassen, waarbij middels positieve suggesties een andere betekenis gegeven wordt aan beangstigende gedachtes of pijn op een andere manier wordt ervaren. De diverse vraagarticulatiegesprekken met ziekenhuizen, robot-onderzoekers, robot-programmeurs en -leveranciers, medische hypnose-experts, en vertegenwoordigers van de robot-industrie en het kind-in-ziekenhuis-perspectief, leidden uiteindelijk tot de praktijkvraag om: een plug & play robot te ontwikkelen die effectief middels geleide fantasie angst en pijn kan verminderen onder 4- tot 12-jarigen bij verschillende medische procedures in het ziekenhuis, daarbij rekening houdend met de persoonlijke en leeftijdsgebonden behoeftes van kinderen en de uitvoerbaarheid en haalbaarheid in de praktijk. Deze praktijkvraag wordt in samenwerking met kinderen, ouders, zorgverleners, technici en onderzoekers middels vier werkpakketten beantwoord. Allereerst worden de ziekenhuispraktijksituaties en belangrijkste robotvereisten binnen het consortium in kaart gebracht om hiermee een eerste prototype van een AI-ondersteunde (autonome) sociale ‘droomrobot’ te ontwikkelen die geleide fantasie toepast. Dit prototype wordt eerst verder verfijnd en beter afgestemd op de praktijksituatie in een reeks kortlopende tests in verschillende ziekenhuispraktijksituaties. Vervolgens wordt de droomrobot grootschalig getest op de angst- en pijnreducerende werking onder kinderen van verschillende leeftijden in een langlopende ziekenhuisstudie. Tenslotte wordt in kaart gebracht wat nodig is voor de brede adoptie en invoering van de droomrobot in ziekenhuizen.
