EKEEL

Empowering Knowledge Extraction to Empower Learners

Tipo di progetto: European  |  Data inizio: 01/12/2023  |  Data di fine: 30/11/2025

L’intelligenza artificiale e il Natural Language Processing stanno svolgendo un ruolo fondamentale nella trasformazione digitale della società, verso una crescente capacità degli agenti artificiali di elaborare dati, comprendere il significato e sfruttare la conoscenza appresa per supportare le persone in un’ampia varietà di attività.

L’obiettivo del progetto è migliorare l’attuale stato dell’arte nella comprensione autonoma dei contenuti delle videolezioni e sfruttare la conoscenza estratta per fornire servizi avanzati di supporto all’apprendimento, in modo da rendere sostenibile la fornitura del servizio e la conoscenza condivisibile e riutilizzabile.

Il modello sarà applicato nel contesto dell’istruzione superiore e della formazione e mira ad avere un impatto sull’empowerment in conformità con il Piano d’azione per l’istruzione digitale 2021-27, orientato allo sviluppo di un ecosistema di istruzione digitale altamente performante.

Più in dettaglio, il progetto è incentrato sull’estrazione di conoscenza dai video didattici in termini di concetti spiegati e relazioni di dipendenza tra di essi, in particolare relazioni di prerequisito, che esprimono la conoscenza necessaria per comprendere un altro concetto.

Le videolezioni hanno visto una crescita esponenziale negli ultimi anni per una varietà di scopi educativi, formali/informali, accademici/professionali. Lo scopo di EKEEL è quello di migliorare l’estrazione delle relazioni di prerequisito dai video didattici, proponendo un modello di Knowledge Graph delle relazioni di prerequisito volto a sfruttare tale quantità di risorse digitali per produrre nuovo valore, attraverso la trasformazione e il riutilizzo della conoscenza.

Per l’estrazione delle relazioni di prerequisito, EKEEL sfrutterà Language Models, Deep Learning per l’elaborazione di testi, immagini e video, e tecniche di intelligenza artificiale per il Natural Language Processing e il ragionamento temporale, al fine di identificare i concetti e il loro ruolo mutevole nel video. Il contributo scientifico in termini di estrazione di conoscenza è un approccio audiovisivo innovativo per l’estrazione di relazioni di prerequisito che tiene conto dell’analisi della dinamica dei concetti nel corso dello streaming video, i cui risultati forniranno, inoltre, nuove caratteristiche per l’addestramento di modelli di deep learning.

Acronimo:
EKEEL

Programma di Finanziamento:
PRIN 2022 PNRR - P20227PEPK

Ente Finanziatore:
Unione Europea

Contratto:
CUP B53D23026030001

Stato:
Ongoing

Ruolo CNR-ILC:
Beneficiary

Coordinatore progetto:
Ilaria Torre (Università degli Studi di Genova)

Responsabile Scientifico dell'Unità di Ricerca del CNR-ILC:
Felice Dell'Orletta

Staff:
Dominique Pierina Brunato
Giulia Venturi
Noemi Terreni