2,000 Pelajaran Muzik Dedahkan Had Sebenar AI dalam Pengajaran

Dalam enam bulan pertama selepas pelancaran awamnya pada April, MuseCool berkata ia telah memproses kira-kira 2,000 pelajaran muzik. Syarikat itu menggunakan AI audio untuk menganalisis bukan sahaja arahan yang dituturkan, malah muzik yang dimainkan. 23

Ini masih sampel kecil yang berkait dengan operasi syarikat, bukannya gambaran muktamad bagi seluruh sektor pendidikan muzik. Namun, ia memberi petunjuk awal yang penting: pelajaran muzik satu dengan satu tidak boleh diringkaskan sebagai transkrip perbualan semata-mata.

Murid tidak bermain sepanjang masa

Dapatan awal MuseCool menunjukkan murid menghabiskan kira-kira 40% daripada purata pelajaran untuk bermain alat muzik. Baki masa pula boleh meliputi penerangan, tunjuk cara, mendengar, perbincangan dan aktiviti pengajaran lain. 6

Angka ini penting kerana sistem yang hanya mengecam not, atau hanya menyalin pertuturan kepada teks, akan terlepas sebahagian besar perkara yang berlaku. Seorang tutor mungkin menerangkan teknik, menunjukkan satu frasa muzik, mengenal pasti kesilapan, mendengar semula permainan murid, menetapkan sasaran latihan dan berbincang tentang tafsiran karya—semuanya di sekeliling tempoh permainan murid yang mungkin agak singkat.

Bagaimanapun, angka 40% itu perlu dibaca dengan berhati-hati. Ia datang daripada data operasi MuseCool sendiri dan tidak dibentangkan sebagai kajian bebas yang diaudit atau mewakili seluruh sektor. 36 Namun, ia mencabar andaian bahawa kualiti pelajaran boleh dinilai hanya dengan mengira masa seseorang murid bermain.

AI yang faham muzik, bukan sekadar dengar percakapan

MuseCool menerangkan pendekatannya sebagai Music Information Retrieval—iaitu analisis muzik yang dimainkan bersama pertuturan dan konteks pelajaran. Matlamatnya adalah untuk mengenal pasti apa yang dimainkan serta membantu memahami perkara yang diusahakan oleh guru dan pelajar, bukan semata-mata menukar perbualan kepada teks. 23

Perbezaan ini menjadi teras produknya. Alat rakaman yang hanya menghasilkan transkrip umum mungkin menambah bahan bacaan untuk tutor. Sebaliknya, sistem yang peka terhadap muzik boleh cuba mengubah pelajaran kepada bahan susulan yang lebih berguna: rumusan berstruktur, rekod aktiviti muzik dan panduan untuk menyokong latihan antara sesi.

MuseCool turut menerangkan platform yang menggunakan aktiviti pelajaran secara langsung untuk menyediakan analitik pelajaran, bahan skor muzik yang berkaitan dan permainan latihan yang diperibadikan, di samping fungsi pentadbiran seperti pembayaran. 15

Cabaran sebenar: jangan tambah kerja tutor

Penggunaan teknologi dalam pengajaran persendirian bukan mudah. Kaedah mengajar biasanya sangat peribadi, telah lama diamalkan dan sengaja fleksibel. Tutor tidak mungkin mahu menerima sistem yang memaksa aliran kerja terlalu kaku atau mencipta satu lagi tugas pentadbiran.

Arah awal produk MuseCool mencerminkan kekangan ini. AI pelajarannya bertujuan melakukan kerja mendengar dan mendokumentasi di latar belakang, sementara tutor terus mengajar seperti biasa. 2 Nilai potensinya bukan automasi semata-mata, tetapi mengurangkan kerja susulan rutin dan memberi tutor bahan yang lebih jelas untuk dikongsi dengan pelajar.

MuseCool juga mengendalikan pasaran tutor. Laman tutornya mengiklankan lebih 1,622 tutor dalam komuniti serta lebih 2,000 pelajaran satu dengan satu setiap bulan, sama ada dalam talian atau bersemuka. Angka ini dilaporkan syarikat dan bukan metrik yang diaudit secara bebas. 8

Gabungan pasaran tutor dan infrastruktur pengajaran

MuseCool bermula sebagai sekolah muzik di London pada 2017 dan menawarkan pelajaran diperibadikan secara dalam talian serta bersemuka. 910 Halaman pengguna syarikat itu turut mengiklankan tuisyen di rumah dan dalam talian, termasuk tawaran alat muzik untuk bulan pertama bagi instrumen terpilih. 45

Modelnya lebih luas daripada alat analisis pelajaran. Ia menggabungkan pencarian dan pemadanan tutor dengan alat operasi serta, berpotensi, sumber pembelajaran. Dalam istilah perniagaan, ini menyerupai model B2B2C: menyokong tutor dan organisasi pengajaran dengan alat aliran kerja serta maklumat, sambil membantu pelajar mencari guru.

Bagi pelajar, tawaran semasanya merangkumi instrumen terpilih secara percuma untuk bulan pertama, dengan pilihan memulangkannya dalam tempoh tersebut. Instrumen dan syarat tepat berbeza mengikut tawaran. 1213

Apa yang mungkin boleh dilakukan oleh pangkalan data lebih besar

Pangkalan data pelajaran yang semakin berkembang boleh bernilai lebih daripada sekadar rumusan bagi setiap sesi. Dengan persetujuan jelas, perlindungan privasi yang sesuai dan pengesahan yang rapi, data ini berpotensi membantu institusi melihat corak pengajaran dengan lebih cepat, mengenal pasti pelajar yang mungkin memerlukan sokongan tambahan dan menjalankan penyelidikan lebih kuantitatif tentang pendekatan pengajaran.

MuseCool menggambarkan kemungkinan ini sebagai cara untuk menjadikan aktiviti yang lazimnya bersifat peribadi dan sukar diukur lebih dapat dilihat pada peringkat agregat. 3 Bagi pembuat alat muzik dan pemain industri muzik pula, maklumat agregat yang ditadbir dengan baik tentang repertoir serta tabiat latihan mungkin turut berguna.

Namun, semua itu ialah kemungkinan, bukan hasil yang telah dibuktikan. Nilai pangkalan data tersebut bergantung pada kualiti data, liputan yang mewakili pelbagai keadaan, persetujuan termaklum, tadbir urus dan sama ada metrik yang terhasil benar-benar mencerminkan pembelajaran yang baik—bukan hanya perkara yang boleh dikesan algoritma.

Cita-cita yang masih perlu dibuktikan

MuseCool telah dikaitkan dengan kerjasama sekitar Music Information Retrieval bersama Queen Mary University of London, manakala laporan turut menyebut rancangan yang melibatkan projek Innovate UK. 6 Bahan yang diberikan tidak menetapkan skop, garis masa atau status pembiayaan usaha tersebut. Justeru, ia wajar dilihat sebagai rancangan yang sedang berkembang, bukannya hasil yang telah disahkan.

Peringatan sama terpakai pada cita-cita lebih luasnya: sumber skor muzik domain awam dan berlesen, jangkauan lebih mendalam kepada komuniti konservatori, pasaran tempatan serta alat muzik berkuasa AI yang boleh mentafsir keseluruhan suasana sebuah bilik muzik. Konsep itu selari dengan tumpuan MuseCool untuk memahami persembahan dan arahan secara serentak, tetapi bukti sedia ada tidak mengesahkan produk piano “bercakap” atau alat muzik yang memahami satu ruang secara menyeluruh telah siap dibangunkan. 23

Kesimpulan awal

Sumbangan awal MuseCool yang paling ketara bukanlah dakwaan bahawa AI boleh menggantikan guru muzik. Sebaliknya, ia menegaskan bahawa unit analisis yang berguna ialah keseluruhan pelajaran: bunyi, pertuturan, tunjuk cara, maklum balas dan konteks.

Kira-kira 2,000 pelajaran yang dianalisis cukup untuk menghasilkan hipotesis—terutamanya dapatan bahawa permainan alat muzik hanya merangkumi sekitar 40% daripada purata pelajaran—tetapi belum mencukupi untuk menyelesaikan persoalan itu bagi pendidikan muzik secara menyeluruh. 36 Ujian seterusnya ialah sama ada hasil AI yang peka terhadap muzik benar-benar menjimatkan masa tutor, memperbaiki latihan pelajar dan memenuhi standard privasi serta kepercayaan yang tinggi apabila teknologi memasuki hubungan pengajaran yang bersifat peribadi.