2 tys. lekcji pokazało MuseCool, czego AI musi nauczyć się o edukacji muzycznej

Pierwsze sześć miesięcy publicznej działalności MuseCool przynosi prostą lekcję dla twórców technologii edukacyjnych: lekcji muzyki nie da się sprowadzić do transkrypcji rozmowy. Firma podaje, że od publicznego startu w kwietniu przetworzyła około 2 tys. lekcji, wykorzystując AI audio do analizy zarówno mówionych wskazówek, jak i wykonywanej muzyki. 23

To nadal niewielka próba powiązana z samą firmą, a nie rozstrzygający obraz całej edukacji muzycznej. Jest jednak wczesną wskazówką, jak wygląda indywidualne nauczanie oraz z jakim wyzwaniem mierzą się narzędzia AI dla nauczycieli.

Najważniejszy wniosek: granie to tylko część lekcji

Według wstępnej analizy MuseCool uczniowie spędzają na grze na instrumencie około 40% przeciętnej lekcji. Pozostały czas może obejmować wyjaśnienia, pokazy nauczyciela, słuchanie, rozmowę i inne działania dydaktyczne. 6

To istotne, bo system rozpoznający wyłącznie nuty albo wyłącznie zapisujący mowę pominąłby znaczną część zajęć. Nauczyciel może wyjaśnić technikę, zademonstrować frazę, wskazać problem, odsłuchać wykonanie, ustalić cel ćwiczeń czy porozmawiać o interpretacji — a dopiero potem uczeń zagra fragment utworu.

Wskaźnik 40% trzeba traktować ostrożnie. Pochodzi z danych operacyjnych MuseCool i nie został przedstawiony jako reprezentatywne, niezależnie zweryfikowane badanie całego sektora. 36 Mimo to podważa założenie, że jakość lekcji można ocenić, po prostu licząc czas samego wykonania.

AI, które ma rozumieć muzykę

MuseCool określa swoje podejście jako Music Information Retrieval — analizę wykonywanej muzyki wraz z mową i kontekstem lekcji. Celem ma być rozpoznanie, co zostało zagrane, oraz uporządkowanie tego, nad czym pracowali nauczyciel i uczeń, zamiast samej zamiany rozmowy na tekst. 23

To kluczowa różnica. Narzędzie nagrywające lekcję i zwracające ogólną transkrypcję może po prostu dać nauczycielowi więcej tekstu do przeczytania. System uwzględniający muzykę mógłby natomiast przekształcić zajęcia w przydatne materiały po lekcji: uporządkowane podsumowanie, zapis aktywności muzycznej i wskazówki wspierające ćwiczenie między spotkaniami.

Firma opisywała również platformę, która ma wykorzystywać aktywność podczas lekcji do tworzenia analiz zajęć, proponowania odpowiednich nut i spersonalizowanych gier ćwiczeniowych, a także obsługi płatności. 15

Kluczem do wdrożenia jest mniej pracy dla nauczyciela

Upowszechnianie technologii w prywatnym nauczaniu nie jest proste. Metody pracy pedagogów są osobiste, utrwalone i często celowo elastyczne. Nauczyciele raczej nie przyjmą systemu, który narzuca sztywny schemat lub dokłada kolejne zadanie administracyjne.

Wczesny kierunek produktu MuseCool odzwierciedla to ograniczenie. AI ma wykonywać w tle pracę związaną ze słuchaniem i dokumentowaniem lekcji, podczas gdy nauczyciel nadal prowadzi zajęcia. 2 Potencjalna wartość nie polega więc na automatyzacji dla niej samej, lecz na ograniczeniu rutynowej pracy po lekcji i dostarczeniu materiałów, które pedagog może jasno przekazać uczniowi.

MuseCool prowadzi też platformę łączącą nauczycieli z uczniami. Witryna dla tutorów informuje o ponad 1622 nauczycielach w społeczności i ponad 2 tys. indywidualnych lekcji miesięcznie — online lub stacjonarnie. Są to dane deklarowane przez firmę, nie niezależnie audytowane wskaźniki. 8

Platforma nauczycielska i rynek lekcji w jednym

MuseCool powstał jako londyńska szkoła muzyczna w 2017 r. i oferuje spersonalizowane lekcje online oraz stacjonarne. 910 Serwis kierowany do klientów promuje naukę w domu i online, a przy wybranych instrumentach także ofertę instrumentu na pierwszy miesiąc. 45

Model jest szerszy niż samo narzędzie do analizy zajęć. Łączy wyszukiwanie i dopasowywanie nauczycieli z narzędziami organizacyjnymi, a docelowo również z zasobami do nauki. W praktyce jest to model B2B2C: firma chce wspierać nauczycieli i organizacje edukacyjne narzędziami do pracy i analizami, jednocześnie pomagając uczniom znaleźć pedagoga.

Dla uczniów obecna oferta obejmuje wybrane instrumenty bez opłaty w pierwszym miesiącu, z możliwością zwrotu w tym okresie; szczegółowe warunki i dostępne instrumenty zależą od oferty. 1213

Co mógłby dać większy zbiór danych o lekcjach

Rosnący zbiór danych o lekcjach mógłby mieć wartość wykraczającą poza indywidualne podsumowania. Przy wyraźnej zgodzie uczestników, odpowiednich zabezpieczeniach prywatności i rzetelnej walidacji mógłby pomóc instytucjom szybciej obserwować wzorce nauczania, identyfikować uczniów potrzebujących dodatkowego wsparcia oraz prowadzić bardziej ilościowe badania nad metodami dydaktycznymi.

MuseCool przedstawia tę perspektywę jako szansę na lepsze zobaczenie — na poziomie zagregowanym — aktywności, która zwykle pozostaje prywatna i trudna do zmierzenia. 3 Dla producentów instrumentów oraz uczestników rynku muzycznego użyteczne mogłyby być również właściwie zarządzane, zbiorcze informacje o repertuarze i zachowaniach związanych z ćwiczeniem.

Są to jednak możliwości, a nie potwierdzone rezultaty. Przydatność danych będzie zależeć od ich jakości, reprezentatywności, świadomej zgody, zasad zarządzania oraz od tego, czy wskaźniki faktycznie odzwierciedlą dobre uczenie się, a nie tylko to, co algorytm potrafi wykryć.

Ambicje, które wymagają potwierdzenia

MuseCool łączono ze współpracą z Queen Mary University of London w obszarze Music Information Retrieval, a w relacjach pojawiał się również projekt Innovate UK — brytyjskiej agencji wspierającej innowacje. 6 Dostarczone materiały nie potwierdzają jednak zakresu, harmonogramu ani statusu finansowania tych prac, dlatego należy traktować je jako rozwijające się plany, a nie przesądzone rezultaty.

Taka sama ostrożność dotyczy dalszych ambicji: zasobów nutowych z domeny publicznej i licencjonowanych, głębszej współpracy ze środowiskiem konserwatoriów, lokalnych platform pośredniczących oraz instrumentów wykorzystujących AI do interpretowania całej sytuacji w pomieszczeniu. Koncepcja pozostaje spójna z celem rozumienia jednocześnie wykonania i instrukcji, lecz dostępne materiały nie potwierdzają gotowego „mówiącego” fortepianu ani produktu rozpoznającego pełny kontekst muzycznego pomieszczenia. 23

Wczesna ocena

Najistotniejszym wczesnym wkładem MuseCool nie jest twierdzenie, że AI może zastąpić nauczycieli muzyki. Jest nim wskazanie, że sensowną jednostką analizy jest cała lekcja: dźwięk, rozmowa, demonstracja, informacja zwrotna i kontekst.

Około 2 tys. przeanalizowanych lekcji wystarcza, by stawiać hipotezy — przede wszystkim tę, że gra zajmuje tylko około 40% przeciętnych zajęć — ale nie wystarcza, by rozstrzygać sprawę dla edukacji muzycznej jako całości. 36 Kolejny sprawdzian pokaże, czy rezultaty analizy muzycznej rzeczywiście oszczędzą nauczycielom czas, poprawią jakość ćwiczenia uczniów i spełnią wysokie standardy prywatności oraz zaufania niezbędne w osobistej relacji dydaktycznej.