MuseCool efter 2 000 musiklektioner: AI måste förstå mer än det som sägs

MuseCools första sex månader i offentlig drift pekar på en grundläggande sak för utbildningsteknik: en musiklektion går inte att reducera till en utskrift av vad som sagts. Sedan den offentliga lanseringen i april uppger bolaget att det har bearbetat omkring 2 000 lektioner med ljud-AI som analyserar både undervisningen och musiken som spelas. 23

Det är fortfarande ett begränsat, bolagsanknutet underlag – inte en slutgiltig beskrivning av musikundervisningen i stort. Men det ger en tidig inblick i vad som faktiskt händer i enskild undervisning och i vilken produktutmaning AI-verktyg för musiklärare står inför.

Spelandet är bara en del av lektionen

MuseCools tidiga analys tyder på att elever spelar instrument under cirka 40 procent av en genomsnittlig lektion. Resten av tiden kan gå till förklaringar, demonstrationer, lyssning, samtal och annan undervisning. 6

Det är viktigt eftersom ett system som bara känner igen toner – eller bara skriver ut tal – missar en stor del av innehållet. En lärare kan förklara en teknik, visa en fras, peka ut ett problem, lyssna på eleven, sätta upp ett övningsmål och tala om tolkning. Allt detta kan rymmas runt en relativt kort stund då eleven faktiskt spelar.

Siffran 40 procent bör tolkas försiktigt. Den bygger på MuseCools egna driftdata och har inte lagts fram som en oberoende granskad, representativ studie av hela utbildningssektorn. 36 Men den ifrågasätter idén att lektionskvalitet kan mätas enbart genom att räkna speltid.

Därför satsar bolaget på musikmedveten AI

MuseCool beskriver sin tekniska metod som Music Information Retrieval – analys av framförd musik tillsammans med tal och lektionssammanhang. Målet är enligt bolaget att identifiera vad som spelades och hjälpa till att förstå vad lärare och elev arbetade med, snarare än att bara omvandla samtalet till text. 23

Skillnaden är central för produkten. Ett inspelningsverktyg som bara ger läraren en allmän transkribering kan i praktiken skapa mer läsning och mer administration. Ett musikmedvetet system kan i stället försöka omvandla lektionen till material för uppföljning: en strukturerad sammanfattning, en bild av den musikaliska aktiviteten och vägledning som stöder övningen mellan lektionerna.

Bolaget har också beskrivit en plattform som använder aktivitet från lektioner för att ge lektionsanalys, relevant noter och personliga övningsspel, vid sidan av administrativa funktioner som betalningar. 15

Tekniken måste minska lärarnas arbete

Det är svårt att få genomslag för teknik i privat undervisning. Undervisningssätt är personliga, etablerade och ofta medvetet flexibla. En lärare har få skäl att välja ett system som tvingar fram ett stelt arbetssätt eller lägger till ännu en administrativ uppgift.

MuseCools tidiga produktinriktning speglar den begränsningen. Lektions-AI:n är tänkt att sköta lyssnandet och dokumentationen i bakgrunden medan läraren fortsätter att undervisa. 2 Det möjliga värdet ligger inte i automatisering för sakens skull, utan i att minska rutinmässigt efterarbete och ge läraren tydligare material att dela med eleven.

MuseCool driver även en marknadsplats för lärare. På företagets lärarsajt anges fler än 1 622 lärare i nätverket och över 2 000 enskilda lektioner per månad, online eller på plats. Det är bolagets egna uppgifter och inte oberoende granskade nyckeltal. 8

Marknadsplats och undervisningsinfrastruktur i samma modell

MuseCool startade som en musikskola i London 2017 och erbjuder individuellt anpassade lektioner online och på plats. 910 På sina kundsidor marknadsför bolaget undervisning hemma eller online samt introduktionserbjudanden med instrument för vissa instrumentgrupper. 45

Modellen är därmed bredare än ett verktyg för lektionsanalys. Den kombinerar sökning och matchning av lärare med driftverktyg och, på sikt, lärresurser. I praktiken är det ett B2B2C-upplägg: tjänster för lärare och utbildningsorganisationer, samtidigt som elever får hjälp att hitta en lärare.

För elever omfattar det nuvarande erbjudandet utvalda instrument utan kostnad under den första månaden, med möjlighet att lämna tillbaka instrumentet under perioden. Vilka instrument och villkor som gäller varierar mellan erbjudandena. 1213

Vad ett större lektionsunderlag skulle kunna ge

En växande datamängd från lektioner kan få ett värde som går utöver individuella sammanfattningar. Med uttryckligt samtycke, robust integritetsskydd och noggrann validering skulle den kunna hjälpa utbildningsaktörer att snabbare se undervisningsmönster, identifiera elever som kan behöva extra stöd och bedriva mer kvantitativ forskning om undervisningsmetoder.

MuseCools rapportering beskriver detta som en möjlig väg att på aggregerad nivå synliggöra en verksamhet som normalt är privat och svår att mäta. 3 För instrumenttillverkare och aktörer i musikbranschen skulle väl styrda, aggregerade insikter om repertoar och övningsbeteenden också kunna vara relevanta.

Detta är möjligheter, inte visade resultat. Datans nytta beror på kvaliteten, hur representativt underlaget är, informerat samtycke, styrning och om måtten faktiskt fångar gott lärande – snarare än bara det en algoritm kan registrera.

Ambitioner som återstår att bevisa

MuseCool har kopplats till samarbete kring Music Information Retrieval med Queen Mary University of London, och i rapporteringen nämns planer på ett projekt med Innovate UK, Storbritanniens statliga innovationsorgan. 6 Det tillhandahållna underlaget fastslår dock inte omfattning, tidplan eller finansieringsstatus. Planerna bör därför ses som under utveckling, inte som bekräftade resultat.

Samma försiktighet behövs kring bolagets vidare ambitioner: noter i public domain och licensierade notresurser, ett djupare arbete mot konservatorier, lokala marknadsplatser och AI-stödda instrument som kan tolka ett helt musikrum. Idén ligger i linje med MuseCools fokus på att förstå framförande och undervisning tillsammans, men det tillgängliga underlaget verifierar inte någon färdig "talande" piano- eller rumsmedveten instrumentprodukt. 23

Den tidiga slutsatsen

MuseCools mest substantiella tidiga bidrag är inte ett påstående om att AI kan ersätta musiklärare. Det är snarare en påminnelse om att den relevanta analysenheten är hela lektionen: ljud, tal, demonstrationer, återkoppling och sammanhang.

Omkring 2 000 analyserade lektioner räcker för att formulera hypoteser – framför allt att spelandet bara utgör cirka 40 procent av en genomsnittlig lektion – men inte för att slå fast hur musikundervisning fungerar i allmänhet. 36 Nästa test blir om de musikmedvetna resultaten sparar tid för lärare, förbättrar elevernas övning och uppfyller de höga krav på integritet och förtroende som följer när teknik flyttar in i en personlig undervisningsrelation.