|
Activities / results |
Description |
Partners |
Deliverable |
|
Modellazione dei microservizi sulla base degli schemi ontologici di dominio |
L’obiettivo realizzativo ha la finalità di legare i concetti e le relazioni che rappresentano la base di conoscenza del dominio all’insieme di funzioni della piattaforma che hanno lo scopo di eseguire proceduralmente operazioni volte all’ottenimento dei risultati attesi dall’utente non vedente e non vedente. Lo studio parte dalle ontologie rese disponibili come risultato dagli obiettivi realizzativi OR 2 “Ontologia LIS” e OR 3 “Ontologia dei servizi e dei contenuti pedagogici” a cura del ITCS-CNR. |
Leading partners:
|
|
|
Sviluppo ed integrazione della piattaforma microservizi |
L’obiettivo in oggetto è di principale rilievo sia riguardo alla piattaforma L4ALL che riguardo all’impegno di IT Centric nel progetto di ricerca. L’obiettivo realizzativo prevede innanzitutto la progettazione e l’implementazione dell’architettura fisica su cui verrà eseguito il dimostratore. L’architettura, descritta più in dettaglio nella sezione “Obiettivo finale del progetto” propone l’installazione di alcuni server opportunamente dotati di risorse processore, memoria e disco sui quali verrà implementato un cluster di virtualizzazione, all’interno del quale verrà implementato, a sua volta, un cluster Kubernetes per l’installazione e l’esecuzione di container ed in particolare quelli che realizzano le componenti dell’architettura a micro servizi. In parallelo prenderà il via il ciclo di vita delle componenti software della piattaforma L4ALL con particolare urgenza rispetto ai temi di progettazione delle integrazioni delle componenti di accessibilità degli utenti non udenti e non vedenti e delle componenti di accesso ai contenuti ed ai servizi della piattaforma di learning erogata dal partner UniNettuno, a cui la piattaforma L4ALL farà riferimento per l’esperienza formativa dei discenti durante l’esecuzione del progetto. A valle delle caratterizzazioni descritte si procede alla progettazione ed alla realizzazione della piattaforma procedendo nella progettazione e nell’implementazione di quanto indicato negli schemi architetturali descritti in precedenza e quindi nella integrazione delle funzioni di servizio della piattaforma |
Leading partners:
|
|
|
Test piattaforma, trasferimento tecnologico, exploitation |
Il presente obiettivo prevede, a valle dei test precedentemente eseguiti sui singoli componenti della piattaforma L4ALL il test della piattaforma integrata effettuato interagendo direttamente con la piattaforma di e-learning di UNINETTUNO contenente un set di dati di prova opportunamente selezionati. Tale test verificherà anche la corretta interazione della piattaforma con contenuti multimediali disponibili sui principali canali (e.g. You-Tube, o canali video e no, specializzati per la didattica). Tale test si prefigge anche lo scopo di effettuare le verifiche finali di funzionamento della piattaforma, con particolare attenzione alle integrazioni fra le componenti della piattaforma stessa ed al comportamento del sistema nel suo insieme rispetto alle utenze ed ai carichi di lavoro al fine di evidenziarne le criticità implementative. Sulla base di tali criticità si definirà e pianificherà la strategia di trasferimento tecnologico alla base della industrializzazione della piattaforma che porterà quindi nel modo ottimale dalla piattaforma prototipale realizzata durante il progetto al prodotto vincente per il mercato. In particolare si approfondiranno gli aspetti volti a massimizzare le prestazioni del prodotto SaaS in ambiente Cloud Pubblico (e.g. AWS)
A valle di una approfondita analisi di mercato, verranno infine valutati i risultati scientifici, tecnologici e metodologici conseguiti con il progetto al fine di individuare le strategie ottimali per lo sfruttamento industriale degli stessi. |
Leading partners:
|
|
|
Strumenti AI ed avatar avanzati |
L’OR 4 “Strumenti AI ed avatar avanzati” si propone come obiettivo lo studio e l’analisi di progettazione di strumenti di Intelligenza Artificiale e di Avatar avanzati (o artificial human) per garantire la fruizione di contenuti anche ad utenti con disabilità.
Gli avatar, tramite un’accurata modellazione grafica 3D, saranno in grado di veicolare messaggi e contenuti nella Lingua Italiana dei Segni (LIS), così come già avviene con gli interpreti LIS umani. L’artificial human garantirà un realistico movimento di dita, mani, braccia e busto, oltre che accurate espressioni facciali e preciso lip-sync per comunicare in maniera del tutto realistica nella LIS.
Il database dei segni LIS riproducibili potrà essere costantemente aggiornato, ampliando la base di conoscenza del sistema ai diversi domini specifici di applicazione, consentendo così un costante apprendimento e miglioramento della tecnologia.
Sarà inoltre possibile scegliere l’avatar più consono al contesto di implementazione tra quelli inizialmente proposti, con possibilità di personalizzazione e realizzazione di nuovi modelli.
La comunicazione fra utente e avatar avverrà in maniera bidirezionale sfruttando inoltre la capacità di analisi ed interpretazione delle emozioni umane per favorire una comunicazione quanto più empatica possibile.
Questo sarà possibile grazie alla funzionalità denominata “Multimodal Emotional Analysis” che utilizzerà strumenti di sentiment analysis, ovvero quella particolare elaborazione del linguaggio naturale (NLP) che consente di costruire sistemi per l'identificazione ed estrazione di opinioni dal testo, dall’espressione facciale, dal tono della voce, ecc.
Gli strumenti di AI pensati per questo obiettivo consentiranno di interpretare e di comprendere le domande degli utenti durante la fase di conversazione grazie all’utilizzo di un livello di analisi linguistica e visiva.
Tali informazioni saranno poi utilizzate nel sistema da avanzati algoritmi di reasoning che permetteranno di “comprendere” le intenzioni (INTENT) espresse nelle domande formulate dagli utenti durante la conversazione e di restituire le risposte più idonee, nel linguaggio più opportuno, superando i limiti presenti in approcci keyword-based. |
Leading partners:
|
|
|
Sviluppo e supporto alla validazione |
L’OR 5 prevede lo sviluppo e la realizzazione dell’avatar 3D LIS, integrando i requisiti emersi dall’analisi del task OR4.A1 e A2. Naturalmente questo OR è strettamente connesso con le attività portate avanti dal CNR in merito alle ontologie. Inoltre in questo OR si prevederà la progettazione di un protocollo di validazione per utenti finali per poter eseguire i test di usabilità ed esperienza d’uso del sistema, e una validazione in laboratorio.
Il protocollo di valutazione di usabilità - valutazione utenti - sarà sviluppato seguendo le linee guida del protocollo eGLU 2.1 elaborato dal Gruppo di lavoro per l’Usabilità (GLU) coordinato dal Dipartimento della Funzione Pubblica (https://www.funzionepubblica.gov.it/glu). All’interno del protocollo saranno identificati gli scenari d’uso e i task che dovranno essere svolti e le metodologie di valutazione (qualitative e quantitative).
Nel processo di valutazione saranno coinvolti utenti che saranno chiamati ad eseguire task e completare al termine di queste attività un questionario che valuti la loro soddisfazione, definibile come il piacere che l’utente prova nell’utilizzare il sistema. Durante le sessioni di valutazione sarà portata avanti un’attività di osservazione qualitativa dei task e saranno annotate le modalità di esecuzione.
Per quanto concerne la valutazione dell’esperienza d’uso, sarà chiesto ai partecipanti di utilizzare il prodotto per circa 4 mesi e compilare un questionario creato ad hoc in tre tempi diversi: prima dell’utilizzo del prodotto (T0), durante l’utilizzo del prodotto (T1) e al termine del suo utilizzo (T2). La valutazione in tre tempi ci consentirà di confrontare l’evoluzione dell’esperienza dell’utente nei confronti del sistema. Agli utenti verrà chiesto inoltre di annotare su un diario gli eventi positivi e negativi in riferimento all’uso del prodotto.
Il presente OR si occuperà inoltre della valutazione del sistema in laboratorio.
Saranno eseguiti test standard basati su metriche quali BLEU e Word-Error-Rate per la valutazione della qualità del testo prodotto da algoritmi di machine learning. Nel contesto della LIS questi test, eseguiti su dataset supervisionato diverso da quello usato in fase di addestramento, avranno lo scopo di misurare la qualità del testo prodotto rispetto alla traduzione reale dalla Lingua dei Segni. In questo OR pertanto misureremo l’accuratezza nel riconoscimento dei segni e della loro traduzione in linguaggio naturale. |
Leading partners:
|
|
|
Content & Service Extractor |
Il presente OR mira a concepire un sistema di Intelligenza Artificiale ibrido, vale a dire simbolico e sub-simbolico (neurale), che implementi per il presente progetto le componenti descritte nell’architettura della Piattaforma di Estrazione dei Contenuti e Servizi. Grazie alle attività di ricerca di questo OR verranno potenziate le componenti di estrazione sintattica e semantica messe a disposizione dai risultati del precedente e già citato progetto I4ALL, specifiche per la navigazione web, e verrà concepita la nuova componente morfologica del brevetto Mediavoice (Speaky Internet), relativa all’estrazione basata sulla struttura formale (pattern) dei contenuti, nei tre ambiti previsti dall’estrattore ovvero le applicazioni web, i documenti di vario formato (es. pdf) e le applicazioni mobile.
In questo OR Mediavoice sarà affiancata dal consulente Consulthink, un’innovativa azienda IT che opera nell’ambito dei Big Data e della sicurezza informatica, con la quale Mediavoice ha una lunga e consolidata partnership essendo insieme consorziate della rete di imprese TGT (To Get There). Consulthink ha ricevuto i premi “Eccellenza dell’Anno – Innovazione – Servizi ICT & Big Data” (2017) & “Impresa dell’Anno – Innovazione – Cyber Security” (2019), https://www.lefontiawards.it/vincitori.php. |
Leading partners:
|
|
|
Realizzazione VUI e Speech Platform |
Il presente OR prevede l’implementazione dei risultati di Ricerca nella Speech Platform.
Verranno qui sviluppate tutte le componenti concepite durante le precedenti attività di Ricerca e implementate in una piattaforma vocale personalizzata, realizzando un vero e proprio Elearning-Voice Bot con cui interagire in maniera semplice e intuitiva. Tale Voice Bot disporrà cioè di interfacce vocali (VUI - Voice User Interface) specificamente pensate per i contenuti ed i servizi formativi. Tali VUI includono i prompt vocali, le grammatiche di riconoscimento vocale ed i template per la realizzazione dei flussi di dialogo.
In questo OR Mediavoice sarà affiancata dal consulente Consulthink, un’innovativa azienda IT che opera nell’ambito dei Big Data e della sicurezza informatica, con la quale Mediavoice ha una lunga e consolidata partnership essendo insieme consorziate della rete di imprese TGT (To Get There). Consulthink ha ricevuto i premi “Eccellenza dell’Anno – Innovazione – Servizi ICT & Big Data” (2017) & “Impresa dell’Anno – Innovazione – Cyber Security” (2019), https://www.lefontiawards.it/vincitori.php |
Leading partners:
|
|
|
Ontologia LIS |
L'ISTC-CNR svilupperà costruzioni ontologiche che consentano l'accesso e la manipolazione simultanei di varie fonti di informazione linguistica, consentendo di gestire questioni come la variazione parametrica e la multilinearità che sono al centro della grammatica della lingua dei segni. Includere l'iconicità come uno dei parametri formativi consentirà di identificare le regole iconiche di base connesse ai tipi di situazione e alle affordances al centro delle esperienze umane, che sono simili in diverse lingue. Al centro di questo approccio traduttivo c'è un formato di rappresentazione della conoscenza basato sull'ontologia, che non è una semplice interlingua, ma un modello condiviso del mondo, rappresentato come tipi di situazioni/affordances mediante frame concettuali espressi in linguaggi per la rappresentazione della conoscenza operazionalizzabili sul Web (OWL, SWRL, SHACL, RDF, SPARQL). Un lavoro congiunto tra linguisti ed esperti di design ontologico definirà un'ontologia per l'annotazione delle espressioni nella lingua dei segni. Tale ontologia verrà utilizzata per definire il formato dell'annotazione. L'ontologia e il suo schema di annotazione derivato saranno basati su schemi di annotazione diffusi esistenti [Slonimska et al., 2020], nonché su nuove informazioni concepite per questo progetto (Iconicity and construals information). |
Leading partners:
- Istituto di Scienze e Tecnologie della Cognizione (ISTC) - CNR
|
|
|
Ontologia dei servizi e dei contenuti pedagogici |
ISTC-CNR svilupperà un’ontologia che integra i modelli di dati usati nei sistemi delle diverse istituzioni che forniscono contenuti formativi, o ne fruiscono. Un’ontologia in questo caso permette una condivisione della semantica tra i diversi data models e la conseguente interoperabilità delle applicazioni che intendono collegare servizi e dati eterogenei. L’ontologia sarà espressa nei linguaggi già menzionati nell’OR8: OWL, SWRL, RDF. L’ontologia servirà a fornire una semantica condivisa ai sistemi di gestione della formazione e all’estrazione della struttura contenuti formativi (OR6).
ISTC-CNR fornirà inoltre expertise su come estrarre automaticamente knowledge graph a partire dai contenuti pedagogici, per esempio, dato il testo di un contenuto formativo, si estrae un modello formale (OWL, SWRL, RDF) in modo spiegabile, che rappresenta tutti o alcuni dei contenuti e la loro struttura. ISTC-CNR ha sviluppato FRED, l’estrattore automatico di conoscenza formale da testo attualmente stato dell’arte (http://wit.istc.cnr.it/stlab-tools/fred) e contribuisce allo sviluppo di SPARQLAnything, un estrattore di dati da formati arbitrari (https://github.com/SPARQL-Anything/sparql.anything). |
Leading partners:
- Istituto di Scienze e Tecnologie della Cognizione (ISTC) - CNR
|
|
|
Framework Pedagogico L4ALL |
OR10 ha l’obiettivo di analizzare le componenti psico-pedagogiche, cognitive e tecnologiche con un approccio multidisciplinare, per definire un nuovo modello psicopedagogico incentrato sul paradigma dell’Universal Design for Learning. OR10 inoltre si occuperà di predisporre linee guida, casi d’uso, metodologie e raccomandazioni per gli utenti coinvolti negli aspetti gestionali, progettuali e di utilizzo in ambito accademico e di formazione professionale, ed in particolare di manager didattici e course designer, docenti e ovviamente studenti.
Gli obiettivi specifici di OR10 sono:
● Identificare i requisiti psicopedagogici per ambienti di apprendimento online accessibili a livello universitario e di formazione professionale;
● Definire e validare gli aspetti psicologico-cognitivi, pedagogici e tecnologici per un modello integrato di Universal design for learning;
● Elaborare i risultati dei pilot e consolidare il lavoro metodologico e di instructional design per rilasciare strumenti (linee guida, use cases, metodologie) che consentano l’adozione della piattaforma L4ALL e la replicabilità delle attività svolte in fase progettuale per altre istituzioni a livello nazionale e internazionale, e in contesti diversi
|
Leading partners:
- International Telematic University UNINETTUNO
|
|