Lernen von der Umgebung aus der Perspektive des Kindes

• Antragstellerinnen: Professorin Dr. Gemma Roig; Professorin Dr. Yee Lee Shing
• Fachliche Zuordnung: Entwicklungspsychologie und Pädagogische Psychologie ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 539642788

Das Paradigma in der sozialwissenschaftlichen Forschung zur Kinderentwicklung basiert oft auf Beobachtungen und Umfragen, wodurch unser Verständnis auf die Sicht von Erwachsenen beschränkt ist. Unser interdisziplinärer Ansatz, der Entwicklungspsychologie und Informatik kombiniert, will dieses Paradigma revolutionieren. Wir wollen die Erfahrungen der Kinder aus der visuellen Ich-Perspektive erfassen, unterstützt durch die Annahme, dass Lernen ein komplexes, rechnerisches Problem ist, das maßgeblich durch die dynamische Interaktion zwischen Kind und Umwelt bedingt ist. Dank neuer Fortschritte in Deep Learning planen wir einen robusten methodischen Ansatz, der tragbare Technologien und Künstliche Intelligenz (KI) integriert. Damit wollen wir Alltagserfahrungen von Kindern zwischen einem und fünf Jahren in natürlichen Umgebungen erforschen. Wir planen dies in drei Arbeitspaketen (APs) mit folgenden Zielen zu operationalisieren: AP1: Blickbewegung und Kognition: Mit tragbaren Eye-Trackern wollen wir Blickbewegungsmuster während des freien Spiels analysieren und diese mit kognitiven und psychologischen Metriken wie kognitive Kontrolle, Gedächtnis und Verhaltenstendenzen wie Hyperaktivität und Unaufmerksamkeit zu verbinden. AP2: Umweltqualität: Wir planen, die Qualität und Informationsdichte der häuslichen Umgebung durch KI-Algorithmen zu bewerten, die Videoaufnahmen von Kopfkameras analysieren können. Dies würde uns ein objektives Maß von der Umweltgestaltung mit ihren verfügbaren Lernmöglichkeiten geben. AP3: Dynamik der Eltern-Kind-Interaktion: Mit Zeitreihenanalysen untersuchen wir die zeitlichen Beziehungen zwischen den von Kindern und Eltern erhobenen Informationen, um Interaktionsmuster zu identifizieren, die das Gedächtnisentwicklung des Kindes beeinflussen. Unsere Methodik setzt Kopfkameras bei Kind und Eltern in ihren Alltagsinteraktionen Zuhause ein und verwendet vorrangig state-of-the-art Deep-Learning-Algorithmen (wie CLIP, Whisper, und andere) für die (halb-)automatische Datenkodierung, um die arbeitsintensive manuelle Kodierung zu ersparen. Zur Validierung werden KI-generierte Metriken mit traditionellen Methoden wie manuellen Kodierungen, Umfragen und psychologischen Tests korreliert. Dieser Vorschlag ist im Einklang mit dem SPP-Forschungsbereich 4, und wir erwarten, dass unsere Erkenntnisse nicht nur bestehende Wissenslücken füllen, sondern auch neue Methoden in den Sozialwissenschaften fördern werden.

• DFG-Verfahren: Infrastruktur-Schwerpunktprogramme
• Teilprojekt zu: SPP 2431: Bereich Infrastruktur - Neue Datenräume für die Sozialwissenschaften