Die Forschung hat gezeigt, dass es eine Korrelation zwischen dem Befinden des Lernenden und dem Lernerfolg gibt. Die nachteiligen Auswirkungen eines ungünstigen Befindens wurden sowohl in traditionellen Klassenzimmern als auch beim computerunterstützten Lernen beobachtet. Folglich ist es von großer Bedeutung, effektive Interventionsstrategien zu identifizieren, um den Lernprozess zu verbessern. Studien im Bereich intelligenter Tutorensysteme haben gezeigt, dass ein Tutorensystem, das sensibel auf den Affekt des Lerners reagiert, einen positiven Einfluss auf das Lernen haben kann.

Das Ziel dieses Projekts ist es, ein sensitives Tutorensystem für Kinder zu entwickeln, das seine pädagogischen Strategien kontinuierlich auf der Basis von affektbezogenen Lernerzuständen anpasst, die wahrscheinlich einen negativen Einfluss auf den Lernprozess haben. Im Besonderen konzentrieren wir uns auf Disengagement, das in der Regel durch eine negative Einstellung gegenüber dem Lerngegenstand, der Lernumgebung oder dem Lehrer verursacht wird.

Das Projekt kombiniert Fortschritte im crossmodalen maschinellen Lernen. Das Verhalten des Tutors wird dynamisch an die erkannten Zustände des Lerners und dessen Lernforschritt angepasst. Hierfür werden kausale Zusammenhänge zwischen den Handlungen des Tutors und Disengagement des Lerners untersucht, um die Handlungen des Tutors anschließend mit Reinforcement Learning (RL) zu verbessern.