Daniel L. Schwartz ist I. James Quillen Dean sowie Nomellini & Olivier Professor für Educational Technology in Stanford und leitet dort den Transforming Learning Accelerator. Der Accelerator ist eine gross angelegte interdisziplinäre Initiative, mit der die Wissenschaft des Lernens und die Gestaltung von Lernvorgängen vorangetrieben werden soll, um effektive und faire Bildungslösungen für die ganze Welt zu entwickeln. Schwartz ist Experte auf den Gebieten des menschlichen Lernens und der Bildungstechnologien und er forscht in der Nische, die sich mit der Verbindung von topaktuellen Studien zur kognitiven Psychologie und Bildung beschäftigt.
Schwartz ist für seine innovativen pädagogischen Experimente bekannt. Seine Arbeit hat Bereiche wie beispielsweise Unterrichtsgestaltung sowie Beurteilung und Anwendung von Lernerfahrungen weiterentwickelt. Seine Ergebnisse werden dank seines populären Buches The ABCs of How We Learn: 26 Scientifically Proven Approaches, How They Work, and When to Use Them und anderer Veröffentlichungen vielfach aufgegriffen und in Bildungseinrichtungen entlang der gesamten Bildungsbiographie umgesetzt.
Die mit dem Klaus J. Jacobs Research Prize verbundenen Gelder möchte Dr. Schwartz nutzen, um seine Forschung zum Einsatz künstlicher Intelligenz in Bildungseinrichtungen auszubauen und dabei den Schwerpunkt auf den Teachable Agent (TA) zu legen. Der TA ist eine von ihm mit vielversprechenden Ergebnissen getestete und entwickelte Technologie, die den Unterricht in logischem Denken mit Daten und Aussagen unterstützt.
Ausserdem will er den grundsätzlichen Hypothesen nachgehen, wie Menschen mittels eines TA logisches Denken beigebracht werden kann und welchen Mehrwert ein TA bei der Unterstützung der Lernprozesse und des Transfers im Unterricht sowie bei informellen Lernerlebnissen leisten kann. Zu den Projektzielen gehören die Gestaltung eines effektiven und skalierbaren TA für diese spezielle Art der Lernprozesse; die Erfassung und Analyse umfangreicher Daten dazu, wie Schüler verschiedener Altersklassen Forschungsstudien gestalten; und die Entwicklung eines Pakets von TA-Technologien, welche Kausalität, Aussagelogik und Schlussfolgerungen zu Daten und Aussagen unterstützen.
