نموذج الذكاء الاصطناعي يمكن أن يتنبأ بكمية ما يتعلمه الطلاب

قام باحثون من جامعة ولاية كارولينا الشمالية بتطوير نموذج ذكاء اصطناعي يمكنه التنبؤ بكمية ما يتعلمه الطلاب في الألعاب التعليمية. يعتمد النموذج على التعلم المتعدد المهام، وهو مفهوم تدريب ذكاء اصطناعي حيث يقوم نموذج واحد بمهام متعددة. يمكن أن يساعد النظام في تحسين التعليم ونتائج التعلم.

Jonathan Rowe هو współautor ورقة البحث وباحث في مركز المعلومات التعليمية في جامعة ولاية كارولينا الشمالية.

“في حالتنا، أردنا أن يكون النموذج قادرًا على التنبؤ بwhether سوف ي trả lời الطالب كل سؤال في الاختبار بشكل صحيح، بناءً على سلوك الطالب أثناء لعب لعبة تعليمية تسمى Crystal Island،” يقول Rowe.

“المنهج المعتاد لحل هذه المشكلة يبحث فقط في الدرجة الكلية للاختبار، ويعتبر الاختبار مهمة واحدة،” يواصل. “في سياق إطار التعلم المتعدد المهام، لدينا 17 مهمة — لأن الاختبار يحتوي على 17 سؤالًا.”

استخدم الباحثون بيانات اللعب والاختبار من 181 طالبًا. قام الذكاء الاصطناعي بتحليل لعب كل طالب وكيفية إجابته على السؤال الأول في الاختبار. تعلم الذكاء الاصطناعي السلوكيات الشائعة للطلاب الذين أجابوا على السؤال الأول بشكل صحيح، ثم تعلم سلوكيات أولئك الذين أجابوا بشكل خاطئ. مع هذه البيانات، كان الذكاء الاصطناعي قادرًا على تحديد كيف سوف ي回答 طالب جديد السؤال الأول.

تتم هذه الوظيفة في نفس الوقت لكل سؤال. بينما يتم استعراض نفس لعب الطالب، يدرس الذكاء الاصطناعي السلوك في سياق السؤال 2، السؤال 3، إلخ.

كان النهج المتعدد المهام ناجحًا وجعل فرقًا. كان نموذج التعلم المتعدد أكثر دقة بنسبة 10٪ تقريبًا من النماذج الأخرى التي تستخدم أساليب التدريب التقليدية للذكاء الاصطناعي.

Michael Geden هو المؤلف الأول للورقة وباحث ما بعد الدكتوراه في جامعة ولاية كارولينا الشمالية.

“نحن نتخيل استخدام هذا النوع من النماذج بطريقة يمكن أن تفيد الطلاب،” يقول. “يمكن استخدامه لإعلام المعلمين عندما يشير لعب الطالب إلى أن الطالب قد يحتاج إلى تعليم إضافي. يمكن استخدامه أيضًا لتمكين ميزات اللعب التكيفية في اللعبة نفسها. على سبيل المثال، تغيير قصة لتجديد المفاهيم التي يجد الطالب صعوبة في فهمها.

“لقد أدركت علم النفس منذ فترة طويلة أن الأسئلة المختلفة لها قيم مختلفة،” يواصل Geden. “يعمل هنا نهج متعدد التخصصات ي 结ب هذا الجانب من علم النفس مع نهج التعلم العميق والتعلم الآلي للذكاء الاصطناعي.”

Andrew Emerson هو współautor للورقة وطالب دكتوراه في جامعة ولاية كارولينا الشمالية.

“هذا يفتح الباب أيضًا لدمج تقنيات نمذجة أكثر تعقيدًا في البرمجيات التعليمية — خاصة البرمجيات التعليمية التي تكيفت مع احتياجات الطالب،” يقول Emerson.

الورقة بعنوان “التنبؤ بنمذجة الطلاب في الألعاب التعليمية مع التعلم المتعدد المهام”، وستتم تقديمها في مؤتمر AAAI الرابع والثلاثين حول الذكاء الاصطناعي الذي من المقرر أن يعقد بين 7 و 12 فبراير في مدينة نيويورك. كان współautorzy الورقة James Lester، أستاذ جامعة متميز في علوم الحاسوب ومدير CEI في جامعة ولاية كارولينا الشمالية، وRoger Azevedo من جامعة فلوريدا الوسطى.

دعم العمل من قبل مؤسسة العلوم الوطنية ومجلس الأبحاث الكندي للعلوم الاجتماعية والعلوم الإنسانية.