Model AI může předpovídat, kolik se studenti učí

Výzkumníci z Severokarolínské státní univerzity vyvinuli model umělé inteligence (AI), který je schopen předpovídat, kolik se studenti učí v vzdělávacích hrách. Model se spoléhá na multi-úkolové učení, koncept školení AI, kde jeden model provádí několik úkolů. Systém může pomoci zlepšit instrukce a výsledky učení.

Jonathan Rowe je spoluautor článku, který popisuje práci a výzkumný pracovník Severokarolínské státní univerzity v Centru pro vzdělávací informatiku (CEI).

“V našem případě jsme chtěli, aby model mohl předpovídat, zda student správně zodpoví každou otázku v testu, na základě chování studenta při hraní vzdělávací hry nazvané Crystal Island,” říká Rowe.

“Standardní přístup k řešení tohoto problému se zaměřuje pouze na celkové skóre testu, přičemž test je považován za jeden úkol,” pokračuje. “V kontextu našeho rámce multi-úkolového učení má model 17 úkolů – protože test má 17 otázek.”

Výzkumníci použili data z hraní a testování 181 studentů. AI analyzovala hraní každého studenta a jak odpověděli na otázku 1 v testu. AI se naučila běžné chování studentů, kteří odpověděli na otázku 1 správně, a poté se naučila chování těch, kteří odpověděli nesprávně. S těmito daty byl AI schopen určit, jak by nový student odpověděl na otázku 1.

Tato funkce se provádí současně pro každou otázku. Zatímco hraní, které je pro studenta přezkoumáno, je stejné, AI studuje chování v kontextu otázky 2, otázky 3 atd.

Multi-úkolový přístup byl úspěšný a udělal rozdíl. Multi-úkolový model byl asi o 10 procent přesnější než ostatní modely, které používaly konvenční metody školení AI.

Michael Geden je prvním autorem článku a postdoktorálním výzkumníkem na NC State.

“Představujeme si, že tento typ modelu bude použit několika způsoby, které mohou prospět studentům,” říká. “Mohl by být použit k upozornění učitelů, když hra studenta naznačuje, že student může potřebovat další instrukce. Mohl by být také použit k usnadnění adaptivních funkcí hry samotné. Například změna příběhu, aby se vrátil k pojmům, se kterými student zápasí.

“Psychologie již dlouho uznává, že různé otázky mají různé hodnoty,” pokračuje Geden. “Naše práce zde používá interdisciplinární přístup, který spojuje tento aspekt psychologie s hlubokým učením a přístupy strojového učení k AI.”

Andrew Emerson je spoluautorem článku a doktorandem na NC State.

“To také otevírá dveře k začlenění složitějších modelovacích technik do vzdělávacího softwaru – zejména vzdělávacího softwaru, který se přizpůsobuje potřebám studenta,” říká Emerson.

Článek se jmenuje „Prediktivní modelování studentů ve vzdělávacích hrách s multi-úkolovým učením“ a bude prezentován na 34. konferenci AAAI o umělých inteligencích, která se bude konat mezi 7. a 12. únorem v New Yorku. Spoluautoři článku byli James Lester, Distinguished University Professor of Computer Science a ředitel CEI na NC State, a Roger Azevedo z University of Central Florida.

Práce byla podporována Národní vědeckou nadací a Radou pro výzkum sociálních a humanitních věd Kanady.