Forskere udvikler ny AI til at hjælpe med at skabe undervisningssystemer

Forskere fra Carnegie Mellon University har demonstreret, hvordan de kan bygge intelligente undervisningssystemer. Disse systemer er effektive til at undervise i forskellige fag, herunder algebra og grammatik.

Forskerne har brugt en ny metode, der afhænger af kunstig intelligens for at tillade en lærer at undervise en computer. Formuleringen gør denne metode lidt forvirrende, men tænk på det som en computer, der bliver undervist i at undervise af en menneskelig lærer. Computeren kan blive undervist af den menneskelige lærer ved at vise det, hvordan man løser bestemte problemer, såsom multicolumnaddition. Hvis computeren får problemet forkert, kan læreren korrigere det.

Løser Problemer På Egen Hånd

En af de interessante dele af denne metode er, at computersystemet ikke kun kan undervise og løse problemer, som det er blevet undervist i, men det kan også løse alle andre problemer i emnet ved at generalisere. Dette betyder, at computeren kan ende med at løse et problem på en måde, som læreren ikke har undervist det i.

Daniel Weitekamp III er en ph.d.-studerende på CMU’s Human-Computer Interaction Institute (HCII).

“En student kan lære en måde at løse et problem på, og det ville være tilstrækkeligt,” sagde Weitekamp. “Men et undervisningssystem skal lære alle mulige måder at løse et problem på. Det skal lære, hvordan man underviser i at løse problemer, og ikke kun hvordan man løser problemer.”

Udfordringen, som Weitekamp forklarer, er en af de største i udviklingen af AI-baserede undervisningssystemer. Nyligt udviklede intelligente undervisningssystemer kan spore elevens fremgang, hjælpe med at bestemme, hvad man skal gøre herefter, og hjælpe eleverne med at udvikle nye færdigheder ved at vælge effektive øvelsesopgaver.

Udviklingen Af AI-Baserede Undervisningssystemer

Ken Koedinger er professor i human-computer-interaktion og psykologi. Koedinger var en af de tidlige udviklere af intelligente undervisere, og sammen med andre, blev produktionsregler programmeret manuelt. Ifølge Koedinger, tog hver time undervisning 200 timer udvikling. Til sidst udviklede gruppen en mere effektiv metode, der demonstrerede alle mulige måder at løse et problem på. Dette reducerede de 200 timer til 40 eller 50, men det er ekstremt svært at demonstrere alle mulige løsninger til visse mønstre.

Koedinger har sagt, at den nye metode kan ende med at tillade en lærer at udvikle en 30-minutters lektion på samme tid.

“Den eneste måde at få den fulde intelligente underviser på nu er at skrive disse AI-regler,” sagde Koedinger. “Men nu skriver systemet disse regler.”

I den nye metode bruges et maskinelæringprogram til at simulere, hvordan eleverne lærer. En undervisningsgrænseflade blev skabt af Weitekamp, og den anvender en “vis-og-korrigér”-proces til programmering.

Selvom metoden blev demonstreret med multicolumnaddition, kan den maskinelæringsemotor, der bruges, anvendes på andre fag, såsom ligningløsning, brøkaddition, kemi, engelsk grammatik og videnskabelige eksperimentmiljøer.

En af de vigtigste mål er, at denne metode skal tillade lærere at konstruere deres egne computerbaserede lektioner uden behov for en AI-programmerer. Dette giver lærerne mulighed for at anvende deres egne personlige synspunkter på, hvordan man underviser eller hvilke metoder man skal bruge.

Weitekamp, Koedinger og HCII System Scientist Erik Harpstead har skrevet artiklen om metoden. Den blev accepteret af Conference of Human Factors in Computing Systems (CHI 2020). Konferencen var oprindeligt planlagt til denne måned, men COVID-19-pandemien tvang den til at blive aflyst.Artiklen kan nu findes i konferenceproceedings, der er placeret i Association for Computing Machinery’s Digital Library.

Institut for uddannelsesvidenskab og Google (GOOGL ) har hjulpet med at støtte forskningen.