Wie Riiid! einen neuen Zeitalter des AI-basierten Lernens herbeiführt

Riiid ist ein südkoreanisches Startup-Unternehmen der Serie C mit 31,3 Millionen Dollar Finanzierung. Das Unternehmen entwickelt und bietet AI-gestützte Lösungen für den Bildungssektor an, mit einem speziellen Fokus auf standardisierte Tests.

Das Team bei Riiid führt auch Forschungen durch, um die AI-Modelle zu entwickeln, die dann auf der kommerziellen Plattform des Unternehmens namens “Santa” verwendet werden.

Santa und ITSs

Santa ist ein mehrplattformfähiges englischsprachiges Intelligent Tutoring System (ITS) und enthält einen AI-Tutor, der einen individuellen Lehrplan für die Benutzer bietet.

ITSs erhalten viel Aufmerksamkeit in beiden Bereichen, AI und Bildung, hauptsächlich aufgrund ihrer Fähigkeit, den Schülern persönliche Lernerfahrungen durch den Einsatz von Deep-Learning-Algorithmen zu bieten. ITSs schlagen bestimmte Lernstrategien für Einzelpersonen vor.

Santa ist eine Testvorbereitungsplattform für den Test of English for International Communication (TOEIC). Die Plattform hat über eine Million Benutzer in Südkorea, speziell für den TOEIC.

Nach der Eröffnung des ersten US-Büros Anfang 2020 plant Riiid, weiter zu expandieren und über den TOEIC hinaus zu gehen, mit dem Ziel, andere Testbereiche wie den ACT, SAT und GMAT anzusprechen.

Neue Studien und Forschung

Das Unternehmen hat zwei aktuelle Forschungsarbeiten veröffentlicht, mit einem der wichtigsten Ergebnisse, dass Deep-Learning-Algorithmen dazu beitragen können, die Schülerbeteiligung zu verbessern.

Eine der Arbeiten trägt den Titel “Prescribing Deep Attentive Score Prediction Attracts Improved Student Engagement“, der auf der Spitzenkonferenz für AI-Bildung Educational Data Mining (EDM) angenommen wurde.

Das Team führte einen kontrollierten A/B-Test auf dem ITS mit zwei separaten Modellen auf der Grundlage von Collaborative Filtering und Deep-Learning-Algorithmen durch.

Nachdem der Test auf 78.000 Benutzern durchgeführt wurde, wurde festgestellt, dass die Deep-Learning-Algorithmen zu einer höheren Schülermoral führten, wie z.B. einer höheren Diagnosetestabschlussquote und einer höheren Anzahl von beantworteten Fragen. Sie führten auch zu einer aktiveren Beteiligung auf Santa, wie durch eine höhere Kaufquote und einen verbesserten Gesamtgewinn gezeigt.

Die zweite Arbeit trug den Titel “Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment” und wurde von der globalen AI-Bildungskonferenz CSEDU angenommen.

Die Arbeit konzentrierte sich auf die Schülerbeteiligung und das Team suchte nach Erkenntnissen über die Vorhersage von Studienabbrüchen, insbesondere in Bezug auf die Vorhersage von Studienabbrüchen in einer mobilen Lernumgebung. Durch die Beobachtung dieses Problems glaubte das Team, dass es eine Chance gab, die Schülerbeteiligung zu erhöhen.

Die Forschung schlug eine Methode vor, um die Lerneffekte zu maximieren, indem die Abbruchwahrscheinlichkeit einzelner Benutzer in der mobilen Lernumgebung beobachtet wird. Ihr Modell heißt DAS oder Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment.

Durch den Einsatz von Deep-Attentive-Berechnungen, die Informationen aus den Interaktionen der Schüler extrahieren, kann Riiids Modell die Abbruchwahrscheinlichkeit genau vorhersagen.

Die Santa-Plattform wurde in das Modell integriert und bot Fragen, die als having eine niedrige Abbruchwahrscheinlichkeit galten. Durch die Empfehlung bestimmter Fragen waren die Schüler eher bereit, sich zu engagieren und weiter zu lernen, anstatt die Sitzung abzubrechen.

Laut dem Forschungsteam ist “dies der erste Versuch, Studienabbrüche in einer mobilen Lernumgebung zu untersuchen”.

Riiid ist eines der weltweit führenden Startups für die Entwicklung von ITSs und die Bereitstellung von AI-Lösungen im Bildungssektor. Da Bildung und AI-Technologie immer mehr miteinander verknüpft sind, werden Unternehmen wie Riiid ein neues Zeitalter des Lernens und der Systeme herbeiführen, während sie versuchen, die aktuellen Herausforderungen im Bereich der Schülerbeteiligung zu überwinden.