Modelo de inteligencia artificial puede predecir cuánto están aprendiendo los estudiantes

Investigadores de la Universidad Estatal de Carolina del Norte han desarrollado un modelo de inteligencia artificial (IA) que es capaz de predecir la cantidad que los estudiantes están aprendiendo en juegos educativos. El modelo se basa en el aprendizaje multi-tarea, un concepto de entrenamiento de IA en el que un modelo realiza múltiples tareas. El sistema puede ayudar a mejorar la instrucción y los resultados del aprendizaje.

Jonathan Rowe es el coautor del artículo que detalla el trabajo y un científico de investigación en el Centro de Informática Educativa (CEI) de la Universidad Estatal de Carolina del Norte.

“En nuestro caso, queríamos que el modelo pudiera predecir si un estudiante respondería correctamente a cada pregunta de un examen, en función de su comportamiento mientras jugaba a un juego educativo llamado Crystal Island”, dice Rowe.

“El enfoque estándar para resolver este problema solo considera la puntuación general del examen, viendo el examen como una sola tarea”, continúa. “En el contexto de nuestro marco de aprendizaje multi-tarea, el modelo tiene 17 tareas, porque el examen tiene 17 preguntas”.

Los investigadores utilizaron datos de juego y pruebas de 181 estudiantes. La IA analizó el juego de cada estudiante y cómo respondieron a la Pregunta 1 del examen. La IA aprendió los comportamientos comunes de los estudiantes que respondieron correctamente a la Pregunta 1, y luego aprendió los comportamientos de aquellos que respondieron incorrectamente. Con estos datos, la IA pudo determinar cómo un nuevo estudiante respondería a la Pregunta 1.

La función se realiza al mismo tiempo para cada pregunta. Mientras que el juego que se revisa para un estudiante es el mismo, la IA estudia el comportamiento en el contexto de la Pregunta 2, la Pregunta 3, etc.

El enfoque multi-tarea fue exitoso y marcó una diferencia. El modelo multi-tarea fue alrededor de un 10 por ciento más preciso que los otros modelos que utilizaron métodos de entrenamiento de IA convencionales.

Michael Geden es el autor principal del artículo y un investigador postdoctoral en NC State.

“Visualizamos que este tipo de modelo se utilice de varias maneras que pueden beneficiar a los estudiantes”, dice. “Puede utilizarse para notificar a los maestros cuando el juego de un estudiante sugiera que el estudiante puede necesitar instrucción adicional. También puede utilizarse para facilitar características de juego adaptativas en el juego en sí. Por ejemplo, alterar una trama para revisitar los conceptos con los que un estudiante está luchando.

“La psicología ha reconocido durante mucho tiempo que diferentes preguntas tienen diferentes valores”, continúa Geden. “Nuestro trabajo aquí adopta un enfoque interdisciplinario que combina este aspecto de la psicología con enfoques de aprendizaje profundo y aprendizaje automático de IA”.

Andrew Emerson es el coautor del artículo y un estudiante de doctorado en NC State.

“Esto también abre la puerta a incorporar técnicas de modelado más complejas en software educativo, particularmente en software educativo que se adapta a las necesidades del estudiante”, dice Emerson.

El artículo se titula “Modelado predictivo de estudiantes en juegos educativos con aprendizaje multi-tarea” y se presentará en la 34ª Conferencia de la AAAI sobre Inteligencia Artificial que tendrá lugar entre el 7 y el 12 de febrero en Nueva York, NY. Los coautores del artículo fueron James Lester, Profesor Distinguido de Ciencias de la Computación y director del CEI en NC State, así como Roger Azevedo de la Universidad de Florida Central.

El trabajo fue apoyado por la Fundación Nacional de Ciencias y el Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá.