El modelo de IA puede predecir cuánto están aprendiendo los estudiantes

Investigadores de Universidad Estatal de Carolina del Norte han desarrollado un modelo de inteligencia artificial (IA) que es capaz de predecir cuánto aprenden los estudiantes en juegos educativos. El modelo se basa en el aprendizaje multitarea, 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 coautor del artículo que detalla el trabajo y científico investigador del 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 cada pregunta de un examen, basándose en su comportamiento mientras jugaba a un juego educativo llamado Crystal Island”, afirma Rowe.

“El enfoque estándar para resolver este problema se centra únicamente en el puntaje general de la prueba, considerando la prueba como una tarea”, continúa. “En el contexto de nuestro marco de aprendizaje de tareas múltiples, el modelo tiene 17 tareas, porque la prueba 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 la Pregunta 1 de la prueba. La IA aprendió los comportamientos comunes de los estudiantes que respondieron correctamente la Pregunta 1 y luego aprendió los comportamientos de aquellos que respondieron incorrectamente. Con estos datos, la IA pudo determinar cómo respondería un nuevo estudiante a la Pregunta 1.

La función se realiza al mismo tiempo para cada pregunta. Si bien 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 multitarea fue exitoso y marcó la diferencia. El modelo multitarea 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 primer autor del artículo e investigador postdoctoral en NC State.

“Prevemos que este tipo de modelo se utilice de dos maneras que beneficien a los estudiantes”, afirma. “Podría utilizarse para notificar a los profesores cuando la experiencia de juego de un estudiante sugiera que podría necesitar instrucción adicional. También podría utilizarse para facilitar funciones de juego adaptativas en el propio juego. Por ejemplo, modificar la trama para repasar los conceptos con los que un estudiante tiene dificultades”.

"La psicología ha reconocido desde hace 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 para la IA".

Andrew Emerson es coautor del artículo y Ph.D. estudiante en NC State.

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

El documento se titula "Modelado predictivo de estudiantes en juegos educativos con aprendizaje multitarea" y se presentará en la 34.ª Conferencia AAAI sobre Inteligencia Artificial que se llevará a cabo entre el 7 y el 12 de febrero en Nueva York, NY. -los autores del artículo fueron James Lester, Profesor Universitario Distinguido de Ciencias de la Computación y director de 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.