Investigadores desarrollan nueva IA para ayudar a crear sistemas de tutoría

Investigadores de la Universidad Carnegie Mellon han demostrado cómo pueden construir sistemas de tutoría inteligentes. Estos sistemas son efectivos para enseñar diversas materias, incluidas álgebra y gramática. 

Los investigadores utilizaron un nuevo método que se basa en la inteligencia artificial para permitir que un maestro enseñe una computadora. La redacción hace que este método parezca confuso, pero piénselo como una computadora a la que un maestro humano le enseña cómo enseñar. El maestro humano puede enseñarle a la computadora mostrándole cómo resolver ciertos problemas, como la suma de varias columnas. Si la computadora resuelve mal el problema, el maestro puede corregirlo. 

Resolver problemas por sí solo

Una de las partes interesantes de este método es que el sistema informático no solo puede enseñar y resolver los problemas de la forma en que se enseñó, sino que también puede resolver todos los demás problemas del tema mediante la generalización. Esto significa que la computadora puede terminar resolviendo un problema fuera de las formas en que el maestro le enseñó. 

Daniel Weitekamp III es estudiante de doctorado en el Human-Computer Interaction Institute (HCII) de CMU. 

“Un estudiante podría aprender una forma de resolver un problema y eso sería suficiente”, dijo Weitekamp. “Pero un sistema de tutoría necesita aprender todo tipo de formas de resolver un problema. Necesita aprender cómo enseñar a resolver problemas, no solo cómo resolver problemas”.

El desafío que explica Weitekamp es uno de los mayores en el desarrollo de sistemas de tutoría basados ​​en IA. Los sistemas de tutoría inteligente recientemente desarrollados pueden rastrear el progreso de los estudiantes, ayudar a determinar qué hacer a continuación y ayudar a los estudiantes a desarrollar nuevas habilidades al seleccionar problemas de práctica efectivos. 

El desarrollo de sistemas de tutoría basados ​​en IA

Ken Koedinger es profesor de psicología e interacción humano-computadora. Koedinger fue uno de los primeros desarrolladores de tutores inteligentes y, al trabajar con otros, las reglas de producción se programaron a mano. Según Koedinger, cada hora de instrucción tutorizada tomó 200 horas de desarrollo. Eventualmente, el grupo desarrolló un método más efectivo, que demostró todas las formas posibles de resolver un problema. Esto redujo las 200 horas a 40 o 50, pero es extremadamente difícil demostrar todas las soluciones posibles para algunos patrones. 

Koedinger ha dicho que el nuevo método podría terminar permitiendo que un maestro desarrolle una lección de 30 minutos en la misma cantidad de tiempo. 

"La única forma de llegar al tutor inteligente completo hasta ahora ha sido escribir estas reglas de IA", dijo Koedinger. "Pero ahora el sistema está escribiendo esas reglas".

En el nuevo método, se utiliza un programa de aprendizaje automático para simular las formas en que aprenden los estudiantes. Weitekamp creó una interfaz de enseñanza que utiliza un proceso de "mostrar y corregir" para la programación.

Si bien el método se demostró con la suma de varias columnas, el motor de aprendizaje automático que se utiliza se puede aplicar a otras materias, como la resolución de ecuaciones, la suma de fracciones, la química, la gramática inglesa y los entornos de experimentos científicos. 

Uno de los principales objetivos de este método es permitir que los profesores construyan sus propias lecciones computarizadas, sin la necesidad de un programador de IA. Esto permite a los profesores aplicar sus propios puntos de vista personales sobre cómo enseñar o qué métodos utilizar. 

Weitekamp, ​​Koedinger y el científico del sistema HCII Erik Harpstead escribieron el artículo que describe el método. Fue aceptado por la Conferencia de Factores Humanos en Sistemas de Computación (CHI 2020). La conferencia estaba originalmente planeada para este mes, pero la pandemia de COVID-19 obligó a cancelarla. El documento ahora se puede encontrar en las actas de la conferencia, ubicadas en la Biblioteca Digital de la Asociación de Maquinaria de Computación.

El Instituto de Ciencias de la Educación y Google ayudaron a respaldar la investigación.