Tekoälymalli voi ennustaa, kuinka paljon opiskelijat oppivat

Pohjois-Carolinan osavaltion yliopiston tutkijat ovat kehittäneet tekoälymallin, joka pystyy ennustamaan, kuinka paljon opiskelijat oppivat opetuspelien aikana. Malli perustuu monitehtävään oppimiseen, jossa yksi malli suorittaa useita tehtäviä. Järjestelmä voi auttaa parantamaan opetusta ja oppimistuloksia.

Jonathan Rowe on yksi tutkimuksen kirjoittajista ja tutkija Pohjois-Carolinan osavaltion yliopiston Center for Educational Informatics -yksikössä.

“Halusimme, että malli pystyisi ennustamaan, vastaako opiskelija kunkin kysymyksen oikein, opiskelijan käyttäytymisen perusteella opetuspelissä nimeltä Crystal Island”, Rowe sanoo.

“Tavallinen lähestymistapa tähän ongelmaan tarkastelee vain kokonaisarvosanaa, ja kokee kokeen yhtenä tehtävänä”, hän jatkaa. “Monitehtävän oppimisemme puitteissa mallilla on 17 tehtävää, koska kokeessa on 17 kysymystä.”

Tutkijat käyttivät 181 opiskelijan peli- ja kokeidata. Tekoäly analysoi kunkin opiskelijan pelikäyttäytymistä ja sitä, miten he vastasivat kysymyksiin. Tekoäly oppi ymmärtämään, mitkä olivat yleisiä käyttäytymismalleja opiskelijoilla, jotka vastasivat kysymyksiin oikein, ja mitkä olivat yleisiä käyttäytymismalleja opiskelijoilla, jotka vastasivat väärin. Tämän tiedon avulla tekoäly pystyi ennustamaan, miten uusi opiskelija vastaisi kysymyksiin.

Tämä toiminto suoritetaan samanaikaisesti jokaiselle kysymykselle. Vaikka pelikäyttäytyminen, jota tarkastellaan opiskelijalle, on sama, tekoäly tarkastelee käyttäytymistä kysymyksen 2, kysymyksen 3 jne. kontekstissa.

Monitehtäväinen lähestymistapa oli onnistunut ja teki eroa. Monitehtäväinen malli oli noin 10 prosenttia tarkin kuin muut mallit, jotka käyttivät perinteisiä tekoälykoulutusmenetelmiä.

Michael Geden on yksi tutkimuksen kirjoittajista ja post-doc-tutkija NC Statessa.

“Me kuvittelemme, että tällaista mallia voidaan käyttää useilla tavoilla, jotka voivat hyödyttää opiskelijoita”, hän sanoo. “Se voidaan käyttää ilmoittamaan opettajille, kun opiskelijan pelikäyttäytyminen viittaa siihen, että opiskelija tarvitsee lisäohjausta. Se voidaan myös käyttää mahdollistamaan sopeutuvia peliominaisuuksia itse pelissä. Esimerkiksi muuttamalla tarinaa jotta opiskelija voi käydä läpi ne käsitteet, joissa hän kamppailee.

“Psykologia on jo kauan tunnustanut, että eri kysymyksillä on eri arvo”, Geden jatkaa. “Tämä työ ottaa monitieteisen lähestymistavan, jossa yhdistetään psykologian näkökulma syvään oppimiseen ja tekoälyyn.”

Andrew Emerson on yksi tutkimuksen kirjoittajista ja tohtorikoulutettava NC Statessa.

“Tämä myös avaa oven monimutkaisempien mallinnusmenetelmien käyttöön opetussähköisessä ohjelmistossa – erityisesti opetussähköisessä ohjelmistossa, joka sopeutuu opiskelijan tarpeisiin”, Emerson sanoo.

Tutkimus on nimeltään “Predictive Student Modeling in Educational Games with Multi-Task Learning”, ja se esitetään 34. AAAI-konferenssissa tekoälystä, joka järjestetään New Yorkissa 7.-12. helmikuuta. Tutkimuksen kirjoittajina ovat myös James Lester, tietotieteen professori ja CEI:n johtaja NC Statessa, sekä Roger Azevedo, joka on yliopiston professori Floridan keskiosavaltion yliopistossa.

Tutkimusta on tukenut National Science Foundation ja Kanadan humanistisen ja yhteiskuntatieteellisen tutkimuksen neuvosto.