Tutkijat kehittävät uutta tekoälyä auttamaan opetusjärjestelmien luomisessa

Carnegie Mellonin yliopiston tutkijat ovat osoittaneet, kuinka he voivat rakentaa älykkäitä tutorointijärjestelmiä. Nämä järjestelmät ovat tehokkaita opetettaessa eri aineita, mukaan lukien algebra ja kielioppi. 

Tutkijat käyttivät uutta tekoälyyn perustuvaa menetelmää, jotta opettaja voisi opettaa tietokoneen käyttöä. Sanamuoto saa tämän menetelmän näyttämään hämmentävältä, mutta ajattele sitä tietokoneena, jota opettaja opettaa. Ihmisopettaja voi opettaa tietokonetta näyttämällä sille, kuinka tiettyjä ongelmia ratkaistaan, kuten monisarakkeiden lisääminen. Jos tietokone saa virheen, opettaja voi korjata sen. 

Ongelmien ratkaiseminen itse

Yksi tämän menetelmän mielenkiintoisista osista on se, että tietokonejärjestelmä ei pysty pelkästään opettamaan ja ratkaisemaan tehtäviä niin kuin se opetettiin, vaan se pystyy ratkaisemaan myös kaikki muut aiheeseen liittyvät ongelmat yleistämällä. Tämä tarkoittaa, että tietokone voi päätyä ratkaisemaan ongelman muualla kuin opettajan opettamalla tavalla. 

Daniel Weitekamp III on tohtoriopiskelija CMU:n Human-Computer Interaction Institute (HCII) -instituutissa. 

"Oppilas saattaa oppia yhden tavan tehdä ongelma, ja se riittäisi", Weitekamp sanoi. "Mutta tutorointijärjestelmän on opittava kaikenlaiset tavat ratkaista ongelma. Sen on opittava opettamaan ongelmanratkaisua, ei vain ongelmien ratkaisemista."

Weitekampin selittämä haaste on yksi suurimmista tekoälypohjaisten tutorointijärjestelmien kehittämisessä. Äskettäin kehitetyt älykkäät tutorointijärjestelmät voivat seurata oppilaiden edistymistä, auttaa päättämään, mitä tehdä seuraavaksi, ja auttaa opiskelijoita kehittämään uusia taitoja valitsemalla tehokkaita harjoitusongelmia. 

Tekoälypohjaisten opetusjärjestelmien kehittäminen

Ken Koedinger on ihmisen ja tietokoneen vuorovaikutuksen ja psykologian professori. Koedinger oli yksi älykkäiden tutoreiden varhaisista kehittäjistä, ja työskennellen muiden kanssa tuotantosäännöt ohjelmoitiin käsin. Koedingerin mukaan jokainen tunti ohjattua opetusta kesti 200 tuntia kehitystä. Lopulta ryhmä kehitti tehokkaamman menetelmän, joka esitteli kaikki mahdolliset tavat ratkaista ongelma. Tämä vei 200 tuntia 40 tai 50, mutta on erittäin vaikeaa osoittaa kaikkia mahdollisia ratkaisuja joihinkin kuvioihin. 

Koedinger on sanonut, että uusi menetelmä voisi antaa opettajalle mahdollisuuden kehittää 30 minuutin oppitunti samassa ajassa. 

"Toistaiseksi ainoa tapa päästä täydelliseen älykkään tutoriin on ollut kirjoittaa nämä tekoälysäännöt", Koedinger sanoi. "Mutta nyt järjestelmä kirjoittaa niitä sääntöjä."

Uudessa menetelmässä koneoppimisohjelmalla simuloidaan oppilaiden tapoja oppia. Weitekamp on luonut opetuskäyttöliittymän, joka hyödyntää ohjelmointiin "näytä ja korjaa" -prosessia.

Vaikka menetelmää esiteltiin monisarakelisäyksellä, käytettyä koneoppimismoottoria voidaan soveltaa muihin oppiaineisiin, kuten yhtälöiden ratkaisuun, murtolukujen yhteenlaskemiseen, kemiaan, englannin kielioppiin ja luonnontieteiden kokeiluympäristöihin. 

Yksi päätavoitteista on, että tämä menetelmä antaa opettajille mahdollisuuden rakentaa omia tietokoneistettuja oppituntejaan ilman tekoälyohjelmoijaa. Näin opettajat voivat soveltaa omia henkilökohtaisia ​​näkemyksiään siitä, kuinka opettaa tai mitä menetelmiä käyttää. 

Weitekamp, ​​Koedinger ja HCII-järjestelmän tutkija Erik Harpstead ovat kirjoittaneet menetelmää kuvaavan paperin. Tietojenkäsittelyjärjestelmien inhimillisten tekijöiden konferenssi (CHI 2020) hyväksyi sen. Konferenssi oli alun perin suunniteltu pidettäväksi tässä kuussa, mutta COVID-19-pandemia pakotti sen perumaan. Paperi löytyy nyt konferenssin julkaisuista, jotka sijaitsevat Computing Machinery ry:n digitaalisessa kirjastossa.

Institute of Education Sciences ja Google auttoivat tukemaan tutkimusta.