Tutkijat kehittävät uuden älykkään järjestelmän opetusjärjestelmien luomiseksi

Carnegie Mellon -yliopiston tutkijat ovat osoittaneet, miten he voivat rakentaa älykkäitä opetusjärjestelmiä. Nämä järjestelmät ovat tehokkaita opettaessaan eri aiheita, kuten algebran ja kieliopin.

Tutkijat käyttivät uutta menetelmää, joka perustuu tekoälyyn, jotta opettaja voisi opettaa tietokonetta. Sanamuoto tekee tästä menetelmästä hämärän, mutta ajattele sitä niin, että tietokone voidaan opettaa opettamalla sitä ratkaisemaan tiettyjä ongelmia, kuten usean sarakkeen lisäystä. Jos tietokone vastaa väärin, opettaja voi korjata sen.

Ratkaistessaan ongelman itse

Yksi mielenkiintoisista osista tästä menetelmästä on, että tietokonejärjestelmä pystyy opettamaan ja ratkaisemaan ongelmia siinä tapaa, jossa se on opittu, mutta se pystyy myös ratkaisemaan kaikki muut ongelmat aihealueella yleistämällä. Tämä tarkoittaa, että tietokone voi lopulta ratkaista ongelman, jota opettaja ei ole opettanut.

Daniel Weitekamp III on tohtorikoulutettava CMU:n Ihmistietokonevuorovaikutuksen instituutissa (HCII).

“Opiskelija voi oppia yhden tavan tehdä ongelman ja se riittäisi”, Weitekamp sanoi. “Mutta opetusjärjestelmän on opittava jokainen tapa ratkaista ongelma. Se on opittava opettamaan ongelmanratkaisua, ei vain ratkaisemaan ongelmia.”

Haaste, jonka Weitekamp selittää, on yksi suurimmista älykkäiden opetusjärjestelmien kehittämisessä. Uusien älykkäiden opetusjärjestelmien kehittäminen voi seurata opiskelijoiden edistymistä, auttaa määrittämään, mitä tehdä seuraavaksi, ja auttaa opiskelijoita kehittämään uusia taitoja valitsemalla tehokkaita harjoitusongelmia.

Älykkäiden opetusjärjestelmien kehittäminen

Ken Koedinger on professori ihmistietokonevuorovaikutuksen ja psykologian alalla. Koedinger oli yksi varhaisista älykkäiden opettajien kehittäjistä, ja työskennellessään muiden kanssa, tuotantosääntöjä ohjelmoitiin käsin. Koedingerin mukaan jokainen opetettu opetustunti vaati 200 tuntia kehittämistä. Lopulta ryhmä kehitti tehokkaamman menetelmän, joka osoitti kaikki mahdolliset tavat ratkaista ongelman. Tämä laski 200 tuntia 40 tai 50 tuntiin, mutta se on erittäin vaikeaa osoittaa kaikki mahdolliset ratkaisut joillekin kuville.

Koedinger on sanonut, että uusi menetelmä voi lopulta sallia opettajalle kehittää 30 minuutin oppitunnin samassa ajassa.

“Ainoa tapa päästä täyteen älykkääseen opettajaan on ollut kirjoittaa nämä tekoälysäännöt”, Koedinger sanoi. “Mutta nyt järjestelmä kirjoittaa nämä säännöt.”

Uudessa menetelmässä käytetään koneoppimisohjelmaa simuloimaan tapoja, joilla opiskelijat oppivat. Weitekamp loi opetusliittymän, ja se käyttää “näytä ja korjaa” -prosessia ohjelmointiin.

Vaikka menetelmä todistettiin usean sarakkeen lisäyksellä, koneoppimismoottori, jota käytetään, voidaan soveltaa muihin aineisiin, kuten yhtälön ratkaisuun, murto-osan lisäykseen, kemiaan, englannin kielioppiin ja tieteellisiin kokeisiin.

Yksi päämääristä on, että tämä menetelmä sallii opettajien rakentaa omat tietokoneelliset oppituntinsa ilman tekoälyohjelmoijan tarvetta. Tämä mahdollistaa opettajien soveltaa omia näkemyksiään siitä, miten opettaa tai mitä menetelmiä käyttää.

Weitekamp, Koedinger ja HCII-järjestelmätieteilijä Erik Harpstead kirjoittivat paperin, jossa kuvataan menetelmää. Se hyväksyttiin Ihmistietokonevuorovaikutuksen konferenssissa (CHI 2020). Konferenssi oli alun perin suunniteltu tälle kuulle, mutta COVID-19-pandemia pakotti sen perumiseen.Paperi voidaan nyt löytää konferenssijulkaisuista, jotka sijaitsevat Association for Computing Machineryn digitaalisessa kirjastossa.

Koulutuksen tieteellinen instituutti ja Google (GOOGL ) auttoivat tutkimuksen rahoittamisessa.