AI model može predvidjeti koliko učenici uče

Istraživači iz Državno sveučilište Sjeverne Karoline razvili su model umjetne inteligencije (AI) koji je sposoban predvidjeti količinu koju učenici uče u obrazovnim igrama. Model se oslanja na učenje s više zadataka, koncept obuke AI gdje jedan model obavlja više zadataka. Sustav može pomoći u poboljšanju nastave i rezultata učenja.

Jonathan Rowe je koautor rada koji detaljno opisuje rad i znanstvenik-istraživač u Centru za obrazovnu informatiku (CEI) Državnog sveučilišta Sjeverne Karoline.

“U našem slučaju, htjeli smo da model može predvidjeti hoće li učenik točno odgovoriti na svako pitanje na testu, na temelju ponašanja učenika dok igra obrazovnu igricu pod nazivom Crystal Island,” kaže Rowe.

"Standardni pristup za rješavanje ovog problema gleda samo na ukupni rezultat testa, promatrajući test kao jedan zadatak", nastavlja on. "U kontekstu našeg okvira za učenje s više zadataka, model ima 17 zadataka - jer test ima 17 pitanja."

Istraživači su koristili podatke o igri i testiranju 181 učenika. AI je analizirao igranje svakog učenika i kako su odgovorili na pitanje 1 na testu. Umjetna inteligencija je naučila uobičajena ponašanja učenika koji su točno odgovorili na pitanje 1, a zatim je naučila ponašanja onih koji su odgovorili netočno. Pomoću ovih podataka AI je mogao odrediti kako će novi učenik odgovoriti na pitanje 1.

Funkcija se izvodi u isto vrijeme za svako pitanje. Dok je način igre koji se pregledava za učenika isti, AI proučava ponašanje u kontekstu pitanja 2, pitanja 3 itd.

Pristup s više zadataka bio je uspješan i napravio je razliku. Model s više zadataka bio je oko 10 posto točniji od ostalih modela koji su koristili konvencionalne metode obuke umjetne inteligencije.

Michael Geden je prvi autor rada i postdoktorski istraživač na NC State.

"Zamišljamo da se ova vrsta modela koristi na nekoliko načina koji mogu koristiti studentima", kaže on. “Moglo bi se koristiti za obavještavanje nastavnika kada učenikovo igranje sugerira da bi učenik trebao dodatne upute. Također se može koristiti za olakšavanje adaptivnih značajki igranja u samoj igri. Na primjer, mijenjanje priče kako bi se ponovno vratili na koncepte s kojima se učenik bori.

"Psihologija je odavno prepoznala da različita pitanja imaju različite vrijednosti", nastavlja Geden. "Naš rad ovdje ima interdisciplinarni pristup koji povezuje ovaj aspekt psihologije s pristupima dubokog učenja i strojnog učenja AI."

Andrew Emerson je koautor rada i doktorat. student na NC State.

"Ovo također otvara vrata za uključivanje složenijih tehnika modeliranja u obrazovni softver - posebno obrazovni softver koji se prilagođava potrebama učenika", kaže Emerson.

Rad nosi naziv "Predictive Student Modeling in Educational Games with Multi-Task Learning", a bit će predstavljen na 34. AAAI konferenciji o umjetnoj inteligenciji koja bi se trebala održati između 7. i 12. veljače u New Yorku, NY. -autori rada bili su James Lester, ugledni sveučilišni profesor računarstva i direktor CEI-a u NC State, kao i Roger Azevedo sa Sveučilišta Centralne Floride.

Rad su podržali Nacionalna zaklada za znanost i Istraživačko vijeće za društvene i humanističke znanosti Kanade.