Mesterséges Intelligencia
A kutatók új AI-t fejlesztenek ki, hogy segítsenek oktatórendszerek létrehozásában
A Carnegie Mellon Egyetem kutatói bemutatták, hogyan építhetnek intelligens oktatórendszereket. Ezek a rendszerek hatékonyan tanítanak különféle tantárgyakat, beleértve az algebrát és a nyelvtant.
A kutatók egy új, mesterséges intelligencián alapuló módszert alkalmaztak annak érdekében, hogy a tanárok számítógépet taníthassanak. A megfogalmazás miatt ez a módszer zavarba ejtőnek tűnik, de gondoljon rá, mint egy számítógépre, amelyet egy emberi tanár tanít meg. A számítógépet a humántanár taníthatja meg, megmutatva neki, hogyan oldhat meg bizonyos problémákat, például többoszlopos összeadást. Ha a számítógép elhibázza a hibát, a tanár kijavíthatja.
Problémák önálló megoldása
Ennek a módszernek az egyik érdekessége, hogy a számítógépes rendszer nemcsak a feladatokat képes tanítani és megoldani az általa tanított módon, hanem általánosítással a témában minden egyéb problémát is meg tud oldani. Ez azt jelenti, hogy a számítógép a tanár által tanított módszeren kívül is megoldhat egy problémát.
Daniel Weitekamp III a CMU Human-Computer Interaction Institute (HCII) Ph.D hallgatója.
"Egy diák megtanulhatja a probléma megoldásának egyik módját, és ez elegendő lenne" - mondta Weitekamp. „De egy oktatói rendszernek meg kell tanulnia a probléma megoldásának minden módját. Meg kell tanulnia a problémamegoldást tanítani, nem csak a problémák megoldását.”
A Weitekamp által elmondott kihívás az egyik legnagyobb kihívás az AI-alapú oktatórendszerek fejlesztésében. Az újonnan kifejlesztett intelligens oktatói rendszerek nyomon követhetik a tanulók fejlődését, segíthetnek meghatározni a következő lépést, és a hatékony gyakorlati problémák kiválasztásával segíthetik a tanulókat új készségek fejlesztésében.
Az AI-alapú oktatórendszerek fejlesztése
Ken Koedinger az ember-számítógép interakció és pszichológia professzora. Koedinger az intelligens oktatók egyik korai fejlesztője volt, és másokkal együttműködve a gyártási szabályokat kézzel programozták. Koedinger szerint minden óra oktatói oktatás 200 óra fejlesztést igényelt. Végül a csoport kidolgozott egy hatékonyabb módszert, amely bemutatta a probléma megoldásának minden lehetséges módját. Ez a 200 órát 40-re vagy 50-re csökkentette, de rendkívül nehéz bemutatni az összes lehetséges megoldást egyes mintákra.
Koedinger azt mondta, hogy az új módszer azt eredményezheti, hogy a tanár ugyanannyi idő alatt képes kidolgozni egy 30 perces órát.
„Eddig az egyetlen módja annak, hogy a teljes intelligens oktatóhoz jussunk, az volt, hogy megírjuk ezeket az AI-szabályokat” – mondta Koedinger. "De most a rendszer írja ezeket a szabályokat."
Az új módszerben egy gépi tanulási programmal szimulálják a tanulók tanulási módjait. A Weitekamp készített egy tanítási felületet, amely a programozáshoz egy „mutasd és javítsd” folyamatot használ.
Míg a módszert többoszlopos összeadással demonstrálták, az alkalmazott gépi tanulási motor más tantárgyakban is alkalmazható, például egyenletmegoldásban, törtösszeadásban, kémiában, angol nyelvtanban és természettudományos kísérleti környezetekben.
Az egyik fő cél az, hogy ez a módszer lehetővé tegye a tanárok számára, hogy saját számítógépes órákat készítsenek, mesterséges intelligencia programozó nélkül. Ez lehetővé teszi a tanárok számára, hogy saját személyes nézeteiket alkalmazzák a tanítás módjáról vagy az alkalmazandó módszerekről.
Weitekamp, Koedinger és a HCII rendszerkutató, Erik Harpstead írta a módszert leíró tanulmányt. A Számítástechnikai Rendszerek Emberi Tényezői Konferenciája (CHI 2020) elfogadta. A konferenciát eredetileg erre a hónapra tervezték, de a COVID-19 világjárvány miatt le kellett mondani. A papír most megtalálható a konferencia anyagában, amely a Számítógépek Szövetsége Digitális Könyvtárában található.
Az Institute of Education Sciences és a Google segítette a kutatást.
