学生の学習量を予測するAIモデル

ノースカロライナ州立大学の研究者は、教育ゲームで学生がどれだけ学習しているかを予測できる人工知能（AI）モデルを開発しました。このモデルは、多タスク学習に依存しています。多タスク学習とは、一つのモデルが複数のタスクを同時に実行するAIのトレーニング概念です。このシステムは、指導と学習成果を改善するのに役立ちます。

この研究の論文の共同著者であり、ノースカロライナ州立大学の教育情報センター（CEI）の研究科学者であるジョナサン・ロウは、

「私たちがモデルにしたいのは、学生が教育ゲーム llamado Crystal Island をプレイする際の行動に基づいて、各質問に正しく答えるかどうかを予測することです」とロウは述べています。

「標準的なアプローチでは、テストの全体的なスコアだけを見て、テストを一つのタスクとして見ています」と彼は続けています。「しかし、私たちの多タスク学習フレームワークでは、モデルは17のタスクを持っています。なぜなら、テストには17の質問があるからです」。

研究者は、181人の学生からのゲームプレイとテストデータを使用しました。AIは、各学生のゲームプレイとテストの質問1への回答を分析しました。AIは、質問1に正しく答えた学生の共通の行動を学び、不正解した学生の行動も学びました。このデータを使用して、AIは、新しい学生が質問1にどのように答えるかを判断することができました。

この機能は、同時にすべての質問に対して実行されます。学生のゲームプレイは同じですが、AIは質問2、質問3などに対する学生の行動を分析します。

多タスクアプローチは成功し、違いをもたらしました。多タスクモデルは、従来のAIトレーニング方法を使用する他のモデルよりも約10パーセント正確でした。

論文の第一著者であり、ノースカロライナ州立大学の博士研究員であるマイケル・ゲデンは、

「私たちは、このようなモデルが学生に利益をもたらす二つの方法で使用されることを想定しています」とゲデンは述べています。「それは、学生のゲームプレイが追加の指導が必要であることを教師に通知するために使用できます。ゲーム自体の適応的なゲーム機能を促進するために使用することもできます。たとえば、学生が苦手な概念を再訪問するために物語を変更することです」。

「心理学は、長い間、異なる質問には異なる価値があることを認識しています」とゲデンは続けています。「私たちのここでの仕事は、心理学のこの側面を、ディープラーニングやマシンラーニングへのアプローチと結婚させた、学際的なアプローチを取ります」。

論文の共同著者であり、ノースカロライナ州立大学の博士課程の学生であるアンドリュー・エマーソンは、

「これはまた、教育ソフトウェア、特に学生のニーズに適応する教育ソフトウェアに、より複雑なモデリング技術を組み込む扉を開けてくれます」とエマーソンは述べています。

この論文は、「教育ゲームにおける予測的学生モデリングと多タスク学習」と題されています。2月7日から12日までニューヨークで開催される第34回AAAI人工知能会議で発表される予定です。論文の共同著者には、ノースカロライナ州立大学の計算機科学の名誉教授であり、CEIのディレクターであるジェームズ・レスター、およびセントラルフロリダ大学のロジャー・アゼベドがいます。

この研究は、国家科学財団とカナダの社会科学・人文科学研究評議会の支援を受けて行われました。