AI モデルは生徒の学習量を予測できる

の研究者 ノースカロライナ州立大学 は、生徒が教育ゲームで学習する量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、XNUMX つのモデルが複数のタスクを実行する AI トレーニングの概念であるマルチタスク学習に依存しています。 このシステムは、指導と学習成果の向上に役立ちます。

Jonathan Rowe は、この研究の詳細を説明する論文の共著者であり、ノースカロライナ州立大学教育情報学センター (CEI) の研究員です。

「私たちの場合、Crystal Island という教育用ゲームをプレイしている生徒の行動に基づいて、生徒がテストの各質問に正しく答えるかどうかをモデルが予測できるようにしたいと考えていました」と Rowe 氏は言います。

「この問題を解決するための標準的なアプローチは、テストを 17 つのタスクと見なして、テスト全体のスコアのみに注目します」と彼は続けます。 「私たちのマルチタスク学習フレームワークのコンテキストでは、テストには 17 の質問があるため、モデルには XNUMX のタスクがあります。」

研究者らは、181 人の学生からのゲームプレイとテストのデータを使用しました。 AI は各生徒のゲームプレイとテストの質問 1 の解答を分析しました。 AI は、質問 1 に正解した生徒の共通の行動を学習し、次に不正解の生徒の行動も学習しました。 このデータを使用して、AI は新入生が質問 1 にどのように答えるかを判断することができました。

この機能は質問ごとに同時に実行されます。 生徒に対してレビューされるゲームプレイは同じですが、AI は質問 2、質問 3 などの文脈で行動を研究します。

マルチタスクのアプローチは成功し、変化をもたらしました。 マルチタスク モデルは、従来の AI トレーニング手法を使用した他のモデルよりも約 10% 正確でした。

Michael Geden はこの論文の筆頭著者であり、ノースカロライナ州立大学の博士研究員です。

「私たちは、このタイプのモデルが学生に利益をもたらすいくつかの方法で使用されることを想定しています」と彼は言います。 「生徒のゲームプレイから追加の指導が必要な可能性があることが示唆された場合に、教師に通知するために使用できます。 また、ゲーム自体の適応型ゲームプレイ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、生徒が苦労している概念を再検討するためにストーリーラインを変更するなどです。

「心理学は、質問が異なれば価値観も異なることを長い間認識してきました」とゲデン氏は続けます。 「ここでの私たちの研究は、心理学のこの側面とディープラーニングおよびAIへの機械学習アプローチを結びつける学際的なアプローチを採用しています。」

アンドリュー・エマーソンはこの論文の共著者であり、博士号を取得しています。 ノースカロライナ州立大学の学生。

「これにより、より複雑なモデリング技術を教育ソフトウェア、特に学生のニーズに適応する教育ソフトウェアに組み込む可能性も広がります」とエマーソン氏は言います。

この論文のタイトルは「マルチタスク学習による教育ゲームにおける予測的学生モデリング」で、34月7日から12日までニューヨーク州ニューヨークで開催される第XNUMX回AAAI人工知能会議で発表される予定だ。 -論文の著者は、ノースカロライナ州立大学コンピュータサイエンス特別教授でCEIディレクターのJames Lester氏と、セントラルフロリダ大学のRoger Azevedo氏です。

この研究は、国立科学財団とカナダ社会科学・人文科学研究評議会によって支援されました。