ხელოვნური ინტელექტის მოდელს შეუძლია წინასწარ განსაზღვროს, თუ რამდენს სწავლობენ სტუდენტები

მკვლევარებმა ჩრდილოეთ კაროლინას სახელმწიფო უნივერსიტეტი შეიმუშავეს ხელოვნური ინტელექტის (AI) მოდელი, რომელსაც შეუძლია წინასწარ განსაზღვროს სტუდენტების მიერ სასწავლო თამაშების სწავლის რაოდენობა. მოდელი ეყრდნობა მრავალ დავალების სწავლას, AI სასწავლო კონცეფციას, სადაც ერთი მოდელი ასრულებს მრავალ დავალებას. სისტემას შეუძლია დაეხმაროს სწავლებისა და სწავლის შედეგების გაუმჯობესებას.

ჯონათან როუ არის ნაშრომის თანაავტორი, რომელიც დეტალურად აღწერს სამუშაოს და მკვლევარი მეცნიერი ჩრდილოეთ კაროლინას სახელმწიფო უნივერსიტეტის საგანმანათლებლო ინფორმატიკის ცენტრში (CEI).

„ჩვენს შემთხვევაში, ჩვენ გვინდოდა, რომ მოდელს შეეძლო წინასწარ განსაზღვრა, სწორად უპასუხებდა თუ არა მოსწავლე თითოეულ კითხვას ტესტზე, მოსწავლის ქცევის საფუძველზე, როდესაც თამაშობდა საგანმანათლებლო თამაშს, სახელწოდებით Crystal Island“, - ამბობს როუ.

”ამ პრობლემის გადაჭრის სტანდარტული მიდგომა მხოლოდ ტესტის საერთო ქულას განიხილავს, ტესტს როგორც ერთ ამოცანას,” - განაგრძობს ის. „ჩვენი მრავალსამუშაო სწავლის ჩარჩოს კონტექსტში, მოდელს აქვს 17 დავალება - რადგან ტესტს აქვს 17 კითხვა.

მკვლევარებმა გამოიყენეს გეიმპლეი და ტესტირების მონაცემები 181 სტუდენტისგან. AI-მ გააანალიზა თითოეული მოსწავლის თამაში და როგორ უპასუხეს მათ ტესტის პირველ კითხვას. AI-მ ისწავლა სტუდენტების საერთო ქცევები, რომლებმაც სწორად უპასუხეს 1 კითხვას, შემდეგ კი ისწავლა მათი ქცევა, ვინც მასზე არასწორად უპასუხა. ამ მონაცემებით, ხელოვნურმა ინტელექტუალმა შეძლო დაედგინა, როგორ უპასუხებდა ახალი სტუდენტი 1 კითხვას.

ფუნქცია შესრულებულია ერთდროულად ყველა კითხვაზე. მიუხედავად იმისა, რომ გეიმპლეი, რომელიც განიხილება სტუდენტისთვის, იგივეა, AI სწავლობს ქცევას კითხვის 2, კითხვა 3 და ა.შ.

მრავალპროფილიანი მიდგომა წარმატებული იყო და შეცვალა. მრავალპროფილიანი მოდელი იყო დაახლოებით 10 პროცენტით უფრო ზუსტი, ვიდრე სხვა მოდელები, რომლებიც იყენებდნენ AI სასწავლო მეთოდებს.

მაიკლ გედენი არის ნაშრომის პირველი ავტორი და პოსტდოქტორანტი მკვლევარი NC State-ში.

”ჩვენ წარმოვიდგენთ ამ ტიპის მოდელის გამოყენებას რამდენიმე გზით, რაც შეიძლება სასარგებლო იყოს სტუდენტებისთვის,” - ამბობს ის. „ის შეიძლება გამოყენებულ იქნას მასწავლებლების შესატყობინებლად, როდესაც მოსწავლის თამაში ვარაუდობს, რომ მოსწავლეს შეიძლება დასჭირდეს დამატებითი ინსტრუქცია. ის ასევე შეიძლება გამოყენებულ იქნას თამაშში ადაპტური თამაშის მახასიათებლების გასაადვილებლად. მაგალითად, სიუჟეტის შეცვლა, რათა გადახედოს იმ ცნებებს, რომლებთანაც სტუდენტს ებრძვის.

”ფსიქოლოგიამ დიდი ხანია აღიარა, რომ სხვადასხვა კითხვებს განსხვავებული ღირებულებები აქვს”, - განაგრძობს გედენი. „ჩვენი სამუშაო აქ ატარებს ინტერდისციპლინურ მიდგომას, რომელიც აერთიანებს ფსიქოლოგიის ამ ასპექტს ღრმა სწავლასთან და ავტომატური სწავლების მიდგომებთან ხელოვნური ინტელექტის მიმართ.

ენდრიუ ემერსონი არის ნაშრომის თანაავტორი და დოქტორი. სტუდენტი NC შტატში.

„ეს ასევე ხსნის კარს საგანმანათლებლო პროგრამულ უზრუნველყოფაში უფრო რთული მოდელირების ტექნიკის ჩართვისთვის - განსაკუთრებით საგანმანათლებლო პროგრამული უზრუნველყოფის, რომელიც ადაპტირდება სტუდენტის საჭიროებებთან“, - ამბობს ემერსონი.

ნაშრომი სახელწოდებით „მოსწავლის პროგნოზირებადი მოდელირება საგანმანათლებლო თამაშებში მრავალ ამოცანათა სწავლებით“ და წარმოდგენილი იქნება ხელოვნური ინტელექტის 34-ე AAAI კონფერენციაზე, რომელიც გაიმართება 7-12 თებერვალს ნიუ-იორკში, ნიუ-იორკში. - ნაშრომის ავტორები იყვნენ ჯეიმს ლესტერი, გამორჩეული უნივერსიტეტის კომპიუტერული მეცნიერების პროფესორი და CEI-ის დირექტორი NC State-ში, ასევე როჯერ აზევედო ცენტრალური ფლორიდის უნივერსიტეტიდან.

ნაშრომი მხარდაჭერილია ეროვნული სამეცნიერო ფონდისა და კანადის სოციალური და ჰუმანიტარული მეცნიერებების კვლევითი საბჭოს მიერ.