AI 모델은 학생들이 얼마나 배우고 있는지 예측할 수 있다

North Carolina State University의 연구진은 교육 게임에서 학생들이 얼마나 배울 수 있는지 예측할 수 있는 인공 지능(AI) 모델을 개발했다. 이 모델은 다중 작업 학습(multi-task learning)이라는 AI 훈련 개념에 의존하며, 하나의 모델이 여러 작업을 수행한다. 이 시스템은 교육과 학습 결과를 개선하는 데 도움이 될 수 있다.

Jonathan Rowe는 이 연구에 대한 논문의 공동 저자이며 North Carolina State University의 Center for Educational Informatics (CEI)의 연구 과학자이다.

로우는 “우리는 모델이 Crystal Island이라는 교육 게임을 chơi하는 동안 학생의 행동을 기반으로 각 시험 문제를 정답으로 맞출 수 있는지 예측할 수 있기를 원했다”고 말했다.

그는 “표준적인 접근 방식은 전체 시험 점수만을 고려하며, 시험을 하나의 작업으로 본다”라고 계속 말했다. “우리의 다중 작업 학습 프레임워크에서는 모델이 17개의 작업을 수행한다. 왜냐하면 시험에는 17개의 문제가 있기 때문이다.”

연구진은 181명의 학생들의 게임 플레이와 시험 데이터를 사용했다. AI는 각 학생의 게임 플레이와 시험의 1번 문제를 어떻게回答했는지 분석했다. AI는 1번 문제를 정답으로 맞춘 학생들의 공통적인 행동을 학습했으며, 정답으로 맞추지 못한 학생들의 행동도 학습했다. 이러한 데이터를 통해 AI는 새로운 학생이 1번 문제를 어떻게回答할지 결정할 수 있었다.

이 기능은 모든 문제에 대해 동시에 수행된다. 게임 플레이가 동일하지만, AI는 2번 문제, 3번 문제 등에 대한 학생의 행동을 연구한다.

다중 작업 접근 방식은 성공적이었으며 차이를 만들었다. 다중 작업 모델은 약 10% 더 정확했다. 이는 기존의 AI 훈련 방법을 사용한 다른 모델보다 더 정확했다.

Michael Geden은 논문의 첫 번째 저자이며 NC State의 박사 후 연구원이다.

그는 “우리는 이러한 유형의 모델이 학생들에게ประโยชน을 줄 수 있는 몇 가지 방법으로 사용될 수 있다고 생각한다”라고 말했다. “학생의 게임 플레이가 추가적인 지침이 필요함을 암시하는 경우教师에게 알릴 수 있다. 또한 게임 자체에서 적응형 게임 기능을 제공하는 데 사용될 수 있다. 예를 들어, 학생이 어려움을 겪고 있는 개념을 다시 방문하기 위해 스토리라인을 변경하는 것이다.”

게덴은 “심리학은 오래전부터 다른 질문에는 다른 가치가 있다는 것을 인정해 왔다”라고 계속 말했다. “우리의 연구는 심리학의这一 측면과 깊은 학습 및 기계 학습 접근 방식을 결합한 상호 학제적인 접근 방식을 취한다.”

Andrew Emerson은 논문의 공동 저자이며 NC State의 박사 과정 학생이다.

그는 “이것은 또한 교육 소프트웨어, 특히 학생의 필요에 맞게 적응하는 교육 소프트웨어에 더 복잡한 모델링 기술을 통합하는 문을 열어준다”라고 말했다.

이 논문은 “교육 게임에서 다중 작업 학습을 통한 예측 학생 모델링”이라는 제목으로, 2월 7일부터 12일까지 뉴욕에서 열리는 34회 AAAI 인공 지능 컨퍼런스에서 발표될 예정이다. 이 논문의 공동 저자로는 James Lester, Distinguished University Professor of Computer Science 및 CEI의 디렉터, 및 University of Central Florida의 Roger Azevedo가 있다.

이 연구는 National Science Foundation와 Social Sciences and Humanities Research Council of Canada의 지원을 받았다.