인곡지λŠ₯

Riiid!이 AI-ꡐ윑의 μƒˆλ‘œμš΄ μ‹œλŒ€λ₯Ό μ—΄κ³  μžˆλŠ” 방법

mm

Riiid는 3,130만 달러의 자금을 확보한 한국 기반의 시리즈 C 스타트업 회사입니다. 이 회사는 교육 부문에서 AI 기반 솔루션을 개발하고 제공하며, 특히 표준화된 시험에 중점을 두고 있습니다.

Riiid의 팀은 또한 AI 모델을 개발하기 위해 연구를 수행하며, 이러한 모델은 회사에서 상용화된 플랫폼인 “Santa”에 적용됩니다.

Santa와 ITSs

Santa는 멀티 플랫폼 영어 Intelligent Tutoring System(ITS)이며, 사용자에게 일대일 커리큘럼을 제공하는 AI 튜터가 포함되어 있습니다.

ITSs는 AI와 교육 부문에서 많은 주목을 받고 있습니다., 주로 깊은 학습 알고리즘을 사용하여 학생들에게 개인화된 학습 경험을 제공할 수 있기 때문입니다. ITSs는 개인에게 특정한 공부 전략을 제안합니다.

Santa는 국제 통신 영어 시험(TOEIC)을 위한 시험 준비 플랫폼입니다. 이 플랫폼은 한국에서만 100만 명이 넘는 사용자를 보유하고 있으며, 특히 TOEIC를 위한 것입니다.

2020년 초 미국 첫 번째 사무소를 설립한 후, Riiid는 더 확장하여 TOEIC를 넘어서 ACT, SAT, GMAT와 같은 다른 시험 분야를 목표로 하는 계획을 가지고 있습니다.

최근 연구 및 연구

이 회사는 두 개의 최근 연구 논문을 가지고 있으며, 주요 발견 중 하나는 깊은 학습 알고리즘이 학생들의 참여도를 높이는 데 도움이 될 수 있다는 것입니다.

하나의 논문은 “Prescribing Deep Attentive Score Prediction Attracts Improved Student Engagement“라는 제목으로, 최고의 AI 교육 컨퍼런스인 Educational Data Mining(EDM)에 받아들여졌습니다.

팀은 ITS에서 협력 필터링과 깊은 학습 알고리즘을 기반으로 하는 두 개의 별도 모델에 대한 제어된 A/B 테스트를 수행했습니다.

78,000명의 사용자에게 테스트된 후, 깊은 학습 알고리즘이 더 높은 학생들의 사기를 유도하는 것으로 나타났으며, 이는 더 높은 진단 테스트 완료 비율과 질문에 대한 답변 수를 의미합니다. 또한 구매율과 총 이익이 개선됨으로써 Santa에서 더 적극적인 참여를 보였습니다.

두 번째 논문은 “Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment“라는 제목으로, 글로벌 AI 교육 컨퍼런스 CSEDU에서 받아들여졌습니다.

이 논문은 학생들의 참여도에 중점을 두었으며, 팀은 특히 모바일 학습 환경에서 공부 세션 중단 예측에 대한 통찰력을 얻고자 했습니다. 이 문제를 관찰함으로써 학생들의 참여도를 높이는 기회가 있을 수 있다고 믿었습니다.

연구는 모바일 학습 환경에서 개인 사용자의 중단 확률을 관찰하여 학습 효과를 최대화하는 방법을 제안했습니다. उनक의 모델은 DAS 또는 모바일 학습 환경에서 깊은 주의를 가진 공부 세션 중단 예측이라고 합니다.

학생들의 상호작용에서 정보를 추출하는 깊은 주의적인 계산을 사용하여 Riiid의 모델은 중단 확률을 정확하게 예측할 수 있습니다.

Santa 플랫폼은 모델에 통합되었으며, 중단 확률이 낮은 것으로 결정된 질문을 제공했습니다. 특정 질문을 추천함으로써 학생들은 공부를 계속하기보다는 세션을 중단할 가능성이 낮았습니다.

연구 팀에 따르면, “우리의 지식에 따르면, 이것은 모바일 학습 환경에서 공부 세션 중단을 조사하려는 첫 번째 시도입니다.”

Riiid는 ITS를 개발하고 교육 부문에서 AI 솔루션을 제공하는 세계 최고의 스타트업 중 하나입니다. 교육과 AI 기술이 더紧密하게 연결됨에 따라 Riiid와 같은 회사들은 새로운 학습 방법과 시스템을 도입하면서 학생들의 참여도와 관련된 현재의 도전에 직면할 것입니다.

Alex McFarland은 인곡 μ§€λŠ₯의 μ΅œμ‹  κ°œλ°œμ„ νƒκ΅¬ν•˜λŠ” AI μ €λ„λ¦¬μŠ€νŠΈμ΄μž μž‘κ°€μž…λ‹ˆλ‹€. κ·ΈλŠ” μ „ μ„Έκ³„μ˜ μˆ˜λ§Žμ€ AI μŠ€νƒ€νŠΈμ—…κ³Ό μΆœνŒλ¬Όλ“€κ³Ό ν˜‘λ ₯ν–ˆμŠ΅λ‹ˆλ‹€.