AI modelis gali numatyti, kiek mokiniai mokosi

Tyrėjai iš Šiaurės Karolinos valstybinis universitetas sukūrė dirbtinio intelekto (AI) modelį, galintį numatyti, kiek mokiniai mokosi mokomuosiuose žaidimuose. Modelis remiasi kelių užduočių mokymusi, AI mokymo koncepcija, kai vienas modelis atlieka kelias užduotis. Sistema gali padėti pagerinti mokymo ir mokymosi rezultatus.

Jonathanas Rowe'as yra straipsnio, kuriame išsamiai aprašomas darbas, bendraautoris ir Šiaurės Karolinos valstijos universiteto Švietimo informatikos centro (CEI) mokslininkas.

„Mūsų atveju norėjome, kad modelis galėtų numatyti, ar mokinys teisingai atsakys į kiekvieną testo klausimą, remdamasis mokinio elgesiu žaisdamas mokomąjį žaidimą „Crystal Island“, – sako Rowe.

„Standartinis šios problemos sprendimo būdas žiūri tik į bendrą testo rezultatą, o į testą žiūri kaip į vieną užduotį“, – tęsia jis. „Mūsų kelių užduočių mokymosi sistemos kontekste modelyje yra 17 užduočių, nes teste yra 17 klausimų.

Tyrėjai naudojo 181 studento žaidimo ir testavimo duomenis. AI išanalizavo kiekvieno mokinio žaidimo eigą ir tai, kaip jie atsakė į 1 testo klausimą. AI išmoko įprastą mokinių, kurie teisingai atsakė į 1 klausimą, elgesį, o tada išmoko tų, kurie į jį atsakė neteisingai. Turėdamas šiuos duomenis, AI galėjo nustatyti, kaip naujas studentas atsakys į 1 klausimą.

Funkcija kiekvienam klausimui atliekama tuo pačiu metu. Nors mokinio žaidimo eiga yra tokia pati, AI tiria elgesį 2, 3 ir kt.

Kelių užduočių metodas buvo sėkmingas ir pakeitė. Daugiafunkcinis modelis buvo maždaug 10 procentų tikslesnis nei kiti modeliai, kuriuose buvo naudojami įprasti AI mokymo metodai.

Michaelas Gedenas yra pirmasis šio straipsnio autorius ir NC valstijos mokslininkas.

"Mes įsivaizduojame, kad tokio tipo modelis bus naudojamas keliais būdais, kurie gali būti naudingi studentams", - sako jis. „Jis gali būti naudojamas pranešti mokytojams, kai mokinio žaidimo eiga rodo, kad mokiniui gali prireikti papildomų nurodymų. Jis taip pat gali būti naudojamas palengvinti prisitaikančias žaidimo funkcijas pačiame žaidime. Pavyzdžiui, pakeisti siužetą, siekiant iš naujo peržiūrėti sąvokas, su kuriomis mokinys kovoja.

„Psichologija jau seniai pripažino, kad skirtingi klausimai turi skirtingas vertybes“, – tęsia Gedenas. „Mūsų darbas čia grindžiamas tarpdisciplininiu požiūriu, kuris sujungia šį psichologijos aspektą su giliu mokymusi ir mašininio mokymosi metodais į AI.

Andrew Emersonas yra šio straipsnio bendraautorius ir daktaro laipsnis. studentas NC valstijoje.

„Tai taip pat atveria galimybes integruoti sudėtingesnius modeliavimo metodus į mokomąją programinę įrangą, ypač mokomąją programinę įrangą, kuri prisitaiko prie mokinio poreikių“, – sako Emersonas.

Straipsnis pavadintas „Numatomas mokinių modeliavimas mokomuosiuose žaidimuose su kelių užduočių mokymusi“ ir bus pristatytas 34-ojoje AAAI dirbtinio intelekto konferencijoje, kuri įvyks vasario 7–12 dienomis Niujorke, Niujorke. - Straipsnio autoriai buvo Jamesas Lesteris, žinomas universiteto kompiuterių mokslų profesorius ir CEI direktorius NC valstijoje, taip pat Roger Azevedo iš Centrinės Floridos universiteto.

Darbą rėmė Nacionalinis mokslo fondas ir Kanados socialinių ir humanitarinių mokslų taryba.