Onderzoekers ontwikkelen nieuwe AI om tutoring systemen te helpen maken

Onderzoekers van de Carnegie Mellon University hebben laten zien hoe ze intelligente tutoringsystemen kunnen bouwen. Deze systemen zijn effectief in het onderwijzen van verschillende onderwerpen, waaronder algebra en grammatica.

De onderzoekers gebruikten een nieuwe methode die gebruik maakt van kunstmatige intelligentie om een leraar in staat te stellen een computer te onderwijzen. De formulering van deze methode kan verwarrend lijken, maar denk eraan als een computer die door een menselijke leraar wordt onderwezen. De computer kan worden onderwezen door de leraar door hem te laten zien hoe hij bepaalde problemen moet oplossen, zoals multicolumn-additie. Als de computer het probleem verkeerd doet, kan de leraar het corrigeren.

Problemen zelf oplossen

Een van de interessante aspecten van deze methode is dat het computersysteem niet alleen kan onderwijzen en problemen oplossen zoals het is onderwezen, maar ook alle andere problemen in het onderwerp kan oplossen door generalisatie. Dit betekent dat de computer uiteindelijk een probleem kan oplossen buiten de manieren waarop de leraar het heeft onderwezen.

Daniel Weitekamp III is een promovendus aan het Human-Computer Interaction Institute (HCII) van de CMU.

“Een student kan op één manier een probleem leren oplossen en dat is voldoende,” zei Weitekamp. “Maar een tutoringsysteem moet alle mogelijke manieren leren om een probleem op te lossen. Het moet leren hoe het probleemoplossing kan onderwijzen, niet alleen hoe problemen op te lossen.”

De uitdaging die Weitekamp beschrijft, is een van de grootste in de ontwikkeling van AI-gebaseerde tutoringsystemen. Nieuw ontwikkelde intelligente tutoringsystemen kunnen studentenvolgen bijhouden, helpen bepalen wat te doen, en studenten helpen nieuwe vaardigheden ontwikkelen door effectieve oefenproblemen te selecteren.

De ontwikkeling van AI-gebaseerde tutoringsystemen

Ken Koedinger is een professor in human-computer interactie en psychologie. Koedinger was een van de vroege ontwikkelaars van intelligente tutors, en werkte met anderen om productregels met de hand te programmeren. Volgens Koedinger nam elke uur tutoronderwijs 200 uur ontwikkeling in beslag. Uiteindelijk ontwikkelde de groep een effectievere methode, die alle mogelijke manieren liet zien om een probleem op te lossen. Dit reduceerde de 200 uur tot 40 of 50, maar het is extreem moeilijk om alle mogelijke oplossingen voor sommige patronen te demonstreren.

Koedinger heeft gezegd dat de nieuwe methode een leraar in staat kan stellen om een 30-minutenles in dezelfde tijd te ontwikkelen.

“De enige manier om een volledig intelligent tutor te krijgen, is door deze AI-regels te schrijven,” zei Koedinger. “Maar nu schrijft het systeem die regels.”

In de nieuwe methode wordt een machine learning-programma gebruikt om de manieren te simuleren waarop studenten leren. Een onderwijsinterface werd door Weitekamp gemaakt, en deze gebruikt een “show-and-correct”-proces voor programmeren.

Hoewel de methode werd gedemonstreerd met multicolumn-additie, kan de machine learning-engine die wordt gebruikt, worden toegepast op andere onderwerpen, zoals vergelijkingen oplossen, breukadditie, chemie, Engelse grammatica en wetenschappelijke experimentomgevingen.

Een van de belangrijkste doelen is om deze methode te laten zien aan leraren om hun eigen computergebaseerde lessen te maken, zonder de noodzaak van een AI-programmeur. Dit stelt leraren in staat om hun eigen visie toe te passen op hoe ze lesgeven of welke methoden ze gebruiken.

Weitekamp, Koedinger en HCII-systeemwetenschapper Erik Harpstead schreven het artikel over de methode. Het werd geaccepteerd door de Conference of Human Factors in Computing Systems (CHI 2020). De conferentie was oorspronkelijk gepland voor deze maand, maar de COVID-19-pandemie dwong het om te worden geannuleerd.Het artikel kan nu worden gevonden in de conferentie-proceedings, gelegen in de digitale bibliotheek van de Association for Computing Machinery.

Het Institute of Education Sciences en Google (GOOGL ) hielpen het onderzoek te ondersteunen.