Forskere utvikler ny AI for å hjelpe med å lage tutoringsystemer

Forskere fra Carnegie Mellon University har demonstrert hvordan de kan bygge intelligente tutoringsystemer. Disse systemene er effektive til å undervise i forskjellige emner, inkludert algebra og grammatikk.

Forskerne brukte en ny metode som baserer seg på kunstig intelligens for å tillate en lærer å undervise en datamaskin. Formuleringen gjør denne metoden litt forvirrende, men tenk på det som en datamaskin som lærer å undervise av en menneskelig lærer. Datamaskinen kan lære av den menneskelige læreren ved å vise den hvordan man løser bestemte problemer, som for eksempel addisjon med flere kolonner. Hvis datamaskinen får problemet feil, kan læreren korrigere det.

Løser Problemer På Egen Hånd

En av de interessante delene av denne metoden er at datamaskinsystemet ikke bare kan undervise og løse problemer som det er lært, men også kan løse alle andre problemer i emnet ved å generalisere. Dette betyr at datamaskinen kan ende opp med å løse et problem utenfor de måtene læreren har lært det å gjøre.

Daniel Weitekamp III er en ph.d.-student ved CMU’s Human-Computer Interaction Institute (HCII).

“En student kan lære en måte å gjøre et problem og det vil være tilstrekkelig,” sa Weitekamp. “Men et tutoringsystem må lære alle måter å løse et problem på. Det må lære hvordan man underviser i problemløsning, ikke bare hvordan man løser problemer.”

Ufordringen som Weitekamp forklarer er en av de største i utviklingen av AI-baserte tutoringsystemer. Nyutviklede intelligente tutoringsystemer kan spore studenters fremgang, hjelpe med å bestemme hva som skal gjøres neste, og hjelpe studenter med å utvikle nye ferdigheter ved å velge effektive øvingsproblemer.

Utviklingen av AI-Baserte Tutoringsystemer

Ken Koedinger er en professor i menneske-datamaskin-interaksjon og psykologi. Koedinger var en av de tidlige utviklerne av intelligente tutorer, og sammen med andre, ble produksjonsregler programmert for hånd. Ifølge Koedinger, tok hver time med tutorinstruksjon 200 timer med utvikling. Til slutt utviklet gruppen en mer effektiv metode, som viste alle mulige måter å løse et problem på. Dette reduserte de 200 timene til 40 eller 50, men det er ekstremt vanskelig å vise alle mulige løsninger for noen mønster.

Koedinger har sagt at den nye metoden kan muligens tillate en lærer å utvikle en 30-minutters lekse i samme tidsrom.

“Den eneste måten å få til det fullstendige intelligente tutor på er å skrive disse AI-reglene,” sa Koedinger. “Men nå skriver systemet disse reglene.”

I den nye metoden, brukes et maskinlæringprogram til å simulere måtene studenter lærer på. En undervisningsgrensesnitt ble laget av Weitekamp, og det bruker en “vis-og-korriger”-prosess for programmering.

Selv om metoden ble demonstrert med addisjon med flere kolonner, kan maskinlæringssystemet som brukes, bli brukt til andre emner, som for eksempel ligningsløsning, brøksaddisjon, kjemi, engelsk grammatikk og vitenskapelige eksperimenter.

En av de viktigste målene er at denne metoden skal tillate lærere å konstruere sine egne datamaskinbaserte leksjoner, uten å behøve en AI-programmerer. Dette tillater lærere å bruke sine egne personlige syn på hvordan man skal undervise eller hvilke metoder man skal bruke.

Weitekamp, Koedinger og HCII System Scientist Erik Harpstead skrev artikkelen som beskriver metoden. Den ble akseptert av Konferansen for Menneske-Datamaskin-Interaksjon (CHI 2020). Konferansen var opprinnelig planlagt for denne måneden, men COVID-19-pandemien tvang den til å bli avlyst. Artikkelen kan nå finnes i konferansens prosedyre, som ligger i Association for Computing Machinerys digitale bibliotek.

Instituttet for utdanningsvitenskap og Google (GOOGL ) hjalp med å støtte forskningen.