Modelo de IA pode prever quanto os alunos estão aprendendo

pesquisadores da Universidade Estadual da Carolina do Norte desenvolveram um modelo de inteligência artificial (IA) capaz de prever o quanto os alunos estão aprendendo em jogos educacionais. O modelo se baseia no aprendizado multitarefa, um conceito de treinamento de IA em que um modelo executa várias tarefas. O sistema pode ajudar a melhorar a instrução e os resultados de aprendizagem.

Jonathan Rowe é coautor do artigo que detalha o trabalho e cientista pesquisador no Centro de Informática Educacional (CEI) da Universidade Estadual da Carolina do Norte.

“No nosso caso, queríamos que o modelo fosse capaz de prever se um aluno responderia corretamente a cada pergunta de um teste, com base no comportamento do aluno enquanto jogava um jogo educativo chamado Crystal Island”, diz Rowe.

“A abordagem padrão para resolver esse problema considera apenas a pontuação geral do teste, visualizando o teste como uma tarefa”, continua ele. “No contexto de nossa estrutura de aprendizado multitarefa, o modelo tem 17 tarefas – porque o teste tem 17 perguntas.”

Os pesquisadores usaram dados de jogabilidade e testes de 181 alunos. A IA analisou a jogabilidade de cada aluno e como eles responderam à Questão 1 do teste. A IA aprendeu os comportamentos comuns dos alunos que responderam corretamente à Pergunta 1 e, em seguida, aprendeu os comportamentos daqueles que responderam incorretamente. Com esses dados, a IA foi capaz de determinar como um novo aluno responderia à pergunta 1.

A função é executada ao mesmo tempo para cada pergunta. Embora a jogabilidade revisada para um aluno seja a mesma, a IA estuda o comportamento no contexto da Pergunta 2, Pergunta 3, etc.

A abordagem multitarefa foi bem-sucedida e fez a diferença. O modelo multitarefa foi cerca de 10% mais preciso do que os outros modelos que usaram métodos convencionais de treinamento de IA.

Michael Geden é o primeiro autor do artigo e pesquisador de pós-doutorado na NC State.

“Imaginamos que esse tipo de modelo seja usado de diversas maneiras que podem beneficiar os alunos”, diz ele. “Ele poderia ser usado para notificar os professores quando a jogabilidade de um aluno sugerir que ele pode precisar de instruções adicionais. Também poderia ser usado para facilitar recursos de jogabilidade adaptáveis ​​no próprio jogo. Por exemplo, alterando um enredo para revisitar os conceitos com os quais um aluno está tendo dificuldades.”

“A psicologia há muito reconhece que diferentes questões têm valores diferentes”, continua Geden. “Nosso trabalho aqui adota uma abordagem interdisciplinar que combina esse aspecto da psicologia com abordagens de aprendizado profundo e aprendizado de máquina para IA.”

Andrew Emerson é o co-autor do papel e um Ph.D. estudante na NC State.

“Isso também abre a porta para a incorporação de técnicas de modelagem mais complexas em software educacional – especialmente software educacional que se adapta às necessidades do aluno”, diz Emerson.

O artigo é intitulado “Modelagem preditiva de alunos em jogos educacionais com aprendizado multitarefa” e será apresentado na 34ª Conferência AAAI sobre Inteligência Artificial, que acontecerá entre os dias 7 e 12 de fevereiro em Nova York, NY. -Os autores do artigo foram James Lester, Distinguished University Professor of Computer Science e diretor do CEI na NC State, bem como Roger Azevedo da University of Central Florida.

O trabalho foi financiado pela National Science Foundation e pelo Social Sciences and Humanities Research Council of Canada.