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 a quantidade de aprendizado dos alunos em jogos educacionais. O modelo se baseia no conceito de aprendizado multi-tarefa, onde um modelo realiza múltiplas tarefas. O sistema pode ajudar a melhorar a instrução e os resultados de aprendizado.

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

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

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

Os pesquisadores usaram dados de jogo e teste de 181 alunos. A IA analisou o jogo de cada aluno e como eles responderam à Pergunta 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 pôde determinar como um novo aluno responderia à Pergunta 1.

A função é realizada ao mesmo tempo para cada pergunta. Embora o jogo revisado para um aluno seja o mesmo, a IA estuda o comportamento no contexto da Pergunta 2, Pergunta 3, etc.

A abordagem multi-tarefa foi bem-sucedida e fez uma diferença. O modelo multi-tarefa foi cerca de 10% mais preciso do que os outros modelos que usavam métodos de treinamento de IA convencionais.

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

“Nós imaginamos que esse tipo de modelo possa ser usado de várias maneiras que podem beneficiar os alunos”, diz ele. “Ele pode ser usado para notificar os professores quando o jogo de um aluno sugere que o aluno pode precisar de instrução adicional. Ele também pode ser usado para facilitar recursos de jogo adaptativo no próprio jogo. Por exemplo, alterar uma história para revisitar os conceitos com os quais um aluno está tendo dificuldade.

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

Andrew Emerson é coautor do artigo e um estudante de doutorado na NC State.

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

O artigo é intitulado “Modelagem de Aluno Preditiva em Jogos Educacionais com Aprendizado Multi-Tarefa” e será apresentado na 34ª Conferência AAAI sobre Inteligência Artificial, que ocorrerá entre 7 e 12 de fevereiro em Nova York, NY. Os coautores do artigo foram James Lester, Professor Distinguido de Ciência da Computação e diretor do CEI na NC State, bem como Roger Azevedo, da Universidade da Flórida Central.

O trabalho foi apoiado pela Fundação Nacional de Ciências e pelo Conselho de Pesquisa em Ciências Sociais e Humanas do Canadá.