Модель ИИ может предсказать, сколько ученики учатся

Исследователи из Университета штата Северная Каролина разработали модель искусственного интеллекта (ИИ), способную предсказать количество знаний, которые ученики получают в образовательных играх. Модель основана на многозадачном обучении, концепции обучения ИИ, при которой одна модель выполняет несколько задач. Система может помочь улучшить обучение и результаты.

Джонатан Роу – соавтор статьи, в которой описана работа, и исследовательский ученый в Центре образовательной информатики (CEI) Университета штата Северная Каролина.

“В нашем случае мы хотели, чтобы модель могла предсказать, правильно ли ученик ответит на каждый вопрос теста, основываясь на поведении ученика во время игры в образовательную игру под названием Crystal Island”, – говорит Роу.

“Стандартный подход к решению этой проблемы заключается в том, чтобы рассматривать только общий балл теста, рассматривая тест как одну задачу”, – продолжает он. “В контексте нашего многозадачного обучения модель имеет 17 задач – потому что тест имеет 17 вопросов”.

Исследователи использовали данные игрового процесса и тестирования 181 ученика. ИИ проанализировал игровой процесс каждого ученика и то, как они ответили на вопрос 1 теста. ИИ научился общим поведением учеников, которые правильно ответили на вопрос 1, и затем научился поведению тех, кто ответил неправильно. С помощью этих данных ИИ смог определить, как новый ученик ответит на вопрос 1.

Эта функция выполняется одновременно для каждого вопроса. Хотя игровой процесс, рассматриваемый для каждого ученика, один и тот же, ИИ изучает поведение в контексте вопроса 2, вопроса 3 и т. д.

Многозадачный подход оказался успешным и сделал разницу. Многозадачная модель была примерно на 10 процентов более точной, чем другие модели, которые использовали традиционные методы обучения ИИ.

Майкл Геден – основной автор статьи и постдокторант в Университете штата Северная Каролина.

“Мы представляем себе, что такая модель может быть использована несколькими способами, которые могут принести пользу ученикам”, – говорит он. “Она может быть использована для уведомления учителей, когда игровой процесс ученика предполагает, что ученику может потребоваться дополнительное обучение. Она также может быть использована для реализации адаптивных функций игрового процесса в самой игре. Например, изменение сюжета, чтобы повторно рассмотреть концепции, с которыми ученик испытывает трудности.

“Психология давно признала, что разные вопросы имеют разную ценность”, – продолжает Геден. “Наша работа здесь представляет собой междисциплинарный подход, который сочетает этот аспект психологии с подходами глубокого обучения и машинного обучения ИИ”.

Эндрю Эмерсон – соавтор статьи и аспирант в Университете штата Северная Каролина.

“Это также открывает двери для включения более сложных методов моделирования в образовательное программное обеспечение – особенно в то, которое адаптируется к потребностям ученика”, – говорит Эмерсон.

Статья озаглавлена “Предсказательное моделирование учащихся в образовательных играх с многозадачным обучением” и будет представлена на 34-й конференции AAAI по искусственному интеллекту, которая состоится с 7 по 12 февраля в Нью-Йорке. Соавторами статьи были Джеймс Лестер, заслуженный профессор компьютерных наук и директор CEI в Университете штата Северная Каролина, а также Роджер Азеведо из Университета Центральной Флориды.

Работа была поддержана Национальным научным фондом и Канадским исследовательским советом по социальным и гуманитарным наукам.