AI-modeller och plattformar

Hur Riiid! bidrar till att skapa en ny era av AI-utbildning

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Riiid är ett sydkoreanskt serie C-startupföretag med 31,3 miljoner dollar i finansiering. Företaget utvecklar och tillhandahåller AI-drivna lösningar för utbildningssektorn, med ett specialiserat fokus på standardiserade tester.

Teamet på Riiid genomför också forskning för att utveckla AI-modellerna, som sedan placeras på företagets kommersialiserade plattform som kallas “Santa”.

Santa och ITS:er

Santa är ett multiplattformssystem för engelsk intelligent undervisning (ITS), och det innehåller en AI-lärare som tillhandahåller en individuell läroplan för användare.

ITS:er får mycket uppmärksamhet i både AI- och utbildningssektorerna, främst på grund av deras förmåga att tillhandahålla elever med personliga lärupplevelser genom användning av djupinlärningsalgoritmer. ITS:er föreslår vissa studiestrategier för individer.

Santa är en testförberedelseplattform för Test of English for International Communication (TOEIC). Plattformen har över en miljon användare i Sydkorea, specifikt för TOEIC.

Efter att ha etablerat sitt första kontor i USA i början av 2020 söker Riiid expandera ytterligare och gå utöver bara TOEIC, med en plan att rikta sig mot andra testområden som ACT, SAT och GMAT.

Senaste studier och forskning

Företaget har två nyliga forskningsartiklar, med en av de viktigaste slutsatserna att djupinlärningsalgoritmer kan hjälpa till att förbättra elevernas engagemang.

En av artiklarna heter “Prescribing Deep Attentive Score Prediction Attracts Improved Student Engagement“, som accepterades till den topprankade AI-utbildningskonferensen Educational Data Mining (EDM).

Teamet genomförde ett kontrollerat A/B-test på ITS med två separata modeller baserade på samarbetsfilter och djupinlärningsalgoritmer.

Efter att ha testats på 78 000 användare konstaterades det att djupinlärningsalgoritmerna resulterade i högre elevmoral, såsom högre diagnostisk testgenomföranderatio och antal besvarade frågor. Det resulterade också i mer aktivt engagemang på Santa, visat genom en högre köpfrekvens och förbättrad total vinst.

Den andra artikeln var titlad “Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment“. Den accepterades av den globala AI-utbildningskonferensen CSEDU.

Artikeln fokuserade på elevengagemang, och teamet sökte insikt i elevavhoppningsprediktion, specifikt i fråga om studieavhoppningsprediktion i en mobil inlärningsmiljö. Genom att observera detta problem trodde teamet att det fanns en chans att öka elevengagemanget.

Forskningen föreslog en metod för att maximera inlärningseffekterna genom att observera avhoppningssannolikheten för enskilda användare inom den mobila inlärningsmiljön. Deras modell kallas DAS, eller Deep Attentive Study Session Dropout Prediction in Mobile Learning Environment.

Genom användning av djupinlärningsberäkningar som extraherar information från elevinteraktioner kan Riiids modell exakt förutsäga avhoppningssannolikheten.

Santa-plattformen införlivades i modellen, som tillhandahöll frågor som hade en låg avhoppningsrisk. Genom att rekommendera vissa frågor var elever mer benägna att förbli engagerade och fortsätta studera, snarare än att avbryta sessionen.

Enligt forskningsteamet är “detta den första försöket att undersöka studieavhopp i en mobil inlärningsmiljö”.

Riiid är ett av världens ledande startup-företag för utveckling av ITS:er och tillhandahållande av AI-lösningar inom utbildningssektorn. När utbildning och AI-teknik blir mer sammanflätade kommer företag som Riiid att inleda en ny era av lärometoder och system, samtidigt som de försöker övervinna de nuvarande utmaningarna kring elevengagemang.

Alex leder Unite.AI:s AI‑drivna nyhetsverksamhet och kombinerar journalistik, forskning och automation för att stödja snabb och skalbar bevakning av artificiell intelligens. Hans arbete bidrar till att nya AI‑utvecklingar framträder effektivt samtidigt som publikationen upprätthåller sina redaktionella standarder.