AI Modeli Öğrencilerin Ne Kadar Öğrentiğini Öngörebiliyor

North Carolina State Üniversitesi’nden araştırmacılar, öğrencilerin eğitim oyunlarında ne kadar öğrendiklerini öngörebilen bir yapay zeka (AI) modeli geliştirdiler. Model, çoklu görev öğrenimi kavramına dayanır, burada bir model birden fazla görevi gerçekleştirir. Sistem, öğretimi ve öğrenme sonuçlarını iyileştirmeye yardımcı olabilir.

Jonathan Rowe, çalışmayı anlatan makalenin ortak yazarı ve North Carolina State Üniversitesi’nin Eğitim Bilgisayarları Merkezi (CEI)’nde araştırma bilimcisi.

“Bizim durumumuzda, modelin bir öğrencinin testteki her soruyu doğru cevaplayıp cevaplayamayacağını, öğrencinin Crystal Island adlı bir eğitim oyununda davranışına dayanarak öngörebilmesi istedik” diyor Rowe.

“Bu problemi çözmek için standart yaklaşım, yalnızca genel test puanına bakar ve testi tek bir görev olarak görür” diye devam ediyor. “Çoklu görev öğrenimi çerçevemizde, modelin 17 görevi vardır – çünkü testte 17 soru vardır.”

Araştırmacılar, 181 öğrenciden oyun ve test verilerini kullandılar. AI, her öğrencinin oyun oynama davranışını ve testteki 1. soruyu nasıl cevapladığını analiz etti. AI, 1. soruyu doğru cevaplayan öğrencilerin ortak davranışlarını öğrendi ve sonra da yanlış cevaplayanların davranışlarını öğrendi. Bu verilerle, AI bir yeni öğrencinin 1. soruyu nasıl cevaplayacağını belirleyebildi.

Bu işlev, her soru için aynı anda gerçekleştirilir. Öğrencinin gözden geçirilen oyun oynama davranışı aynı olsa da, AI davranışı 2. soru, 3. soru vb. bağlamında inceler.

Çoklu görev yaklaşımı başarılı oldu ve fark yarattı. Çoklu görev modeli, geleneksel AI eğitim yöntemlerini kullanan diğer modellere göre yaklaşık %10 daha doğruydı.

Michael Geden, makalenin ilk yazarı ve NC State’de doktora sonrası araştırmacı.

“Bu tür bir modelin, öğrencilere birkaç şekilde fayda sağlayabileceğini hayal ediyoruz” diyor. “Öğrencinin oyun oynama davranışı, öğrenciye ek öğretim gerektirebileceğini öğretmenlere bildirmek için kullanılabilir. Ayrıca, oyunun kendisinde uyarlanabilir oyun özellikleri sağlamak için de kullanılabilir. Örneğin, öğrencinin zorlandığı kavramları yeniden ziyaret etmek için bir hikayeyi değiştirmek.

“Psikoloji, uzun süredir farklı soruların farklı değerleri olduğunu kabul etti” diye devam ediyor Geden. “Buradaki çalışmamız, bu psikoloji yönünü derin öğrenme ve makine öğrenimi yaklaşımıyla birleştiren disiplinler arası bir yaklaşım sunuyor.”

Andrew Emerson, makalenin ortak yazarı ve NC State’de doktora öğrencisi.

“Bu ayrıca, öğrencinin ihtiyaçlarına uyarlanabilen eğitim yazılımlarına, özellikle de daha karmaşık modelleme tekniklerini entegre etme kapısını açıyor” diyor Emerson.

Makale, “Eğitim Oyunlarında Çoklu Görev Öğrenimi ile Öğrenci Modellemesi” başlığını taşıyor ve 7-12 Şubat tarihleri arasında New York’ta düzenlenecek 34. AAAI Yapay Zeka Konferansı’nda sunulacak. Makalenin ortak yazarları, NC State’de Bilgisayar Bilimi Distinguished Üniversitesi Profesörü ve CEI direktörü James Lester ve Central Florida Üniversitesi’nden Roger Azevedo.

Çalışma, Ulusal Bilim Vakfı ve Kanada Sosyal Bilimler ve Beşeri Bilimler Araştırma Konseyi tarafından desteklenmiştir.