Штучний Інтелект
Модель ШІ може передбачити, скільки студенти навчаються
Дослідники з Державний університет Північної Кароліни розробили модель штучного інтелекту (ШІ), яка здатна передбачити, скільки студенти навчаються в навчальних іграх. Модель базується на багатозадачному навчанні, концепції навчання ШІ, де одна модель виконує кілька завдань. Система може допомогти покращити навчання та результати навчання.
Джонатан Роу є співавтором статті, яка детально описує роботу, і науковим співробітником Центру освітньої інформатики (CEI) університету штату Північна Кароліна.
«У нашому випадку ми хотіли, щоб модель могла передбачити, чи правильно відповість учень на кожне запитання тесту, на основі поведінки учня під час гри в навчальну гру під назвою Crystal Island», — каже Роу.
«Стандартний підхід до вирішення цієї проблеми розглядає лише загальну оцінку тесту, розглядаючи тест як одне завдання», — продовжує він. «У контексті нашої багатозадачної системи навчання модель містить 17 завдань, тому що тест містить 17 запитань».
Дослідники використовували ігровий процес і дані тестування 181 студента. ШІ проаналізував ігровий процес кожного студента та те, як вони відповідали на запитання 1 тесту. ШІ вивчав загальну поведінку студентів, які правильно відповіли на запитання 1, а потім вивчав поведінку тих, хто відповів неправильно. За допомогою цих даних штучний інтелект зміг визначити, як новий студент відповість на запитання 1.
Функція виконується одночасно для кожного питання. Хоча ігровий процес, який переглядається студентом, є однаковим, ШІ вивчає поведінку в контексті Запитання 2, Запитання 3 тощо.
Багатозадачний підхід був успішним і вніс зміни. Багатозадачна модель була приблизно на 10 відсотків точнішою, ніж інші моделі, які використовували звичайні методи навчання ШІ.
Майкл Геден є першим автором статті та постдокторським дослідником у штаті Північна Кароліна.
«Ми передбачаємо, що цей тип моделі можна використовувати кількома способами, які можуть принести користь студентам», — каже він. «Це можна використовувати для сповіщення вчителів, коли ігровий процес учня передбачає, що учневі можуть знадобитися додаткові інструкції. Його також можна використовувати для полегшення функцій адаптивного геймплея в самій грі. Наприклад, зміна сюжетної лінії, щоб повернутися до понять, з якими учень намагається зрозуміти.
«Психологія давно визнала, що різні запитання мають різну цінність», — продовжує Геден. «У нашій роботі тут використовується міждисциплінарний підхід, який поєднує цей аспект психології з глибоким навчанням і підходами машинного навчання до ШІ».
Ендрю Емерсон є співавтором статті та доктором філософії. студент штату NC.
«Це також відкриває двері для включення більш складних методів моделювання в освітнє програмне забезпечення — зокрема, освітнє програмне забезпечення, яке адаптується до потреб студента», — каже Емерсон.
Доповідь називається «Прогнозне моделювання учнів в освітніх іграх з багатозадачним навчанням» і буде представлена на 34-й конференції AAAI зі штучного інтелекту, яка відбудеться 7-12 лютого в Нью-Йорку, штат Нью-Йорк. -авторами статті були Джеймс Лестер, видатний професор комп'ютерних наук університету та директор CEI в штаті Північна Кароліна, а також Роджер Азеведо з Університету Центральної Флориди.
Робота підтримана Національним науковим фондом і Дослідницькою радою соціальних і гуманітарних наук Канади.
