Mô hình trí tuệ nhân tạo có thể dự đoán mức độ học tập của sinh viên

Các nhà nghiên cứu từ Đại học North Carolina State đã phát triển một mô hình trí tuệ nhân tạo (AI) có khả năng dự đoán mức độ học tập của sinh viên trong các trò chơi giáo dục. Mô hình này dựa trên việc học đa nhiệm, một khái niệm đào tạo AI nơi một mô hình thực hiện nhiều nhiệm vụ. Hệ thống này có thể giúp cải thiện việc giảng dạy và kết quả học tập.

Jonathan Rowe là đồng tác giả của bài báo chi tiết về công việc và là nhà nghiên cứu tại Trung tâm Thông tin Giáo dục (CEI) của Đại học North Carolina State.

“Trong trường hợp của chúng tôi, chúng tôi muốn mô hình có thể dự đoán liệu một sinh viên sẽ trả lời mỗi câu hỏi trên một bài kiểm tra đúng, dựa trên hành vi của sinh viên khi chơi một trò chơi giáo dục gọi là Crystal Island,” Rowe nói.

“Cách tiếp cận tiêu chuẩn để giải quyết vấn đề này chỉ xem xét điểm số kiểm tra tổng thể, xem bài kiểm tra như một nhiệm vụ,” anh tiếp tục. “Trong khuôn khổ của chúng tôi về học đa nhiệm, mô hình có 17 nhiệm vụ – vì bài kiểm tra có 17 câu hỏi.”

Các nhà nghiên cứu đã sử dụng dữ liệu chơi trò chơi và kiểm tra từ 181 sinh viên. AI phân tích hành vi chơi trò chơi của mỗi sinh viên và cách họ trả lời Câu hỏi 1 trên bài kiểm tra. AI học các hành vi chung của sinh viên trả lời Câu hỏi 1 đúng và sau đó học các hành vi của những người trả lời sai. Với dữ liệu này, AI có thể xác định cách một sinh viên mới sẽ trả lời Câu hỏi 1.

Chức năng này được thực hiện đồng thời cho mọi câu hỏi. Trong khi hành vi chơi trò chơi được xem xét cho một sinh viên là như nhau, AI nghiên cứu hành vi trong khuôn khổ của Câu hỏi 2, Câu hỏi 3, v.v.

Cách tiếp cận đa nhiệm đã thành công và tạo ra sự khác biệt. Mô hình đa nhiệm chính xác hơn khoảng 10% so với các mô hình khác sử dụng phương pháp đào tạo AI thông thường.

Michael Geden là tác giả đầu tiên của bài báo và là nhà nghiên cứu sau tiến sĩ tại NC State.

“Chúng tôi hình dung mô hình này sẽ được sử dụng theo một số cách có thể mang lại lợi ích cho sinh viên,” anh nói. “Nó có thể được sử dụng để thông báo cho giáo viên khi hành vi chơi trò chơi của một sinh viên cho thấy sinh viên có thể cần hướng dẫn thêm. Nó cũng có thể được sử dụng để tạo ra các tính năng chơi trò chơi thích ứng trong trò chơi itself. Ví dụ, thay đổi cốt truyện để xem lại các khái niệm mà một sinh viên đang gặp khó khăn.

“Tâm lý học đã lâu nhận ra rằng các câu hỏi khác nhau có giá trị khác nhau,” Geden tiếp tục. “Công việc của chúng tôi ở đây thực hiện một cách tiếp cận liên ngành kết hợp khía cạnh tâm lý học này với các phương pháp học sâu và máy học của AI.”

Andrew Emerson là đồng tác giả của bài báo và là sinh viên tiến sĩ tại NC State.

“Điều này cũng mở ra cánh cửa để kết hợp các kỹ thuật mô hình hóa phức tạp hơn vào phần mềm giáo dục – đặc biệt là phần mềm giáo dục thích ứng với nhu cầu của sinh viên,” Emerson nói.

Bài báo có tiêu đề “Mô hình hóa sinh viên dự đoán trong trò chơi giáo dục với học đa nhiệm” và sẽ được trình bày tại Hội nghị Trí tuệ Nhân tạo AAAI lần thứ 34, diễn ra từ ngày 7-12 tháng 2 tại New York, N.Y. Các đồng tác giả của bài báo là James Lester, Giáo sư Khoa học Máy tính và Giám đốc CEI tại NC State, cũng như Roger Azevedo của Đại học Central Florida.

Công việc này được hỗ trợ bởi Quỹ Khoa học Quốc gia và Hội đồng Nghiên cứu Khoa học Xã hội và Nhân văn Canada.