人工智能模型可以预测学生的学习量

研究人员 北卡罗来纳州立大学 开发了一种人工智能 (AI) 模型，能够预测学生在教育游戏中学习的量。 该模型依赖于多任务学习，这是一种人工智能训练概念，其中一个模型执行多个任务。 该系统可以帮助改善教学和学习成果。

乔纳森·罗 (Jonathan Rowe) 是详细介绍这项工作的论文的合著者，也是北卡罗来纳州立大学教育信息学中心 (CEI) 的研究科学家。

“在我们的案例中，我们希望模型能够根据学生在玩名为“水晶岛”的教育游戏时的行为来预测学生是否会正确回答测试中的每个问题，”Rowe 说。

“解决这个问题的标准方法只关注总体测试分数，将测试视为一项任务，”他继续说道。 “在我们的多任务学习框架中，该模型有 17 个任务 - 因为测试有 17 个问题。”

研究人员使用了 181 名学生的游戏玩法和测试数据。 人工智能分析了每个学生的游戏玩法以及他们如何回答测试中的问题 1。 人工智能学习了正确回答问题 1 的学生的常见行为，然后学习了回答错误的学生的行为。 有了这些数据，人工智能就能够确定新学生将如何回答问题 1。

该功能针对每个问题同时执行。 虽然为学生复习的游戏玩法是相同的，但人工智能会研究问题 2、问题 3 等背景下的行为。

多任务方法取得了成功并产生了影响。 多任务模型比使用传统 AI 训练方法的其他模型准确率高出 10% 左右。

Michael Geden 是该论文的第一作者，也是北卡罗来纳州立大学的博士后研究员。

“我们设想这种模型可以通过多种方式使用，让学生受益，”他说。 “当学生的游戏玩法表明学生可能需要额外指导时，它可以用来通知老师。 它还可以用于促进游戏本身的自适应游戏功能。 例如，改变故事情节以重新审视学生正在努力解决的概念。

“心理学早就认识到不同的问题有不同的价值，”格登继续说道。 “我们在这里的工作采用跨学科方法，将心理学的这一方面与人工智能的深度学习和机器学习方法结合起来。”

安德鲁·艾默生（Andrew Emerson）是该论文的合著者，也是该论文的博士学位。 北卡罗来纳州立大学的学生。

艾默生说：“这也为将更复杂的建模技术融入教育软件打开了大门，特别是适应学生需求的教育软件。”

该论文的标题是“多任务学习教育游戏中的预测学生建模”，并将在定于 34 月 7 日至 12 日在纽约举行的第 XNUMX 届 AAAI 人工智能会议上发表。 -该论文的作者是北卡罗来纳州立大学杰出计算机科学教授兼 CEI 主任 James Lester 以及中佛罗里达大学的 Roger Azevedo。

这项工作得到了国家科学基金会和加拿大社会科学与人文研究委员会的支持。