AI 模型可以预测学生的学习成果

来自 北卡罗来纳州立大学 的研究人员开发了一种人工智能（AI）模型，该模型能够预测学生在教育游戏中学习的内容。该模型依赖于多任务学习，这是一种 AI 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。

Jonathan Rowe 是一篇关于这项工作的论文的共同作者，也是北卡罗来纳州立大学教育信息中心（CEI）的研究科学家。

“在我们的例子中，我们希望模型能够预测学生在测试中正确回答每个问题的能力，基于学生在玩一个叫做 Crystal Island 的教育游戏时的行为，”Rowe 说。

“解决这个问题的标准方法只看总体测试成绩，将测试视为一个任务，”他继续说。“在我们的多任务学习框架中，模型有 17 个任务——因为测试有 17 个问题。”

研究人员使用了 181 名学生的游戏和测试数据。AI 分析了每个学生的游戏行为以及他们如何回答测试中的第 1 题。AI 学习了正确回答第 1 题的学生的共同行为，然后学习了那些回答错误的学生的行为。有了这些数据，AI 就可以确定新学生如何回答第 1 题。

该功能同时为每个问题执行。虽然审查的游戏行为对于每个学生来说是相同的，但 AI 在第 2 题、第 3 题等的背景下研究行为。

多任务方法是成功的，并且产生了影响。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大约 10%。

Michael Geden 是论文的第一作者，也是 NC State 的博士后研究员。

“我们设想这种模型可以以两种方式使用，以便于学生，”他说。“它可以用来通知教师，当学生的游戏行为表明学生可能需要额外的指导时。它也可以用来促进游戏本身的自适应功能。例如，修改故事情节以重新审视学生正在努力的概念。”

“心理学长期以来一直认识到，不同的问题具有不同的价值，”Geden 继续说。“我们的工作采用了一种跨学科的方法，将心理学的这一方面与深度学习和机器学习方法相结合。”

Andrew Emerson 是论文的共同作者，也是 NC State 的博士生。

“这也为将更复杂的建模技术纳入教育软件打开了大门——特别是适应学生需求的教育软件，”Emerson 说。

论文的标题是“使用多任务学习的教育游戏中的预测学生建模”，并将在 2 月 7-12 日在纽约举行的第 34 届 AAAI 人工智能会议上发表。论文的共同作者包括 NC State 的杰出大学教授、计算机科学系主任和 CEI 主任 James Lester，以及中佛罗里达大学的 Roger Azevedo。

该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。