Многозадачное обучение – это подход, при котором одной модели предлагается выполнить несколько задач.
«В нашем случае мы хотели, чтобы модель могла предсказать, правильно ли ученик ответит на каждый вопрос в тесте, основываясь на поведении ученика во время образовательной игры под названием« Хрустальный остров », – говорит Джонатан Роу, соавтор документ о работе и научный сотрудник Центра образовательной информатики (CEI) Университета штата Северная Каролина.
«Стандартный подход к решению этой проблемы смотрит только на общую оценку теста, рассматривая тест как одну задачу», – говорит Роу. «В контексте нашей структуры многозадачного обучения в модели 17 задач, потому что в тесте 17 вопросов."
Исследователи получили данные об игровом процессе и тестировании 181 студента. ИИ мог посмотреть на игровой процесс каждого ученика и на то, как каждый ученик ответил на вопрос 1 в тесте.
Выявляя типичное поведение учащихся, правильно ответивших на вопрос 1, и типичное поведение учащихся, ответивших на вопрос 1 неправильно, ИИ мог определить, как новый ученик ответит на вопрос 1.
Эта функция выполняется одновременно для всех вопросов; игровой процесс, рассматриваемый для данного ученика, такой же, но ИИ смотрит на это поведение в контексте Вопроса 2, Вопроса 3 и т. д.
И этот многозадачный подход изменил ситуацию.
Исследователи обнаружили, что модель многозадачности примерно на 10 процентов точнее других моделей, основанных на традиционных методах обучения ИИ.
«Мы предполагаем, что этот тип модели будет использоваться несколькими способами, которые могут принести пользу студентам», – говорит Майкл Геден, первый автор статьи и постдокторский исследователь в NC State. "Его можно использовать для уведомления учителей, когда игровой процесс ученика предполагает, что ученику могут потребоваться дополнительные инструкции. Его также можно использовать для облегчения адаптивных функций игрового процесса в самой игре.
Например, изменение сюжетной линии, чтобы пересмотреть концепции, с которыми студент борется.
«Психология давно признала, что разные вопросы имеют разную ценность», – говорит Геден. "Наша работа здесь основана на междисциплинарном подходе, сочетающем этот аспект психологии с подходами глубокого обучения и машинного обучения к ИИ."
«Это также открывает двери для включения более сложных методов моделирования в образовательное программное обеспечение, особенно образовательное программное обеспечение, которое адаптируется к потребностям учащегося», – говорит Эндрю Эмерсон, соавтор статьи и доктор философии.D. студент NC State.
Доклад «Прогнозирующее моделирование учащихся в образовательных играх с многозадачным обучением» будет представлен на 34-й конференции AAAI по искусственному интеллекту, которая состоится в феврале. 7-12 в Нью-Йорке, N.Y. Соавтором статьи является Джеймс Лестер, заслуженный профессор компьютерных наук университета и директор CEI в штате Северная Каролина; и Роджер Азеведо из Университета Центральной Флориды.
Работа выполнена при поддержке Национального научного фонда в рамках гранта DRL-1661202; и от Совета по исследованиям в области социальных и гуманитарных наук Канады в рамках гранта SSHRC 895-2011-1006.