您的位置:首页>科学>

增强AI识别需要帮助的学生的能力

研究人员设计了一种人工智能(AI)模型,该模型可以更好地预测教育游戏中学生的学习量。改进后的模型利用了称为多任务学习的AI培训概念,可用于改善教学和学习成果。

多任务学习是一种方法,其中要求一个模型执行多个任务。

“在我们的案例中,我们希望模型能够根据学生在玩名为Crystal Island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,” Jonathan Rowe说。北卡罗莱纳州立大学教育信息学中心(CEI)的工作论文和研究科学家。

Rowe说:“解决此问题的标准方法仅着眼于整体考试成绩,将考试视为一项任务。”“在我们的多任务学习框架的背景下,该模型有17个任务-因为测试有17个问题。”

研究人员从181名学生那里获得了游戏性和测试数据。AI可以查看每个学生的游戏玩法,以及每个学生如何回答测试中的问题1。通过确定正确回答问题1的学生的常见行为以及错误回答问题1的学生的常见行为,人工智能可以确定新学生如何回答问题1。

同时针对每个问题执行此功能;给定学生的游戏玩法是相同的,但AI会根据问题2,问题3等来查看该行为。

而且这种多任务方法也有所不同。研究人员发现,多任务模型的准确性比其他传统AI训练方法高出10%。

该论文的第一作者,北卡罗来纳州立大学的博士后研究员迈克尔·盖登说:“我们预想这种模型将以多种方式使学生受益。”“当学生的游戏玩法提示学生可能需要额外的指导时,它可以用于通知老师。它也可以用于促进游戏本身的自适应游戏玩法功能。例如,更改故事情节以重新审视学生的概念。正在挣扎。

盖登说:“心理学早已认识到不同的问题具有不同的价值。”“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AI的深度学习和机器学习方法结合在一起。”

该论文和博士学位的合著者安德鲁·爱默生(Andrew Emerson)表示:“这也为将更复杂的建模技术整合到教育软件中(尤其是适应学生需求的教育软件)敞开了大门。”北卡罗来纳州立大学学生。

论文“具有多任务学习的教育游戏中的预测性学生建模”将在2月7日至12日在纽约州纽约举行的第34届AAAI人工智能大会上发表。该论文由James Lester合着,杰出大学计算机科学教授,北卡罗来纳州立大学CEI主任;和中央佛罗里达大学的Roger Azevedo

该工作是在美国国家科学基金会(DRL-1661202)的支持下完成的;以及来自加拿大社会科学与人文研究委员会的资助(SSHRC 895-2011-1006)。

免责声明:本文由用户上传,如有侵权请联系删除!