Los investigadores han diseñado un modelo de inteligencia artificial IA que es más capaz de predecir cuánto están aprendiendo los estudiantes en los juegos educativos. El modelo mejorado utiliza un concepto de entrenamiento de IA llamado aprendizaje de tareas múltiples, y podría usarse para mejorar ambosinstrucción y resultados de aprendizaje.
El aprendizaje multitarea es un enfoque en el que se le pide a un modelo que realice múltiples tareas.
"En nuestro caso, queríamos que el modelo pudiera predecir si un estudiante respondería cada pregunta en una prueba correctamente, en función del comportamiento del estudiante mientras jugaba un juego educativo llamado Crystal Island", dice Jonathan Rowe, coautorde un artículo sobre el trabajo y un científico investigador en el Centro de Informática Educativa CEI de la Universidad Estatal de Carolina del Norte.
"El enfoque estándar para resolver este problema se ve solo en el puntaje general de la prueba, viendo la prueba como una tarea", dice Rowe. "En el contexto de nuestro marco de aprendizaje de tareas múltiples, el modelo tiene 17 tareas, porque la pruebatiene 17 preguntas "
Los investigadores obtuvieron datos sobre el juego y las pruebas de 181 estudiantes. La IA pudo observar el juego de cada estudiante y cómo cada estudiante respondió la pregunta 1 en la prueba. Al identificar comportamientos comunes de los estudiantes que respondieron correctamente a la pregunta 1, y comportamientos comunes de los estudiantesquien se equivocó con la pregunta 1, la IA podría determinar cómo un nuevo estudiante respondería la pregunta 1.
Esta función se realiza para cada pregunta al mismo tiempo; la jugabilidad que se revisa para un estudiante determinado es la misma, pero la IA analiza ese comportamiento en el contexto de la Pregunta 2, la Pregunta 3, etc.
Y este enfoque de tareas múltiples marcó la diferencia. Los investigadores encontraron que el modelo de tareas múltiples era aproximadamente un 10 por ciento más preciso que otros modelos que dependían de los métodos convencionales de entrenamiento de IA.
"Visualizamos que este tipo de modelo se utilizará de un par de formas que pueden beneficiar a los estudiantes", dice Michael Geden, primer autor del artículo e investigador postdoctoral en NC State. "Podría usarse para notificar a los maestros cuando un estudianteel juego sugiere que el estudiante puede necesitar instrucción adicional. También podría usarse para facilitar las características de juego adaptativo en el juego en sí mismo. Por ejemplo, alterar una historia para volver a revisar los conceptos con los que el estudiante está luchando.
"La psicología ha reconocido por mucho tiempo que las diferentes preguntas tienen valores diferentes", dice Geden. "Nuestro trabajo aquí adopta un enfoque interdisciplinario que combina este aspecto de la psicología con los enfoques de aprendizaje profundo y aprendizaje automático de la IA".
"Esto también abre la puerta a la incorporación de técnicas de modelado más complejas en el software educativo, particularmente el software educativo que se adapta a las necesidades del estudiante", dice Andrew Emerson, coautor del artículo y estudiante de doctorado enEstado de Carolina del Norte.
El documento, "Modelado predictivo de estudiantes en juegos educativos con aprendizaje multitarea", se presentará en la 34ª Conferencia de AAAI sobre Inteligencia Artificial, que se llevará a cabo del 7 al 12 de febrero en Nueva York, NY. El documento fue escrito en coautoría porJames Lester, distinguido profesor universitario de ciencias de la computación y director de CEI en NC State; y por Roger Azevedo de la Universidad de Florida Central.
El trabajo se realizó con el apoyo de la National Science Foundation, bajo la subvención DRL-1661202; y del Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá, bajo la subvención SSHRC 895-2011-1006.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :