Исследователи разработали искусственный интеллект модели (ИИ), что лучше в состоянии предсказать, сколько студентов учатся в развивающие игры. Улучшенная модель позволяет использовать концепцию обучения ИИ под названием Multi-задачи обучения, и может быть использовано для улучшения обучения и результаты обучения.
Мульти-задач обучения является подход, при котором одна модель предлагается выполнить несколько заданий.
«В нашем случае, мы хотели, чтобы модель, чтобы быть в состоянии предсказать, будет ли студент ответит на каждый вопрос теста правильно, на основе поведения студента во время игры обучающая игра под названием Хрустальный остров», — говорит Джонатан Роу, соавтор статьи о работе и ученый-исследователь в Государственном Университете Северной Каролины центр образовательной информатики (КЭИ).
«Стандартный подход для решения этой проблемы смотрит только на общий тест, просмотр тестирование как одна задача», — говорит Роу. «В контексте наших многоцелевых рамках обучения, модель имеет 17 задачи — потому, что тест состоит из 17 вопросов.»
Исследователи геймплей и проверки данных из 181 учащихся. ИИ может смотреть на каждого студента геймплей и на то, как каждый ученик отвечал на вопрос 1 на тест. Путем выявления общих поведений студентов, которые ответили на вопрос 1 правильно, и общего поведения студентов, которые получили Вопрос 1 изнаночная, ИИ может определить, как новый студент ответит на вопрос 1.
Эта функция осуществляется на каждый вопрос в то же время, игровой процесс рассматривается для конкретного студента-это то же самое, но ИИ смотрит на это поведение в контексте вопрос 2, Вопрос 3, и так далее.
И это мульти-задачный подход сделал разницу. Исследователи обнаружили, что многоцелевые модели примерно на 10 процентов точнее, чем другие модели, которые опирались на традиционные методы обучения ИИ.
«Мы считаем, что такая модель используется несколькими способами, которые могут принести пользу студентов», — говорит Майкл Геден, первый автор статьи и научный сотрудник в НК государства. «Он может быть использован, чтобы уведомить преподавателей, когда студент геймплей предполагает, что студент, возможно, потребуется дополнительное обучение. Он также может быть использован для облегчения адаптивные особенности геймплея в самой игре. Например, изменяя сюжетную линию для того, чтобы вернуться к концепции, что студент борется с.
«Психология уже давно признано, что разные вопросы имеют разные значения,» Геден говорит. «Наша работа здесь требуется междисциплинарный подход, который женится на этот аспект психологии с глубокого обучения и машинного обучения подходы к искусственному интеллекту».
«Это также открывает двери для внедрения более сложных методов моделирования в образовательные программы — в частности, образовательное программное обеспечение, которое адаптируется к потребностям ученика», — говорит Эндрю Эмерсон, соавтор бумаги и аспирант на государственной НК.
В статье, «интеллектуального студенческого моделирования в развивающие игры с несколькими задачами обучения», будут представлены на 34-й конференции AAAI по искусственному интеллекту, проходящей февраля. 7-12 в Нью-Йорк, Нью-Йорк бумага была в соавторстве с Джеймсом Лестером, заслуженный профессор компьютерных наук и директор ЦЕИ в штате Северная Каролина; и Роджер Азеведо из Университета Центральной Флориды.
Работа была выполнена при поддержке Национального научного фонда, грант ДРЛ-1661202; и из области общественных наук и Совета по гуманитарным исследованиям Канады, в рамках гранта 895-2011-1006 КПЧЮС.
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!