研究人員設(shè)計了一種人工智能(AI)模型，該模型可以更好地預測教育游戲中學生的學習量。改進的模型利用了稱為多任務(wù)學習的AI培訓概念，可用于改善教學和學習成果。多任務(wù)學習是一種要求一個模型執(zhí)行多個任務(wù)的方法。“在我們的案例中，我們希望該模型能夠根據(jù)學生在玩名為Crystal Island的教育游戲時的行為來預測學生是否會正確回答測試中的每個問題，” Jonathan Rowe說。北卡羅萊納州立大學教育信息學中心(CEI)的工作論文和研究科學家。

Rowe說：“解決此問題的標準方法僅著眼于整體考試成績，將考試視為一項任務(wù)。” “在我們的多任務(wù)學習框架的背景下，該模型有17個任務(wù)-因為測試有17個問題。”

研究人員從181名學生那里獲得了游戲玩法和測試數(shù)據(jù)。AI可以查看每個學生的游戲玩法以及每個學生如何回答測試中的問題1。通過識別正確回答問題1的學生的常見行為以及錯誤回答問題1的學生的常見行為，AI可以確定新學生如何回答問題1。

同時針對每個問題執(zhí)行此功能;給定學生的游戲玩法是相同的，但AI會根據(jù)問題2，問題3等來查看該行為。

而且這種多任務(wù)方法產(chǎn)生了不同。研究人員發(fā)現(xiàn)，多任務(wù)模型的準確性比其他傳統(tǒng)AI訓練方法高出10%。

該論文的第一作者，北卡羅來納州立大學的博士后研究員邁克爾·蓋登說：“我們預想這種模型將以多種方式使學生受益。” “當學生的游戲玩法提示學生可能需要額外的指導時，它可以用于通知老師。它也可以用于促進游戲本身的自適應(yīng)游戲玩法功能。例如，更改故事情節(jié)以重新審視學生的概念。掙扎著。

蓋登說：“心理學早已認識到不同的問題具有不同的價值。” “我們在這里的工作采用跨學科方法，將心理學的這一方面與AI的深度學習和機器學習方法相結(jié)合。”

該論文和博士學位的合著者安德魯·愛默生(Andrew Emerson)表示：“這也為將更復雜的建模技術(shù)納入教育軟件(特別是適應(yīng)學生需求的教育軟件)打開了一扇門。” 北卡羅來納州立大學的學生。

論文“具有多任務(wù)學習的教育游戲中的預測性學生建模”將在2月7日至12日在紐約州紐約舉行的第34屆AAAI人工智能會議上發(fā)表。該論文由James Lester合著，杰出大學計算機科學教授，北卡羅來納州立大學CEI主任;由中央佛羅里達大學的Roger Azevedo撰寫。