I ricercatori hanno progettato un modello di intelligenza artificiale (AI) in grado di prevedere meglio quanto gli studenti stanno imparando nei giochi educativi. Il modello migliorato si avvale di un concetto di formazione AI chiamato apprendimento multi-task, e potrebbe essere utilizzato per migliorare sia l'istruzione che i risultati dell'apprendimento.

L'apprendimento multi-task è un approccio in cui a un modello viene chiesto di eseguire più attività.

"Nel nostro caso, volevamo che il modello fosse in grado di prevedere se uno studente avrebbe risposto correttamente a ciascuna domanda di un test, in base al comportamento dello studente durante la riproduzione di un gioco educativo chiamato Crystal Island, "dice Jonathan Rowe, co-autore di un articolo sul lavoro e ricercatore presso il Center for Educational Informatics (CEI) della North Carolina State University.

"L'approccio standard per risolvere questo problema considera solo il punteggio complessivo del test, visualizzare il test come un'unica attività, " dice Rowe. "Nel contesto del nostro framework di apprendimento multi-task, il modello ha 17 compiti, perché il test ha 17 domande."

I ricercatori hanno avuto dati di gioco e di test da 181 studenti. L'intelligenza artificiale potrebbe osservare il gameplay di ogni studente e come ogni studente ha risposto alla domanda 1 del test. Identificando i comportamenti comuni degli studenti che hanno risposto correttamente alla domanda 1, e comportamenti comuni degli studenti che hanno sbagliato la domanda 1, l'intelligenza artificiale potrebbe determinare come un nuovo studente risponderebbe alla domanda 1.

Questa funzione viene eseguita per ogni domanda contemporaneamente; il gameplay che viene recensito per un determinato studente è lo stesso, ma l'IA guarda a quel comportamento nel contesto della domanda 2, Domanda 3, e così via.

E questo approccio multi-task ha fatto la differenza. I ricercatori hanno scoperto che il modello multi-task era circa il 10% più accurato di altri modelli che si basavano su metodi di addestramento convenzionali dell'IA.

"Prevediamo che questo tipo di modello venga utilizzato in un paio di modi che possono avvantaggiare gli studenti, "dice Michael Geden, primo autore dell'articolo e ricercatore post-dottorato presso NC State. "Potrebbe essere utilizzato per informare gli insegnanti quando il gameplay di uno studente suggerisce che lo studente potrebbe aver bisogno di ulteriori istruzioni. Potrebbe anche essere utilizzato per facilitare le funzionalità di gioco adattive nel gioco stesso. Ad esempio, alterare una trama per rivisitare i concetti con cui uno studente sta lottando.

"La psicologia ha da tempo riconosciuto che domande diverse hanno valori diversi, " Afferma Geden. "Il nostro lavoro qui adotta un approccio interdisciplinare che sposa questo aspetto della psicologia con l'apprendimento profondo e gli approcci di apprendimento automatico all'intelligenza artificiale".

"Questo apre anche la porta all'incorporazione di tecniche di modellazione più complesse nel software educativo, in particolare il software educativo che si adatta alle esigenze dello studente, "dice Andrew Emerson, co-autore del documento e un dottorato di ricerca. studente presso NC State.

La carta, "Modellazione predittiva degli studenti nei giochi educativi con l'apprendimento multi-task, " sarà presentato alla 34a Conferenza AAAI sull'intelligenza artificiale, che si terrà dal 7 al 12 febbraio a New York, N.Y. Il documento è stato co-autore di James Lester, Distinguished Professor University of Computer Science e direttore della CEI presso NC State; e da Roger Azevedo della University of Central Florida.