研究人员设计了一种人工智能(AI)模型，能够更好地预测学生在教育游戏中学到多少知识。改进后的模型利用了人工智能训练的多任务学习概念，可用于改善教学和学习效果。
多任务学习是一种要求一个模型执行多个任务的方法。
”在我们的例子中,我们希望该模型能够预测一个学生是否会测试正确回答每个问题,基于学生的行为在一个教育游戏叫水晶岛,”乔纳森·罗说,一篇论文的作者之一的工作和一个科学家在北卡罗莱纳州立大学教育信息中心(CEI)。
“解决这个问题的标准方法只看整体的测试分数，把测试看成一个任务，”Rowe说。“在我们的多任务学习框架下，这个模型有17个任务——因为测试有17道题。”
研究人员收集了181名学生的游戏玩法和测试数据。AI可以查看每个学生的游戏玩法，以及每个学生在测试中如何回答问题1。通过识别答对问题1的学生的常见行为，以及答错问题1的学生的常见行为，人工智能可以确定一个新学生如何回答问题1。
此函数对每个问题同时执行;对于特定学生的游戏玩法审查是相同的，但AI会在问题2、问题3等上下文中查看该行为。
这种多任务的方法产生了不同的效果。研究人员发现，多任务模型的准确率比其他依赖传统人工智能训练方法的模型高出约10%。
这篇论文的第一作者、北卡罗来纳大学的博士后研究员迈克尔?格登(Michael Geden)表示:“我们设想，这种模式将以多种方式用于造福学生。”当学生的游戏玩法提示他们可能需要额外的指导时，它可以用来通知老师。它也可以用来促进游戏本身的适应性游戏功能。例如，改变一个故事情节，以重新审视学生正在苦苦挣扎的概念。
“心理学早就认识到不同的问题有不同的价值，”Geden说。“我们的研究采用了一种跨学科的方法，将心理学的这一方面与深度学习和机器学习方法与人工智能结合起来。”
“这也为将更复杂的建模技术整合到教育软件中打开了一扇门——尤其是能够适应学生需求的教育软件，”论文的合著者、NC州立大学的博士生Andrew Emerson说。
这篇题为“教育游戏中多任务学习的预测学生建模”的论文将在2月7日至12日在纽约举行的第34届AAAI人工智能会议上发表。以及中佛罗里达大学的罗杰·阿泽维多。