ИИ научился предсказывать успеваемость учеников
Разработка американских специалистов позволяет использовать модели ИИ для многозадачного обучения, более точного, чем другие похожие подходы. Применять это можно как в педагогике, так и в геймдизайне.
Модель, созданная в Университете штата Северная Каролина, предсказывает, насколько верными будут ответы студента на вопросы образовательной компьютерной игры Crystal Island, пишет Science Daily.
«Стандартный подход к решению этой проблемы обращает внимание только на общее количество очков за ответы, рассматривая весь тест как одну задачу, - объяснил Джонатан Роу, один из исследователей. - В контексте многозадачного обучения у этой модели было 17 задач - потому что в тесте 17 вопросов».
ИИ наблюдал, как каждый из 181 участника эксперимента отвечал на первый вопрос теста, выводил закономерности, характерные для всех студентов, а также отдельно для тех, кто ответил правильно, и тех, кто ошибся. Затем ИИ составил прогноз, как новый игрок ответит на вопросы теста. Эта функция выполнялась для каждого вопроса одновременно. Алгоритм оценивал поведение в контексте ответов на каждый последующий вопрос.
Разработчики заметили, что многозадачный подход оказался примерно на 10% более точным, чем другие модели, которые основывались на традиционных методах обучения ИИ.
Подобная модель, по замыслу авторов, могла бы оповещать учителей, если студент попал в затруднение и ему нужны дополнительные инструкции. Ее можно использовать и в разработке компьютерных игр, для улучшения адаптивных функций геймплея.
«Психология давно поняла, что различные вопросы обладают различной ценностью, - сказал Майкл Геден, другой исследователь. - Наша работа имеет междисциплинарный характер, соединяя этот аспект психологии с глубоким обучением и машинным обучением».