研究人員設(shè)計(jì)了一種人工智能(AI)模型，該模型可以更好地預(yù)測教育游戲中學(xué)生的學(xué)習(xí)量。改進(jìn)后的模型利用了稱為多任務(wù)學(xué)習(xí)的AI培訓(xùn)概念，可用于改善教學(xué)和學(xué)習(xí)成果。

多任務(wù)學(xué)習(xí)是一種方法，其中要求一個(gè)模型執(zhí)行多個(gè)任務(wù)。

“在我們的案例中，我們希望模型能夠根據(jù)學(xué)生在玩名為Crystal Island的教育游戲時(shí)的行為來預(yù)測學(xué)生是否會正確回答測試中的每個(gè)問題，” Jonathan Rowe說。北卡羅萊納州立大學(xué)教育信息學(xué)中心(CEI)的工作論文和研究科學(xué)家。

Rowe說：“解決此問題的標(biāo)準(zhǔn)方法僅著眼于整體考試成績，將考試視為一項(xiàng)任務(wù)。”“在我們的多任務(wù)學(xué)習(xí)框架的背景下，該模型有17個(gè)任務(wù)-因?yàn)闇y試有17個(gè)問題。”

研究人員從181名學(xué)生那里獲得了游戲性和測試數(shù)據(jù)。AI可以查看每個(gè)學(xué)生的游戲玩法，以及每個(gè)學(xué)生如何回答測試中的問題1。通過確定正確回答問題1的學(xué)生的常見行為以及錯(cuò)誤回答問題1的學(xué)生的常見行為，人工智能可以確定新學(xué)生如何回答問題1。

同時(shí)針對每個(gè)問題執(zhí)行此功能;給定學(xué)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)方法也有所不同。研究人員發(fā)現(xiàn)，多任務(wù)模型的準(zhǔn)確性比其他傳統(tǒng)AI訓(xùn)練方法高出10%。

該論文的第一作者，北卡羅來納州立大學(xué)的博士后研究員邁克爾·蓋登說：“我們預(yù)想這種模型將以多種方式使學(xué)生受益。”“當(dāng)學(xué)生的游戲玩法提示學(xué)生可能需要其他指導(dǎo)時(shí)，它可以用于通知老師。它也可以用于促進(jìn)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(xué)生的概念。正在掙扎。

蓋登說：“心理學(xué)早已認(rèn)識到不同的問題具有不同的價(jià)值。”“我們在這里的工作采用跨學(xué)科方法，將心理學(xué)的這一方面與AI的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)方法結(jié)合在一起。”