محققان در حال طراحی یک هوش مصنوعی (AI) مدل که بهتر قادر به پیش بینی چقدر دانش آموزان در حال یادگیری در بازی های آموزشی است. بهبود مدل با استفاده از هوش مصنوعی آموزش مفهوم به نام چند وظیفه یادگیری و استفاده می شود می تواند به بهبود آموزش و یادگیری.

چند وظیفه یادگیری رویکردی است که در آن یک مدل خواسته است برای انجام وظایف چندگانه.

“در مورد ما ما می خواستیم این مدل قادر به پیش بینی اینکه آیا یک دانش آموز که هر سوال در یک آزمون به درستی بر اساس رفتار در حالی که بازی یک بازی آموزشی به نام جزیره کریستال می گوید:” جاناتان رو co-نویسنده یک مقاله در مورد کار و یک دانشمند محقق در دانشگاه ایالتی کارولینای شمالی مرکز آموزشی انفورماتیک (CEI).

“استاندارد روش برای حل این مشکل به نظر می رسد تنها در کلی نمره آزمون مشاهده پیش آزمون به عنوان یک وظیفه” رو میگه. “در این زمینه ما چند وظیفه یادگیری چارچوب مدل 17 وظایف-از آنجا که این آزمون در 17 سوال است.”

محققان تا به حال گیم پلی و تست داده ها از 181 دانش آموزان است. هوش مصنوعی می تواند در هر دانش آموز در گیم پلی و چه هر دانش آموز جواب سوال 1 در آزمون است. با شناسایی مشترک و رفتارهای دانش آموزان که پاسخ سوال 1 صحیح و مشترک, رفتارهای دانشجویان چه کسی سوال 1 اشتباه AI می تواند تعیین کند که چگونه یک دانش آموز جدید خواهد جواب سوال 1.

این تابع انجام می شود برای هر سوال در همان زمان; گیم پلی در حال بررسی برای یک دانش آموز است اما هوش مصنوعی به نظر می رسد که رفتار در چارچوب سوال 2 سوال 3 و….

و این چند وظیفه رویکرد ساخته شده تفاوت. محققان دریافتند که چند وظیفه مدل حدود 10 درصد دقیق تر از مدل های دیگر است که با تکیه بر متعارف هوش مصنوعی و روش های آموزشی ،

“ما تصور می کنیم این نوع مدل مورد استفاده در یک زن و شوهر از راه هایی که می تواند به نفع دانش آموزان می گوید:” مایکل Geden برای اولین بار نویسنده این مقاله و پژوهشگر فوق دکترا در NC State. “این می تواند مورد استفاده قرار گیرد به اطلاع معلمان هنگامی که یک دانش آموز گیم پلی نشان می دهد که دانش آموز ممکن است نیاز به آموزش های اضافی. آن را نیز می تواند مورد استفاده قرار گیرد به منظور تسهیل تطبیقی ویژگی های گیم پلی در بازی خود را. برای مثال تغییر یک داستان به منظور بازنگری این مفاهیم که یک دانش آموز در حال مبارزه با.

“روانشناسی به مدت طولانی شناخته شده است که به سوالات مختلف متفاوت ارزش” Geden می گوید. “کار ما در اینجا طول می کشد رویکرد میان رشته ای که ازدواج این جنبه روانشناسی با یادگیری عمیق و یادگیری ماشین به روش هوش مصنوعی است.”

“این نیز باز می شود درب به ترکیب پیچیده تر تکنیک های مدل سازی به نرم افزار آموزشی-به ویژه آموزشی نرم افزار است که سازگار به نیازهای دانش آموز می گوید:” اندرو امرسون نویسنده مقاله و یک دانشجوی دکتری در, NC State.

مقاله “پیش بینی دانشجویی, مدل سازی, آموزش بازی با چند وظیفه آموزش” ارائه خواهد شد در 34 AAAI کنفرانس هوش مصنوعی در حال فوریه برگزار می شود. 7-12 در New York, n. y. کاغذ co-نوشته شده توسط جیمز لستر برجسته استاد دانشگاه علم کامپیوتر و مدیر CEI در NC State; و توسط راجر Azevedo از دانشگاه مرکزی فلوریدا.

این کار انجام شد با حمایت بنیاد ملی علوم تحت اعطای DRL-1661202; و از علوم اجتماعی و علوم انسانی شورای پژوهش ملی کانادا تحت اعطای SSHRC 895-2011-1006.

داستان منبع:

مواد ارائه شده توسط دانشگاه ایالتی کارولینای شمالی. توجه داشته باشید: محتوا ممکن است برای ویرایش سبک و طول.

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de