Os pesquisadores desenvolveram um modelo de inteligência artificial (IA) que é mais capaz de prever o quanto os alunos estão aprendendo em jogos educacionais. O modelo aprimorado faz uso de um conceito de treinamento de IA chamado aprendizado multitarefa, e pode ser usado para melhorar os resultados de ensino e aprendizagem.

O aprendizado multitarefa é uma abordagem em que um modelo é solicitado a realizar várias tarefas.

"No nosso caso, queríamos que o modelo pudesse prever se um aluno responderia a cada pergunta de um teste corretamente, com base no comportamento do aluno ao jogar um jogo educacional chamado Crystal Island, "diz Jonathan Rowe, co-autor de um artigo sobre o trabalho e pesquisador do Center for Educational Informatics (CEI) da North Carolina State University.

"A abordagem padrão para resolver este problema considera apenas a pontuação geral do teste, vendo o teste como uma tarefa, "Rowe diz." No contexto de nossa estrutura de aprendizado multitarefa, o modelo tem 17 tarefas - porque o teste tem 17 perguntas. "

Os pesquisadores tiveram dados de jogo e teste de 181 alunos. A IA pode observar a jogabilidade de cada aluno e como cada um respondeu à pergunta 1 do teste. Ao identificar comportamentos comuns de alunos que responderam a pergunta 1 corretamente, e comportamentos comuns de alunos que erraram na pergunta 1, a IA poderia determinar como um novo aluno responderia à pergunta 1.

Esta função é executada para todas as perguntas ao mesmo tempo; a jogabilidade que está sendo revisada para um determinado aluno é a mesma, mas a IA analisa esse comportamento no contexto da pergunta 2, Questão 3, e assim por diante.

E essa abordagem multitarefa fez a diferença. Os pesquisadores descobriram que o modelo multitarefa era cerca de 10% mais preciso do que outros modelos que dependiam de métodos convencionais de treinamento de IA.

"Imaginamos esse tipo de modelo sendo usado de algumas maneiras que podem beneficiar os alunos, "diz Michael Geden, primeiro autor do artigo e pesquisador de pós-doutorado na NC State. "Pode ser usado para notificar os professores quando a jogabilidade de um aluno sugere que ele pode precisar de instruções adicionais. Também pode ser usado para facilitar recursos de jogabilidade adaptáveis ​​no próprio jogo. Por exemplo, alterar um enredo para revisitar os conceitos com os quais o aluno está lutando.

"A psicologia reconheceu há muito tempo que questões diferentes têm valores diferentes, "Geden diz." Nosso trabalho aqui tem uma abordagem interdisciplinar que combina esse aspecto da psicologia com abordagens de aprendizado profundo e de aprendizado de máquina para IA. "

"Isso também abre a porta para a incorporação de técnicas de modelagem mais complexas em software educacional - particularmente software educacional que se adapta às necessidades do aluno, "diz Andrew Emerson, co-autor do artigo e Ph.D. estudante na NC State.

O papel, "Modelagem Preditiva de Alunos em Jogos Educacionais com Aprendizado Multitarefa, "será apresentado na 34ª Conferência AAAI sobre Inteligência Artificial, sendo realizada de 7 a 12 de fevereiro em Nova York, N.Y. O artigo foi coautor de James Lester, Distinto Professor Universitário de Ciência da Computação e diretor do CEI na NC State; e por Roger Azevedo, da University of Central Florida.