研究人員設計了一種人工智能(AI)模型，該模型可以更好地預測教育游戲中學生的學習量。改進后的模型利用了稱為多任務學習的AI培訓概念，可用于改善教學和學習成果。

多任務學習是一種方法，其中要求一個模型執(zhí)行多個任務。

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

Rowe說：“解決此問題的標準方法僅著眼于整體考試成績，將考試視為一項任務。”“在我們的多任務學習框架的背景下，該模型有17個任務-因為測試有17個問題。”

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

同時針對每個問題執(zhí)行此功能;給定學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。

而且這種多任務方法也有所不同。研究人員發(fā)現(xiàn)，多任務模型的準確性比其他傳統(tǒng)AI訓練方法高出10%。

該論文的第一作者，北卡羅來納州立大學的博士后研究員邁克爾·蓋登說：“我們預想這種模型將以多種方式使學生受益。”“當學生的游戲玩法提示學生可能需要其他指導時，它可以用于通知老師。它也可以用于促進游戲本身的自適應游戲玩法功能。例如，更改故事情節(jié)以重新審視學生的概念。正在掙扎。

蓋登說：“心理學早已認識到不同的問題具有不同的價值。”“我們在這里的工作采用跨學科方法，將心理學的這一方面與AI的深度學習和機器學習方法結(jié)合在一起。”