Los investigadores han diseñado un modelo de inteligencia artificial (IA) que puede predecir mejor cuánto aprenden los estudiantes en los juegos educativos. El modelo mejorado hace uso de un concepto de entrenamiento de IA llamado aprendizaje multitarea, y podría utilizarse para mejorar tanto la instrucción como los resultados del aprendizaje.

El aprendizaje multitarea es un enfoque en el que se pide a un modelo que realice varias tareas.

"En nuestro caso, queríamos que el modelo pudiera predecir si un estudiante respondería correctamente a cada pregunta de una prueba, basado en el comportamiento del estudiante mientras juega un juego educativo llamado Crystal Island, "dice Jonathan Rowe, coautor de un artículo sobre el trabajo y científico investigador en el Centro de Informática Educativa (CEI) de la Universidad Estatal de Carolina del Norte.

"El enfoque estándar para resolver este problema solo tiene en cuenta la puntuación general de la prueba, viendo la prueba como una tarea, "Dice Rowe." En el contexto de nuestro marco de aprendizaje multitarea, el modelo tiene 17 tareas, porque la prueba tiene 17 preguntas ".

Los investigadores obtuvieron datos de pruebas y jugabilidad de 181 estudiantes. La IA podría observar la jugabilidad de cada estudiante y cómo cada estudiante respondió la Pregunta 1 en la prueba. Al identificar los comportamientos comunes de los estudiantes que respondieron la Pregunta 1 correctamente, y comportamientos comunes de los estudiantes que se equivocaron en la Pregunta 1, la IA podría determinar cómo respondería un nuevo estudiante a la Pregunta 1.

Esta función se realiza para todas las preguntas al mismo tiempo; el juego que se está revisando para un estudiante determinado es el mismo, pero la IA analiza ese comportamiento en el contexto de la Pregunta 2, Pregunta 3, etcétera.

Y este enfoque multitarea marcó la diferencia. Los investigadores encontraron que el modelo multitarea era aproximadamente un 10 por ciento más preciso que otros modelos que se basaban en métodos de entrenamiento de IA convencionales.

"Imaginamos que este tipo de modelo se utilizará de varias formas que pueden beneficiar a los estudiantes, "dice Michael Geden, primer autor del artículo e investigador postdoctoral en NC State. "Podría usarse para notificar a los maestros cuando el juego de un estudiante sugiera que el estudiante puede necesitar instrucción adicional. También podría usarse para facilitar las funciones de juego adaptativo en el juego en sí. Por ejemplo, alterar una historia para volver a visitar los conceptos con los que un estudiante está luchando.

"La psicología ha reconocido desde hace mucho tiempo que diferentes preguntas tienen diferentes valores, ", Dice Geden." Nuestro trabajo aquí adopta un enfoque interdisciplinario que combina este aspecto de la psicología con enfoques de aprendizaje profundo y aprendizaje automático para la IA ".

"Esto también abre la puerta a la incorporación de técnicas de modelado más complejas en el software educativo, en particular el software educativo que se adapta a las necesidades del estudiante, "dice Andrew Emerson, coautor del artículo y Ph.D. estudiante en NC State.

El papel, "Modelado predictivo de estudiantes en juegos educativos con aprendizaje multitarea, "se presentará en la 34ª Conferencia AAAI sobre Inteligencia Artificial, que se llevará a cabo del 7 al 12 de febrero en Nueva York, N.Y. James Lester es coautor del artículo, Profesor Universitario Distinguido de Ciencias de la Computación y director de CEI en NC State; y por Roger Azevedo de la Universidad de Florida Central.