Новый ИИ позволяет учителям быстро разрабатывать интеллектуальные системы обучения

Интеллектуальные обучающие системы доказали свою эффективность в преподавании определенных предметов, таких как алгебра или грамматика, но создание этих компьютеризированных систем является трудным и трудоемким. Теперь исследователи из Университета Карнеги-Меллона показали, что они могут быстро построить их, по сути, обучая обучать компьютер.

Используя новый метод, использующий искусственный интеллект, учитель может обучить компьютер, продемонстрировав несколько способов решения проблем в теме, таких как добавление в несколько столбцов, и исправление компьютера, если он реагирует неправильно.

В частности, компьютерная система учится не только решать проблемы так, как ее учили, но и обобщать для решения всех других проблем в этой теме, и делать это способами, которые могут отличаться от задач учителя, сказал Даниэль Вайтекамп III доктор философии студентка Института взаимодействия человека и компьютера (HCII).

Читайте также: наши партнеры разместили обзор outward, что это за игра, вы можете узнать по ссылке https://sheffieldjungle.com/obzor-outward/. В обзоре портала GameZ= подробно рассказано об этой интересной игре.

«Студент может научиться одному способу решения проблемы, и этого будет достаточно», — объяснил Вайтекамп. «Но система репетиторства должна изучить все способы решения проблемы». Нужно научиться учить решению проблем, а не только решать проблемы.

Эта проблема была постоянной проблемой для разработчиков, создающих системы обучения на основе ИИ, сказал Кен Кедингер, профессор взаимодействия человека и компьютера и психологии. Интеллектуальные учебные системы предназначены для постоянного отслеживания успеваемости учащихся, предоставления подсказок для следующего шага и выбора практических задач, которые помогают учащимся приобретать новые навыки.

Когда Кёдингер и другие начали создавать первых интеллектуальных преподавателей, они программировали правила производства вручную — процесс, по его словам, который занимал около 200 часов разработки на каждый час обучения. Позже они разработают ярлык, в котором они будут пытаться продемонстрировать все возможные способы решения проблемы. Это сократило время разработки до 40 или 50 часов, отметил он, но по многим темам практически невозможно продемонстрировать все возможные пути решения для всех возможных проблем, что уменьшает применимость ярлыка.

Новый метод может позволить учителю создать 30-минутный урок примерно за 30 минут, который Кедингер назвал «великим видением» среди разработчиков умных преподавателей.

«Единственный способ получить полный интеллектуальный репетитор до сих пор было написать эти правила ИИ», сказал Кедингер. «Но теперь система пишет эти правила».

Документ, описывающий метод, созданный Weitekamp, ​​Koedinger и HCII System Scientist Эриком Харпстедом, был принят Конференцией по человеческому фактору в вычислительных системах (CHI 2020), которая была запланирована на этот месяц, но отменена из-за пандемии COVID-19. Документ был опубликован в материалах конференции в Цифровой библиотеке Ассоциации вычислительной техники.

Новый метод использует программу машинного обучения, которая имитирует, как студенты учатся. Weitekamp разработал обучающий интерфейс для этого механизма машинного обучения, который удобен для пользователя и использует процесс «покажи и исправь», который намного проще, чем программирование.

Для статьи ОМС авторы продемонстрировали свой метод на тему сложения в несколько столбцов, но было показано, что основной механизм машинного обучения работает для различных предметов, включая решение уравнений, сложение дробей, химию, грамматику английского языка и научные экспериментальные среды.

Этот метод не только ускоряет разработку интеллектуальных преподавателей, но и дает возможность учителям, а не программистам ИИ, создавать свои собственные компьютеризированные уроки. Например, у некоторых учителей есть свои предпочтения относительно того, как преподается сложение или какая форма записи используется в химии. По словам Кедингера, новый интерфейс может повысить популярность интеллектуальных преподавателей, позволяя учителям создавать домашние задания, которые они предпочитают для преподавателя по искусственному интеллекту.

Предоставление учителям возможности создавать свои собственные системы также может привести к более глубокому пониманию процесса обучения, добавил он. Процесс разработки может помочь им распознать проблемные места для студентов, с которыми они, как эксперты, сами не сталкиваются.

«Система машинного обучения часто спотыкается в тех же местах, что и студенты», — пояснил Кёдингер. «Когда вы учите компьютер, мы можем представить себе, что учитель может получить новое понимание того, что трудно изучать, потому что машине трудно учиться».

Это исследование было частично поддержано Институтом педагогических наук и Google.