Les chercheurs ont conçu un modèle d'intelligence artificielle (IA) qui est mieux à même de prédire combien les élèves apprennent dans les jeux éducatifs. Le modèle amélioré utilise un concept de formation à l'IA appelé apprentissage multitâche, et pourrait être utilisé pour améliorer à la fois l'enseignement et les résultats d'apprentissage.

L'apprentissage multitâche est une approche dans laquelle un modèle est invité à effectuer plusieurs tâches.

"Dans notre cas, nous voulions que le modèle puisse prédire si un étudiant répondrait correctement à chaque question d'un test, basé sur le comportement de l'élève en jouant à un jeu éducatif appelé Crystal Island, " dit Jonathan Rowe, co-auteur d'un article sur le travail et chercheur au Center for Educational Informatics (CEI) de la North Carolina State University.

"L'approche standard pour résoudre ce problème ne regarde que le score global du test, visualiser le test comme une tâche, " dit Rowe. " Dans le contexte de notre cadre d'apprentissage multi-tâches, le modèle comporte 17 tâches, car le test comporte 17 questions."

Les chercheurs disposaient de données de jeu et de test de 181 étudiants. L'IA pourrait examiner le jeu de chaque élève et comment chaque élève a répondu à la question 1 du test. En identifiant les comportements communs des élèves qui ont répondu correctement à la question 1, et les comportements courants des élèves qui se sont trompés à la question 1, l'IA pourrait déterminer comment un nouvel élève répondrait à la question 1.

Cette fonction est exécutée pour chaque question en même temps; le gameplay en cours de révision pour un élève donné est le même, mais l'IA examine ce comportement dans le contexte de la question 2, Question 3, etc.

Et cette approche multitâche a fait la différence. Les chercheurs ont découvert que le modèle multitâche était environ 10 % plus précis que les autres modèles reposant sur des méthodes de formation conventionnelles en IA.

« Nous envisageons que ce type de modèle soit utilisé de plusieurs manières qui peuvent profiter aux étudiants, " dit Michael Geden, premier auteur de l'article et chercheur postdoctoral à NC State. « Il pourrait être utilisé pour informer les enseignants lorsque le jeu d'un élève suggère que l'élève a besoin d'instructions supplémentaires. Il pourrait également être utilisé pour faciliter les fonctionnalités de jeu adaptatif dans le jeu lui-même. Par exemple, modifier un scénario afin de revisiter les concepts avec lesquels un élève est aux prises.

"La psychologie a reconnu depuis longtemps que des questions différentes ont des valeurs différentes, ", déclare Geden. "Notre travail ici adopte une approche interdisciplinaire qui associe cet aspect de la psychologie à des approches d'apprentissage en profondeur et d'apprentissage automatique de l'IA."

"Cela ouvre également la porte à l'intégration de techniques de modélisation plus complexes dans les logiciels pédagogiques, en particulier les logiciels pédagogiques qui s'adaptent aux besoins de l'élève, " dit Andrew Emerson, co-auteur de l'article et titulaire d'un doctorat. étudiant à NC State.

Le papier, "Modélisation prédictive des élèves dans les jeux éducatifs avec apprentissage multi-tâches, " sera présenté à la 34e conférence de l'AAAI sur l'intelligence artificielle, qui se tiendra du 7 au 12 février à New York, N.Y. L'article a été co-écrit par James Lester, Distingué professeur d'université en informatique et directeur du CEI à NC State; et par Roger Azevedo de l'Université de Floride centrale.