Se ha demostrado que los sistemas inteligentes de tutoría son efectivos para ayudar a enseñar ciertas materias, como álgebra o gramática, pero crear estos sistemas computarizados es difícil y laborioso. Ahora, los investigadores de la Universidad Carnegie Mellon han demostrado que pueden construirlos rápidamente,en efecto, enseñando a la computadora a enseñar.
Usando un nuevo método que emplea inteligencia artificial, un maestro puede enseñarle a la computadora demostrando varias formas de resolver problemas en un tema, como la adición de varias columnas, y corrigiendo la computadora si responde incorrectamente.
En particular, el sistema informático aprende no solo a resolver los problemas de la manera en que se le enseñó, sino también a generalizar para resolver todos los demás problemas en el tema, y hacerlo de maneras que pueden diferir de las del maestro, dijo DanielWeitekamp III, estudiante de doctorado en el Instituto de Interacción Humano-Computadora HCII de CMU.
"Un estudiante podría aprender una forma de resolver un problema y eso sería suficiente", explicó Weitekamp. "Pero un sistema de tutoría necesita aprender todo tipo de formas de resolver un problema". Necesita aprender a enseñar cómo resolver problemas, no solo cómo resolver problemas.
Ese desafío ha sido un problema continuo para los desarrolladores que crean sistemas de tutoría basados en inteligencia artificial, dijo Ken Koedinger, profesor de interacción humano-computadora y psicología. Los sistemas de tutoría inteligentes están diseñados para rastrear continuamente el progreso de los estudiantes, proporcionar pistas sobre el próximo paso y elegir prácticasproblemas que ayudan a los estudiantes a aprender nuevas habilidades.
Cuando Koedinger y otros comenzaron a construir los primeros tutores inteligentes, programaron las reglas de producción a mano, un proceso, dijo, que tomó alrededor de 200 horas de desarrollo por cada hora de instrucción tutorizada. Más tarde, desarrollarían un acceso directo, enque intentarían demostrar todas las formas posibles de resolver un problema. Eso redujo el tiempo de desarrollo a 40 o 50 horas, señaló, pero para muchos temas, es prácticamente imposible demostrar todas las rutas de solución posibles para todos los problemas posibles, lo que reduce elaplicabilidad del atajo.
El nuevo método puede permitir que un maestro cree una lección de 30 minutos en aproximadamente 30 minutos, lo que Koedinger calificó como "una gran visión" entre los desarrolladores de tutores inteligentes.
"La única forma de llegar al tutor inteligente completo hasta ahora ha sido escribir estas reglas de IA", dijo Koedinger. "Pero ahora el sistema está escribiendo esas reglas".
Un documento que describe el método, escrito por Weitekamp, Koedinger y el científico del sistema HCII Erik Harpstead, fue aceptado por la Conferencia sobre Factores Humanos en Sistemas de Computación CHI 2020, que estaba programada para este mes pero cancelada debido al COVID-19pandemia: el documento ha sido publicado en las actas de la conferencia en la Biblioteca Digital de la Asociación de Maquinaria de Computación.
El nuevo método utiliza un programa de aprendizaje automático que simula cómo aprenden los estudiantes. Weitekamp desarrolló una interfaz de enseñanza para este motor de aprendizaje automático que es fácil de usar y emplea un proceso de "mostrar y corregir" que es mucho más fácil que la programación.
Para el artículo de CHI, los autores demostraron su método sobre el tema de la suma de varias columnas, pero se ha demostrado que el motor de aprendizaje automático subyacente funciona para una variedad de temas, incluida la resolución de ecuaciones, la suma de fracciones, la química, la gramática inglesa y el experimento científicoambientes.
El método no solo acelera el desarrollo de tutores inteligentes, sino que promete hacer posible que los maestros, en lugar de los programadores de IA, desarrollen sus propias lecciones computarizadas. Algunos maestros, por ejemplo, tienen sus propias preferencias sobre cómo se enseña la adición,o qué forma de notación usar en química. La nueva interfaz podría aumentar la adopción de tutores inteligentes al permitir que los maestros creen las tareas que prefieren para el tutor de IA, dijo Koedinger.
Permitir que los maestros creen sus propios sistemas también podría conducir a una comprensión más profunda del aprendizaje, agregó. El proceso de autoría puede ayudarlos a reconocer los puntos problemáticos para los estudiantes que, como expertos, no encuentran ellos mismos.
"El sistema de aprendizaje automático a menudo tropieza en los mismos lugares que los estudiantes", explicó Koedinger. "Mientras enseña a la computadora, podemos imaginar que un maestro puede obtener nuevas ideas sobre lo que es difícil de aprender porque la máquina tiene problemas para aprendereso."
Esta investigación fue apoyada en parte por el Instituto de Ciencias de la Educación y Google.
Fuente de la historia :
Materiales proporcionado por Universidad Carnegie Mellon . Original escrito por Byron Spice. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :