นักเรียน

การเรียนรู้แบบหลายงานเป็นวิธีการที่แบบจำลองหนึ่งถูกขอให้ทำงานหลายอย่าง Jonathan Rowe ผู้เขียนร่วมของ a บทความเกี่ยวกับผลงานและนักวิทยาศาสตร์การวิจัยในศูนย์ข้อมูลการศึกษา (CEI) ของ North Carolina State University "วิธีการมาตรฐานในการแก้ปัญหานี้ดูที่คะแนนการทดสอบโดยรวมเท่านั้น โดยมองว่าการทดสอบเป็นงานเดียว" Rowe กล่าว "ในบริบทของกรอบการเรียนรู้แบบหลายงานของเรา โมเดลมี 17 งาน -- เนื่องจากแบบทดสอบมี 17 คำถาม" นักวิจัยมีข้อมูลการเล่นเกมและการทดสอบจากนักเรียน 181 คน AI สามารถดูการเล่นเกมของนักเรียนแต่ละคนและวิธีที่นักเรียนแต่ละคนตอบคำถาม 1 ในการทดสอบ ด้วยการระบุพฤติกรรมทั่วไปของนักเรียนที่ตอบคำถาม 1 ถูกต้อง และพฤติกรรมทั่วไปของนักเรียนที่ตอบคำถาม 1 ผิด AI สามารถระบุได้ว่า นักเรียน ใหม่จะตอบคำถาม 1 อย่างไร ฟังก์ชันนี้ดำเนินการสำหรับทุกคำถามในเวลาเดียวกัน การเล่นเกมที่ได้รับการตรวจสอบสำหรับนักเรียนคนหนึ่งจะเหมือนกัน แต่ AI จะดูพฤติกรรมนั้นในบริบทของคำถามที่ 2 คำถามที่ 3 และอื่นๆ และวิธีการทำงานหลายอย่างนี้สร้างความแตกต่าง นักวิจัยพบว่าโมเดลมัลติทาสก์มีความแม่นยำมากกว่าโมเดลอื่นๆ ที่อาศัยวิธีการฝึกอบรม AI ทั่วไปประมาณ 10 เปอร์เซ็นต์ Michael Geden ผู้เขียนคนแรกของบทความและนักวิจัยหลังปริญญาเอกของ NC State กล่าวว่า "เรามองเห็นว่าแบบจำลองประเภทนี้ถูกนำมาใช้ในสองวิธีที่เป็นประโยชน์ต่อนักเรียน" "สามารถใช้เพื่อแจ้งครูเมื่อการเล่นเกมของนักเรียนแนะนำว่านักเรียนอาจต้องการคำแนะนำเพิ่มเติม นอกจากนี้ยังสามารถใช้เพื่ออำนวยความสะดวกในฟีเจอร์การเล่นเกมที่ปรับเปลี่ยนได้ในเกม ตัวอย่างเช่น การปรับเปลี่ยนโครงเรื่องเพื่อทบทวนแนวคิดที่นักเรียน กำลังต่อสู้กับ "จิตวิทยาตระหนักมานานแล้วว่าคำถามต่างๆ มีค่าต่างกัน" Geden กล่าว "งานของเราที่นี่ใช้แนวทางแบบสหวิทยาการที่ผสมผสานแง่มุมของจิตวิทยานี้เข้ากับการเรียนรู้เชิงลึกและการเรียนรู้ด้วยเครื่องกับ AI" Andrew Emerson ผู้ร่วมเขียนรายงานและปริญญาเอกกล่าวว่า "สิ่งนี้ยังเปิดประตูสู่การผสมผสานเทคนิคการสร้างแบบจำลองที่ซับซ้อนมากขึ้นเข้ากับซอฟต์แวร์เพื่อการศึกษา โดยเฉพาะซอฟต์แวร์เพื่อการศึกษาที่ปรับให้เหมาะกับความต้องการของนักเรียน" นักศึกษาที่ NC State