改进后的模型利用了称为多任务学习的AI培训概念，可用于改善教学和学习成果。
多任务学习是一种方法，其中要求一个模型执行多个任务。
“在我们的案例中，我们希望模型能够根据学生在玩名为Crystal Island的教育游戏时的行为来预测学生是否会正确回答测试中的每个问题，” Jonathan Rowe说。北卡罗莱纳州立大学教育信息学中心(CEI)的工作论文和研究科学家。
Rowe说：“解决此问题的标准方法仅着眼于整体考试成绩，将考试视为一项任务。”“在我们的多任务学习框架的背景下，该模型有17个任务-因为测试有17个问题。”
研究人员从181名学生那里获得了游戏性和测试数据。AI可以查看每个学生的游戏玩法，以及每个学生如何回答测试中的问题1。通过确定正确回答问题1的学生的常见行为以及错误回答问题1的学生的常见行为，人工智能可以确定新学生如何回答问题1。
同时针对每个问题执行此功能;给定学生的游戏玩法是相同的，但AI会根据问题2，问题3等来查看该行为。
而且这种多任务方法也有所不同。研究人员发现，多任务模型的准确性比其他传统AI训练方法高出10%。
该论文的第一作者，北卡罗来纳州立大学的博士后研究员迈克尔·盖登说：“我们预想这种模型将以多种方式使学生受益。”“当学生的游戏玩法提示学生可能需要额外的指导时，它可以用于通知老师。它也可以用于促进游戏本身的自适应游戏玩法功能。例如，更改故事情节以重新审视学生的概念。正在挣扎。
盖登说：“心理学早已认识到不同的问题具有不同的价值。”“我们在这里的工作采用跨学科方法，将心理学的这一方面与AI的深度学习和机器学习方法结合在一起。”
该论文和博士学位的合著者安德鲁·爱默生(Andrew Emerson)表示：“这也为将更复杂的建模技术整合到教育软件中(尤其是适应学生需求的教育软件)敞开了大门。”北卡罗来纳州立大学学生。
论文“具有多任务学习的教育游戏中的预测学生建模”将在2月7日至12日在纽约州纽约举行的第34届AAAI人工智能会议上发表。该论文由James Lester合着，杰出大学计算机科学教授，北卡罗来纳州立大学CEI主任;和中央佛罗里达大学的Roger Azevedo
