Bruk av kunstig intelligens for behovsbaserte studentoppgaver

T-FLIP er bygget slik at studenter gjør programmeringsoppgaver, leverer inn oppgavene, og får umiddelbar tilbakemelding på om oppgavene er korrekt utført eller ikke.

Deltagerne prosjektet T-FLIP, finansiert av Norgesuniversitet, har publisert en artikkel i 6th International Conference on Web-Intelligence, Mining and Semantics med tittel ”Adaptive Task Assignment in Online Learning Environments”. Her er et sammendrag på norsk.

Forfattere er: Per-Arne Andersen, Christian Kråkevik, Morten Goodwin, og Anis Yazidi

T-FLIP er bygget slik at studenter gjør programmeringsoppgaver, leverer inn oppgavene, og får umiddelbar tilbakemelding på om oppgavene er korrekt utført eller ikke. Nå har T-FLIP også utviklet metoder for å automatisk tilrettelegge programmeringsoppgavene for studentene basert på deres utfordringer og behov.

La oss si at vi har følgende tre studenter.

Student A har mye erfaring fra før og bør trene på vanskelig oppgaver, mens Student B har derimot behov for å trene på grunnleggende oppgaver. Videre mestrer typisk ulike studenter temaer forskjellig, og Student C trenger for eksempel kun å trene på objektorientere oppgaver for å få mest utbytte av undervisningen.

For å automatisk tilrettelagt oppgavene for studentene benytter T-FLIP seg av algoritmer innen kunstig intelligens. Programmeringsoppgavene blir først kategorisert både med et tema og en vanskelighetsgrad. T-FLIP sin algoritme tar utgangspunkt i temaene og vanskelighetsgradene og organiserer oppgavene i en matrise, for deretter å tilordne en sannsynlighet for hver oppgave. Hver student har en individuell matrise knyttet til seg selv, og systemet bruker sannsynlighetene for å bestemme hvilken oppgave studenten skal jobbe med. Systemet gir altså oppgaver til studenten basert på sannsynlighetene i matrisen.

Student A vil typisk ha en matrise hvor det er stor sannsynlighet for å velge vanskelige oppgaver. Student B, derimot, vil ha en matrise for det er stor sannsynligheten for å velge en enklere oppgaver. Student C vil ha høy sannsynlighet for å velge oppgaver  om objektorientert programmering, siden det er det han trenger å trene på, og tilsvarende lav sannsynlighet for logisk programmering.

Grunnprinsippet for algoritmen i publikasjonen er å endre matrisens sannsynligheter på grunnlag om studenten klarer eller ikke klarer oppgavene.  

Hvis en student består en oppgave, er det en indikasjon på at studenten mestrer temaet med gitt vanskelighetsgrad. I dette tilfelle øker sannsynligheten både for vanskeligere oppgaver innen samme tema og oppgaver innen for andre tema, i henhold til gitte regler. Det betyr at neste gang systemet velger en oppgave for studenten, vil oppgavene typisk være av økt vanskelighetsgrad.

I motsetning, hvis en student ikke består en oppgave er det en indikasjon på at han ikke mestrer temaet, og sannsynligheten for tilsvarende og enklere oppgaver økes.

Til tross for at studentene aldri vil se matrisene, men kun har en interaksjon systemet, viser eksperimentene i den vitenskapelige artikkelen at T-FLIP klarer å automatisk tilrettelegge oppgaver for alle typer studenter.  Studentene får de oppgavene de trenger å trene på, selv når de igjennom studieløpet forbedrer seg

Algoritmen er testet ut i et realistisk simulert miljø. De neste stegene er å videreføre dette ut i praksis med ekte studenter.

Skriv ny kommentar