Temas acerca de Inteligencia Artificial
Foto de Usuario
Danzstorm

Ranking Troomes
Mensajes: 4
Registrado: 10 Feb 2020, 17:44
Contactar:

Aprendizaje por reforzamiento en la educación

Mensaje por Danzstorm » 29 Jun 2021, 00:08

Revisión del primer paper:
A Model-Free Affective Reinforcement Learning Approach to Personalization of an Autonomous Social Robot Companion for Early Literacy Education

Este paper nos muestra la aplicación del aprendizaje por refuerzo en la educación de los niños. Presentan un sistema personalizado de compañero de aprendizaje (robot social) que utiliza señales afectivas verbales y no verbales de los niños para modular su participación y maximizar sus ganancias a largo plazo.
Proponen un enfoque de aprendizaje por refuerzo afectivo para capacitar una política personalizada para cada estudiante (niño de 4 a 6 años) en donde el robot social le contará una historia al estudiante donde intervendrá las preguntas e intervenciones del niño.
El robot registrará cada sesión y puede evaluar automáticamente las señales de afecto no verbal de los niños, así como analizar sus muestras de discurso para evaluar su léxico y habilidades de sintaxis. Usando esta política optimizada, el robot selecciona historias que estén optimizadas para el compromiso lingüístico y el compromiso de cada niño teniendo una progresión de la habilidad.
Para lograr este trabajo, se reclutó a 67 estudiantes que conocieran el idioma inglés de entre 4 a 6 años y puedan participar en el experimento. Se llevó un despliegue de 3 meses en la escuela, la política fue capacitada para entregar un plan de estudio personalizado para cada niño. Luego se comparó el compromizo y los resultados de aprendizaje de un grupo de estudiantes utilizando el robot y un grupo de estudiantes que no utilizaron el robot. El resultado fue que la política afectiva se personalizó con éxito para cada niño y logró impulsar su compromiso y resultados de aprendizaje. El estudiante logró retener más palabras y utilizar más estructuras de sintaxis en comparación que los estudiantes que no utilizaron el robot, lo cual era el objetivo.

Referencia: https://sci-hub.se/https://doi.org/10.1 ... 01.3301687

Revisión del segundo paper:
Reinforcement learning of pedagogical policies in adaptive and intelligent educational systems

Este paper nos habla sobre los sistemas adaptativos inteligentes(AIES), en donde se explica que se necesita una gran experiencia para que el sistema aprenda a enseñar correctamente, por esa razón se presentaron experimentos empíricos que puedan demostrar que la función de valor aprendida con estudiantes simulados pueda proporcionar al AIES una política pedagógica inicial muy precisa. La evaluación se basa en la interacción de más de 70 estudiantes de licenciatura en Ciencias de la Computación. Los resultados muestran que el módulo pedagógico pueda describirse como un problema de aprendizaje por refuerzo. De esta forma, el sistema es capaz de actualizar la política pedagógica automáticamente según las necesidades de los alumnos en cada momento de la interacción, basada únicamente en la experiencia previa con otros estudiantes con características de aprendizaje parecidas.

Referencia:https://sci-hub.se/https://doi.org/10.1 ... 009.01.007


Responder