طوّر باحثون من جامعة ستانفورد في ولاية كاليفورنيا ومن شركة "غوغل"، خوارزمية جديدة تهدف إلى فهم قدرات التعلَم الفردية لدى الطلاب، ويستطيع هذا النظام التنبؤ بما إذا كان الطلاب سيجيبون على الأسئلة بشكل خاطئ أو صحيح في تدريب محدد، كما تستطيع الخوارزمية مع تطويرها تحديد السبب الذي جعل الطلاب يجيبون بطريقة خاطئة.
 
واستخدم فريق الباحثين بقيادة كريس بيش من جامعة ستانفورد التعلم العميق لتدريب البرنامج على قدرات الطلاب ونوعية الأسئلة وفقا لمجلة "New Scientist"، وأضاف بيش للمجلة "سيكون شيئًا لطيفًا إذا استطعنا تحمل معلم مكلف حقا لقضاء الوقت في التفكير فيما يجب أن نتعلمه، إلا أن هذه الفكرة غير واقعية"، وبدلا من ذلك يستطيع البرنامج الجديد القيام بهذه المهمة من خلال تحديد مجالات الصعوبة وإيجاد وسائل لتحسينها.
 
وأجرى فريق الباحثين تضمين لأكثر من 1.4 مليون من إجابات الطلاب وعشرات المشاكل الرياضية من منصة التعلم عبر الأنترنت "أكاديمية خان"، وتم تدريب الشبكات العصبية للتمييز بين الأنواع المختلفة من مشاكل الرياضيات بما في ذلك تلك التي تنطوي على الجذور التربيعية وانحدار الرسوم البيانية.
 
ولجأ القليل للتعلم العميق لتتبع مدى تقدم الطلاب، ويقوم نموذج بيش بهذه المهمة بمستويات عالية الدقة مع التنبؤ بشكل دقيق عما إذا كان الطلاب سيجيبون بشكل صحيح أم خاطئ بنسبة 85%، ويتم ذلك من خلال النظر في الأسئلة التي أجاب عليها الطلاب سابقا.
 
وكتب الباحثون في ورقة بحثية باسم "تتبع المعرفة العميقة" أن المناهج الدراسية بمساعدة الحاسوب يمكن أن تجعل التعليم أرخص وأكثر سهولة، ومن خلال تتبع تقدم الطلاب عن طريق برنامج تتبع المعرفة يمكن تطوير صورة شاملة لقدرات التعلم الخاصة بالطلاب وضبط الموارد التعليمية وفقا لذلك، وجاء في الورقة البحثية، "تتبع المعرفة تتضمن عمل نموذج خاص بمعرفة الطالب مع مرور الوقت حتى نتمكن من التنبؤ بدقة بشأن كيفية التفاعلات المستقبلية للطلاب، ويعنى تحسين ذ المهمة إمكانية اقتراح الموارد للطلاب على أساس احتياجاتهم الفردية، مه إمكانية تأجيل أو حذف المحتوى السهل جدا أو الصعب جدا".
 
ويأمل مطورو النظام أن يصبح قادرًا على فهم الأسباب الكامنة وراء اختيارات الطلاب، وأن يصل إلى درجة من الدقة ربما تلغي الحاجة إلى الامتحانات، وأفاد بيش لمجلة NewScientist""، "يخبرنا حدسنا أنه إذا عنينا بما يفعله الطالب أثناء التعلم، لن نحتاج إلى إجراء اختبارات للطلاب".
 
وأشار الباحثون إلى أن هذه الخوارزمية تمثل خطوة كبيرة إلى الأمام في مجال التعلم الآلي، وأفاد تمارا سمنر من جامعة كولورادو بولدر للمجلة، بأن "المثير للإعجاب في هذا النهج هو ألا يتطلب مدخلات بشرية هامة للتعليق على بيانات التدريب أو نماذج حرفية من الخبرة".
 
ويشكك بعض الباحثين في إمكانية تطبيق البرنامج على نطاق واسع ويتساءلون عما إذا كان يمكن استخدامه لإيجاد طرق جديدة لتعليم الطلاب من خلفيات متنوعة وقدرات مختلفة، وذكر عالم الكومبيوتر في معهد البوليتكنيك في وورسستر في ولاية ماساشوستس نيل هيفرنان، لمجلة New Scientist " "، "يشير ذلك إلى تحسين الأداء بشكل كبير فيما يخص التنبؤ، أتمنى أن نستطيع تحويل ذلك إلى شيء هام ذات معنى".