IT之家 El 17 de octubre, el Instituto de Investigación de Microsoft lanzó el sistema de investigación StudentSim el 12 de octubre. El objetivo es resolver un problema clave en el desarrollo de herramientas de tutoría de IA: cómo determinar si una explicación, una sugerencia o una pregunta realmente ayuda a los estudiantes a progresar sin realizar experimentos con personas en gran escala.
Los tutores de IA tradicionales suelen solo ver si la "respuesta es correcta", pero el rendimiento educativo también depende de si los estudiantes comprenden, pueden corregir errores y de si diferentes estudiantes necesitan diferentes apoyos de respuestas. Los aprendices reales que investigan pueden responder a estas preguntas, pero es un proceso que lleva tiempo, es costoso y difícil de escalar, lo que dificulta la iteración rápida de los modelos.
Microsoft lanzó el sistema StudentSim para esto. Basado en registros de estudiantes públicos y desidentificados, el sistema crea un “simulador de estudiante AI” personalizado para cada estudiante. No solo simula cómo los estudiantes responden por sí mismos, sino también cómo cambian sus reacciones después de recibir explicaciones del tutor.
El equipo de investigación evalúa el simulador con dos indicadores: la “veracidad del comportamiento” y la “respuesta guiada”. El primero verifica si responde como los estudiantes específicos, mientras que el segundo comprueba si puede actualizar las respuestas de manera razonable después de la tutoría.
El sistema utiliza un entrenamiento en dos etapas: primero, a partir de los datos anónimos de una gran cantidad de estudiantes del mismo campo, se aprenden las formas comunes de responder, los tipos de errores y los patrones de modificación después de la tutoría; luego, se realiza una adaptación personalizada para cada estudiante individual. La investigación abarca tres tareas: ajedrez, escritura en inglés como segunda lengua y matemáticas, y se ha desarrollado el estándar de evaluación StudentSimEval.
Los resultados muestran que StudentSim es superior a la línea base principal en tres áreas. Por ejemplo, en el ajedrez, su fidelidad al comportamiento es de 0.5150 y su reactividad de guía es de 0.9067, ambos valores superiores a los de GPT-5.4 y al modelo especializado para ajedrez Maia2.
En los experimentos de aprendizaje refuerzado del tutor de ajedrez AI, la precisión del tutor obtenida con el entrenamiento basado en feedback de StudentSim alcanzó el 90.5 %, lo cual es superior al 75.7 % sin aprendizaje refuerzado y al 71.6 % con la simulación de feedback del GPT-5.4.
Microsoft enfatiza que StudentSim no es un producto para clases, ni tiene como objetivo reemplazar a los profesores; se trata de señales de retroalimentación temprana de bajo costo y escalable para los investigadores, antes de las pruebas con estudiantes reales.
IT Home incluye la dirección de referencia
Declaración publicitaria: El texto contiene enlaces de redirección para otros sitios (incluyendo, pero no limitado a, enlaces superiores, códigos QR, contraseñas, etc.), que sirven para transmitir más información, ahorrar tiempo de selección y los resultados son solo para referencia. Los artículos de IT Home que incluyen enlaces externos contienen esta declaración.