A Microsoft AI-diákokat szimulálna, hogy jobb tutorokat fejlesszen
A Microsoft Research olyan rendszert mutatott be, amely egyes tanulók viselkedését és a tutorok útmutatására adott reakcióit szimulálja. A StudentSim kutatási eszköz, nem termék, és nem használják osztálytermekben.
- A StudentSim egyes tanulók válaszait és útmutatás utáni változásait szimulálja.
- A rendszer a sakk, az angol írás és a matematika területén vizsgálható.
- A StudentSimEval a viselkedési hűséget és az útmutatásra adott reakciót méri.
- A sakkos tesztben a StudentSimmel tanított tutor 90,5 százalékos pontosságot ért el.
- A Microsoft szerint a rendszer kutatási jelzés, nem a valódi tanulói tesztek vagy a tanárok helyettesítője.
Valós tanulók visszajelzését közelíti
Az AI-alapú oktatási rendszerek fejlesztőinek tudniuk kell, mi történik azután, hogy egy tutor magyarázatot, tippet vagy kérdést ad. A tanuló kijavítja a hibáját? Segítséget kapott a gondolkodáshoz, vagy a rendszer túl sokat árult el? Az eltérő képességű diákoknak másfajta támogatásra van szükségük?
Ezekre a kérdésekre jelenleg gyakran valódi tanulókkal végzett vizsgálatokkal keresik a választ. A Microsoft Research szerint ezek értékesek, de lassúak, költségesek és nehezen bővíthetők. A StudentSim célja, hogy a fejlesztési folyamat során korábban is elérhetővé tegye a tanulói visszajelzés egy részét.
A rendszer egyes tanulókhoz igazított AI-szimulátorokat készít. Ezek azt modellezik, hogyan válaszol egy adott diák a feladatokra, és miként változik a válasza, miután tutoros útmutatást kapott. A kutatás kizárólag nyilvánosan hozzáférhető, kutatási célra közzétett, személyazonosításra alkalmatlan tanulói adatokat használ. Az egyes szimulátorokat csak az általuk képviselt tanuló ilyen adataival tanítják.
Két szempont alapján vizsgálják a szimulátorokat
A Microsoft Research szerint egyszerű szerepjátékkal nem biztosítható, hogy egy nyelvi modell valóban egy adott tanuló képességeit utánozza. Egy modell beszélhet fiatal diák hangján, miközben a tanuló szintjét messze meghaladó tudást és következtetési képességet használ. Ez félrevezető visszajelzést adhat a tutor fejlesztésekor.
A hagyományos tanulói modellek ezzel szemben valós tanulási adatokból becsülhetik a tudást, a készségeket és a tanulási szokásokat, de sok közülük nem természetes nyelvű tutoros útmutatások feldolgozására készült.
A StudentSimEval nevű mérési rendszer két oktatáskutatási szempontot használ. A viselkedési hűség azt méri, hogy a szimulátor mennyire egyezik egy konkrét tanuló korábban rögzített válaszaival új feladatokon. Az útmutatásra adott reakció pedig azt vizsgálja, hogy a szimulátor frissíti-e a válaszát, miután elolvasta a tutor útmutatását.
A rendszer három területet fed le: a sakkot, a második nyelvként tanult angol írást és a matematikát. A sakkban a következő lépést, illetve a tanácsadás utáni módosítást modellezi. Angol írásban a tanulóra jellemző hibákat tartalmazó esszéket és a tanári visszajelzés utáni javításokat jelzi előre. Matematikában a feleletválasztós választ és a magyarázat utáni változást becsüli.
Közös tanulással, majd személyre szabással készül
Az egyes tanulókról gyakran csak kevés adat áll rendelkezésre. Ezért a StudentSim kétlépcsős tanítási folyamatot használ. Először ugyanazon a területen több tanuló adatait egyesítve tanulja meg a gyakori válaszformákat, hibákat és az útmutatás utáni módosításokat. Ezután a modellt az adott tanuló saját adataival finomhangolják.
A Microsoft Research közlése szerint a StudentSim mindhárom vizsgált területen felülmúlta a vezető összehasonlítási módszereket. Sakkban a viselkedési hűség értéke 0,5150, az útmutatásra adott reakcióé 0,9067 volt. GPT-5.4 esetében ugyanezek az értékek 0,2316 és 0,7186, a sakkra készült Maia2 modellnél pedig 0,4535 és 0,2721.
A kutatók szerint ez azt mutatja, hogy GPT-5.4 jól reagálhat az útmutatásra, de kevésbé követi megbízhatóan egy konkrét tanuló viselkedését. A Maia2 közelebb állhat az emberi sakk-lépések előrejelzéséhez, viszont nem rendelkezik természetes nyelvű útmutatási csatornával.
Tutorfejlesztésben is kipróbálták
A Microsoft Research egy sakk-tutor megerősítéses tanulási vizsgálatában is tesztelte a StudentSimet. A tutor egy állást és egy valódi tanuló korábbi hibás lépését kapta meg, majd útmutatást készített. A szimulátor ezután elolvasta az útmutatást, és új lépést adott. A jutalmazás azt mérte, mennyit javult a lépés minősége, a Stockfish sakkmotor független jelzése alapján.
Három feltételt hasonlítottak össze: egy megerősítéses tanulás nélkül finomhangolt tutort, egy GPT-5.4-et szimulált diákként használó rendszert, valamint egy StudentSim visszajelzésével tanított tutort. A kutatásban a StudentSim jutalmazása mellett tanított tutor minden jelentett szempont szerint a legjobb értékelést kapta. Pontossága 90,5 százalék volt, szemben a megerősítéses tanulás nélküli alap 75,7 százalékával és a GPT-5.4-re épülő feltétel 71,6 százalékával. A kutatók a vezetés minőségére és a személyre szabásra is magasabb értékelést mértek.
A StudentSim így korai kutatási visszajelzést adhat az AI-tutorok fejlesztéséhez. A Microsoft hangsúlyozza, hogy nem helyettesíti a tanárokat, az osztálytermi tanulást vagy a valódi tanulókkal végzett vizsgálatokat. A rendszert 2026. október 12-én ismertették, és továbbra is kutatási célú eszközként írják le.
Microsoft Research: Simulating student learning for better AI tutoring
