Como a Inteligência Artificial está ajudando no Online Proctoring?

Atualmente, a IA ou Inteligência Artificial é uma expressão da moda em quase todos os setores hoje em dia. Apesar de existir desde a década de 1950, é visto como um ponto de inflexão em sua aplicação em relação à década anterior que avança rapidamente. A inteligência simulada começou a saturar vários aspectos da educação avançada, mas a cobrança foi impulsionada por alguns primeiros membros do corpo docente, universidades e departamentos individuais, em oposição a todos ao redor.

Para dar apenas alguns modelos:

• O escritório de admissões da Universidade do Arizona está utilizando instrumentos de exame de palavras-chave conduzidos por IA para auxiliar no processo de revisão de inscrição.
• A Georgia State University preparou um chatbot criado pelo AdmitHub para ajudar a responder a perguntas básicas de guia orçamentário e alistamento de estudantes.
• Um professor de tecnologia da Geórgia utilizou a tecnologia Watson da IBM para criar seu próprio assistente de ensino virtual.

Cada um desses casos em que um professor, palestrante, departamento ou faculdade viu resultados positivos dá mais segurança para os companheiros pensarem em como a IA pode ajudar ou atualizar suas próprias estruturas e procedimentos. O objetivo de cada um desses pioneiros não era suplantar o componente humano de ensinar e adaptar, mas melhorar os resultados para os alunos. Em suma, o que realmente compreende o raciocínio feito pelo homem? Em seu centro, a IA é uma estrutura ou máquina automatizada feita para recriar a percepção humana. Um dos fundamentos que descreve o campo da IA ​​de aprendizado de máquina é que um componente de “aprendizagem” está acontecendo dentro da estrutura – seja “gerenciado”, no qual as informações de preparação contêm um resultado desejado explícito, ou “não supervisionado”, no qual o informações de preparação não contém um resultado ideal.

As três regiões reconhecidas onde a inteligência artificial vai beneficiar o objetivo principal de distinguir e contrariar rupturas de integridade escolar são mencionadas abaixo:

• Deturpação de identidade
• Práticas de trapaça
• Roubo de conteúdo

Descobrimos que contribuir com tempo, dinheiro e energia em um arranjo de IA com foco nesses territórios melhoraria os resultados para empresas e clientes. O objetivo de adicionar IA aos serviços de supervisão on-line não era suplantar as pessoas, mas fortalecer a exatidão da administração ao vivo e computadorizada. Além disso, a IA pode ajudar a diminuir os erros humanos, detectar erros que os humanos inevitavelmente perderão e ajudar na versatilidade dos serviços.

Ao construir um arranjo de supervisão robotizado, o primeiro dos eventos de IA como reconhecimento facial e limites essenciais para sinais sonoros e visuais são implementados. A inovação por trás de uma estrutura de supervisão robótica regular é apenas a coisa antiga que se tornou nova. Os cálculos que executam esses frameworks estão presentes há mais de quatro anos. Seja como for, esses cálculos são estáticos, exceto se alterados por um designer em toda a estrutura.

O principal contraste entre as antigas estruturas mecanizadas e as novas estruturas computadorizadas é que a inovação da IA ​​vai pegar o jeito de forma consistente, ajustando-se e ficando “mais inteligente” a cada teste administrado. Atualmente, as pessoas não estão simplesmente utilizando a IA em sua administração mecanizada, mas também a estão colocando em camadas por trás de sua administração ao vivo. Em ambos os níveis de serviço, a IA está sendo instruída utilizando um modelo de aprendizado assistido no qual seus próprios delegados humanos são os instrutores da estrutura.

O procedimento essencial do aprendizado de máquina administrado tem quatro etapas:

• Seção de humanos e informações de nome.
• Uma vez que informações suficientes são seccionadas em torno de um nome, uma “ocasião” em torno do cálculo é criada.
• Cada dado presente é executado através do cálculo para acionar o evento ou ocasião recentemente feito.
• Os humanos revisitam essa informação e afirmam se a ocasião ocorreu ou não, tornando o quadro cada vez mais preciso na distinção dessa ocasião explícita.

Em um nível de grande escala, esse procedimento geralmente parece simples, mas pode ser confundido rapidamente. Sob esse modelo de aprendizado direcionado de aprendizado de máquina, cada atividade ou exemplo requer pelo menos 20.000 pontos de informação para acabar se tornando um “evento” no framework. Ao ser elaborado nessa ocasião, o modelo deve continuar sendo incentivado cada vez mais “informações de treinamento” para ampliar a exatidão em torno daquela ocasião.

Um grande número de práticas é demonstrativo de engano, mas que tal você se concentrar em torno de um. Visualize os olhos e a cabeça de um candidato movendo-se rapidamente para um lado, olhando para algo fora da tela. Seriam necessários 20.000 exemplos desse movimento rápido para treinar a estrutura para sinalizá-lo como um evento de trapaça. Em seguida, um número exponencial de casos extras deve saltar para melhorar a precisão da estrutura percebendo e saudando a conduta. Atualmente, aumenta-se que por um grande número de práticas enganosas se pode preparar o quadro para sinalizar essas ocasiões. Como você pode ver, esse procedimento requer uma quantidade gigantesca de informações. É assim que surgem os serviços de supervisão online .

Agora surge a pergunta de onde cada uma dessas informações se origina? A maior organização de supervisão da Internet delega mais de um milhão de testes por ano. Uma vez anônimos por motivos claros de proteção, todas as informações de teste podem ser utilizadas para preparar o modelo de IA.

O modelo acima retrata apenas uma conduta enganosa solitária. Então, algo não deveria ser dito sobre deturpação de personagens e roubo de conteúdo? O procedimento de preparação nessas zonas é comparativo, mas utiliza abordagens um tanto únicas. A supervisão on-line tenta incorporar uma reunião de avanços de aprendizado de máquina, incluindo reconhecimento facial impulsionado, reconhecimento de objeto, descoberta de avião, fala para conteúdo, reconhecimento de movimento ocular e identificação de voz, para dar alguns exemplos.

O procedimento de treinamento da IA ​​em supervisão online mostra que ela fica mais inteligente, pois terá a capacidade de fazer coisas, por exemplo, reconhecer a distinção entre um adulto falando, uma criança falando, um bebê chorando e um cachorro latindo . Essas são coisas que as pessoas podem fazer sem esforço, mas a estrutura está sendo mostrada quais delas podem representar um risco para a confiabilidade acadêmica e quais podem ser rotuladas como inócuas.

A maneira de construir um modelo de IA genuinamente preciso para a supervisão da Internet continuará se desenvolvendo à medida que novas inovações aumentam e acabam acessíveis à população que faz o teste. A taxa de avanço mecânico tem se movido a um ritmo inegavelmente mais rápido. À medida que mais inovação for executada em PCs, wearables e telefones celulares, as pessoas terão a capacidade de usar esses avanços em suas próprias respostas e incluí-los no modelo de IA.