Как искусственный интеллект помогает в онлайн-прокторинге?

В наши дни ИИ или искусственный интеллект — это модное выражение почти во всех отраслях. Несмотря на то, что он существует с 1950-х годов, он рассматривается как переломный момент в его применении по сравнению с предыдущим десятилетием, которое быстро развивается. Имитация интеллекта начала насыщать различные аспекты продвинутого образования, но эта инициатива исходила от нескольких первых преподавателей, отдельных университетов и факультетов, а не от всех вокруг.

Приведу лишь пару моделей:

• Приемная комиссия Университета Аризоны использует инструменты проверки ключевых слов на основе искусственного интеллекта, чтобы облегчить процесс рассмотрения заявлений.
• Университет штата Джорджия подготовил чат-бота, созданного AdmitHub, чтобы помочь ответить на основные бюджетные вопросы и запросы от студентов.
• Преподаватель технических наук из Джорджии использовал технологию Watson от IBM, чтобы создать своего собственного виртуального помощника преподавателя.

Каждый из этих случаев, когда профессор, лектор, кафедра или колледж наблюдают положительные результаты, придает дополнительную уверенность товарищам, чтобы они думали о том, как ИИ может помочь или улучшить их собственные структуры и процедуры. Цель каждого из этих первых последователей заключалась не в том, чтобы заменить человеческий компонент обучения и адаптации, а в том, чтобы улучшить результаты для дублеров. В общем, что на самом деле включает в себя рукотворные рассуждения? По своей сути ИИ представляет собой автоматизированную структуру или машину, созданную для воссоздания человеческого понимания. Одним из основных принципов, описывающих область машинного обучения ИИ, является то, что компонент «обучения» происходит внутри структуры — либо «управляемой», когда информация о подготовке содержит явный желаемый результат, либо «неконтролируемой», когда информация о препарате не содержит идеального результата.

Ниже перечислены три признанных региона, в которых искусственный интеллект принесет пользу основной цели выявления и противодействия нарушениям школьной целостности:

• Искажение личности
• Обман
• Кража контента

Мы обнаружили, что вклад времени, денег и энергии в соглашение об искусственном интеллекте, ориентированном на эти территории, улучшит результаты как для бизнеса, так и для клиентов. Цель добавления ИИ к онлайн-сервисам прокторинга заключалась не в том, чтобы заменить людей, а в том, чтобы повысить точность живого и компьютеризированного администрирования. Кроме того, искусственный интеллект может помочь сократить число ошибок, совершаемых людьми, выявить ошибки, которые люди неизбежно пропустят, и повысить универсальность услуг.

При построении роботизированной системы прокторинга реализованы первые из событий ИИ, такие как распознавание лица и основные пороги для звуковых и визуальных знаков. Инновация, стоящая за обычной роботизированной структурой прокторинга, — это просто старое, ставшее новым. Расчеты, лежащие в основе этих фреймворков, существуют уже более четырех лет. Как бы то ни было, эти вычисления являются статическими, за исключением случаев, когда дизайнер изменяет их во всей структуре.

Принципиальный контраст между старой механизированной и новой компьютеризированной структурами заключается в том, что инновация ИИ будет постоянно осваиваться, корректироваться и становиться «умнее» с каждым проведенным тестом. В наши дни люди не просто используют ИИ в своем механизированном управлении, но и дополнительно накладывают его на свое живое управление. Поперек обоих уровней обслуживания ИИ инструктируется с использованием модели вспомогательного обучения, в которой их собственные делегаты-люди являются инструкторами структуры.

Основная процедура администрируемого машинного обучения состоит из четырех этапов:

• Раздел людей и информация об именах.
• Как только вокруг одного имени собрано достаточно информации, создается «событие» вокруг расчета.
• Каждое текущее значение проходит через расчет, чтобы инициировать недавно созданное событие или событие.
• Люди повторно обращаются к этой информации и подтверждают, имело ли место событие или нет, делая структуру все более точной в различении этого явного события.

На крупномасштабном уровне эта процедура кажется простой, однако она может быстро запутаться. В рамках этой модели машинного обучения для каждого действия или примера требуется не менее 20 000 информационных точек, чтобы в конечном итоге стать «событием» в структуре. Когда это подготовлено в этом случае, модель должна продолжать поощряться все более «обучающей информацией», чтобы увеличить точность вокруг этого единственного случая.

Огромное количество практик свидетельствует о дюпинге, но как насчет того, чтобы сосредоточиться на одной. Представьте, как глаза и голова испытуемого быстро двигаются в сторону, глядя на что-то за пределами экрана. Потребовалось бы 20 000 примеров этого одного быстрого движения, чтобы обучить фреймворк сигнализировать об этом как об обмане. Далее, экспоненциальное количество дополнительных случаев должно появиться, чтобы улучшить точность системы, воспринимающей и приветствующей поведение. В настоящее время увеличьте, что с помощью большого количества обманных практик можно подготовить структуру, чтобы сигнализировать об этих случаях. Как видите, эта процедура требует гигантского объема информации. Так появляются онлайн-сервисы прокторинга .

Теперь возникает вопрос, откуда берется вся эта информация? Крупнейшая интернет-прокторская организация ежегодно делегирует более миллиона тестов. После анонимности по явным причинам защиты вся тестовая информация может быть использована для подготовки модели ИИ.

Приведенная выше модель изображает просто одиночное обманное поведение. Так не следует ли что-то сказать об искажении персонажей и краже контента? Процедура подготовки в этих зонах является сравнительной, но использует несколько уникальных подходов. Онлайн-прокторинг пытается включить в себя набор достижений машинного обучения, включая ускоренное распознавание лица, распознавание объектов, обнаружение плоскости, преобразование речи в контент, распознавание движения глаз и идентификацию по голосу, чтобы привести несколько примеров.

Процедура обучения ИИ в онлайн-прокторинге показывает, что он становится более интеллектуальным, поскольку он будет иметь возможность делать что-то, например, распознавать разницу между говорящим взрослым, говорящим ребенком, плачущим младенцем и гавкающей собакой. . Это вещи, которые люди могут делать без особых усилий, но при этом показывается, какие из них могут представлять риск для научной достоверности, а какие можно назвать безобидными.

Способ создания действительно точной модели искусственного интеллекта для интернет-прокторинга будет продолжать развиваться по мере появления новых инноваций, которые в конечном итоге станут доступными для тестируемых. Скорость механического прогресса двигалась бесспорно быстрее. По мере того, как в ПК, носимых устройствах и мобильных телефонах внедряется все больше инноваций, люди смогут использовать эти достижения в своих собственных ответах и ​​включать их в модель ИИ.