Gli studenti simulati che commettono errori realistici aiutano i tutor IA a imparare più velocemente
decoder ·
Ricercatori di Microsoft e dell’Università dell’Illinois hanno sviluppato StudentSim, un sistema che crea una replica digitale separata di un singolo studente a partire da dati limitati, per fornire un feedback rapido all’addestramento dei tutor basati sull’IA. A differenza degli approcci che imitano il comportamento degli studenti senza reagire alle indicazioni o che seguono i suggerimenti senza rappresentare un apprendente specifico, StudentSim modella sia schemi di risposta realistici sia il modo in cui uno studente modifica le proprie risposte dopo il tutoraggio. Inizialmente apprende schemi comuni a livello di materia dai dati aggregati degli studenti, poi adatta il modello a ciascun apprendente, utilizzando come base Qwen3-4B-Instruct di Alibaba. Nei test condotti su 60 studenti di scacchi, inglese come lingua straniera e matematica, StudentSim ha superato GPT-5.4 quando al modello veniva chiesto di comportarsi come uno studente. Un tutor di scacchi addestrato con StudentSim ha ricevuto le valutazioni migliori per accuratezza fattuale, qualità delle spiegazioni e capacità di adattamento al singolo apprendente. I ricercatori descrivono i risultati come una prova di concetto, osservano che le materie a risposta aperta sono più difficili da valutare in modo affidabile e intendono modellare il modo in cui gli studenti acquisiscono, conservano e dimenticano le conoscenze attraverso esercitazioni ripetute.
decoder