Alunos simulados que cometem erros realistas ajudam os tutores de IA a aprender mais rápido
decoder ·
Pesquisadores da Microsoft e da Universidade de Illinois desenvolveram o StudentSim, um sistema que cria uma réplica digital separada de um estudante individual a partir de registros limitados para fornecer feedback rápido ao treinamento de tutores de IA. Ao contrário de abordagens que imitam o comportamento dos estudantes sem responder às orientações ou seguem dicas sem corresponder a um aluno específico, o StudentSim modela tanto padrões realistas de respostas quanto a maneira como um estudante revisa suas respostas após receber tutoria. Primeiro, o sistema aprende padrões compartilhados em nível de disciplina a partir de dados agrupados de estudantes e, depois, adapta o modelo a cada aluno, usando como base o Qwen3-4B-Instruct, da Alibaba. Em testes envolvendo 60 estudantes de xadrez, inglês como língua estrangeira e matemática, o StudentSim superou o GPT-5.4 quando o modelo foi instruído a agir como um estudante. Um tutor de xadrez treinado com o StudentSim recebeu as melhores avaliações em precisão factual, qualidade das explicações e adaptação ao aluno individual. Os pesquisadores descrevem os resultados como uma prova de conceito, observam que disciplinas abertas são mais difíceis de avaliar com confiabilidade e planejam modelar como os estudantes adquirem, retêm e esquecem conhecimentos ao longo de práticas repetidas.
decoder