Användning av artificiell intelligens för att förstå hur barn lär sig matematik

Lärandeanalys syftar till att förstå hur elever lär sig och att underlätta lärande genom att anpassa innehåll och svårigheter av uppgifter till varje individ. Det är ett fält i snabb utveckling som har gynnats av tillgång till större datamängder, bättre teknik och ny utveckling av maskininlärningsalgoritmer inom området artificiell intelligens, AI.

Torkel Klingberg och hans forskargrupp kommer att använda ny och unik data från fler än 17 000 barn i åldern 6-8 år efter 7-veckors träning i tidig matematik och olika kognitiva förmågor. De matematiska problemen representeras med en interaktiv sifferrad. De kognitiva uppgifterna inkluderar rotationsuppgifter, visuo-spatiellt arbetsminne och spatiell problemlösning.

Sedan tidigare vet man att de som presterar bra på dessa kognitiva uppgifter också presterar bra på matematikuppgifter och också lär sig matematik snabbare. Det finns många teorier om varför dessa kognitiva förmågor är viktiga för matematisk förmåga, och en av målsättningarna med det aktuella projektet är att få en djupare förståelse för dessa samband.

Forskarna kommer att använda nyutvecklade metoder från maskininlärning för att förstå hur barn lär sig matematik och vad som skiljer olika individers inlärning. Detta är matematiska och statistiska metoder som tidigare används inom artificiell intelligens. De kommer också använda sig av mer traditionella statistiska metoder.