Székely, Anna (2026.05.15 - 2026.11.15)

Kivonat: A transzfer tanulást támogató komputációk megértése kurrens kérdés mind a mesterséges intelligencia, mind a kognitív tudományi kutatások területén. Kutatásunkban, melyet az Oxfordi Egyetem kutatóival együttműködésben végzünk, arra teszünk kísérletet, hogy humán tanulási mintázatok leírásával igyekezzünk jobban megérteni azokat a kommutációkat, amelyek támogatják a transzfer tanulást a természetes ágensek esetén. E vállalkozáshoz egy olyan nagy skálájú humán viselkedéses adatbázis áll rendelkezésünkre, mely korábbi kognitív tudományi kísérletekben nem volt jellemző. A tanulási karakterisztikák megértése céljából ún. „knowledge tracing” megközelítést alkalmazunk, melynek segítségével azokat az egyéni tanulási jellegzetességeket igyekszünk azonosítani, melyek képesek előre jelezni az emberek által végzett feladat transzferfázisa során az egyes tanulók által mutatott teljesítményt. Ehhez hierarchikus transzformer-modelleket fejlesztünk, melyek képesek tanulni az egyes feladatok jellemzőit, az egyénre jellemző tanulási karakterisztikákat, továbbá előre jelezni a jövőbeni teljesítményt. Meggyőződésünk, hogy a kutatás a nemzetközi szakirodalmat értékes új aspektusokkal fogja gazdagítani a transzfer tanulás megértését illetően, továbbá az eredmények az oktatásfejlesztésben, egyéni tutoring rendszerek építésében is hasznos iránymutatásként tudnak majd szolgálni.