CHC modellen alapuló részképesség becslés mesterséges intelligenciával

A TDK dolgozatom központi témája a CHC modellen alapuló részképességek becslése különböző gépi tanulási modellek alkalmazásával, különös hangsúlyt fektetve a mesterséges intelligenciára. A CHC modell (Cattell-Horn-Carroll modell) egy pszichometriai modell, amely az emberi kognitív képességeket próbálja lebontani és rendszerezni. A CHC modell részképességei nem számszerűsítik magukat a hagyományos értelemben, mint például egy százalékos skála vagy egy abszolút érték. Ehelyett a modell inkább azt hangsúlyozza, hogy a kognitív képességek között vannak különbségek, és ezeket a különbségeket leírják és rangsorolják.

A dolgozat során célom bemutatni, hogy különböző tesztfeladatok megoldásakor milyen részképességek játszanak jelentős szerepet, és hogyan lehet megbecsülni egy személy teljesítményét egy adott teszten, ha ismertek a személy képességei, és a teszt paraméterei.

A dolgozat első részében egy nagy adathalmazon végzett kutatás alapján neurális hálót építek a kutatásban szereplő feladattípus adott feladványának nehézségbecslésére. A kutatást több száz feladványon végezték el, több ezer kitöltő segítségével. A kutatásom során a feladványok paramétereit és azok nehézségeit elemeztem, majd próbáltam megbecsülni ezeket a nehézségeket a feladatok jellemzői alapján.

A dolgozat második, hangsúlyosabb részében különböző részképességek szerepét vizsgálom különböző feladatokon a CHC modell alapján. A CHC modell segítségével megpróbálom eldönteni, hogy egy adott feladat mely részképességeket használja, és azok szintjétől mennyire függ. Ehhez általában kognitív teszteket és elemzéseket használnak, hogy azonosítsák, mely faktorok dominálnak egy adott feladat során. Például egy matematikai feladatnál a számolási képességek faktorai lehetnek dominánsak, míg egy nyelvi feladatnál a verbális faktorok lehetnek fontosak.

A kutatócsoportban párhuzamosan folyik nagymintás adatfelvétel általános iskolás gyerekekkel, amelyben különböző részképességű alanyok különböző típusú feladatokat oldottak meg, egy-egy részképesség elkülönített meghatározásához. Ezek az adatok tipikus profilokat biztosítanak a kutatásomhoz, hogy rájuk alapozva szimulációval, kibővített adatokon végzett vizsgálódásom eredményeit ellenőrizhetem és validálhatom, elősegítve ezzel a módszer megbízhatóságát és alkalmazhatóságát más adathalmazok esetén.

A kutatásom eredményei elősegítik, hogy a fejlesztőpedagógusok által széleskörben használt összetett fejlesztő feladatokat közül azokat, amelyek megoldásának a részképesség-függése nem ismert, megfelelően beállított nehézséggel paraméterezve, egyénre szabottan lehessen alkalmazni, ezáltal a fejlesztés hatékonyságát növelni.

szerző

• 
  Füstös Gergely
  Mérnök informatikus szak, alapképzés
  alapképzés (BA/BSc)

konzulens

• 
  Dr. Forstner Bertalan
  Docens, Automatizálási és Alkalmazott Informatikai Tanszék

helyezés