São Paulo — InkDesign News — Um novo aplicativo de aprendizado utiliza machine learning e deep learning para gerar questões de múltipla escolha personalizadas a partir de artigos da Wikipedia, oferecendo uma abordagem inovadora para educadores e alunos.
Arquitetura de modelo
O aplicativo adota um fluxo de trabalho dividido em duas etapas: recuperação de contexto e geração de perguntas. Inicialmente, o usuário insere um assunto de interesse, como “Pergunte-me qualquer coisa sobre estrelas e planetas”. O aplicativo então busca artigos relevantes na Wikipedia, segmentando o conteúdo em seções que são avaliadas segundo sua relevância.
“A recuperação de contexto é essencial para garantir que as questões atendam às expectativas do usuário.”
(“Context retrieval is essential to ensure that questions meet the user’s expectations.”)— Reinhard Sellmair, Desenvolvedor
Treinamento e otimização
Após a seleção de seções relevantes, o modelo gera questões de múltipla escolha utilizando um modelo de chat. A acurácia do sistema depende da qualidade do contexto recuperado e do feedback do usuário, onde perguntas rejeitadas são posteriormente menos prováveis de serem utilizadas novamente, ajustando assim o sistema em tempo real.
“Após a rejeição de uma pergunta, o respectivo escore da seção é reduzido, diminuindo a probabilidade de sua reutilização.”
(“After a question is rejected, the respective section score is downgraded, reducing the likelihood of its reuse.”)— Fonte não divulgada
Resultados e métricas
A aplicação apresenta um desempenho consistente na geração de perguntas que se alinham com o interesse do usuário. Embora o processo de ajuste contínuo represente um desafio, a implementação de aprendizado de máquina pode potencialmente otimizar a experiência do usuário, minimizando o número de respostas não relevantes. O uso da API da Wikipedia e métodos de similaridade vetorial possibilita a filtragem de artigos, assegurando a pertinência dos conteúdos apresentados.
A melhoria contínua do aplicativo é promissora, com planos para permitir uploads de documentos personalizados, potencializando sua aplicabilidade em ambientes acadêmicos. Ao aproveitar algoritmos de aprendizado supervisionado, o aplicativo poderá, no futuro, prever a aceitação das perguntas geradas.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
