Online eğitim platformları arasındaki farklılıklar, yapay zeka sistemlerinin performansını olumsuz etkiliyor. Bir platformda eğitilen öğrenci memnuniyeti tahmin modelleri, başka platformlarda kullanıldığında başarı oranları düşüyor. Bu sorunun temel nedenleri arasında yorum tarzları, öğrenci profilleri, davranış kayıt sistemleri ve platform puanlama normlarındaki farklılıklar bulunuyor.
Bilim insanları bu soruna çözüm bulmak için ADAPT-MS adlı yenilikçi bir framework geliştirdi. Sistem, öğrenci yorumlarını donmuş dil modeli kodlayıcıları ile işlerken, davranışsal verileri standart kelime dağarcığı kullanan çok katmanlı algılayıcılar ile analiz ediyor.
ADAPT-MS'in en dikkat çekici özelliği, farklı platformlar arasındaki temsil farklılıklarını giderme yeteneği. Sistem, gradyan tersine çevirme ile alan-karşıt eğitim kullanarak bu sorunu çözüyor. Ayrıca, platform özelinde puanlama önyargılarını gizli değişken kalibrasyon katmanı ile düzeltiyor.
Sistem aynı zamanda eksik davranışsal verileri işleyebiliyor. Kapılı füzyon ve modalite bırakma teknikleri sayesinde, tüm veri türleri mevcut olmadığında bile güvenilir tahminler yapabiliyor. Bu özellik, gerçek dünya uygulamaları için kritik önem taşıyor.