StudentSim จำลองพฤติกรรมนักเรียน ช่วยเทรนติวเตอร์ AI โตไวขึ้น

ทีมวิจัยจาก Microsoft และ University of Illinois ได้พัฒนา StudentSim ซึ่งเป็นระบบจำลองพฤติกรรมนักเรียนรายบุคคลได้อย่างสมจริงแม้มีข้อมูลจำกัด ระบบนี้จะช่วยให้ข้อเสนอแนะแก่ติวเตอร์ AI ได้อย่างรวดเร็ว โดยไม่จำเป็นต้องพึ่งพาข้อมูลจากผู้เรียนจริงที่มีค่าใช้จ่ายสูงและล่าช้า ทำให้นักวิจัยสามารถนำไปปรับปรุงติวเตอร์ AI ให้มีประสิทธิภาพยิ่งขึ้น

ติวเตอร์ AI จะทำงานได้ดีที่สุดเมื่อสามารถปรับตัวเข้ากับจุดแข็งและจุดอ่อนของผู้เรียนแต่ละคนได้ แต่การค้นหาว่าคำแนะนำรูปแบบใดที่เหมาะกับนักเรียนรายบุคคลนั้นต้องใช้เวลาและค่าใช้จ่ายสูง เนื่องจากในอดีตจำเป็นต้องอาศัยข้อมูลจากผู้เรียนที่เป็นมนุษย์จริงๆ

ผู้เขียนระบุไว้ใน paper ว่า การฝึกฝนติวเตอร์ AI ด้วยกลุ่มนักเรียนจำนวนมากและหลากหลายนั้น มีค่าใช้จ่ายสูงและใช้เวลานานเกินไป ด้วยเหตุนี้ การพัฒนาติวเตอร์ AI จึงมีความล่าช้ากว่าความก้าวหน้าของโมเดล AI ในด้านอื่นๆ

นักวิจัยจึงเสนอให้ใช้ตัวจำลองนักเรียนในรูปแบบดิจิทัล เพื่อทำหน้าที่ให้ข้อเสนอแนะที่รวดเร็วแทนนักเรียนจริง โดยระบบ StudentSim จะสร้างตัวจำลองแยกสำหรับนักเรียนแต่ละคนได้ แม้ว่าจะมีบันทึกข้อมูลการเรียนรู้ของคนคนนั้นอยู่เพียงน้อยนิดก็ตาม

ตัวจำลองนักเรียนต้องทำผิดพลาดและเรียนรู้จากคำแนะนำได้

นักวิจัยชี้ว่า วิธีการจำลองนักเรียนในปัจจุบันมักรองรับทักษะที่จำเป็นเพียงอย่างใดอย่างหนึ่งจากสองอย่างเท่านั้น โดยโมเดลบางตัวสามารถเรียนรู้จากข้อมูลนักเรียนจริงและเลียนแบบพฤติกรรมได้ดี แต่ไม่สามารถทำความเข้าใจคำอธิบายจากติวเตอร์ได้ ขณะที่โมเดลภาษาขนาดใหญ่อีกกลุ่มหนึ่งที่ถูกกำหนดบทบาท (prompted) ให้เป็นนักเรียน แม้จะพร้อมทำตามคำแนะนำของติวเตอร์ แต่กลับล้มเหลวในการเลียนแบบความสามารถที่แท้จริงของนักเรียนที่ควรจะจำลอง

StudentSim จึงเปลี่ยนทักษะทั้งสองด้านนี้ให้เป็นเป้าหมายที่วัดผลได้ โดยจะประเมินว่าตัวจำลองสามารถตอบคำถามได้ใกล้เคียงกับนักเรียนจริงมากน้อยเพียงใด ซึ่งรวมถึงการเลียนแบบข้อผิดพลาดทั่วไป และความพร้อมในการแก้ไขคำตอบหลังจากได้รับคำแนะนำจากติวเตอร์ เนื่องจากการฝึกติวเตอร์ AI จำเป็นต้องมีทั้งจุดเริ่มต้นที่สมจริงและนักเรียนจำลองที่ตอบสนองต่อการสอนได้ดี

การฝึกฝนแบบสองขั้นตอนช่วยให้ข้อมูลนักเรียนที่จำกัดใช้งานได้

อุปสรรคสำคัญที่สุดในการวิจัยครั้งนี้คือการขาดแคลนข้อมูล โดยในชุดข้อมูลการเขียนภาษาอังกฤษ พบว่าค่ามัธยฐานของนักเรียนเขียนเรียงความเพียงแค่ 3 ฉบับ และมากกว่า 2 ใน 3 เขียนเพียง 5 ฉบับหรือน้อยกว่านั้น ซึ่งนักวิจัยระบุว่าการฝึกตัวจำลองโดยตรงจากตัวอย่างที่น้อยเช่นนี้จะล้มเหลว เนื่องจากโมเดลจะเกิดอาการ overfit กับตัวอย่างเหล่านั้น

ด้วยเหตุนี้นักวิจัยจึงใช้วิธีฝึกฝนแบบสองขั้นตอน โดยขั้นแรก โมเดลฐานจะเรียนรู้จากข้อมูลรวมของนักเรียนทุกคนในวิชานั้นๆ เพื่อทำความเข้าใจข้อผิดพลาดทั่วไปและวิธีที่นักเรียนใช้แก้ไขคำตอบหลังจากได้รับคำแนะนำ

จากนั้นในขั้นที่สอง นักวิจัยจะปรับแต่งโมเดลฐานดังกล่าวให้เข้ากับนักเรียนรายบุคคล โดยอาศัยบันทึกข้อมูลที่มีอยู่น้อยนิดของคนคนนั้น โดยในทุกวิชาที่ทดสอบ ระบบได้เลือกใช้โมเดลภาษา Qwen3-4B-Instruct ของ Alibaba เป็นฐานในการพัฒนา

StudentSim ทำผลงานได้ดีกว่า GPT-5.4 ในวิชาหมากรุก ภาษาอังกฤษ และคณิตศาสตร์

ทีมวิจัยได้ทดสอบวิธีนี้กับนักเรียน 60 คนใน 3 วิชา ได้แก่ หมากรุก, ภาษาอังกฤษในฐานะภาษาต่างประเทศ และคณิตศาสตร์ โดยใช้ชุดข้อมูลสาธารณะที่เป็นบันทึกจากผู้เรียนจริง ผลการทดสอบพบว่า StudentSim ทำผลงานได้ดีกว่า โมเดลภาษา GPT-5.4 ที่ใหญ่กว่า ในทั้ง 3 วิชา เมื่อกำหนดให้ GPT-5.4 แสดงบทบาทเป็นนักเรียน โดยเฉพาะในวิชาหมากรุก StudentSim สามารถทำนายตาเดินถัดไปของผู้เล่นได้ถูกต้องบ่อยกว่าโมเดลอื่นถึงประมาณ 2 เท่า และสามารถทำตามคำแนะนำในการแก้ไขได้เกือบทุกครั้ง ขณะที่ GPT-5.4 และโมเดลหมากรุกเฉพาะทางทำผลงานตามหลังอยู่พอสมควร

นักวิจัยอธิบายว่า วิธีการที่มีอยู่ในปัจจุบันต่างมีจุดอ่อนที่แตกต่างกัน โดย GPT-5.4 สามารถทำตามคำแนะนำได้ดีแต่ไม่สามารถเลียนแบบข้อผิดพลาดเฉพาะตัวของนักเรียนได้ ส่วนโมเดลหมากรุกทั่วไปเลียนแบบพฤติกรรมของผู้เล่นได้แต่กลับไม่เข้าใจคำแนะนำที่เป็นคำพูดและเพิกเฉยต่อคำสั่งเหล่านั้น

ตัวอย่างเช่น ในตำแหน่งหนึ่งบนกระดานที่ผู้เล่นจริง 3 คนเลือกเดินคนละท่า StudentSim สามารถจำลองการเลือกของผู้เล่นแต่ละคนได้อย่างถูกต้อง ในขณะที่โมเดลหมากรุกทั่วไปทำนายตาเดินที่น่าจะเป็นไปได้มากที่สุดเป็นท่าเดียวกันสำหรับทั้ง 3 คน ส่วน GPT-5.4 ทำนายผิดทั้งหมดทั้ง 3 กรณี

การฝึกฝนด้วยนักเรียนจำลองช่วยปรับปรุงติวเตอร์หมากรุก เพื่อเป็นการพิสูจน์แนวคิด (proof of concept) นักวิจัยได้นำตัวจำลองนักเรียนนี้ไปใช้ปรับปรุงติวเตอร์หมากรุก AI จากนั้นให้นักหมากรุกมืออาชีพมาประเมินติวเตอร์ 3 เวอร์ชัน ได้แก่ เวอร์ชันที่ไม่ได้รับการฝึกเพิ่มเติม, เวอร์ชันที่ฝึกด้วย GPT-5.4 และเวอร์ชันที่ฝึกด้วย StudentSim

ผลปรากฏว่า ติวเตอร์ที่ฝึกด้วย StudentSim ได้คะแนนสูงสุดในทั้ง 3 มาตรวัด โดยเกิดข้อผิดพลาดทางข้อเท็จจริงที่ร้ายแรงน้อยที่สุด รวมถึงได้รับคะแนนสูงสุดด้านคุณภาพของคำอธิบายและการปรับตัวให้เข้ากับนักเรียนรายบุคคล ซึ่งพบว่านักเรียนจะชอบคำถามที่ช่วยนำทางไปสู่คำตอบมากกว่าการได้รับคำสั่งโดยตรง ส่วนติวเตอร์ที่ฝึกด้วย GPT-5.4 กลับได้คะแนนความถูกต้องของข้อเท็จจริงแย่กว่าติวเตอร์ที่ไม่ได้รับการฝึกฝนเพิ่มเติมเสียอีก

อย่างไรก็ตาม นักวิจัยย้ำว่านี่เป็นเพียงการพิสูจน์แนวคิดเท่านั้น ไม่ใช่การอ้างว่าได้สร้างติวเตอร์ที่ดีที่สุด โดยเลือกใช้หมากรุกเป็นกรณีทดสอบเพราะระบบคอมพิวเตอร์สามารถตัดสินได้อย่างเป็นกลางว่าตาเดินในตำแหน่งนั้นๆ ดีหรือไม่ ส่วนวิชาเขียนเรียงความและคณิตศาสตร์แบบปลายเปิดจะมีความท้าทายมากกว่า เนื่องจากยังขาดระบบการให้คะแนนคำตอบแบบอิสระที่น่าเชื่อถือ

ในขั้นต่อไป ทีมงานตั้งเป้าที่จะสร้างโมเดลจำลองกระบวนการที่นักเรียนได้รับ จดจำ และลืมความรู้ผ่านการฝึกฝนหลายครั้ง โดยปัจจุบันได้เปิดเผยโค้ดให้ผู้ที่สนใจนำไปใช้งานแล้วบน GitHub

ก่อนหน้านี้ในปี 2024 นักวิจัยเคย ใช้เอเจนต์ AI เพื่อจำลองคนจริงประมาณ 1,000 คน โดยอ้างอิงข้อมูลจากการสัมภาษณ์ผู้เข้าร่วมแต่ละคนเป็นเวลา 2 ชั่วโมง แต่ผลการศึกษาอีกชิ้นหนึ่งกลับชี้ให้เห็นว่าตัวจำลองเหล่านี้อาจเกิดข้อผิดพลาดได้ง่าย โดยโมเดลภาษาแบบเปิด 9 โมเดลที่ได้รับมอบหมายให้เลียนแบบพฤติกรรมผู้ใช้บน X, Bluesky และ Reddit มีความถูกต้องของเนื้อหาลดลงเมื่อพวกมันฟังดูเหมือนมนุษย์มากขึ้น

ในขณะเดียวกัน Microsoft ก็กำลังทดสอบติวเตอร์ AI กับนักเรียนจริงเช่นกัน โดยใน โครงการนำร่องในไนจีเรีย นักเรียนได้เรียนร่วมกับ Copilot สัปดาห์ละ 2 ครั้ง เป็นเวลา 6 สัปดาห์ ซึ่งช่วยให้คะแนนสอบเพิ่มขึ้นเทียบเท่ากับการเรียนรู้เพิ่มเติมถึงเกือบ 2 ปี

นอกจากนี้ OpenAI และ Google ต่างก็นำเสนอโหมดการเรียนรู้ของตนเองผ่าน Study Mode และ Guided Learning ซึ่งระบบเหล่านี้อาศัยคำสั่งระบบ (system instructions) และโมเดลที่ปรับแต่งมาเพื่อการสอน แต่ยังไม่มีระบบใดที่สามารถบันทึกและคงโมเดลของผู้เรียนแต่ละบุคคลไว้ได้ ซึ่งหากไม่มีการปรับตัวให้เข้ากับผู้เรียน ความช่วยเหลือจาก AI อาจส่งผลเสียต่อประสิทธิภาพแทน โดยผลการศึกษาพบว่า ผู้ใช้ ทำผลงานได้แย่ลงหลังจากได้รับความช่วยเหลือสั้นๆ จาก AI เมื่อเทียบกับคนที่ลงมือทำงานด้วยตัวเองตั้งแต่ต้น