Fra vold og tanker om døden ind Hamlet til det dramatiske dobbeltselvmord i slutningen af Romeo og Julie, Shakespeares værker er fyldt med bekymrende temaer. Elevopgaver om disse værker indeholder ofte sætninger, der, taget ud af kontekst, kan se angående artificial Intelligence (AI) systemer designet til at markere signaler fra studerende i krise.
Forståelse af kontekst for at reducere falske positiver
Når klassearbejde som Romeo og Julie bliver markeret af et AI-system, der leder efter tegn på selvskade eller vold, anses det for at være en falsk positiv. Disse falske positive kan være særligt frustrerende, når 20 eller flere elever i en klasse alle arbejder på den samme udløsende opgave.
Lightspeed Alert leder proaktivt efter tegn på elever, der har brug for hjælp ved at scanne onlinesøgninger, Googles og Microsofts produktivitetspakker og andre kilder. Nye maskinlæringsfunktioner tilføjet til Lightspeed Alert reducerer i betydelig grad falske positiver som dem, der findes i Shakespeare-opgaver, ved at forbruge og forstå hele teksten, inklusive omgivende kontekst, for at forstå, om indholdet er bekymrende. Ud over kontekst kan disse modeller forstå humor og hyperbolsk sprog.
Indholdstyper, der ikke længere vil forårsage advarsler, omfatter (men er ikke begrænset til – den fulde liste er omfattende):
- Romeo og Julie, To Kill a Mockingbird, Macbeth, og Hamlet lektier.
- Kemi lektier (dvs. ikke-vedrørende omtaler af natriumnitrat).
- Hjemmearbejde, der refererer til kampe, krige eller ting, der i sagens natur er voldelige, men som ikke vedrører konteksten.
- Skolerapporter/forskning af generel selvmordsbevidsthed og den nationale selvmordshotline.
- Advarsler, der indeholder ikke-vedrørende ord, der har de samme bogstaver som et relevant ord (dvs. "rediger" indeholder de samme bogstaver som "dø", men er ikke bekymrende).
- Hjemmearbejde relateret til reproduktion/seksuelt overførte sygdomme og seksuel sundhed.
- Referencer til digtet "If we must die" af Claude Mckay.
- Den samme nøjagtige advarsel bliver duplikeret et for stort antal gange.
Opbygning af et fundament for fremtidig læring
Da områderne maskinlæring og kunstig intelligence fortsætter med at udvikle sig hurtigt, er Lightspeed forpligtet til at foretage løbende investeringer i vores Lightspeed Alert-teknologi for at forbedre produktet yderligere. De nye maskinlæringsfunktioner hjælper med at bygge grundlaget for løbende forfining og opdateringer af modellen, herunder regelmæssige opdateringer for at inkorporere de seneste oplysninger (dvs. nyt slang) og forbedre nøjagtigheden yderligere.
