在序列决策中促进人类学习:理解评估性反馈的作用
人机交互
2024-05-07 v4
摘要
认知康复、STEM(科学、技术、工程和数学)技能习得以及国际象棋等教练游戏常需要辅导决策策略。用于促进人类学习的AI驱动辅导系统的发展,需要理解评估性反馈对人类决策与技能发展的影响。为此,我们利用Amazon Mechanical Turk进行人类实验,研究评估性反馈对序列任务中人类决策的影响。在这些实验中,参与者解决汉诺塔谜题,并在解题过程中接收AI生成的反馈。我们考察该反馈如何影响他们的学习及向相关任务的技能迁移。此外,将人类视为含噪最优智能体,我们采用最大熵逆强化学习来分析反馈对引导其决策的隐式人类奖励结构的影响。最后,我们探索多种计算模型以理解人们如何将评估性反馈纳入其决策过程。我们的发现强调,人类将评估性反馈视为其长期策略成功的指示,从而有助于序列决策任务中的技能习得与迁移。此外,我们证明与无反馈学习相比,评估性反馈促成了更具结构性和条理化的学习体验。进一步,我们的结果表明,仅提供中间目标并不能显著改善人类学习结果。
引用
@article{arxiv.2311.03486,
title = {Fostering Human Learning in Sequential Decision-Making: Understanding the Role of Evaluative Feedback},
author = {Piyush Gupta and Subir Biswas and Vaibhav Srivastava},
journal= {arXiv preprint arXiv:2311.03486},
year = {2024}
}