Naukowcy z arXiv zaprezentowali RIACT - system oparty na sztucznej inteligencji dedykowany do wczesnego wykrywania wypalenia u studentów университetu. Aplikacja łączy strukturalne logowanie sesji nauki z hybrydową architekturą AI, która identyfikuje przychodzące problemy zanim nauka się załamie. Studenci rejestrują swoje sesje podając lokalizację i czas, a system oblicza faktyczny czas skupienia uwzględniając przerwy, wykrywa sygnały wypalenia za pomocą przejrzystych, deterministycznych reguł porównujących zachowania z tygodnia na tydzień.
Domyślnie, wypalenie zawodowe dotyka od 12 do ponad 70 procent studentów - znacznie więcej niż dorosłych pracowników - jednak zazwyczaj odkrywa się je zbyt późno, już po pojawnieniu się spadku wyników akademickich. Głównym powodem jest brak strukturalnego wglądu studentów w ich własne wzorce nauki; istniejące narzędzia produktywności rejestrują aktywność bez interpretacji jej znaczenia.
RIACT standuje odpowiedzialnymi zasadami AI na każdym etapie. Ostrzeżenia są sterowane auditowalnymi regułami zamiast oceny modelu, wszystkie wyjścia są prezentowane jako obserwacja a nie diagnoza, a zbieranie danych ograniczone jest wyłącznie do ręcznie zalogowanych pól behawioralnych. System stosuje dużych modeli językowych, ale tylko w ramach ustalonego schematu wyjścia, aby kontekstualizować wzorce i generować spersonalizowane rekomendacje.