人工智能教学策略精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇人工智能教学策略，期待它们能激发您的灵感。

篇1

关键词：人工智能；英语教育；积极影响；消极影响

人工智能概念是20世纪五六十年代正式提出的，随着信息技术的不断发展，人工智能已成为一门新的技术科学。时至今日，人工智能技术的发展经历了人工智能起步期、专家系统推广期和深度学习期等阶段，而在应用领域也取得了重大突破，如Google的无人驾驶技术和运用深度学习算法的AlphaGo战胜围棋冠军等。除此之外，人工智能已被日益广泛地应用于经济社会各个领域，在教育领域亦是如此。2018年教育部就印发了《高等学校人工智能创新行动计划》，要求进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。因此，人工智能必将不断被融合到教育领域，并为大学教育变革提供新方式。基于人工智能的机器学习、人机交互与知识图谱等技术方法，可以为大学英语教师在课堂教学、备课与教学研究等多个方面提供支撑；可以为大学英语教学管理与治理提供决策支持；可以为大学生英语自主学习和教师备课提供智能推荐支撑。目前，学者们已对人工智能对英语教育的影响进行了相关的研究。如高华伟分析了外语作文智能评阅与形成性评价融合策略；刘洋针对人工智能技术与高校英语教学的相互关系，通过调查问卷和访谈等方式，分析了现有计算机辅助语言学习软件和系统的不足，并提出了相应的解决策略；张艳璐对人工智能在给英语教学带来机遇的基础上，探究了人工智能在大学英语教学中的应用；赵生学分析了人工智能时代大学英语教学的变革与策略；严燕分析了人工智能时代英语教学促进学生深度学习的路径。在人工智能时代，人工智能技术必将对大学英语教育领域各个方面产生重大影响，如大学英语人才培养目标、教学内容、教学计划、教学策略、教学模式、成绩评价体系与英语领域科研等方面。针对此，本文在现有研究的基础上，重点从教师和学生两个层面分析人工智能对大学英语教育的积极影响和消极影响，并提出相关建议，以期为大学英语教师教学与大学生英语学习提供参考。

一、人工智能的积极影响

人工智能技术在大学英语教育领域的应用，将对大学英语教学资源、教学模式与大学生二语习得等方面产生积极作用，主要体现为以下几个方面。

（一）丰富了大学英语教与学资源人工智能技术的发展与应用为大学英语教与学提供了丰富的资源。如互联网上含有丰富的英语视频与图片等资源；在线教育平台也提供了大量的英语课程资源，如中国大学生慕课、雨课堂等，它们各具特色，可为教师与学生提供多样化选择。因此，人工智能技术一方面可为大学英语教师提供丰富的教学素材，同时还可根据大学生学习目标与学习习惯等为其英语学习提供丰富的课外资料。同时，很多网络资源可下载或者回放，这样可以使得大学生的英语学习不再受到时间与空间的限制。特别是对于教育资源缺乏的地区而言尤为重要，可以在很大程度上解决教育资源不平衡问题。其中，百度教育大脑的智能备课系统便是典型应用案例。其依托百度人工智能、大数据和云平台的优势，整合了丰富的优质资源。对于教师而言，此平台可按照教学进度为教师提供经过筛选的教学素材，节省教师的备课时间，提高其工作效率。

（二）丰富了大学英语的教学方式传统的大学英语授课往往以线下课堂教学方式为主，而人工智能技术的使用丰富了大学英语单一的教学方式。可利用网络平台，如雨课堂、慕课平台等，开展大学英语线上教学模式或者线上线下混合教学模式。新的教学模式有利于教师在大学英语教学过程中采用不同的教学策略。使用新的教学模式和不同的教学策略可以提高大学生学习英语的兴趣，进而有助于提高大学生英语习得的效率。

（三）提高了大学生英语习得的效率由于英语习得是一个复杂的心理过程，与大学生的情感因素、学习动机等密切相关。采用人工智能技术的大学英语线上教学方式，使得教师与学生之间不是面对面的交流互动，可以在一定程度上缓解学生焦虑、害怕等情绪，有利于学生的英语学习。动机是英语习得中重要的非智力因素，也是影响大学生英语习得效率的重要内在因素之一。学习动机与使用另一种语言的兴趣密切相关。而人工智能技术采用丰富的英语学习资源以及英语教学方式的多样化，这些有助于提高学生学习英语的兴趣，进而增强学习英语的动力。

（四）形成了大学生英语习得分析数据库人工智能技术是以大数据为依托，可以跟踪和记录大学生英语课堂学习和课后学习等各种信息数据，进而可形成大学生英语习得数据库。基于大数据分析与人工智能技术方法，如数据挖掘、关联性分析和回归预测等，可以挖掘大学生英语学习背后的规律特征，了解到每个学生的具体情况。进而构建每个学生的英语学习画像，如学生的线上学习状态、课程作业完成情况、测试成绩和学习方式等。可为教师形成可视化的学生个体和班级整体的学情分析报告。因此该数据库有利于教师掌握每位学生的英语学习状态，掌握学生个体差异，为调整教学方式、教学方法与策略提供支撑。同时，上述数据为大学英语教学与大学生英语习得的研究也提供了数据支撑。

二、人工智能的消极影响

人工智能在大学英语教育领域对教师与学生发挥着积极的作用，同时对他们也产生了一些消极的影响，主要体现为以下几个方面：

（一）对教师的消极影响由于大学英语课堂教学存在一定的缺陷，往往需要改进此教学方式。而人工智能技术的应用，虽有助于大学英语教学改革，但还需要教师熟练掌握人工智能相关技术的使用，会给信息技术能力比较薄弱的教师造成压力。借助人工智能平台，大学英语教学不受时间、空间和学生人数等影响，势必会减少大学英语教师的需求，造成大学英语教师面临失业的压力。进而影响大学英语教师的工作积极性，以及大学英语教学质量。

（二）对学生的消极影响根据语言资本理论与期望价值理论，大学生英语学习的期望价值主要是经济期望价值。而大学生英语学习的期望价值与学习目的和行为密切相关。比如大学生英语学习经济期望价值主要体现为学习英语对未来找工作很重要，可以增加经济收入。而人工智能技术在语言领域的应用，势必会影响大学生对英语学习的期望价值。如人工智能翻译机的出现，使得各种语言之间翻译非常容易。即使不懂英语，也可使用它进行英语交流。因此，人工智能技术在英语领域的应用，将降低大学生英语学习的期望值，进而影响他们英语学习的兴趣与目的。

（三）对师生关系的消极影响基于人工智能技术的大学英语教学，将改变传统的以教师为中心的模式，使得教师在教学过程中的中心地位得到弱化。学生通过人工智能技术，可以很好地收集到自己需要的各种英语学习资源，如在线课程、英语讲座视频和英语文本资料等，甚至可以通过自学的方式完成英语学习任务。但这些将弱化教师与学生之间的互动以及情感，从而隔阂了教师与学生之间的关系。

篇2

随着信息技术的不断发展，计算机科学渗透生活的各个领域，改变了人们的生活方式和学习方式。其中，人工智能作为计算机科学中迅猛发展的一部分，正在以其独特的魅力走进人们的视野。“人工智能”（Artificial Intelligence），顾名思义，即通过应用计算机来模拟人脑的信息接收、思考、判断以及决策等思维行为过程，进而扩展人脑的思维和行动，帮助人们高效智能化地解决特定问题。近年，人工智能在教育领域中发挥的作用越来越显著[1]，其与众不同的特点决定了其在教育培训中的地位，将人工智能应用在农业知识培训中的可行性也成为教育界热议的新话题。

1我国农业发展背景和农业培训必要性分析

11我国农业发展背景

我国是传统的农业大国，农业对我国的经济发展具有极其重要的影响，一方面是由于我国人口基数大；另一方面是由于我国进出口贸易主要依靠农产品，农业发展成为影响我国经济发展最重要的因素之一。但由于各方面原因，我国农业发展还比较落后，尤其与发达国家的现代化农业相比，依旧有较大差距。

12开展农业知识培训的必要性

反思其他发达国家在?r业发展上实施过的举措，包括重视农业教育、科研和技术推广，注意提高劳动者素质；推广现代农业机械和高技术，重视农场管理；经营集约化、产业化；生产专业化；服务社会化；市场机制与政府扶持相结合；加强农业基础设施建设等，可以看出，我国在农业知识培训、素质教育、技术推广方面与发达国家差距明显。为发展我国农业，培养一批高素质、懂技术、会经营的农民以及一批愿意为农业发展做出自己贡献的高学历人才成为关键。农业的发展离不开农民的发展和进步，也离不开受过高等教育的精英人才的共同努力，而开展农业知识培训，则是为他们的发展奠定了一条夯实的道路。

2人工智能在教育中的应用与发展

近年来，伴随着人工智能在各行业的应用和发展，人工智能在教育领域中发挥的作用也越来越显著。例如，智能化的作业批改可以大大减轻教育工作者的沉重负担，在线学习等网络教学模式可以让人们更灵活地接受教育。从人工智能诞生伊始，其就与教育产生了密不可分的联系，延续发展至今，人工智能在教育领域中的应用主要包含以下几个方面。

21基于人工智能的计算机网络课程

计算机网络教育是对传统教育方式的一次革新，而人工智能对网络教育的渗透，又将其推向了新的发展高度。[2]学生可以自主地登录网络平台进行在线学习，根据智能导学系统制订学习计划，进行在线测试。例如近年来大为流行的MOOC课程，学生可以便捷地通过网络获取全球最高质量的教学资源，并可以量身打造自己的学习计划。

22基于人工智能的教师辅助系统

近十年来，智能传感器、语音识别、图像识别、深度学习、大数据等方面的蓬勃发展令信息的采集及处理越来越准确高效，这无疑使得人工智能与辅助教学系统的融合变得越来越深入。借助于语音识别、图像识别等技术，学生可以将学习过程中遇到的问题上传至系统，借助于数据库系统对信息准确的搜素和整合能力，实时地为学生提供答案或相关信息，答疑解惑。目前此类应用软件的应用广泛，例如小猿搜题、百度作业帮等。

23基于人工智能的教育数据库系统

随着信息化时代的到来，如何高效地搜集、分类和检索碎片化的教育信息和教学资源，无疑是一项巨大的挑战。为了更有效地分配和管理信息，在教育中引入智能化的数据库系统势在必行。现如今数据挖掘和深度学习的研究成果不断深入，依托知识库系统对教育信息的整合与构建，学生可以将已习得的零星的知识点进行扩充，由点至面的不断学习新知识；依托教育资源管理系统中来，教育管理工作者可以合理分配教学资源，让人们从爆炸式的高密度信息中解放出来，真正做到物为己用，因材施教。

3人工智能与农业知识培训的结合

新时代社会经济的发展为国家农业产业的发展翻开了新的篇章，如何加快社会主义农业现代化，促进农业转型，这为新时代的农业知识教育提出了新的要求。另外，近年来劳动力转型的趋势日益显著。随着农业劳动人口数量的减少，为了提高农业生产效率，需要有素质、懂知识的农民投入农业生产中来。因而，对于农业知识培训的革新作为农业现代化建设的重中之重，已被提上日程。

人工智能技术和教育领域融合的不断完善成熟，基于人工智能的农业知识培训正如雨后春笋般涌现，在农业教育培训领域崭露头角。

31人工智能应用于农业知识培训的优势

从我国农业发展的现状看，较之于发达国家，我国农业从业者的基数巨大但是整体受教育程度偏低，农业专业领域的知识匮乏，农业知识教育的推广不仅薄弱，而且效率低下。因此，伴随着信息化时代“互联网+”的新型教育模式对传统教模式的强有力革新，基于人工智能的农业知识培训展示了其强大的威力和优势，具体可以总结为如下两个方面。

311个性化教育针对性强

相比于课堂教学的传统模式，基于人工智能的网上在线教育模式能够为学生个性化地制订学习计划，灵活安排学习时间。这有力地解决了学生参加农业知识培训的时间成本问题，农业从业者可利用闲暇时间自主安排学习。另外，针对于培训者的当前知识水平和培训需求，培训平台可以个性化地安排教学相关领域的专业知识和操作技能。

312教育资源利用率高

我国当前的农业知识培训，教育教师需求数量和实际在岗教师资源极不匹配，具备丰富农业专业知识和农业生产经验的教师数量缺乏，这是导致农业知识培训推广速度缓慢的重要原因。而人工智能为这一问题的解决带来了福音，智能化的教学进程得以让教师从繁重的教学负担中解放。同时，基于网络的课程资源共享可以让先进的农业技术走进千家万户，让学生与优秀农业知识的距离不再遥远。

4平台开发的系统架构

基于人工智能技术，一个合理的农业知识培训平台能够像一个优秀的教师那样具备完备的农业专业知识和优良的教学技能知识，并且能够模拟及扩充教师的教学过程。除此之外，该培训平台还能够准确实时地与学生进行信息交互，有针对性地开展个性化教学，并可以自适应地完成教学效力评估和反馈，不断更新和完善教学内容和教学策略。基于以上分析，该开发平台的系统架构分为学生模型、教师模型、综合数据库模型和人机交互接口四个组成部分，结合下图对每一部分分别进行详细阐述。

41学生模型

学生模型应针对不同的学生，准确地评估学生当前的学习水平，对学生的学习背景、知识水平、知识架构进行诊断和评定，以便有针对性地制订教学方案，进而实施个性化教育。

另外，学生模型需要对学习过程中的学生的学习情况进行记录入库，对教育效果进行评定，从而诊断出当前教学计划是否合适，以便下述教师模型中对教学内容和教学策略的灵活调整。

42教师模型

教师是教学工作开展过程中的主体，一个合理的教师模型应该包括如下三个部分。

教师模型首先完成教学内容的选择，这要根据学生模型中对学生当前的学习水平的评定，并且针对学生既定的学习目标，并从下述知识库中调取对应的内容，为教学的开展做好准备。

在确定了教什么的问题之后，教室模型要确定如何教的问题，即选取合理的教学策略开展教学。教学方式的选择依附于学生模型，而又能根据学生学习情况记录进行反馈动态，不断完善和调整教学策略。

另外，在传统教学模式中，教师传授知识，并能为学生答疑解惑。当学生在学习过程中遇到问题和疑惑时，教师模型应该实时地提供信息支持，为学生提供针对性的帮助。因而教师模型要实现与人机交互接口的实时连接，在问题到来时控制模块驱动应答部分为学生答疑解惑。

43综合数据库模型

综合数据库模块为农业知识培训系统提供数据库支持，主要包括以下三个模块。

知识库模块中分类别地存放着农业领域的专业知识，包括文本、图像、自然语言、多媒体等多个类型的学习知识。一旦教师模型中完成了教学内容的选择，便由此模块中调取相对应的文件开展教学。

专家评估模块用于处理教学过程中的教学效果评价和经验总结，为教师模型中的各个环节的反馈和更新迭代提供数据支持。在一个完善的教学过程，教师需要根据学生的学习效果进行总结和反馈，以此指导下一步的教学内容和策略的更新。

为了对学生阶段性学习的效果进行评估，还需要引入测试考核模块对学生的成绩进行量化考核。测试考核模块中包含学生答题库和成绩测评库，准确检测出开展农业知识培?的作用与效果。

44人机交互接口

基于人工智能的农业知识培训的过程是学生和系统进行交流的过程，所以一个友好的人机接口是系统必不可少的组成部分。在这一模块中，友好的图形用户界面的设计能够帮助学生流畅地接收信息，提高学习效率。同时，借助于人工智能中对语音和图像信号的先进识别技术，人机交互接口可以智能化地接收分析和理解学生的自然语言信息和动作信息，进而为系统提供宝贵的输入信息。

篇3

一、顶层设计,构建全方位、多层次、可操作的指导体系。

为了保障人工智能教育在我校真正落实和长期发展，学校将人工智能教育工作纳入到学校整体三年发展规划中，并作出明确要求。

为了让师生更加重视人工智能教育，促进学生全面发展，特修订了我校“五美”能行课程体系，将人工智能课程进行了重新定位和设计。

为了建设符合我校校情、学情的人工智能课程体系，学校成立了人工智能课程建设与实施的探索与研究项目管理团队，制定了项目计划书，从项目名称、项目团队、项目背景、项目创新点及解决问题、项目推进措施、项目完成期限等方面进行了具体规划。

二、支撑保障

完善软硬件设施和文化建设，为人工智能教育开展做好支撑和保障。除了四楼独立的人工智能实验室，我校还自主改造了五楼的创客教室和阅览室，扩宽了人工智能教育场所，尽全力满足学生人工智能上课需求。

学校高度重视人工智能教育，不断加大投入。在资金紧张的情况下依然给学生购买了小学生C++趣味编程书和人工智能超变战场的场地。

三、具体做法

1.基于校情和学情的人工智能课程设计

课程设置：开学之前，课程部整体规划，实行信息技术课两节联排。

人工智能课程开设内容安排：基于校情学情，本学期3-6年级全面铺开人工智能课程，3年级以信息技术基础知识、编程猫、乐高搭建基础入门为主；4年级AI神奇动物，5-6年AI变形工坊，是集搭建和编程于一体的人工智能课程体系。本学期信息技术类人工智能特色社团的开设：人工智能机器人社团、信息学奥C++社团、创意编程社团。

2.三位一体，三组联动推进人工智能课程的开发与实践。三组是：项目组、教研组和集备组。具体做法是：

项目组的做法：根据人工智能项目管理计划书的内容和要求，3月初进行项目工作总结和4月份计划汇报，5月份进行了中期汇报。进一步梳理人工智能校本课程的内容，促进人工智能课程实施与落地，进行了生本AI人工智能校本课程的开发与研究，重点对课程目标和课程内容进行了设计和探索。

教研组的做法：1.参加区首次信息技术教研活动，明确方向和工作重点。组织信息技术教师按时参加区里首次信息技术教研活动，并将区里的要求传达给每一位信息技术老师，为接下来的工作做好铺垫指明方向。2. 教研组内进行磨课，四年级潘倩老师执教了四年级AI神奇动物—敏捷的蛇；徐娜老执教了五年级AI神奇变形工坊—设计“地雷”，课后及时听评课，提出优点与不足，并进一步改进完善。

集备组活动：各年级备课组利用双周周二上午时间进行集备，研究本周的上课内容、梳理课堂具体流程及教学设计。

3.加强教师培养力度，积极组织教师参加人工智能培训和学习。学校鼓励教师进行小课题的研究，提升教学专业素养。2019年区级小课题《小学人工智能课程体系、教学策略和教学评价的研究》顺利结题。2020年区级小课题《奎文区人工智能教育专项课题--小学人工智能教育教学策略及评价方法的研究》立项。

4.为了拓宽视野，为人工智能教育的发展进一步指明方向。落实请进来：邀请区教研室专家进校为学校人工智能开展情况进行诊断；邀请优必选指导老师入校指导人工智能课程，并进行赛事辅导和培训。

5.为了给学生的学习搭建更广阔的平台，丰富学生的课余文化生活，促进学生信息素养的提升。以赛促学，积极组织学生参加各级各类比赛。

四、取得成效

1.学校层面：以人工智能教育为契机近年来，我校的信息化、数字化、智能化水平不断提升，互联网+教育、智慧校园工作取得了巨大的进步，学校获得省市区多项荣誉。

篇4

【关键词】人工智能；计算机；辅助教学；应用

计算机辅助教学是一种新兴的教学手段，帮助课堂进入到一种更加智能化和现代化的环境与条件中，将传统的教学模式和方法与多媒体和网络结合起来，为学生营造更好更有趣的教学氛围。但是由于技术的不成熟以及经验的不充分，导致其依旧存在问题和不足。

1计算机辅助教学开展现状和发展困境

1.1缺少开放包容的特性

近年来，计算机辅助教学的开发和应用已取得了一些较好的成绩，但由于我国计算机网络工程和相关领域的技术革新起步较晚，对于计算机教学的发展与改革依旧存在较多的不足和缺陷。首先是在开放包容性上的缺失。这一缺失的原因主要来自于两个方面，第一个方面是思想上的落后和闭塞，人们对于计算机辅助教学的态度依旧存在负面和抵触的情绪，这是由于害怕计算机的加入让课堂和教学秩序失控，所以并没有充分开发和展现出计算机在教学中的优势。第二个方面是技术层面上的限制，我国对于计算机辅助教学的课件和软件技术都只是按照一种最传统和安全的方式进行，缺少探索和冒险的精神、开放和包容的态度[1]。

1.2缺少人机交互的能力

计算机辅助教学过程中，计算机不仅仅是一个信息的载体，更应该将其当作课堂的一份子，能够充分参与到整个课堂的活动和教学工作中。但是大多数的智慧课堂在使用计算机时，仅仅利用其多媒体的播放功能，教学的主体和主要角色依旧是教师，只是把课本和板书照搬到了多媒体课件中。教学的内容仍然是枯燥和单一的，学生依旧带有一种被强迫的学习心理。这种教学缺乏人机之间的交互，机器不能自主获取学生学习的状态和对知识的掌握情况，学生也无法通过计算机主动地得到反馈和解答，让人机之间仅仅是流程化的配合和交流。在这种刻板的学习模式下，甚至会让一部分学生丧失学习的乐趣和兴趣。

1.3缺少课程教学的特点

不同的课程有着不同的教学重点和偏向，这就对教师的教学工作提出了更高的要求，计算机的加入，本来应该能够为教师提供一个新的教学方向和思路，但是由于计算机的便捷性导致一部分教师产生偷懒和敷衍的教学心态，在教学过程中全程使用多媒体播放课件，丧失了课程自身的特性和特质。尤其是一些对实践能力要求较高的课程，教师过度使用计算机只会导致教学趣味性的流失。

1.4缺少师生互动的乐趣

教师作为课堂教学的主要角色，不仅仅是要把知识以一种通俗外化的形式传递给学生，更是应该做学生心理特征的发掘者、学生学习习惯的纠正者和帮助者。教师的鼓励和赞许都会对学生起到重要作用。但是计算机辅助教学之后，教师将更多的精力放到了如何制作精美的教学课件上，而忽略了与学生之间最直接的感情和语言交流，丧失师生互动的乐趣。

1.5缺少有序的教学策略

教学策略是保证一节课是否能够有序开展和进行的重要条件与因素。但是计算机参与和设计的教学环节，只是一个程式化的展示，在课堂上会遇到多种多变的教学情况，一旦在某一个环节出现问题，就有可能导致计算机设计的教学步骤全部打乱，陷入一种无序的状态中[2]。1.6缺少灵活的智能性能计算机技术的开发和应用在我国已经逐渐形成了一套完善和成熟的体系，但是计算机在教学中的应用与引进时间并不长，导致当前多数计算机辅助下的课堂并不具备充分的灵活和智能性，大部分的教学工作和考核评价工作依旧是由教师人工完成，对于不同学生的学习状态掌握也有所偏差。

2人工智能在计算机辅助教学中的应用

2.1建立知识库

人工智能在计算机辅助教学中应用的主要原则，就是将深度学习与认知学的理论知识作为整个程序模块设计开发的基础，通过建立一个知识库，将收集到的知识案例进行分类，训练机器进行自动识别，从而提取和分析出不同学生在不同的知识中所表现出来的学习能力与掌握熟练程度，进而可以有针对性和有选择性地进行复习与巩固，达到机器代替部分人工教学、缓解教师压力的目的。第一步就需要进行知识库的建立，主要包括了专家决策的核心系统对所输入的知识进行判断与筛选调取。同时知识库还可以实现共享的功能，对知识进行简化与提炼，做到精益求精。知识库的搭建应该要尽量简单和易修改[3]。

2.2打造专家模块

在建立了知识库之后，就需要围绕人工智能教学的主要目的进行专家模块的打造，专家模块存在的意义在于能够将其比喻为整个学习系统中的推理机。在需要和使用的情况下，由专家模块自动随机地生成问题，并且可以通过知识库的相关内容调取形成答案并充分解释。其次，专家模块的另一个作用就在于能够帮助评价和考核学生的学习情况，实现一种更加公正透明的评价过程。在进行专家模块打造时，通常使用的是两种方法，一种是固定算法，即根据题库的问题模板，循规蹈矩、规规范范地进行问题的设立和解答的编写。而另一种就是启发策略，这种专家模块更多的是引导学生通过简单和有限的提示信息，自己推理摸索找寻正确的答案和解决方案。除此之外，专家模块还可以自动匹配，依据学生能力分配问题。

2.3建立学生模块

与专家模块相互配合相互辅助的就是学生模块。学生模块的本质其实也属于专家系统，模块内部所存储和容纳的是学生的不同学习习惯和学习行为特征。这个模块建立的目的主要是两个，一个是为了让学生在学习的过程中可能出现的错误习惯和方法被快速识别，并且能够通过机器语言进行记忆与编译，从而建立一个比较完整和全面的错误类型数据库，进而深层分析找到错误的原因。第二个目的就是为了帮助学生对错误学习行为和习惯进行解释，从更加深层次的角度挖掘学生由于知识理论掌握不充分而导致错误的原因。学生模式的建立一般依靠的就是人工智能的自我学习和接受训练让系统能够建立起模型对学生的学习习惯进行模拟。这样在上一步打造的专家模型就可以为学生模型提供一个对比的样本，专家模型的两种运算和教学方式可以分别评估学生的学习能力和学习错误[4]。

2.4优化教学模块

教学模块是人工智能在计算机辅助教学模式中必不可少的一个环节，教学模块的内容是基于传统教学设计和规划之上的。在计算机与人进行交互的过程中，教学策略主要是由教学的不同分支来体现，能够达到较好的发散性和综合性的效果。但是其不足的地方也比较明显，那就是只能按照某一类型或者某一个的教学方法进行，系统不能快速地根据不同内容识别和选择最适合最有效率的教学模式。具体的应用和实现过程就是将专家模块和学生模块的内容进行连接和合并，将专家模块生成的问题及答案与学生模块中上传和学习到的进行对比，选择覆盖或者是分析提取，能够比较客观地发现学生学习中存在的理解性偏差和实践性错误。之后再将结果传回到知识库中，调用相关的知识内容，形成一个完整的反馈链，帮助教师做出教学决策，调整教学进度和教学规划。但是这个模块的设计也应该充分考虑到诸多情况和因素，因此在条件判断时应加入更多的循环。

2.5开发智能接口模块

人工智能在计算机辅助教学模式中的应用和融合最后一步就是要开发出一个稳定和高效能的智能接口模块，主要作用是为了连接学生和计算机之间的信息交换和沟通，即进行信息的输入与传出。在接收到学生传递的学习信号后，接口模块要及时调动起教学模块、专家模块和学生模块，把信息传递给不同模块处理，之后再由教学模块所作出的教学决策和结果论证信息输出反馈给人，实现了机器语言与人类语言之间的转化。一个能够正常运转并且具备较高实用性和参考性的教学系统，一定融汇了思想教学、策略和心理学等多方面的因素和知识内容体系，所以智能接口模块的设计与开发，一定要全面考虑这些成分，开发出更加灵活多变的接口模块[5]。

3结语

人工智能在近年来获得了快速的发展和进步，成为我国当前各个行业领域之内炙手可热的先进技术。对于计算机辅助教学的开展和改革来说，人工智能的融入与应用有着重要的价值与意义。

参考文献

[1]张镒麟.关于计算机辅助教学中人工智能技术的应用研究[J].当代旅游,2019(1):239.

[2]刘荫.人工智能在计算机网络技术中的应用研究[J].科学与信息化,2019(2):20-21.

[3]孙玉梅,赵骏,王美春,等.基于人工智能技术的《单片机原理及应用》课程CAI软件研制[J].教育教学论坛,2016(45):268-270.

[4]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯,2007(34):108-109.

篇5

关键词：ICAI；系统模型；教学策略；综合集成方法论MSM；现代教育技术

中图分类号：G250.73 文献标识码：B 文章编号：1673-8454(2012)01-0030-04

计算机辅助教学（Computer Aided Instruction，简称CAI）是利用计算机来模拟教师的行为，通过学生与计算机之间的交互活动来达到教学的目的。即在计算机辅助下进行的各种教学活动，主要是以对话方式和学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI为学生提供一个个人化的学习环境，综合应用多媒体、知识库等计算机技术，这是传统CAI的主要应用方式。

在没有智能系统支持的情况下，传统CAI尽管可能具有良好的教学材料模型，但它往往仅借助于计算机来展示教学内容，并不能很好地根据它所教学生的学习特征，以不同的教学策略和教学方法来教授；只是盲目地传授知识给学生，如果某个学生不能接受提供的教学策略，系统没有为这个学生提供可供选择的另外的教学策略。目前使用的绝大多数CAI是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，很难对课件进行更新和维护，尤其是在这样的CAI系统中，学生的学习仍然处于被动状态，即完全受计算机控制。

一、智能化计算机辅助教学概念

现代教育技术的日益发展以及与其他领先技术的结合，必然促使计算机辅助教学CAI的进一步发展。人工智能技术应用于CAI产生的基于网络环境的智能化CAI，就是现代信息化社会发展的产物，并在教育教学领域中有很好的发展前景。

人工智能是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的，目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多地是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、博弈、智能决定支持系统、人工神经网络等等。人工智能技术与专家系统的成就，促使人们把问题求解、知识表示这些技术引入CAI，并借助于网络环境来实施，这便是智能型计算机辅助教学。

智能计算机辅助教学ICAI（Intelligence Computer Assisted Instruction）属于人工智能的一个分支，是以认知科学和思维科学为理论基础，综合人工智能技术，教育心理学等多门学科的知识对学生实施教育的一门新的教育技术。ICAI通过研究人类学习思维的特征和过程，探索学习知识的模式，利用信息化网络环境使学生获得个别化自适应性学习的获取知识方法，从而使学生的学习更有针对性，更有效。

ICAI依靠人工智能技术的进步，主要应在因材施教方面取得进展。其主要特点是:

（1）能自动生成适合学习者程度的学习内容。

（2）能根据学生的不同认知水平与学习风格选择教学策略和教学方法。

（3）能评价学生的学习结果，并不断地在教学中改善教学策略。

二、智能化计算机辅助教学研究现状

现阶段，在一些发达国家，如美国、日本、加拿大、英国、法国、澳大利亚等，CAI已经普遍存在于学校和家庭中，正起着越来越大的作用。而ICAI的研究还处于初始阶段。目前国内在这一领域的研究主要集中在CAI和ICAI的优缺点比较，ICAI的理论来源、系统特征、模块建设、发展趋势等基础理论知识的研究，基于相关课程或学科的实践研究还比较少见。智能教学系统的设计和开发是一项复杂的系统工程，由于需要考虑的因素较多，系统比较庞大，同时也依赖于人工智能等技术的发展,因而要建立完善的ICAI还是比较困难的。[1]因此ICAI有很大的理论和实践发展空间。

完善的ICAI系统需能够充分调动学生的主动性，并能通过分析推理，对某具体学生做出适合的教学决策。使学生获得个别化自适应性学习的学习方法，达到因材施教的目的。人工智能技术的发展必将会对ICAI的发展起到巨大的推动作用。随着计算机科学的发展，21世纪的教育教学辅助手段将是以ICAI为主线，多学科、多方位发展的新技术的体现，越来越多的教育工作者会从更多的视角审视ICAI，并从事ICAI的研究。相信ICAI将会在现代教育领域中有更广泛的应用。

“现代教育技术”既是教育技术专业的必修课程，也是大中专院校广泛设置的选修课程，适用范围非常广泛。本文以《现代教育技术》这门课程为主要研究对象，来研究智能化教学系统设计在具体实践中的应用。

三、ICAI决策系统的理论依据

1.综合集成理论

教育是以人为主体参与的活动，而人本身就是一个复杂巨系统，因此以这种大量的复杂巨系统为子系统组成的系统――教育系统，是一个复杂巨系统。依据系统与其环境是否有物质、能量和信息的交换，将系统划分为开放系统和封闭系统来看，学生的学习受到教师、同学、家庭及社会等因素的影响，所以教育系统是一个开放的复杂巨系统。

钱学森的理论和实践研究表明：现在能用的、惟一能有效处理开放的复杂巨系统的方法，就是定性定量相结合的综合集成方法论。综合集成方法论（Meta-synthesis Methodology MSM）是方法论上的创新，它是研究复杂巨系统和复杂性问题的方法论。[2]定性定量相结合的综合集成方法是将专家群体(各种有关的专家)、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来，发挥这个系统的整体优势和综合优势。[3]它把人的经验、知识、智慧以及各种情况、资料和信息系统集成起来，从多方面定性认识上升到定量认识，从而达到解决复杂系统问题的目的。在解决问题的过程中，专家群体和专家的经验知识起着重要的作用。

教学系统设计是一个复杂的系统，它是由教育系统的复杂性决定的。教育系统具有复杂系统的基本特点，它在结构与功能上表现为规模大、相关因素多且相关方式复杂、目标多样等；在运动上表现为随机性、非线性等。用一般的理论方法无法全面合理地解决这一不良结构的问题，本研究尝试用综合集成方法论来指导、分析教学设计智能化过程。因此，运用综合集成理论的方法来研究教学设计系统，探讨具体科目的教学设计在设计过程中遇到的复杂性问题，进而构建科学合理的教学设计系统，具有重要的理论和实践价值。

2.教学设计理论

本文采用“双主”教学模式作为ICAI的教学设计的理论基础。“双主”教学模式既能发挥教师的主导作用又能充分发挥学习者认知主体作用，是在教师主导下的课堂中能让学习者参与进来共同学习的一种教学模式。

基于“双主”的教学模式，要求根据学习者的特征、学习内容、学习策略、学习目标等多种因素的不同情况研究它们的结合方式，以使系统达到理想的教学效果。

基于网络环境的ICAI相对于传统的CAI来说，充分体现了“双主”的教学模式。ICAI中有专门分析学习者学习方式和认知水平的学生模型，有专门为不同的学习内容选择不同的学习策略的策略库模型（也称为教师模型），有评价学习效果并反馈给系统的评价模型。学生模型是对学习者的学习特征进行分析，包括学习者的学习风格、认知水平。策略库模型包含有丰富教学策略和有一个智能推理机，能根据学生模型的信息和学习目标为学习者选择合适的学习策略，指导学习者学习。

3.建构主义学习理论

当代建构主义者主张，世界是客观存在的，但是对于世界的理解和赋予意义却是由每个人自己决定的。建构主义者认为学习者要以自己的经验为基础来建构现实，或者至少说是在解释现实，每个人的经验世界是用自己的头脑创建的。

学习过程同时包含两方面的建构：一方面是对新知识意义的建构，同时又包含对原有经验的改造和重组。建构主义者强调学习者在学习过程中能够灵活地建构起用于指导实践活动的图式，这种图式是对概念的丰富理解，依据个人经验背景的不同而不同。

教学应当把学习者原有的知识经验作为新知识的生长点，引导学习者从原有的知识经验中，生长新的知识经验。教学不是知识的传递，而是知识的处理和转换。

ICAI伴随着这种理论的发展而发展，它注重的是由学习者来控制学习过程，重视学习内容的知识结构和学习情境，让学习者主动构建对自己有意义的知识的活动。基于网络环境的ICAI积极地为学习者创设学习情境，帮助学习者用他们已有的知识去建构、生成、整合新的知识。

4.教学处方理论

“教学处方理论”是郑永柏博士于1998年提出的一种新型适合于信息化教学设计的理论，他通过对教学系统设计理论和计算机辅助教学设计方面的研究，建构了一种新型的教学系统设计理论――教学处方理论。该理论主要包括：六个基本概念、一个理论框架、三条基本原理和两个关于教学设计的知识库。[4]

该理论指出教学处方可以看作是教学设计者(有时可以看作是教师)依据系统分析后使用的各种教学模式、教学方法和教学内容处理模式的组合；说明了在特定教学条件下对特定教学结果的教学，以不同的学习理论和教学理论为指导将会采用不同的教学方法，即教学处方，这也是本研究的核心内容，是该系统设计的指导理论。“教学处方理论”具有更好的包容性、开放性，能够吸收和容纳丰富的学习和教学研究成果。

四、ICAI系统的模块结构

1.前端分析模块：认知能力、学习动机、认知风格

前端分析是美国学者哈利斯（Harless，J．）在1968年提出的一个概念，指的是在教学设计过程开始的时候，先分析若干直接影响教学设计但又不属于具体设计事项的问题，本文主要指认知能力、学习动机和认知风格方面的分析。前端分析模块主要是建立相应的学生特征类型的数据库。

认知能力的测量采用认记、理解、应用、分析、综合、评价六个维度，每个维度有“优、良、中、差”四个选项。通过数据分析找出学习者的现状和期望之间的差距，确定需要解决的问题是什么，并确定问题的性质，形成不同层次的教学设计项目的目标。

学习风格和学习动机通过专门的量表来收集数据。

2.内容分析模块

教学内容分析就是在确定好总教学目标的前提下，借助归类分析法、图解分析法、层级分析法、信息加工分析法等方法，分析学习者要实现总的教学目标，需要掌握哪些知识、技能或形成什么态度。通过对教学内容的处理，确定学习者所需学习内容的范围和深度，确定内容各组成部分之间的关系，为以后教学顺序的安排奠定好基础。

对教学内容的处理主要包括：教学内容的选择、教学内容的编排、确定单元目标及对内容进行初步评价、分析教学内容类别及性质等四个基本方面。在构建规定性教学内容处理模式库时，应对上述四个方面提供具体的方法。[5]

3.决策模块

教学策略（处方）的制定就是根据特定的教学目标、教学内容、教学对象等条件，来合理地选择相应的教学顺序、教学方法、教学组织形式。在数据库中建立可供选择的不同的教学策略（处方），是本文所研究的ICAI系统的主要模块，也是特色模块。

教学策略（处方）的制定包括教学顺序的确定、教学方法的选择、教学组织形式的选择等。教学顺序的确定就是要确定教学内容各组成部分之间的先后顺序；教学方法的选择就是要通过讲授法、演示法、讨论法、练习法、实验法、示范模仿法等不同方法的选择，来激发并维持学习者的注意和兴趣，传递教学内容；教学组织形式主要有集体授课、小组讨论和个别化自学三种形式，各种形式各有所长，须根据具体情况进行相应的选择。教学策略的制定是根据具体的目标、内容、对象等来确定的，要具体问题具体分析，不存在能适用于所有目标、内容、对象的教学策略。

4.评价模块

在基于网络环境的ICAI的评价模块，要依据前面确定的教学目标，运用评价量表，分析学习者对预期学习目标的完成情况，主要收集三个方面的基本信息，一是要收集关于教师对教学设计方案和教学方案实施结果的满意度的信息数据，二是要收集关于学习者对教学过程、教学策略的适应性的信息数据，三是要看与其他方法相比，本处方中所采用的方法是否有独到之处，是否有不足之处。[6]在数据分析的基础上，对教学策略和教学内容的修改和完善提出建议，并以此为基础对ICAI各个环节的工作进行相应的修改。

5.ICAI系统模型框图

学习者前端数据采集数据库包括：认知结构测量及分析系统、学习动机测量及分析系统、学习风格测量及分析系统和学生基本信息系统。系统模型如图所示。

五、ICAI决策系统实验数据来源

本课题实践研究的调查对象来自云南大学，是2008届市场营销教育和财会教育本科生，共89人，课程设置为现代教育技术。学生调查表包括本科生基本信息表，所罗门学习风格量表，学习者认知能力调查问卷，学习者学习动机调查问卷四份表格组成。实际收到数据表89份，有效数据表75份。数据表中的信息选项根据所占权重，统一折合成百分制进行处理。

六、总结

本文把教学设计理论、方法与“现代教育技术”课程相结合，拟研发出一个基于综合集成方法论的广义智能网络教学设计辅助系统。主要研究成果如下：

（1）把综合集成方法论引入解决教学设计这一不良结构问题；

（2）结合数字化方法和数据挖掘技术，它能对学习者进行数字化的前端分析；

（3）它所自动化给出的教学设计方案，可为青年教师提供良好借鉴，有利于教师因材施教、因风格施教、因需要施教；

（4）它所自动化给出的学习者学习建议方案，有利于促进学习者自主学习。

现有的CAI存在的许多问题随着新技术的不断出现而显得越来越不能适应新环境的需求，因此以基于网络环境的ICAI为代表的新计算机辅助教学系统，将是教育教学研究人员在教育技术上需要不断探求、努力实现的发展方向。

参考文献：

[1]杨采坚，董玉铭.智能教学系统设计[J].中国电大教育,1993（3）.

[2]于景元,涂元季.从定性到定量综合集成方法――案例研究[J].系统工程理论与实践,2002.5.

[3]钱学森,于景元,戴汝为.一个科学新领域：开放的复杂巨系统及其方法论[J].自然杂志,1990(1).

[4]郑永柏.教学系统设计理论和方法研究:教学处方理论和ISD-EPSSS的设计与开发[D].北京师范大学博士学位论文，1998.

篇6

关键词：智能教学系统；语义Web；领域本体

智能教学系统(Intelligent Tutoring System，简称ITS)是人工智能和计算机应用的一个重要研究领域[2]。它为学习者提供了形象直观和方便易用的学习界面，有助于激发学生的学习兴趣，增强学习记忆，同时又能大量增加学习内容，提高教学效率，因而长期得到广大研究人员和教育工作者的密切关注和深入研究。1988年，国际上第一次举办ITS学术研讨会；1992年以来，智能教学系统学术会议每两年举办一次；2012年，美国匹兹堡将举办第10届ITS国际会议，该届会议的网址是cmu.edu/its2012。

早期的计算机辅助教学(CAI)及现有的智能教学系统，绝大多数以文本、图形、静态图像、动画、声音和动态视频等知识作为教学内容，存于知识库，教学内容通常是固定不变的，因此，不能实现真正意义上的因材施教和多学科知识教学。此外，一些教学系统具有明显的不可修改性，只能适用于事先确定的、特定的教学目标与具体的教学情境；有的教学系统完全与教科书配套，以教学大纲和个别教材为依据，按照教科书的章节安排教学内容，不具备重用性。通过分析可知，智能教学系统存在上述不足的主要原因，是系统没有一个庞大的和可扩展的知识库支撑，没有可供操作的知识以及知识库不能更新等。

笔者通过分析智能教学系统发展等特点，结合网络信息，提出了面向语义Web的智能教学系统模型，分析了各组成部分的功能。在系统模型中引入领域本体组织教学内容，并运用网络爬虫工具获取网页新知识等更新教学内容，提高了智能教学系统的适应性。

1智能教学系统

20世纪60年代以来，随着信息科学和计算机科学的发展，特别是人工智能(AI)的诞生与发展，以及计算机在教育方面的广泛应用，出现了一种新的教育技术，即计算机辅助教学(Computer-aided Instruction, 简称CAI)。CAI系统的理论基础是行为主义理论，主要目的是协助改进教学。其教学模式主要有3种：一是辅导模式，用于向学生讲授知识和技能等内容；二是练习与操练模式，通过学生与计算机的频繁交互作用来训练学生的解题能力，以加深学生对所学过概念的理解；三是对话模式，通过计算机与学生的相互提问和答问来训练学生的理解力。CAI系统一般由课件(courseware)实现教学过程，学生可反复使用这些不变的课件，接受课件的各种教学信息，完成学习任务。学生的学习过程主要由课件来控制，一般都是被动式学习，系统没有给学生提供个性化需求的教学过程。

传统的计算机辅助教学系统并不了解学生的特点，对所有学习者采用相同的教学方法和统一的教学内容。因此，系统不能对不同学生采用不同的教学方法和教学内容，不能培养不同学生的各种能力。

因此，人们希望计算机也应具有人类教学的“智慧”和艺术：系统应该能了解每个学生的学习能力、知识水平，能根据不同学生的各自特点采用不同的教学策略，有针对性地指导学生学习，能理解和接受学生的自然语言交互。

到了上世纪70年代，AI技术得到深入研究和发展，同时，认知心理学在教学过程中也得到广泛应用，计算机辅助教学系统的研究更趋向智能化。Carbonell和Collins等人研制了一个基于知识的教学系统SCHOLAR，用于进行南美洲地理教学。SCHOLAR开辟了把人工智能应用于计算机辅助教学的新研究领域。让计算机辅助教学系统CAI更加具有“智慧”，是教学系统的一个重要目标，因此，更具有智能的CAI系统被称为“智能计算机辅助教学”(简称ICAI)或“智能教学系统”。

但是，ITS并不是对CAI的一个简单改进，它需要结合AI技术、教育心理学理论和认知科学而得以发展。与CAI不同，ITS以认知心理学为理论基础，强调学习个体内部的心理过程，认为人的认知是由外部刺激和认知主体内部过程相互作用的结果，因而学习过程是个人根据自身需要、兴趣、能力、知识水平，对当前教学过程做出的主动的、有选择的信息加工和建构过程。

ITS的目标是分析学生的智能水平和知识状态，根据不同的教学内容采用不同的教学策略，因材施教。教学过程以“学生”为中心(但并不完全地由学生自由学习)，以启发、诱导、暗示等方式展开，让学生探索、思考与发现问题。例如，SCHOLAR系统采用了苏格拉底对话方式的启发式教学，以实现智能化教学。

目前的ITS在结合教育心理学、认知理论和计算机科学的基础上取得了很大发展，同时ITS的研究和开发也是一个艰难的过程，并存在如下缺陷。

1) 智能教学系统缺乏强的自适应性，不能真正灵活地实现因材施教的教育目的；不能准确及时地发现和处理学生出现的各种错误及问题。主要原因在于教学过程分析不明确，教学策略不够丰富，特别是对于不同学科和不同个性的学生，缺乏灵活多样的教学策略，用于指导不同学生学习不同知识，系统设计面向的对象也还比较单一。

2) 智能教学系统对学生缺乏了解(或理解)；不能理解学生正在做什么和学生知道什么；不知道学生所处的学习环境和学习动机如何，学生常犯的错误是什么；没有一个好的教学策略来安排最适合的教学方法，把最适当的知识传授给相关学生，因而无法达到因材施教的预期教学效果。

3) 智能教学系统中的知识可操作性差，几乎是不可操作的。教学内容比较单一，而且知识的可重用性差，导致了人们制作和设计了许多重复的教学系统，而真正“好用的”智能软件却非常缺乏。

智能教学系统存在上述不足的主要原因有二：一是没有一个丰富的多学科的知识库支撑，而且知识的可操作性差；二是没有一个比较完善理想的系统结构，支持对学生和教学的理想描述。针对这些不足，笔者提出一种面向语义Web的智能教学系统模型。

2面向语义Web的智能教学系统模型

在分析已有的智能教学系统模型(例如NKI- Tutor)[4]的基础上，结合当前不断发展的网络信息和网上学习资源，笔者提出了一种面向语义Web的智能教学系统模型，该模型的教学内容模块中引入领域本体的抽象层来组织知识，同时模型中增加了一个网页知识的新模块。网页知识主要使用网络爬虫，从不同网站上获取各种教学资源，然后对该资源进行分类，构建其资源本体，并通过本体合并技术，把新知识添加到教学内容模块中。面向语义Web的智能教学系统模型如图1所示。

面向语义Web的智能教学系统模型主要包括交互界面、学生模型、教学模块、教学内容、专家模型、评价模块、知识模拟模块和网页知识模块等。

交互界面用于实现学习者与教学系统之间的信息交互，为不同学习者提供个性化的教学内容和学习界面。

学生模型是对学习者的知识水平、认知能力、学习风格、兴趣爱好、学习策略等的建模，为系统提供学习者的学习历史记录、学习过程中与系统的交互情况以及在系统诊断性测验中的表现等。

专家模型包含领域专家的问题求解。教学系统可以对学生解决问题的方法与专家的方法进行比较，以发现学生的能力缺陷或错误认识等，然后采取更确切的教学策略或调整教学策略。

教学模块是智能教学系统用于组织、管理和实施整个教学活动的中心。本模块的教学模型由教学目标子模块、教学任务子模块、教学分析子模块、教学策略子模块和教学效果测量子模块构成。教学目标是指教学的总目标(Goal)，包含多个子目标(g1，g2…gn)，并且Goal＝g1 ∧g2 ∧… ∧gn，n ∈自然数N。教学任务是指设计或规划知识，确定教学目标，选取和实施教学策略，并评价教学，由具体任务(Task)实施。评价模块是对整个教学的全局评价。评价教学总目标是否已经达到，或是对一个学习单元、一个学习阶段、一门课程学习后的全局评价，包括学生知识结构和知识水平、技能水平的综合评价和教学策略是否适用于不同学生的评价等，评价结果是教学策略改进和教学反馈的依据，是对学生的学习过程和教学效果进行测量。

知识模拟是一个知识模拟系统，能够对知识自动进行动画模拟。在教学过程中，教师根据不同的教学内容和教学需要，采用不同的教学策略，使教学更加生动形象，学生也能够通过模拟工具亲自操作实验。模拟工具对于具有不同学习风格的学生尤其重要。

教学内容模块是知识库存储器，存放各科教学知识和从网页上获取的各类新知识。

网页知识存储从不同的网站上获取的各种教学资源。在系统模型中嵌入网络爬虫工具，首先利用网络爬虫工具不定期地从不同网站上获取各种教学资源，然后对资源进行分类，构建其资源本体，通过使用本体合并技术，把新知识添加到教学内容模块中，实现教学内容更新，使系统更具适应性。

3 教学内容组织与知识更新

在面向语义Web的智能教学系统模型中，我们引入领域本体的抽象层来组织教学内容，并引入网页知识模块实现知识更新。

3.1领域本体的抽象层

面向语义Web的智能教学系统模型，最重要的功能是获取Web信息和资源，然后对资源进行管理和运用。为此，我们引入领域本体的抽象层来对教学资源进行组织，如图2所示。

领域本体的抽象层是去除了学科中的具体概念而综合了领域本体中的属性和关系，是不依赖于领域概念而存在的。

3.2网页知识模块

随着互联网的快速发展，各种教学机构和学校都建立了各自的教学网站。例如，大学的精品课程、中学的网校以及专业知识网站，还有很多信息搜索引擎等。这些网站提供了很多专业和非专业的百科知识。为了顺应信息时代的知识需求，智能教学系统中的教学内容不再是一成不变的，而应该及时更新知识库。

面向语义Web的智能教学系统模型采用网络爬虫工具实现自动提取网页信息功能。它根据教学内容主题的关键字或知识点分析网页，过滤与主题无关的链接，获取有用的链接站点上的信息，并将其存储在相应的文档中。目前，我们主要采用文本方式存储获

取的信息。然后对所获取的信息进行分析，根据信息格式和内容进行分类，结合已有本体来组织新知识，进而建立索引，便于知识查询和检索。

4结语

智能教学系统研究是一项艰难和长期的工作。面向语义Web的智能教学系统模型具有教学内容覆盖多个学科和网络知识等特点，充分展现信息时代的学习特色，为学习者提供更新颖的知识和更宽广的知识面，并使教学过程更加个性化，提高教学质量。同时，面向语义Web的智能教学系统将通过网络爬虫工具实现自动提取网页信息，从而及时更新教学内容，使教学更具时代特点，实现真正意义的智能化教学。

参考文献：

[1] Claude Frasson, Kurt Van Lehn. Intelligent tutoring systems[C]//Gilles Gauthier, Claude Frasson, Kurt VanLehn. Lecture notes in computer science(1839). Montreal:Springer, 2000:1-24.

[2] 王小辉,童\. 智能计算机辅助教学系统的设计[J]. 软件学报, 1996,7(4):217-222.

[3] 唐素勤,曹存根. 智能教学系统的体系结构:综述与改进[C]//钟义信.中国人工智能学会第九届全国学术会议(CAAI-9)论文集. 北京:北京邮电大学出版社,2001:1129-1132.

An Intelligent Tutoring System Oriented on Semantic Web

TANG Suqin1, LIU Lihao2

(1. College of Computer Science and Information Engineering, Guangxi Normal University, Guilin 541004, China; 2.Guangxi Training Center for Teachers of Higher Education Institutions, Guilin 541004, China)

篇7

关键词：Client/Server；CAI；ICAI；课件

一、智能计算机辅助教学系统的本质内涵

智能计算机辅助教学——ICAI（Intelligence Computer－Assisted Instruction）属于人工智能的一个分支领域，智能计算机辅助教学系统是以认知科学和思维科学为理论基础，综合人工智能技术、教育心理学等多门学科的知识对学员实施教育的一门新的教育技术，其目的在于通过研究人类学习思维的特征和过程，寻求学习知识的模式，使学员获得个别化自适应性学习的获取知识方法，从而使学员学得更快、更有效。传统的CAI课件系统是在单机上将全部教学内容以编程的方式预置于课件中。学员学习时，教学过程是按课件规定的路径和内容展开的。由于缺乏必要的通信手段和智能特性，无法实现任课教员与学员之间的交互以及按学员的不同认知能力准备教案的因材施教教学。随着计算机网络技术的日臻成熟和人工智能在专家系统领域取得的成功，为CAI的网络化和智能化的发展提供了新的空间。

二、智能计算机辅助教学系统的主要特点

为克服CAI的不足，ICAI充分注意到教员在教学中的思维过程，依靠人工智能技术的进步，在因材施教方面取得进展。其主要特点是：

1．能自动生成适合学习者程度的问题和练习；

2．能根据学员的不同水平与学习情况选择学习内容和调整教学进度；

3．能理解教学内容并对其具有解释咨询的能力；

4．具有自然语言的生成与理解能力，以便实现比较自由的教学问题系统，以提高课件在人机交互作用中的主动性；

5．能诊断学员错误，分析错误发生的原因并采取相应的纠正措施；

6．能不断地在教学中改善教学策略；

7．能够评价学员的学习行为。

要使ICAI课件具有上述的全部智能特征比较困难，因此，在实用的ICAI课件中，可能只具备上述特征中的几个。一般来说，问题解决能力、诊断纠错能力和自然语言的生成与理解问题是当今ICAI课件的三个重要特征。

三、智能计算机辅助教学系统的基本结构

ICAI系统的构成一般为三个基本模块。一是知识库模块（亦称专家模块），即问题解决专家系统，它包括了系统要传授给学员的知识，代表了专家的智能活动；二是学员模型块，它指明学员知道什么和不知道什么，代表了学员的智能活动；三是教员模型模块（亦称辅导模块），主要是一些辅导策略，它负责指明系统如何向学员呈现教材，代表了教员的智能活动。除了这三个基本模块外，ICAI系统还包括一个自然语言的智能人机接口模块，它是教学对话的自然语言处理系统，即ICAI系统的用户界面。

（一）知识库模块

由某领域的专家按选定的知识表示将领域知识和教学规则转换成计算机系统可以理解的表达形式，建立包括领域知识和教学规则在内的知识库，领域知识就是有关教学内容的专业知识与技能，它既包括说明事物概念的陈述性知识，又包括利用这概念解决问题的过程性知识，ICAI特别强调后者的训练。教学规则汇集了适用在特定环境和条件下有效的教学方法。由以上领域知识和教学规则构成的知识库，包括了教学所需要的全部内容。

ICAI中，除了像一般的专家系统的知识库所要求的内容外（比如知识的表达方式要易于理解、规划、存取和扩充等），还要特别注意以下四个方面：

1．必须要有明确的教学目标和教学范围；

2．要形成比较连贯的关系或基础体系；

3．要形成一个实用的思维或推理模型；

4．要考虑学员接受能力；

（二）学员模块

所谓学员模块，是指生成一种可靠的表达方式来展示学员的实际水平。其过程就是根据学员的表现来估测他的学习要求，他对知识与技能的掌握情况以及他的能力，这种对学员的估测结果就是学员模型。

学员模型是通过智能化交互接口跟踪学习过程，对每个课程建立独立的单元，建立各单元水平的判定规则。当学员完成一门课的学习时，给其出水平判定值；进行错误诊断时，能够用不同的方法。在跟踪学习时给出错误的原因，如概念性错误用扰动法，方法性错误用过程协议分析法和解题过程网络分类分析法等。查出原因后再给出改正的提示，同时记录下来作为学习辅导的依据；学习跟踪是学习过程的记录，记下学员的学习历史和进步情况；模型更新是随学员学习深入而改变的，它可以用覆盖法或差错法来说明学员具有的知识与计算机系统中存储的知识的差距，进一步更新学员模型、教授内容和方法。

（三）教员模型模块

该模块亦称辅导模块。所谓教员模型，就是模拟师，使ICAI能像教员一样，按照自己对教材内容的理解（如概念的难易、教学的顺序、概念间的关系等），根据学员的状况（包括知识水平和学习背景，如爱好，总体水平、性格、智力等），选择出对该生最为有效的教学方法，监督和评价学员的学习行为，选择提出问题并根据学员的要求适时地为其提供帮助和选择补充知识。

ICAI的教员模块能够控制学员的学习，掌握学员的学习水平并做出适时反馈，决定下一步的教学内容和应该采取的教学方法、策略。因此，教员模块必须有完整的关于自然语言对话、教学方法、教学策略和教学题材的知识，能够决策采用什么样的方式顺序以及教学模式等。综上所述，ICAI具有“教员讲，学员听”这种填鸭式教学模式所不具有的诸多优点，使因材施教、个性化教学真正成为可能，不同程度的学员不同对待，使学员掌握了学习的主动性。总之，ICAI已成为利用计算机服务于教学的有力工具。

参考文献：

篇8

[关键词] 知识库 学习模型 教学模型 设计原则

一、引言

人工智能的发展,使CAI出现了新的研究方向,通过在CAI中引入人工智能,可对教学加以适当控制,即智能计算机辅助教学(Intelligent CAI,ICAI)。ICAI系统模拟的是教师,服务对象是学生,综合了专家系统与人工智能技术、教育心理学、教学理论等领域知识,是一种新的教学手段和教学思想。本文提出了一种ICAI多媒体课件设计结构,介绍了各模块的设计思想。

二、ICAI系统结构

教学是教、学两个方面有机结合的过程。一个完善的ICAI系统应能像优秀教师那样,具有丰富的专业知识、多样的问题求解方法以及解释问题的能力,并能根据学生的实际情况动态地组织和调整教学过程,而且能提出具有建设性的建议。因此,ICAI系统的重要标志是具有综合而有效的数据库。

同时,ICAI系统要体现教师的教学思想,可以考虑把教学策略和教学内容分开,通过学生模型及个别指导规则,动态生成适合于个别化教学的内容,通过跟踪学生的学习情况,随时更新学生的学习记录,达到实现个别化教学的效果。为便于不同层次的教师应用和功能扩展,系统应该采用模块化和开放型设计。

三、系统各主体模块的设计

考虑到系统实用性,ICAI采用Authorware、Borland C++以及SQL Server开发。在CAI教学中普遍应用的Authorware用于系统的流程设计、逻辑控制及界面开发;Borland C++用于生成推理诊断、计算过程和教学策略的动态链接库,供Authorware调用;SQL Server用来开发综合数据库。

1.学生模型的设计。ICAI系统是以“学生”为中心,因此学生模型是系统设计的中心问题,其作用是反映学生的学习要求、学习能力、知识水平,并建立和更新学生档案。

学习者对于某一知识点的有关测试题的回答情况构成了对该知识点的掌握程度。此外,考虑到不同认知能力学生在学习不同类型的知识时表现出不同的学习能力,我们对某学生已学习过的所有知识点,分类计算以下几个平均值:

总平均值=已学习过的所有知识点得分的平均值;

平均值1=已学习过的所有难度为“简单”的知识点得分的平均值;

平均值2=已学习过的所有难度为“较难”的知识点得分的平均值;

平均值3=已学习过的所有难度为“很难”的知识点得分的平均值;

记忆能力=已学习过的所有类型为“记忆型”的知识点得分的平均值;

理解能力=已学习过的所有类型为“理解型”的知识点得分的平均值;

应用能力=已学习过的所有类型为“应用型”的知识点得分的平均值;

学生模型根据这些信息建立学生档案,并记录入“学习历史记录”,供系统选择合适的教学方案时参考。

2.教师模型的设计。教师模型的主要功能,是通过对“学习历史记录”信息的分析推理,判断对知识的需求,根据专家经验选择教学策略和教学内容;通过测试后的分析反馈,了解学生的学习情况,以便组织下一次教学内容和进度,并能给提出相应的建议。一般地,当学生参加了某单元的测试后,教师模型便根据学生的成绩自动地调整其教学目标和教学内容,并动态地生成最佳教学序列,实现个别化教学。

3.综合数据库的设计。综合数据库是ICAI系统的基础,它包括:学科知识库、教学材料库、试题库、学生答疑库、教师评价库等内容,其中学科知识库是其主要内容和设计重点。

学科知识库包含两个方面内容:一是有关课程内容;二是有关应用这些知识求解问题的知识。这些知识相互之间的关系构成了一个知识网络。该知识网络可以用关系数据库表示,这种知识体系有两个典型的作用:可以确定知识点教学的先后次序;可以错误诊断。所有知识分为从易到难的多个层次,以知识点为索引用关系数据库存放在课件中,为实现个别化教学提供材料,同时也便于教学材料的扩充。

4.教学策略库的设计。教学策略即教学方法以及实现该方法的教学过程,教学策略的选用由所教授知识以及学生的认知结构决定。教学策略库中包含标准策略和自定义策略,教师可以根据不同的知识类型以及不同水平的学习者选用合理的教学策略模板,从而实现教学智能。

每一个教学策略均对应的“适应学生类型”设定值,教师模型根据每一个学生的“学习历史记录”与该设定值进行匹配,选择合适的教学策略。系统还可以将教学策略模板对不同知识和不同能力的学生的教学效果记录下来加以分析。

5.诊断模块的设计。本模块的主要功能是对学生的提问做出判断,给出结论和解释。这里主要是在综合数据库中搜索,对关键词进行模糊匹配,并根据数据库中关键词的权值高低依次列出推理结果。如果学生问题中的有多个关键词没有匹配上时,应根据现有知识进行推理,得到最优解作为临时答案,同时将该问题记录入数据库,由教师回答。本模块的推理判断由神经网络完成。

四、ICAI课件设计中的教学原则

利用ICAI多媒体课件教学是一种新的教学思想和教学方式,还处于尝试阶段,在它的开发设计中有多种结构和形式,也存在一些问题。笔者结合教学经验,简要介绍在ICAI设计中应该遵循基本原则。

1.多媒体素材与知识的科学性相结合,是ICAI课件编写中应坚持的首要教学原则。多媒体素材必须以反映英语语言规律的科学性为前提,切不可本末倒置,在系统开发中盲目追求界面精致、动画美观。

2.多媒体课件应方便与常规教学手段结合。不可一味追求多媒体教学课件在课堂上的展示,把由教师讲述的内容变为多媒体演示,把教师与学生、学生与学生的口头交流变为人机对话,企图用ICAI包括一切教学内容。

3.以学生为中心的原则。ICAI系统应该能充分发挥学生的主动性,让学生有多种机会在不同的情境下,应用所学的知识和探索解决实际问题的方案。

4.ICAI系统应强调对学习环境的设计。ICAI课件是针对学习环境而非教学环境的设计,在学习过程中要为学生提供各种信息资源(教学媒体和教学资料),这些资源用于支持学生的自主学习和协作式探索。

5.ICAI系统的评价结果要能准确、及时地反馈给学生,使学生知道自己的学习状况和学习效果,并据此变更学习策略、改进学习方法。评价反馈功能不仅仅是指出“对”、“错”,而且要帮助学生发现、分析、改正错误,还可指出要特别注意的相关知识点。

6.系统要具有开放性和模块化的特点,具有普遍性的功能可单独封装,各模块采用统一标准的接口,便于教师更新教学内容和教学方法,也便于系统功能的扩展。

五、结论

ICAI比CAI具有更大的灵活性,它以教师和专家的经验为基础,利用逻辑分析和计算能力,对学生的信息进行分析、计算、推理和决策,具有广阔的发展前景。本文提出了一种动态、智能的ICAI系统结构,进行设计和系统原型开发,从而可以更好地实现教学目的。

参考文献:

[1]刘炜,朱学增.ICAI的研究和发展概况[J].计算机应用,1994,14(5):17-20.

[2]段琢华.一ICAI课件模型[J].韶关大学学报(自然科学版),2000,21(4):37-41.

篇9

关键词：贝叶斯；情绪获取；学生模型；智能课件；教学策略

中图分类号：TP391文献标识码：A文章编号：1009-3044(2012)01-0103-03

Analysis of Bayesian Reasoning’s Application of Students Model in Intelligent Courseware

YANG Yi-liu

(Teaching and Research Institute of College Computer Bohai University, Jinzhou 121013,China)

Abstract：The problems occurred in student models in many current intelligent courseware constitute lack of learning emotional acquisi? tion and short of humanity in the process of choosing teaching strategy. For this reason, learning emotional centered student models are es? tablished based on Bayesian probability reasoning. This dynamic model is featured by quick acquisition of learners’different degrees of in? terest in elements of intelligent courseware interface and prompt analysis. Therefore learner emotional optimization teaching strategy will be generated dynamically. Experiment is undertaken as prove.

Key words：bayesian; emotion acquisition; students model; intelligent courseware;teaching strategy

人们根据不确定性信息做出推理和决策需要对各种结论的概率做出估计，这类推理称为概率推理。概率推理既是概率学和逻辑学的研究对象，也是心理学的研究对象。其中贝叶斯概率推理的问题是条件概率推理问题，在概率论的基础上进行不确定推理，是基于概率的一种算法，由一位伟大的数学大师Thomas・Bayes所创建的，这一领域的探讨对揭示人们在概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。

智能课件[1]中存在着各种各样的不确定性，针对学习者的多样性、知识网络结构及信息的多样性决定了认知状态诊断方法的不确定性，根据情绪数据进行的关于教学策略的推理也是不确定的，而处理不确定性正是贝叶斯概率推理的优势。所以采用贝叶斯概率推理[2]作为学习者当前情绪状态与教学策略选择的适应度的诊断推理，也可以理解为教学策略对成功预见性的概率推理。

3结论

学习者当前的情绪数据可以演绎出对当前智能课件系统界面元素的适应程度，是在不确定性前提下认知诊断的方法。本文讨论的在学生模型中利用贝叶斯概率推理对先验信息和后验信息的结合能力，对学生情绪的因果联系进行编码，通过信息的不断加入，对学生当前学习情绪的评测和把握及时更新，为模型提供自适应构建方式和准确实现智能课件所实施的教学策略（包括教学理论、界面元素设计、组织结构等）提供良好的理论依据。

参考文献：

[1]陈晓丹,王建华.智能计算机辅助教学系统结构模型的研究[J].哈尔滨师范大学自然学报,2006,22(2): 68-70.

[2] Martin J,Vanlehn K. Student Assessment Using Bayesian Nets[M]. Int J of H-C S,1995.

[3]刘通江.个性化课件生成系统中动态学生模型的研究[D].北京:首都师范大学,2004.

[4] Conati C,Gertner A,Vanlehn K. Using Bayesian Networks to Manage Uncertainty in Student Modeling[J]. User Modeling and User-Adap? tive Instructional,2002(12).

篇10

关键词 智能导学系统；发展历程；焦点问题

中图分类号G40-057 文献标识码A 文章编号 1674-6708（2011）47-0227-02

0引言

智能导学系统（Intelligent Tutoring System, ITS）即通常指的智能教学系统，它是教育技术学研究领域中重要的部分，主要涉及人工智能、计算机科学、行为科学、心理学、教育学等多门学科，ITS 改变了传统的教学模式和环境，也改变了人们获取知识方式和途径。

1智能导学系统发展历程

ITS兴起于上世纪50年代，主要采用线性程序，把知识划分为小知识点，而后让学生掌握各小知识点而达到教学目标。60年代出现了以分支程序结构的开发与研究。70年代以来，很多发达国家和地区都重视ITS领域的开发、应用和研究。80年代ITS的发展主要集中模式和环境的标准化研究。而90年代则是对学习者与ITS的交互、学习者控制、学习情境及虚拟现实的应用等进行了进一步的探讨。

2智能导学系统

2.1智能导学系统的概念

智能导学系统目前仍没有确切定义，一般认为智能导学系统就是借助人工智能的技术，让计算机扮演教师的角色实施个别化教学，向不同学习者传授知识、提供指导的一种适应性学习支持系统[1]。

2.2智能导学系统的组成

典型的ITS结构由4部分构成，即：专家模块、教学模块、学生模块、交互界面。

2.2.1专家模块

专家模块即领域知识库，是解决教什么的问题，主要提供教学内容及问题的解决方案。

2.2.2教学模块

教学模块即教师模型，又称教学策略，主要解决如何组织教学内容，即如何教的问题。

2.2.3学生模块

学生模块即学生模型，主要解决教谁的问题，同时为教学模块提供学生的信息，为系统实现个别化教学和个性化学习提供支持。

2.2.4交互界面

交互界面即智能人机接口，是系统与用户交换信息，完成交互的部件。

3 焦点问题研究

当前ITS的焦点问题主要集中在学生模块、知识表示、人机语言对话等。

3.1学生模型

学生模型是关于学生知识状态的模型，主要涉及“谁在学”的问题。学生模型描述学生对教学内容理解、掌握的程度。ITS可以根据学生模型的具体情况调整教学策略并提供适当的反馈[3]。

但是，在上述学生模型的构建中依然存在着如下问题：1）怎样通过学生的表现推知学生的知识状态；2）若几个原型同时并行被触发，应当怎样判断引起触发的真实原因（3）怎样分析学生错误原因；4）冲突的检测和解决；5）怎样评估学生的认知能力；6）怎样处理学生的个性对学生认知评估模型的影响。

3.2知识表示

由于 ITS本身的复杂性，ITS中知识表示的问题并没有很好地解决，目前存在的主要问题有：

1）各种复杂知识的表示。ITS中要表示的知识有多种，如领域知识及语言知识等，各种知识间关系也错综复杂。以前常用框架表示、规则表示、语义网络等，但仍不能完全满足要求；

2）知识表示的多方面要求。ITS对同一知识的不同表示方法，而如何满足多方面的需求是ITS中知识表示的焦点及难题之一；

3）知识表示的深度。ITS中知识表示另一个焦点问题是知识表示的深度问题，即知识表示可以用于问题的求解，但不能用于对问题求解的方法进行解释说明。

3.3人机语言对话

在 ITS中，人机对话也具有智能的特点。这主要涉及对话的策略，及要求系统对理解自然语言后作出适当的回答。自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径[4]。对话处理的难点之一是对话中的有些语句不符合语法规则，必须借助于上下文的环境才能够正确的理解[5]。

4 智能导学系统的发展及未来

4.1现代学习理论的应用

现代学习理论认为，学习不仅是被动记录外界信息的过程，也是主动建构的过程。它要求学生由被动接受外部刺激者转变为信息加工的主体，成为知识的主动建构者。现代学习理论在ITS中的应用，能够为学生知识的构建提供丰硕、有效的信息，并且能够激发学生的学习兴趣及学习的主动性，更能够满足学生的个性化的学习要求。

4.2智能技术的应用

从技术的角度出发，不难看出智能技术是由各种各样的技术支撑着的，也是能够自动执行用户委托任务的计算实体，由许多实用的应用特性的集合，开发者正是使用这些特性来扩展ITS的功能和价值，从而达到能自动执行用户委托任务的目的。

4.3更加广泛的远程学习

随着计算机以及网络的日益普及，越来越多的学习者借助网络实现远程学习，这种学习方式实现了教学内容的集中管理，优化了教学的内容，提高了教师的授课水平；并且能够跟踪学生的学习情况，实现了教学资源的共享，提高了教学效率。充分利用网络资源进行远程学习，还弥补了教材单一的缺点，学生通过网上答疑的方式，可以增强学习的互动性，实时更新的学习内容和丰富的网络资源使学生视野更加开阔。另外，针对不同学生学习状况的及时反馈，能够对不同的学生制定出个性化的教学方案并做出相应及时的调整，真正做到了因材施教；学生还可以自主选择学习时间、学习地点及学习进度，使学生能够更加灵活地安排自己的学习情况，从而增强了学生的自主性。

5 结论

目前, 智能导学系统的研究已经从封闭式系统向开放式系统发展, 系统功能由智能化的授导向适应性学习支持发展。在我国，虽然ITS的研究已有多年，但取得的成果还很少，所以这个领域的发展前景十分乐观，智能导学系统的焦点问题值得我们进一步研究和探讨。

参考文献

[1]马中虎.家校互动[M].北京：教育科学出版社，1999.

[2]姜天水，王建国.智能教学系统浅析[J].烟台职业学院学报，2009，15(2)：72-77.

[3]陈仕品，张剑平.智能教学系统的研究热点与发展趋势[J].网络教育，2007(10)：41-50.

篇11

[关键词]:智能教学 多媒体 特点 设计方法

在当前，计算机技术发展引起的智能化普遍应用的情况下，深入探索智能教学环境下的教育理念、教学模式和教学方法，充分利用现有信息技术成果，研究更加先进的智能网络教学模型，不仅可行，而且也是智能网络教学系统研究、开发和应用中的一项重要内容。文章拟主要分析当前智能化教学系统的特点与设计方法。

一、智能化教学系统的特点

智能教学系统是以认知科学为理论基础，综合利用人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一种对学生实施有效教学的技术。系统的智能性主要表现为能够实现“一对一”的教学，这种教学模式被誉为是最有效果的教学方式。“一对一”的教学方式可以归结为以下三点：（1）指导教师可以采用测试和问题的方式来探测学生实时的知识状态。（2）在学生开始学习某个知识之前，指导教师能够为他设计一条从最基础知识到某一个具体知识的学习路径。（3）在教师和学生的交互过程中，教师能够了解潜在的探测此学生所具有的学习风格，并且提供风格匹配的教学材料给学生进行学习。

基于以上的实践经验以及人工智能技术，设计和开发一个基于计算机的智能教学系统来模拟人类教师的教学方式和行为已经成为可能，并且很有前景。使用具有智能性的智能教学系统，将可以有效地弥补其教育教学上的缺陷和不足，改善学生的学习效果，提高教学效率，对教育具有极大的推动作用。

二、智能教学系统的设计方法

1.智能教学系统的设计原理

进行科学的教学系统设计，必须从了解学习的发生机制和学习的本质问题入手。教学系统设计，是架设于学习理论与教育教学实践之间的一座桥梁。纵观教学系统设计的发展轨迹，可以清晰地看到学习理论对教学系统设计的影响最为深刻。每一次学习理论的发展，都必然为教学系统设计带来巨大的触动和冲击。学习理论的发展大致可以分为行为主义学习理论、认知广义学习理论、建构主义学习理论和人本主义学习理论等，所以相应地出现了基于行为主义的教学系统设计理论、基于认知主义的教学系统设计理论、基于建构主义的教学系统设计理论和基于人本主义的教学系统设计理论。

2.智能教学系统的的主要功能

智能教学系统关键在于能够对学习者的学习效果进行检验并能够给出相应的学习建议，从而实现学习过程的智能化。主要功能包括：

(l)建立教学内容的智能知识库。根据不同的教学内容，按知识体系结构进行知识点的划分，并建立学习要素的数据库。

(2)对学习过程进行评价。学习效果是学习质量的重要标志，学习过程包括在线学习、在线练习、在线测试、实践教学，收集学习过程信息，进而对学习效果进行合理评价。

(3)学习指导和建议。根据学习情况给出学习效果评价，然后根据学习效果给出学习指导和学习建议，从而使学习过程具有更强的针对性，以达到提高学习质量的目的。

(4)学习导航。及时收集学生的应答信息，并加以分析处理，评判学生的成绩；为不同的学生选择不同的教学内容，将学生不具备学习条件的知识过滤掉；帮助学生分析错误原因，判断并标示出学生当前最需要学习的知识点，提供针对性的个别辅导和适当的补充材料。

（5）教学方法。允许学生用自然语言与计算机导师进行交流，这样就突破了传统的学法指导和教法，并且教法还可以针对特定学生进行，即“一对一”教学模式。

3.智能教学系统的组成

(1)领域模型。存放传授给学生的课程专业知识，还能生成问题，提供对问题的正确解答以及求解问题的过程。领域模型一般包含两方面的知识：一是有关课程的内容，二是有关应用这些知识来求解问题的知识，即过程知识。知识表示方法有语义网络、规则等。

(2)诊断模型。利用诊断规则来分析学生的响应，判断学生己经懂得的知识或学生产生的错误概念，并传递到学生模型的当前状态中去。

(3)学生模型。准确反映学生的知识水平、学习能力等，为系统实现个别化教学提供依据。

(4)教师模型。结合教学策略和课程结构方面的知识，为学生选择问题供他们解答，监督和评价他们的行为，当学生需要时为他们选择适当的补习材料。教师模型中，交叉和解释模式以及学生模型是实现“面向个人以交互方式进行教学”的具体手段。教师模型中采用的教学策略主要有诊断或排错法、苏格拉底法、教练法等。

(5)人机接口。人机接口作为学生与系统之间交流信息的媒介，它所提供的表达知识和信息的手段必须是学生熟悉并便于使用的。

4.智能教学系统的使用

学生使用教学系统进行学习活动时，可以自己选择学习内容，也可以在教师模型的作用下由系统引导进入某一教学单元。教师利用测试结果，通过诊断模块和诊断规则来判断学生当前的认知能力，通过学生的总体认知能力来决定学生下一步的行为。

（1）教学诊断模块。主要负责判断学生对某一知识点的掌握情况，进而能判断学生的当前知识水平，为判断学生的认知能力提供依据。

（2）能力测定模块。主要负责评价学生的学习能力。在教学之前、教学期间和教学之后都要进行。通过评价取得反馈信息以修正、完善教学计划，为教师模型制定正确的教学策略提供条件，保证教学的顺利完成。它是本系统的重要部分。

（3）学生行为评定。对学生行为的评价，依据评价的目的不同，分绝对评价和相对评价两种方法，系统中以教学目标为基准进行绝对评价，以掌握学生达到教学目标的程度和诊断学生知识、能力结构中的缺欠，即根据专家知识库中的测试题目信息及学生的回答情况，给出分析结果及相应各认知能力不同层次的分数比重，为制定相应的教学策略提供数据依据。

（4）试题评定。主要是对试卷的要求进行综合评价，包括学生测试的内容是否是学习过的，是否符合教学大纲的要求，试题分数的比例是否符合难度比例、认知层次比例和各章节的分配比例。

（5）教学内容生成。系统根据学生的认知能力、当前的知识水平和学习历史，利用教学策略生成个性化教学内容。

三、结语

智能教学系统能监控学生的学习过程，实现教学各环节的知识共享与交互，从而实现学生的按需学习和教师的因材施教，体现“以学习者为中心”的教学思想。但是，目前的智能教学系统的研究可以说仍然处于基础理论的研究阶段，其主要的研究方法就是将远程教学技术与传统的智能教学系统相结合，运用人工智能技术来更加有效地实现教学的个性化和智能化。

参考文献:

[1]谢忠新，王林泉，葛元.智能教学系统中认知型学生模型的建立[J].算机工程与应用，2005，(3)：229-232.

[2]张荣梅，李福亮.基于Agent的网络智能教学系统的研究[J].现代电子技术，2007，(6)：83-85.

篇12

关键词:Agent;网络教学;情感计算;情感调节

中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)13-3457-03

1 引言

目前,网络教学已成为现代教育领域的一个重要方向,它不受时间、空间以及人员的限制,将教育通过计算机网络扩展到社会的各个角落,学习者可以自由的选择时间、地点进行自主学习。Agent是能自主学习、适应环境的实体,它能够通过感知自身和环境中的信息,自主采取行动实现一系列预先设定的目标或任务。网络教学系统涉及异构环境的多个身份之间相互协调的技术问题,其内在要求无疑适合用Agent思想分析与构建。由于Agent技术的引用,基于智能的教学系统越来越得到人们的关注,它能有效克服传统网络教学系统的不足,如缺少交互性、智能性及适应性等不完善之处,因此可以满足学习者按需学习和教师因材施教,能够很好的在网络环境下实现个性化教学,但却缺失了学习者的情感信息。心理学和教育学领域的研究显示,学习者的消极情感会对其学习形成障碍,而积极情感则会促进学习者的学习。

本文在分析了Agent的概念、特征的基础上,将建立具有一定情感支持功能的情感交互教学系统。该系统可以获取、识别和理解学习者的情感信息,并根据学习者特定的情感状态给出相应的情感激励和情感补偿策略,从而解决网络教学中学习者情感缺失的问题,实现认知与情感相互协调的个性化教学。

2 Agent技术简介

2.1 Agent定义

早在1977年,Carl Hewitt就定义了具有自兼容性、交互性和并发处理机制的对象,称为“Actor”,即是Agent的雏形。而后,在1986年,M.Minsky引入了Agent的概念,在随后的发展中,Agent逐步成为人工智能及其它计算机领域内的一个重要研究课题[1-2]。目前Agent和人工智能的定义一样,还没有得到统一的界定,因此各领域的专家学者对Agent的确切定义不尽相同。归纳起来,大致有两种:

1) 标准化组织FIPA的定义:Agent是驻留于环境中的实体,它可以解释从环境中获得的、反映环境中所发生事件的数据、并执行对环境产生影响的行为。

2) 人们普遍认为:Agent是能为用户执行特定的任务、具有一定程度的智能、以允许自主执行部分任务并以一种合适的方式与环境相互作用的软件程序。

2.2 Agent特征

自主性: Agent不直接由人或其它的东西控制,在没有与环境的相互作用或来自环境的命令的情况下自主执行任务。这是Agent区别于普通软件程序的基本特性。

社会性:能通过某种Agent通信语言与其它Agent(也可能是人类)进行交互。交互主要有三种类型:协作、协调和协商。

反应性:即对环境的感知和影响,Agent会随着环境变化而做出相应的反应。

适应性:Agent可以根据用户的目标和意图进行推理,自适应环境。

移动性:Agent可以携带数据、指令和状态移动到网络的远程环境中执行中。

单个Agent的智能是有限的,这就需要由多个Agent共同承担一个任务,即通过适当的体系结构把Agent组织起来形成MAS(Multi-Agent System)。MAS是多个Agent组成的松散组合的网络,它能通过分布在计算机上的Agent分担工作量,它的体系结构有审慎式、反应式和混合式三种。

传统Agent研究侧重于对人类逻辑思维如计算能力、推理能力等的研究与模拟,然而,本文在传统研究的基础上,注入时刻伴随人类学习的情感因素,侧重研究基于人工情感模型的能够感知和调节人的心理活动能力的情感MAS系统的研究。

3 传统的智能教学系统及其情感缺失

3.1 传统的智能教学系统结构

传统智能教学系统按功能分为5个模块:知识库、学生模块、专家模块、教学模块、人机界面。

知识库:是教学内容库,存储所要教的学科领域知识和教学知识。

学生模块:智能教学系统实施个别化教学的核心,表示学习者对知识的理解程度,用来反馈学习者的学习情况。

专家模块:包含领域专家的问题求解。教学系统可以比较学习者解决问题所采用的方法与专家的方法间的差异,以发现学习者能力的缺陷或错误认识等,然后采取更确切的教学策略或调整当前教学策略。

教学模块:组织、管理和实施整个教学活动的中心,存储与教学内容有关的专业知识,以及与教师解决问题的有关求解知识,在适当的教学策略指导下选择适当的教学内容呈现给学习者。

人机界面:能够理解自然语言,实现更普遍意义上的人机对话,实现学习者与系统、教师与系统之间的对话,是教与学双向活动的界面。

3.2 传统的智能教学系统存在的情感缺失

传统的智能教学系统可以实现资源共享和互动性,并具有一定的智能化和个性化。但它将文本形式的教材生吞活剥的照搬到网络上,用简单乏味的文字资料信息传输代替了原本多姿多彩的“课堂教学”,丢失了教师人性化的教学,对学习者来说是冷漠的,是缺乏情感的,这样势必引起学习者的反感。人的态度、情绪、感情很少能在媒体中传输,即使是声情并茂的可视画面,学习者面对冰冷的电脑屏幕不会产生极大的学习兴趣,从而不会产生良好的教学效果。实际上,一个真正的个性化教学系统,不仅应该具备认知方面的个性化教学功能,还应该具备情感方面的个性化教学功能。

4 基于Multi-Agent的情感交互教学系统

4.1 基于Multi-Agent的情感交互教学系统结构模型

研究基于Multi-Agent的情感交互系统,就是构造能够与人进行情感交互的计算模型,通过情感计算和对多感知Agent的协调及融合机制,以Agent的形式,将各种感知手段构成具有自适应能力的行为Agent,使计算机有理解学习者心理活动的能力,在具体功能上实现行为自主,为学习者营造一个具有情感交流的虚拟环境,提高学习者的学习兴趣和学习动机。

情感是人对客观事物或情景是否符合自己需要的态度的体验,当客观事物或情境与人的需要和愿望符合时会引起人积极肯定的情感,而不符合时则会引起人消极否定的情感[4]。在教与学活动中,人类的表情是相当丰富的,当教学内容是他们能够理解和接受的时候,学习者会用微笑等表情来表现情绪高涨的状态;反之,当他们不能理解和接受教学内容时,学习者会表现出眉头紧缩、嘴角下垂、低沉丧气的表情。人的姿态中,手势的加强通常反映一种强调的心态,而身体某一部位不停的摆动则通常反映情绪紧张。为了能够让学习者更有效的自主学习,教师可以通过捕捉这些情感信息,适当的调整教学策略,以提高教学质量。尽管现有一些设计已尝试利用学生的情感去调整学习者的学习进度,选择更适合学习者的教学策略,却鲜有激发和调动学生的积极情感从而对学生形成情感支持的研究。因此,我们在传统的智能教学系统中加入了情感信息模块,开发了基于Multi-Agent的情感交互教学系统,该系统通过捕捉和识别学习者的情感信息,来判定学习者的学习状态及对所学知识的理解和接受情况,从而给出相应的情感调节策略,使学习者在学习过程中处于良好的学习状态,以提高学习者的学习效果,并可根据多个用户的共性,整体修正教学策略。根据以上讨论,给出了基于Multi-Agent的情感交互教学系统模型(如图1所示)。

4.2 各个Agent的功能

该系统在智能教学系统的基础上增加了情感识别Agent、情感信息处理Agent和情感调节Agent,可以根据学习者的情感变化,适当的进行情感调节,使教学质量达到最佳,系统模型的主要结构及其功能如下:

1) 学生Agent:学生Agent在学习者登陆时创建。学习者可以通过学生Agent进行选课、管理个人资料、维护学习目标、调整学习进度、查看学习情况、查看成绩与考核评定;学习过程中,为了完成学习任务,学习者可以通过学生Agent进行自主学习,也可以与其他学习者在线交互、接受教师指导;学生Agent还可以充当学习者的学习伙伴,与学习者进行平等的讨论、交流。

2) 教学Agent:教学Agent在学习者登陆时创建,教学Agent在系统中扮演教师的角色,履行教师的职能。教学Agent根据学习者的能力情况以及学习者的学习记录,使用适当的教学内容、教学策略,合理地安排教学进度,有针对性地指导学习者学习,从而实现个性化教学和因材施教。它要求能力分析Agent分析和预测指定学习者的学习能力,根据能力分析Agent传来的学习者能力信息,结合自身知识库中具有的教学策略,选择合适的知识点组成知识单元,并且选择针对性的教学策略,指导学习者学习。

3) 能力分析Agent:能力分析Agent又称学习能力分析和预测Agent,在用户学习时由教学Agent创建。能力分析Agent主要有两大功能:首先,根据学习者的测试结果,分析学习者的学习能力;其次,它接受教学Agent的要求,根据学习者的学习能力记录,预测学习者的识记能力、理解能力、应用能力和创新能力,并提交给教学Agent。

4) 教师Agent:教师Agent在教师登录时创建,其主要任务是管理知识点、组织学习材料、制作课件、维护习题库、归纳复习资料并生成考试试题、制定教学策略;通过在线交互对学习者学习情况跟踪调查、分析考试成绩、识别学习者的认知水平,并对不同认知水平的学习者或不同的教学内容采用不同的教学策略,以实现对学习者有针对性的帮助、辅导,做到因材施教。

5) 管理Agent:管理Agent在管理员登录后由系统创建,主要完成注册及全局管理工作,它授权教师用户,使其具有教师的权限;如管理知识库,添加习题,修改教学策略等权限;它管理系统用户,如删除一个学习者或教师用户;它负责对课程进行管理,如添加或删除一门课程。能完成整个系统的全局管理,如负载平衡,以及安全性等方面的功能。

6) 情感识别Agent:情感识别Agent在在学习者用户登陆时创建,主要是由人脸表情识别技术、姿态识别、语音识别技术组成,主要对学习者的面部表情特征、语音特征和姿态情感特征进行获取,并提取有效的情感信息传递给情感信息处理Agent。

7) 情感信息处理Agent:情感信息处理Agent在学习者用户学习时由情感识别Agent创建,主要是对获取的情感信息进行分析、建模和识别,是为了正确的选择情感信号,计算出学习者在学习过程中的表情、语音和姿态的情感数据,对这些数据进行统计和融合,识别出学习者的整体情感反应,传递给情感调节Agent。

8) 情感调节Agent:情感调节Agent由情感信息处理Agent创建,它接收情感信息处理Agent传来的学习者的情感反应信息,通过对学习者的情感反应,在认知心理学的支持下形成评价结果,以动画人物形象的方式,给出相应的情感调节,同时分析和记录学习者不同时期的学习情况和学习情感的变化,并写入到学生特征信息库中,以便教学Agent根据学习者的特征调整教学策略。

4.3 学习者的情感调节流程

传统的智能教学系统往往忽视了学习者情感状态的变化过程,其结果往往导致学习者对学习内容感到厌恶或烦躁,使得学习者的学习效果不佳。因此,需要在智能教学系统环境中引入情感调节机制,在学习者的状态不佳时,调节学习者的情感,使学习者在学习过程中处于良好的状态。在学习过程中,当学习者对知识进行学习时,可能会表现出正面或负面的学习情感,对学习者的情感状态进行检测和分析,并判断学习者的情感状态,如果学习者是处于正面的情感,这样的状态是积极的,有助于学习者继续进行知识的学习。如果学习者是处于负面的情感状态,判断其负面情感类型,并对其进行相应的情感调节。例如:随着学习过程的推进,学习者解决一个问题时多次失败,掌握取向动机类型的学习者会感到沮丧和失望,情感调节Agent就会呈现一个具有移情作用的动作,表示它理解学习者正在体验的困难,而如果学习者已经付出了很大的努力,情感调节Agent就不需要鼓励他再做进一步的努力,而是向他提供帮助完成练习。表现取向的学习者会认为自己很失败,但通常不会为此付出更大的努力,因为未能完成这项任务是因为缺乏能力,而努力更显其能力不足,因此针对这类学习者情感调节Agent应该呈现一条话语信息 ,提高学习者的自我效能感,并提示学习者,如果再努力一些就能够完成任务,向学习者表明,任务中没有取得成功不意味着他缺少能力,如果再努力一些,就能取得更好的成绩。我们对学习者情感的变化进行监测和分析,采用情感调节策略对学习者的情感状态进行调整,使学习者对知识的学习产生兴趣,实现情感化的教学。该情感调节策略的流程图如图2所示。

5 结束语

Agent技术和情感计算的兴起正吸引着越来越多人的关注,将其融入网络教学系统中必将使学习方式产生巨大变革。基于Multi-Agent的情感交互教学系统以人脸表情、语音以及姿态等多种情感表现作为反馈信息,运用情感调节策略为学习者提供情感支持,使学习者在学习过程中保持良好学习状态,真正实现了网络教学中的人文关怀。在网络时代的今天,伴随研究的深入,情感交互教学系统必定会获得长足的发展。

参考文献:

[1] Michael W,Nicholas R J.Intelligent agents: theory and practice[J].Knowledge Engineering Review,1995,10(2):115-152.

[2] 陆淑娟.Multi-Agent技术在网络教学中的应用[J].电脑知识与技术,2007,1(2):581-582.

[3] 章国英,胡继岳.网络教学环境中情感交流的缺失及解决策略[J].现代教育技术,2005,15(1):110-116.

[4] 葛正洪.把握情感因素 提高教学效率[J].中国教育现代化,2004(10):50

[5] Aaron Sloman. Review of : Affective Computing[J].AI Magazine,1999,20(1):127-133.

[6] 马希荣,刘琳,桑婧.基于情感计算的e-Learning系统建模[J].计算机科学,2005,32(8):131-133.

[7] 张春飞,李万龙.基于多Agent的智能教学系统模型[J].河北科技大学学报,2008,29(1):48-52.

[8] 黄敏儿,郭德俊.情绪调节方式及其发展趋势[J].应用心理学,2001,7(2):17-22.

李哲(1984-),男,山东淄博人,硕士研究生,研究方向:多Agent系统,情感计算;

篇13

关键词：智能教学系统；学生认知能力 ；决策树

中图分类号：TP181 文献标识码：A文章编号：1009-3044(2008)30-0718-02

Algorithms Design of Intelligent Tutoring System Based on Student Cognizance Model

ZHANG Xiao-qing1,XIAO Jian-hua2

(1. Institute of Information Engineering ,Xiangtan university,Xiangtan 411105,China;DEPT. of Computer Science,Hunan Institute of Engineering,Xiangtan 411101,China;2. Dept. of Information Technology, Hunan No.1 Normal College, Changsha 410002,china)

Abstract: This paper summarized the intelligent tutoring system and carried out quantitative assessment for student ability of cognizance. For achieving Intelligent Tutoring，a optimal decision tree algorithms which can dinning the instructional strategies from a large number of learning records is proposed.

Key words: the intelligent tutoring system; student ability of cognizance; decision tree

1 智能教学系统概述

智能教学系统是一项涉及计算机科学、教育学、认知科学和人工智能等多门学科的综合性课题，研究的最终目的是由计算机系统担当学习者的引导者和帮助者，即赋予计算机系统以智能，由计算机系统在一定程度上代替人类教师实现因材施教。研究他的意义在于提高教学质量并能减轻教师的工作量。ITS的出现给教育界带来了无限的生机。

一个ITS系统应具有学生模块、专家知识(知识库)模块和人机接口等主要部分。具体功能如下：

学生模块：此模块对学生进行智能模拟，包括其知识状态、个性特点及认识特点等，并根据学生与系统之间的交互问答历史记录，对每个学生的学习进步情况进行动态调整。随着对学生模型的研究，人们提出了多种学生模型的构建方法，包括覆盖模型、偏离模型和认知模型等。它是本系统的核心由学习信息库和学生特征数据库组成，主要采用学生认知模型。

专家知识(知识库)模块 ：存储所要教的学科领域知识和教学知识。

人机接口：该模块实际上是作为系统与用户交互作用的部件，它除了提供学生信息的输入与注册外，还实现了学生与系统之间的通信功能，能够有效在界面之间导航，向学生呈现个性化的学习界面

本智能教学系统采用建构主义教学理论，对学生的认知能力进行了客观的定量评估，通过改进的决策树数据挖掘算法挖掘出了符合学生认知能力的教学策略，从而实现智能教学

2 学生认知能力的定量评估――模糊评价算法

美国著名心理学家布鲁姆将教学目标分为三个领域内容，其中认知能力的目标按智力活动的复杂程度分为六个等级：识记，理解，应用，分析，综合，评估。

在实际的系统中，我们对学生认知能力的评估主要考虑识记、理解和应用三个方面。为了客观的对学生三个方面的能力进行评测，为每道题设置了相应的考察识记，理解和应用的权重等级，这些等级由教学专家在出题时给出，并构成能力权重距阵rij（i表示题目数,j表示能力分量，在这里j即是3）。同时，学生测试结果向量T由学生答案构成，若该题答对则对应向量为1，否则为0。

教师对学生的评价带有模糊性，将评价结果进行模糊化处理。将学生的认知能力数值模糊化为三个水平即P={低，中，高}。并规定Aj∈[0,0.6)为低，Aj∈[0.6,0.8)为中，Aj∈[0.8,1]为高。

例如A=(0.87,0.8,0.71)按模糊规定，该学生的识记能力和理解能力为高，应用能力为中。假设认知能力的权值矩阵为G=(0.6,0.35,0.05)则总体认知能力为ts=A.G=0.87*0.6+0.8*0.35+0.71*0.05=0.83按模糊规定，该学生的总体认知能力为高。

3 基于学生认知能力的教学策略生成算法――改进决策树算法

本智能教学系统采用数据挖掘的改进决策树算法，实现针对学生认知能力的教学策略的产生，用来实现根据学生的认知能力采取相应的教学策略。具体的学习流程为，当学生注册登录时，让学生填写本人的认知能力的评价。根据评价选择符合学生自身认知特点的教学策略，教学进行的过程中对学生进行测试，来评估学生的各项认知能力和综合认知能力，根据评估结果进一步的调整教学策略，学的时间越长越接近学生的认知个性特征，当综合认知能力为中以上进入下一章节的学习，同时也为数据挖掘库增加了新的记录，为近一步挖掘提供素材。这样基于学生认知能力的教学策略就更接近完美。此教学系统越学智能性就越好。越接近学生的认知特点，学习效果越好。

下面介绍如何通过类决策树算法实现对教学策略a来进行规则的挖掘。对学生的总体认知能力有一个评价，将评价结果分为优、良、中、差和不及格，为了建立训练集的正例和反例，我们在此只选取优和不及格的学生，优的学生是正例，不及格的学生是反例。因此我们可以建立训练模型的一般描述,其中S是训练集，V是训练集的属性集，C是训练集的分类。在本系统中S,V,C的含义如下:

1) S为学生训练集，选择一个特征A表示学习水平，|s|表示例子总数。

2) S中有三个属性:V0, V1, V2，V3依次代表教学方法、识记能力、理解能力、应用能力。V1, V2,V3均有三种取值:高、中、低。

3) S依照特征A被划分为两类:2个取值，分别为优和不及格P与N，分别代表正例和反例。

3.1 算法实现

我们对传统的CLS决策树学习算法进行改进，通过预先剪枝控制了决策树的大小，改进后的决策树学习算法如下:

1) 决策树T的初始状态只含一个树根(X, V)，其中X是全体训练实例的集合，V是全体测试属性的集合，V={识记能力、理解能力、应用能力};

2)若X'中的训练实例属于同一个类(正例或反例)的概率大于80%,则视这些训练实例属于同一个类;

3)若T的所有叶节点(X'，V')具备下列条件中的任何一个，则停止执行学习算法，学习的结果为T;

①V'为空;

②X'中的训练实例属于同一个类;

4)否则，选择一个不具备步骤3所述状态的叶节点(X',V');

5)对于V'，选取I (X';b)最大的测试属性b;

6)设X'被测试属性b的不同分值分为m个不相交的子集Xi,1≤ i≤m从(X',V')伸出m个分叉，每个分叉代表b的一个不同取值，从而形成m个新的叶节点(Xi,V'一{b})，1≤ i≤m,转到步骤2。

当使用本系统学完全部课程的学员人数满P人时，系统决策树挖掘模块开始工作。于是系统的教学策略得以优化，更加适用于一般的教学过程。

3.2 系统应用实例

表给出了一组模拟数据，这些数据是在实施教学方法a进行教学的情况下得到的，可能带有噪音，表中有12个正例（P）和12个反例(N)，我们的任务就是从这24组带有噪音的训练例中发现确定性的知识，既教学方法a适合于哪些学生，不适合于哪些学生，下面我们就采用前面的决策树学习算法来让这些训练例来产生规则。

篇14

关键词：智能授导系统; 自适应; 辅助教学;

中图分类号: TP391 文献标识码: A

Research on the constitution of ITS by adaptiveperspective.

Abstract：The research of Intelligent Tutoring System (ITS) has been changed along with the appearance of the different technology―supported learning environments. This paper analyzes the influence and enlightenment that distributed cognition theory has on ITS-based the prototype of ITS, choose the self-adaptation techniques of ITS as a research entry point of digital technology aided teaching software and find the appropriate connection point between the concept and technology of Intelligent Tutoring, and then propose constitution strategy to improve the ITS. Finally, a new model of distributed adaptive ITS is presented and eventually improvetheabilityof system’s self-reasoningand self-organization.

Key words：ITS; adaptive; adjunct instruction

0 引言

人工智能（AI）是计算机科学、信息论、神经生理学、控制论、心理学、语言学等多种学科互相交叉渗透而发展起来的一门综合性学科[1]。人工智能的本质问题就是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学。其技术特征主要是具有搜索功能、知识表示能力、一定的推理功能、抽象功能、语音识别功能及模糊信息处理能力。

智能授导系统〔ITS)是一种学习技术系统，能根据学习者的特定目标、需求和偏好，利用教学方法和学科知识动态地调整学习内容。它的发展源于对传统计算机辅助教学的改进，克服了仅仅关注学生行为的缺陷，引入了对知识的描述以及智能推理技术。ITS大都由学习者模块、专家模块、课程与诊断模块和通讯模块组成[2]。Hartley和Seeman最早提出一个ITS的框架应该包括专门知识（专家模型）、学生的知识（学生模型）和教学策略知识（导师）[3]。近十几年的研究中比较有代表性的是Peng-Kiat Pek和Kim-Leng Poh应用贝叶斯网络构建的学生模型可以较好的估计出学生的学习兴趣值，从而对学生的学习行为方向进行预测[4]。Dietrich Albert和Cord Hockemeyer分析知识空间理论而得出超文本结构和知识空间在结构上的有很强的相似性，通过对知识空间进行建模，使之适用于网络Web结构模式[5]。Joel Martin和Kurt VanLehn使用贝叶斯网络技术对学生的学习结果进行评估，得出学习者学习过程中的缺陷和不足[6]。Declan Kelly和Brendan Tangney提出了一种多Agent技术(Multi-Agent System，MAS)，通过对个体的个性化学习进行动态建模的智能框架的建构重组，满足了学习者的不同需求[7]。在构建策略和技术支持上的最新研究[8-10]都对数字化技术辅助教学软件的开发提供了新的思路和算法。

目前ITS的研究和实现在自推理能力和自组织上存在不足，未能充分发掘ITS的自学习能力。基于现代网络发展对学习环境的技术支持，从自适应角度出发，给出分布式自适应的智能授导系统模型，强化自适应策略推理机制，提高ITS的自组织和自适应能力。

1 分布式ITS

从分布式学习的角度分析传统ITS的设计与应用实践，在系统开发过程中存在的问题有：①传统“智能推理”系统缺乏与环境的灵活交互能力；②认知监控与激励机制的缺失；③忽视系统最本质、最具价值的“授导”服务功能，没能实现学习与认知目标；④人机交互过程不够和谐。随着计算机科学和网络技术的发展，分布式智能授导理论[11]提供了一种全新的分布式模式和问题求解途径，恰当地表述出数字化教育的主题，其核心思想强调学习者为中心、关注学习活动、注意学习情境脉络，使建构性的学习过程理论替代了传统的学习理论。

分布式学习是一种学习模式，它允许学习者、指导者和学习内容分布于不同的位置，使教和学可以不受时间和地点的限制而作用，其关键要素包括基于Web的模块化内容、智能导师、互操作与重用、更大范围的协同工作。综合国内外有关研究机构和Philip Bell、William Winn、傅小兰、李克东等中外学者的观点，分布式ITS的主要特征可以概括为[12]：重点在于对观点特征的表述，资源的交流与共享是必要条件，分布式系统中的制品主要用于拓展学习主体的能力，分布式学习环境取决于学习本体的特征以及认知方式。

目前针对ITS存在的不足，学者们主要采用项目反应原理、数据挖掘、分布式人工智能、计算机智能网格、自然语言处理、可扩展标记语言等技术对ITS进行改进。最终目标是以分布式学习理论和教育教学理论为指导，应用人工智能中的多Agent技术，根据认知本体的数据模型和知识类型确定认知过程中采用的基本认知策略。

2 分布式自适应ITS的模型构建

2.1 分布式自适应ITS的机理特征

自适应是软件系统中的概念，可以看作是一个能根据环境变化智能调节和控制自身特性以使系统能工作在最优状态的机制与功能，它可以为智能授导系统提供了一种响应外界环境变化而产生自身调节的一种能力。这意味着软件能够主动实现自身功能性的调整与适应，而与使用者对系统的操作方式无关。从分布式角度分析，ITS应是一种具有自适应能力的知识系统，就人机交互而言，其自适应能力依据用户维、知识维和决策维发生变化。自适应的核心技术是能够让机器广义的“学习”机制，系统自适应能力的产生是否在很大程度上取决于它能否自组织地自我学习和完善。通常情况下用适应性(adaptive)与顺应性(adaptable)来表示自适应的ITS系统的不同方式[12]，其区别如图1所示给出的智能系统结构。

2.2 学习者模型建模

研究表明，学习者模型是分布式自适应ITS的核心，而学习者学习过程中存在着大量不确定性的因素和信息，因而成功获取学习者的情况是其它环节正确运行的保障。在学习者模型设计中，基于自适应为特征的设计思路，本文不仅利用贝叶斯网络的条件概率分布量化知识项之间的组织关系及依赖关系，很好地反映学习者特定领域中的知识结构，还让学习者模型的相关知识项的状态随时可以改变，使学习者模型具有较强的预测能力和自学习能力。图2给出了具有自适应特征的学习者模型结构。

2.3 分布式自适应ITS模型

根据Brusilovsky提出的虚拟校园环境的部件理论[13]及以自适应为特征的技术支持，本文给出了一种新的基于分布式自适应的ITS模型（如图3所示）。它主要由内容部件、行为部件、通信部件和管理部件组成，其中内容部件是辅助教学系统的核心，由构成课程的多媒体教学材料组成，实现时依赖于知识表示与技术呈现，特别是依赖于知识建模和本体的研究。行为部件主要功能是需要学习者通过“做”的交互方式来完成的自主学习的过程，表现形式有自适应学习导航、自适应练习与测试、自适应模拟模拟实验等。通信部件起到媒介作用，主要是支持学习者与教学专家之间、学习者相互之间的交流和沟通的通信工具，支持学习者的协作学习和协同进化。管理部件主要是支持教学过程中必要的管理职能。在功能模块实现上主要由学习者模型库、领域知识库和教学决策库组成。

3 分布式自适应ITS的技术实现

3.1 智能授导机制和网络技术支持

数字化技术辅助教学中智能授导的研发技术路线主要有模拟课堂面授的路线、人工智能的技术路线和网络协同进化的路线。在分布式自适应ITS中，由于学习者本体基本上是基于资源的自主学习，其最强烈的需求是学习资源的组织传递和共享以及人机协同进化[8]中的自组织性。为满足此要求，具有自适应特征的网络协同进化的技术路线十分突出“授导”特性，即满足了系统地对教学内容的组织和传播，又兼顾对学习者本体提供针对性的适应性学习支持。网络协同进化的技术路线是基于网络这一分布式系统自身知识获取的主动性与持续性，充分发挥人机协同进化中的反馈性与自组织性，激发群体智慧的生成，从而影响学习者个体的较低层次的进化。

庄秀丽等研究阐述了Web2.0网络中如何通过拓展人群关系网络来聚合所需资料[14]，学习者应用学习资源的行为螺旋往复、不断拓展与优化，实质上它构成了一个网络协同进化的过程，学习者在参与、分享、共创的网络学习行为中，群体智慧自然而然地产生，并对学习者的学习产生积极作用。这充分证明了网络协同进化的网络学习空间为分布式自适应ITS的实现准备了外在条件与技术支持。

3.2 分布式自适应ITS的实现

根据智能授导机制，基于本文提出的模型和智能网络的技术支持，实现中借助AI中的产生式算法、模糊推理、人工神经网络等技术手段组建内在的组织领域知识库，原因在于领域知识获取是赋予智能授导系统具有推理、判别与自适应能力的关键环节，进而最终形成的知识库基本包含两类知识：陈述式的学科知识与反映专家经验的程序式知识。在教学决策库的构建中采用了数据挖掘技术，首先通过学习者特征分析模块引导学习者与系统进行对话，确定挖掘目标、提交系统参数，产生初步挖掘结果；其次通过对领域知识库中的专家经验知识和系统领域背景知识进行数据挖掘分析，得出补充的挖掘结果；最后结合自适应测量推理机产生全面的挖掘结果，并在教学决策库中对其做出合理的决策结果。

此外，把群体决策技术引入到分布式自适应ITS中充分发挥了自适应的特征。通过从系统工程的视角分析，给出了由问题维、用户维、过程维等构成的描述学习者群体决策结构，较好反映了群体决策对象之间综合信息关系。同时选择专门为语义Web设计的本体表示语言OWL语言来描述学习者模型[15]，它具有更强大的功能来表示语义和容易被机器理解的特点。

在辅助教学软件的初步开发实践中，测试发现本模型能够满足学习者模型所要求具备的自学习性、自组织性和自适应性特征。

4 结束语

针对当前ITS研究的不足，本文选择了基于自适应为特征的分布式ITS作为数字化技术辅助教学软件开发研究的一个切入点，利用贝叶斯网络的思想来设计学习者原型模型来满足适应性和个性化的要求，融入了先进成熟的AI技术、数据挖掘技术和群体决策技术，更多的关注系统各模块的标准化、形式化构建以及分布式系统的协同工作，达到知识的共享与重用，还选择了专门为语义Web设计的本体表示语言OWL语言来描述学习者模型，并依据网络协同进化的技术路线，最后给出了分布式自适应的智能授导系统模型。此模型能够让机器更好的理解网络内容和对知识进行显性的描述，弥补了传统智能授导方式整合信息并产生自适应策略机制的不足。如何提高自适应特征下教学决策效率是今后研究工作的另一个重点。

参考文献：

[1] 王万森.人工智能原理及其应用[M].北京.电子工业出版社,2007:4-6.

[2] Mand1 H, Lesgold A. Learning s for intelligent tutoring systems[M]. New York: Springer-Vedag, 1988:307-307.

[3] Hartley J R, Sleeman D H. Towards more intelligent teaching system[J].International Jounal of Man-Machines Studies,1973,5(2):215-236.

[4] Peng-Kiat Pek, Kim-Leng Poh. A Bayesian tutoring system for Newtonian mechanics: Can it adapt to different learners?[J]. Educational Computing Research, 2004(3): 281-307.

[5] Albert D, Hockemeyer C. Adaptive and Dynamic Hypertext Tutoring Systems Based on Knowledge Space Theory [C]. AIED’97 Artificial Intelligence in Education, 1997: 553-555.

[6] Martin J, VanLehn K. A bayesian approach to cognitive assessment [J]. Cognitively Diagnostic Assessment, 1995:141-165.

[7] Declan Kelly, Brendan Tangney. Adapting to intelligence profile in an adaptive educational system [J].Interacting with Computers, 2006 (3):385-409.

[8] 智勇,曹梅,杜楚源. 基于B/S结构的智能授导系统的设计与实现[J].计算机工程与应,2004(11):159-161.

[9] 张蕾,郭文强.浅谈现代网络通信技术的发展对智能授导系统的影响[J].无线互联科技, 2011(11):15-16.

[10] 郭文强,王思秀.基于智能授导系统的软件开发策略研究[J].科技传播,2012(1):165-166.

[11] 李欣.分布式认知视角下的智能授导系统的设计与开发[J].电化教育研究,2008(1):52-58.

[12] Stephanidis C, Paramythis A, Akoumianakis and Sfyrakis M. Self-adapting web-based systems: Towards universal accessibility [DB/OL]. 2000.

[13] Brusilovsky P, MILLER P. Course delivery systems for the virtual university [EB/OL].2001.

[14] 庄秀丽.Web2.0技术学习的作川研究[J].中国远程教育,2009(11):32-36.

[15] 岳静,张自力.本体表示语言研究综述[J].计算机科学,2006(2):158-162.

基金项目:

新疆教育科学规划项目（No.070729）; 新疆社科基金项目（No.11BTQ127）; 国家社科基金项目（No.11BTQ029）; 国家自然科学基金项目（No.61163066）。