基于认知理论的网络智化教学平台的设计与实现.docVIP

基于认知理论的网络智能化教学平台的设计与实现 □原福永 杜耀蕊 摘要：本文以知识点、贝叶斯概率统计和教育心理学的认知理论为基础，通过定性推理来选取基础练习、诊断练习、补充练习，采用逐步逼近法构造了一个练习型的网络智能化教学平台，并介绍了其ASP＋COM/COM＋的三层实现技术。 关键词：认知 ICAI ASP COM/COM＋ 中图分类号：G434 一、引言 随着计算机、通信、多媒体及Internet技术的发展，人类现在的教育内容、教学手段与教育方法遇到前所未有的挑战。计算机网络能满足自定步调的学习方式，具有良好的交互性，传递信息和反馈的速度快，加之计算机网络资源的不断扩展和对协同学习的支持，网络教学成为目前CAI中最为吸引人的教学方式之一。现在的网络教学主要有以下几种模式：讲授型、个别辅导型、探索学习型、协作讨论型、游戏型、模拟型、练习与测试型[1]。由于具有针对性，它们在某些方面（或教学或练习）都有很大的优势。 然而，我们知道，人类的学习途径主要有两个：一是个体的知识获取与积累；二是在群体交流协作中获取和积累知识。现存的网络教学型模式缺乏对学生的引导和因材施教，学生在网络教学中随意性较大，甚至盲目地漫游，这既浪费时间又达不到学习目标。 ICAI（计算机智能教学）代表了一种新的教学思想，模拟是教师，服务对象是学生，综合教育心理学和认知科学理论，基于学习者特性、状态，跟踪学习者特性与状态的变化，自动生成教学信息，调整教学过程和教学策略[2]。ICAI的形式很多，图1－1为网络ICAI结构图，从图中我们可以看出，它和基本的ICAI一样，由四部分组成：领域知识、教师模型、学生模型、人机接口。本系统中，我们构造了一个认知学生模型，克服了传统的覆盖模型和偏差模型的一些弊端，收到了良好的效果。 二、认知能力的表征 根据美国著名教育心理学家布鲁姆(B.S.Bloom)的教育目标分类理论，教育目标应当包括认知能力领域、动作技能领域和情感领域。其中认知能力的目标按智力活动的复杂程度可以分为六个等级：识记、理解、应用、分析、综合和评价[3]。 识记--记忆或重复以前呈现过的信息的能力，也就是知识保持能力 理解--用自己的语言来解释所获得的信息的能力 应用--将知识（概念、原理或定律）应用于新情况的能力 分析--把复杂的知识分解为若干个彼此相关的组成部分的能力 综合--将有关的知识综合起来形成新知识块或新模式的能力 评价--根据已有知识或给定的标准对事物做出评价和鉴定的能力 这些等级的认知能力划分是按智力活动从简单到复杂，从具体到抽象的程度逐步递增的。识记和理解属于较简单的低级认知能力，应用、分析、综合、评价属于较复杂的认知能力。 系统领域知识设计时，我们将课程的知识以知识点来划分，并对系统的题库进行认知分类，即每道题中我们赋予其上面的六种认知能力，并记录下相关的知识点。然后通过定性推理三次选题练习，采用逐步逼近?quot;构造学生模型。 三、构造学生模型 3.1智能练习的三个阶段 本模型运行时分为三个阶段：基础练习阶段、诊断练习阶段、补充练习阶段。这三个阶段就像一个医生看病时完成一个了解病情、诊断病情、开方治疗这样一个自然又合理的过程。 a.基础练习阶段 系统根据学生填入的题目数，自动的生成难度适中的基本习题，考查学生对本节各个知识点的掌握情况。当学生做完所有的题目后，进行离线判断。根据题目的对错，自动的修正学生的认知能力表、认知参数表，最后显示错误题目的正确答案及各知识点的掌握情况。转向第二阶段。 b.诊断练习阶段 系统根据第一步的做题情况，出一些诊断题，根据边界扩展法对学生的错误集合进行确认，进一步考查学生未掌握的知识点。当学生做完所有的题目后，进行离线判断。根据题目的对错，自动的修正学生的认知能力表、认知参数表，最后显示错误题目的正确答案及各知识点的掌握情况。转向第三阶段。 c.补充练习阶段 系统显示诊断后未掌握的知识点，学生选择相应的知识点进行练习，开始出难度适中的习题，根据做题情况自动调整难度级数，每做完一题，系统进行判断，若知识点未达到掌握，则继续出题，直到知识点达到掌握，计算认知能力，转入另一个知识点的补充练习。直到掌握了所有知识点。转入到下一章节的学习。 3.2用逐步逼近法构造学生认知模型 学生认知模型的实现有两种方法--小组评估法和逐步逼近法。小组评估法优点是简单，无需对庞大领域知识中的每个知识点进行认知分类，适用于集体授课的教学模式。其主要缺点是评估带有一定的主观随意性，而且得到评价矩阵后一般不能更改。逐步逼近法的优点是计算机简单，不仅适用于个别化的教学，也适合于集体授课的教学模式，而且避免了评估中的主观随意性，最后的评估结果也符合学生的实际认知能力水平。由于它更适用于用计算机来实现，所以系统采用逐步逼近法构造学生认