一种基于Web智能性学习系统研究.docVIP

一种基于Web的智能性学习系统的研究 　　摘要：本文将专家知识库系统技术和电子测评技术引入Web平台智能性学习系统进行了讨论。着重论述了智能性学习系统结构和工作原理，教师模型及学生模型构造等问题。 　　关键词：网络教育 E-learning 专家系统 ICAI Web 　　中图分类号：TP315 文献标识码：B 文章编号：1673-8454（2008）11-0053-02 　　 　　一、引言 　　 　　智能性学习系统的研究以人工智能科学、认知科学和思维科学为理论基础，通过研究人类学习思维的特征和过程，来寻求学习认知的模式。[1] 智能性学习系统要充分考虑学生学习行为的个性化特征，给学生提供个性化的环境，达到因材施教的目的。 　　如何使E-learning系统具有智能性，可以采用专家教学知识库系统，通过学生预先测试得分、历史成绩、课堂进步等因数建立认知评判模型，确定学生的学习步速。这种专家辅助教学系统主要体现在知识库系统对学与教问题、教学方法与策略及经验等专门知识的形式化组织，引导学生学习不是按预先确定的步骤进行，而是根据学生的认知水平和提出的学习要求，在控制策略的指引下，通过搜索领域问题知识库或E-mail通信，得出适合个别化学习的内容。 　　本文旨在探讨专家知识库系统应用于Web平台上E-learning系统中教学模型的设计，使教学模型具有智能性，实现教与学中的学生认知水平自动分类和学习内容活动导航。[2][4] 涉及智能性教学模型的体系结构，知识库系统，学生模型与认知能力判定等方面的研究。解决现有系统中选择学习目标、评价学生能力、生成智能性学习内容人工操作的低效率问题。 　　 　　二、智能性学习系统结构 　　 　　智能性学习系统融合了Web功能和计算机智能辅助教学系统技术，是一个智能性的教学知识库系统。允许学习者通过任何一种Web浏览器在网络上的任何节点灵活在线学习，学习者不受地理位置的影响和限制，更适合进行分布式教学管理。系统功能结构如图1所示。 　　 　　在教学设计阶段，教师（领域专家）将本课程教学策略、方法及经验按一定的组织方式，存放到教学规则知识库中；将教学内容和教学资源以XML超文本的格式存放到课程库中。学生首次登录学习，输入个人的基本情况数据，存放在学生模型库中。当学生开始学习时，系统由学生自己确定学习目标，然后进入课前知识测试，其测试题目包括目标单元的前导知识与当前知识。学习测试结束后，系统采用模糊评判技术，处理测试成绩和该学生模型库中的数据（历史成绩、年龄、性别、学习偏好、愿望、兴趣、目标、意图、规划、承诺等），同时启动教学规则知识库推理机制，通过目标匹配寻求适应此单元目标教学的规则。[5] 若匹配成功系统则引导学生进入单元内容的学习；若匹配失败则表明知识库中的规则需要更新，这样系统便会启动邮件发送功能，将学生选定教学目标的认知状态和推理结果以邮件的形式发送给教师（领域专家）。教师阅信后仍以邮件的方式指导学生学习此单元内容，包括相关知识的出处和学习方法。当学生单元内容学习结束后，必须要完成该单元目标的测试题和课程反馈，方可退出系统。与此同时，学生模型库自动追加测试成绩和课程反馈数据。 　　智能性学习系统充分利用多媒体技术和Web技术，处理图、文、声、像、动画等多媒体数据。以专家知识库系统推理、学习前测（模糊评估）、学习后测等措施，设计个性化的课程学习步速；以建构主义的四要素（情境创设、会话、协作、意义建构）为指导方针，采用按钮、热键、热字、弹出式菜单、表单等多种形式化表示方式，使设计出的系统以生动、逼真、灵活的方式吸引学生学习课程；充分调动学生学习的积极性和主动性。学生在自主、轻松的环境下与电脑交互作用，学习掌握新的知识。教师系统则可以通过学生的认知状态来了解学习上的难点，以基于规则的知识库的形式不断调整和改进教学策略和方式；同时不断调整和改进课程的（超文本组织）教学内容。 　　 　　三、教师模型构造 　　 　　教师模型的构造主要是实现教学方法、策略和教学问题向智能性学习模型的知识变换，进行知识库的层次化和结构化处理，并通过推理机制进行多媒体教学信息的存取控制，如图2所示。[5] 教学规则知识库一般包含三部分：教学方法、策略库，教学问题库和问题案例库。 　　 　　教学规则库中汇集了按特定环境和条件进行有效教学的方法和策略，这些教学方法和策略采用产生式规则表示。以规则对象各部分的分类、特性、动作及其它关系线索，根据其重要性，来建立规则对象间的关系对应，形成一个匹配。在各种匹配中寻找一个最佳匹配，对事实进行适当的抽象或细化。 　　教学问题库中保存了所要教授的教学问题。教学问题首先是确定领域问题的范围，然后将教学问题分为若干知识单元，每个知识单元内包含有若干个知识点