智能辅助教学系统模型的设计与展望.docVIP

智能辅助教学系统模型的设计与展望 摘要：近年来，智能辅助教学系统己经成为国内教育 技术领域的研究热点，本文首先阐述了智能辅助教学系统 的发展历程，其次对智能辅助教学系统的模型进行了构建 再次预测了智能教学系统的未来趋势，最终指出这个有着 诱人发展前景的领域，值得人们进一步研究和设计。关键 词：智能；教学系统；模型 智能辅助教学系统的开发是涉及人工智能、计算机科 学、教育学、心理学和行为科学的综合性任务，其研究的 最终目的是由计算机系统担负起教育、教学的相关责任， 即赋予计算机系统以智能，由计算机系统在一定程度上代 替教师实现最佳教学。 一、智能辅助教学系统的发展历程 智能辅助教学系统兴起于上世纪七十年代，BoltN eranekNewm an公司开发了 Sch olar系统，它被认为是最早 出现的智能辅助教学系统。当时应用人工智能技术在计算 机辅助教学系统中添加了学生的学习行为、能力以及训练 策略。同时人工智能技术还被用于建立学习顾问之中，即 存放所要教授课程的问题和技能，控制训练策略并给出适 合学生的学习内容，使之产生根据学生的能力、弱点以及 所喜爱的学习风格进行教学的软件系统。 随后又出现了 Why、S ophie、West、Buggy、Neo mycin等系统，并将知识表示、专家系统、问题求解、推理 方法等人工智能技术用于智能辅助教学系统，取得了丰硕 的成果。 我国智能辅助教学系统的研宄起步较晚，开始的研究 工作主要集中在少数大学和研究机构里断续进行，且多为 研究和演示用的系统，经过严格评测的系统很少。最近几 年则发展较快，一些计算机公司也投入其中，伴随着智能 辅助教学系统的迅猛发 极的推动作用。必将对我国的教育改革起到积 辅助教学系统的迅猛发 极的推动作用。 必将对我国的教育改革起到积 二、智能辅助教学系统的模型构建 智能辅助教学系统是以认知学为理论基础，将人工智 能技术应用于CAI，是智能化的CAI。在智能辅助教学系统 中，学生的学习也可以借助于智能化的推理机制对大量知 识进行选择、判断与处理，使学习内容更有针对性，从而 提高学习效果。 一般，智能辅助教学系统模型的构建包括以下几个模 块： 1.知识库 作为智能辅助教学系统的重要组成部分，知识库主要 提供一个指导性的、自适应的、开放的、可操作的框架和 服务设施。为各个学科知识提供规范的知识输入和组织， 其它教学资源，如题库、课件、素材等，均依据它来组织 管理，这将使用户可以建立适用于自己的知识体系，使各 类知识应用能够有一个好的开发和集成基础。另外，核心 的教学领域知识将被分解为相互联系的知识点，形成知识 树，提供可视化的、操作性好的知识树编辑界面，方便教 师将教学领域的知识输入到知识库。 例如，有的智能辅助教学系统中的知识库，是从知识 表示入手，在SC文法知识表示体系和知识树映射方法的基 础上，提出了一个动态、实时、自适应、交互式知识库模 型。模型包括基于SC文法的知识点表示方法、知识树结构、 知识树映射、知识点学习循环等内容，模型在智能辅助教 学系统中经过实例化设计和运用，可以表现出动态教/学、 领域无关、人机交互、自适应、个别化、可扩展等智能特 点。 学生模型 学生模型就是用于表示学生实际认知状况，并通过解 释学生的活动得出他对领域知识和技能的掌握情况。系统 中每个学生有唯一的ID标识，建立唯一的学习资源、学习 信息和特征数据库，系统智能功能的实现在于如何动态地、 正确地提取学生的主题特征。 一般，系统可以采用领域知识树模型来表示学生对领 域知识的掌握情况。例如，可以设学习中的整个领域知识 树为DKT；学生已学习过的知识树为SKT,未学过的知识树 为SNKT；学生已掌握的知识树为GK T，未掌握的知识树为 GNKT。则{SNK T} = {DKT} - {SKT}、{GNKT } = {SKT} - {G KT}，如 果SNKT和GNKT皆为空时，则表示学生达到了学习的要求。 其中，如果GNKT不为空，则学生不能进入下一阶段的学习， 只能进行重复学习和补充练习，直到GNKT为空时，才进入 下一阶段的学习。 专家决策机制 该模块可以看作智能辅助教学系统中的推理机，它一 般采用两级推理相结合的方法，即基于语义网络的推理和 基于产生式规则的推理，其中基于语义网络的推理用于确 定教学内容，而基于产生式规则的推理用于确定教学策略。 也有观点认为基于规则的推理是容易健忘的，即基于 规则的推理对于每一个问题的求解都是从头开始，而不管 类似的问题以前是否遇到过。但日常的智力行为则不同， 人们往往迅速地把事件或问题同以前的经验相联系。与基 于规则的推理不同，基于范例的推理被认为是基于以前经 验的推理。因此，在有的智能辅助教学系统中采用的是基 于范例的推理。 基于范例推理的工作