智能授导系统的推理智能研究.docxVIP

智能授导系统的推理智能研究 一、 智能授导系统的研究方法 智能统计系统是针对计算机教师的个性化培训，以实现不同需求和功能的学生提供个性化培训支持系统。智能授导系统的发展大致可以分为三个阶段:上个世纪70年代,智能授导系统的概念得以提出,众多研究者在理论研究、模型设计和实验开发等方面做出了许多有益的探索,奠定了智能授导系统研究的基础;到了80年代中后期,计算机图形技术和多媒体技术的普及,使研究者们逐渐将关注重点转向了智能授导系统中的界面设计和人机交互过程;90年代中后期至今,随着网络通信技术的广泛应用,构建基于网络的智能授导系统(如智能化网络课程)成为了本领域内最为引人注目的研究重点。 与传统的单机智能授导系统相比,构建基于网络的智能授导系统所采用的理论基础、研究方法、技术手段都存在着较大的不同。事实上,智能授导系统研究的核心问题在于三元模型的建立,即领域知识建模、学习者建模和教学策略建模。其中,领域知识建模相对简单,利用人工智能中的知识表示技术已经能够建立相对完备的领域知识模型;对于学习者建模,传统的单机智能授导系统所采用的方法是,监控并采集单个学习者的人机交互行为数据,据此分析学习者的个性特征,进而建立学习者模型;对于教学策略建模,则主要通过访谈的形式直接获取教学专家(如学科教师、教育研究者等)的教学经验,进而建立教学策略模型。 但是,由于智能授导系统的人机交互过程充满了多义性与不确定性,教学策略又难以获取和描述,因此传统的研究方法在处理学习者模型和教学策略模型时遇到了其自身难以克服的困难。而在我们看来,基于案例的推理作为一种经验性的推理方法,恰好规避了传统智能授导系统研究方法中知识获取的困难,为智能授导系统的研究提供了新的方法框架。 二、 传统智能监测系统的研究方法和困难 1. 智能授导的教学决策 事实上,智能授导系统中三元模型的构建都是以“智能化教学决策”的需求为导向的,智能化教学决策才是智能授导系统研究最本质的问题。所谓智能化教学决策,是指系统利用各种软件的智能化方法,根据不同学习者的个性特征,为其选择相适应的教学目标、教学内容和教学方法的推理过程。为了实现智能化教学决策,传统的智能授导系统研究方法可以归结为以下两点: (1) 传统智能授导系统关于学习者个体数据的获取方法 客观上,由于计算机网络技术直到上个世纪90年代中后期才普及开来,因此早期的智能授导系统研究主要面向的是单机系统。一般来说,这种单机智能授导系统所服务的用户相对较少。另一方面,智能授导系统又是一种应当能够适合不同学习者的个性化智能系统。因此,传统的智能授导系统在针对不同学习者进行教学决策时,顺理成章地将学习者个体的个性特征作为系统教学决策的依据。 而在学习者个体数据的获取方面,传统的智能授导系统主要采取直接记录和心理测量的方法。一般来说,学习者模型主要包括学习者的基本信息、心理特征信息、人机交互行为信息和学习状态信息。对于基本信息和人机交互行为信息,智能授导系统会直接监控并记录于学习者模型中。而对于其他两种信息,系统则通常以问卷的形式测量获得。例如,有的智能授导系统会要求学习者首次使用系统时填写一张学习风格量表,从而获得学习者的学习风格特征;学习状态信息则通常根据学习者的单元测试成绩获取。 (2) 基于产生式的智能授导系统学习决策 智能授导系统的研究起源于上个世纪70年代,恰逢知识工程的盛行。因此,智能授导系统的研究思路和方法很大程度上受到了知识工程的启发,以基于产生式的规则推理作为系统决策的主要方法。产生式是一种形似“if条件then结果”的语法。具体到智能授导系统中,这里的“条件”是指系统依据什么做出适应性的教学决策,主要包括学习者个性特征和教学内容特征两个方面;“结果”就是系统应该提供什么样的适应性教学;而整个产生式就是一个推理规则,也是一个教学策略。例如,“if学习风格=场依存then显示论坛页面”就是一个典型的教学策略。在教学策略的获取方面,传统的智能授导系统则主要依赖于知识工程师与学科教师、教育研究者等教学专家进行沟通。 2. 推动和推动社会的发展是关键 应当承认,传统的研究方法确实对智能授导系统领域的发展起到了推动作用。但是,传统研究方法自身所不可逾越的局限性,也造成了一些当前智能授导系统研究止步不前的瓶颈问题,主要体现在以下三个方面: (1) 智能授导系统的系统单一性和数据来源的多因子分析 理论上看,传统智能授导系统所采取的收集学习者个体特征,从而推理教学决策的思路,是无可置疑的。但是客观上,学习者个体特征却是难以测定与分析的。原因在于:一方面,智能授导系统的人机交互通道过于单一,系统难以在有限的人机交互活动中收集到足够的学习者数据。另一方面,由于人机交互活动背后所隐藏的不确定因素过多,即使使用标准的心理测量量表所获得的学习者心理特征