论文部分内容阅读
传统CAI缺乏推理机制和学生模型的支持,不能对学生进行有针对性的指导和启发式的教学,并在开展适应个性化特点的教育、贯彻因材施教的教育思想和方法上存在很大不足,因而已不适于当前教育教学的需求。人工智能技术和网络的普及与发展为CAI提出了新的课题与发展机遇,而同时,网络的应用使得教学网站积累了大量有用的教学信息,因而迫切需要一种技术对这些信息进行分析和利用,进而采用更合理有效的教学策略--数据挖掘技术也为课题的研究提出了新的思路。本文在充分分析智能教学系统的基本原理、特点及其相关模型的基础上,将数据挖掘技术应用到系统中,从理论上提出了一个基于Web和数据挖掘的智能教学系统的研究思路,并给出了系统的总体设计和实施方案。重点研究了数据挖掘技术中分类算法及其可扩展性方法的应用,采用了分类树的ID3算法以及将数据挖掘同DBMS紧密结合的可扩展性方法,成功地对学生进行了教学难度等级分类,并使得系统在实现机制上能适应大量数据的高效信息挖掘。同时这一研究与应用为数据挖掘思想运用到智能教学系统从而有效提高系统性能提出了新的尝试;系统构建了采用模糊评价算法的认知学生模型,运用模糊结论对学生进行评价并有效运用到教学规则的制定中,更符合教师语言的特点;在体现系统智能的推理机制的研究上,建立了确定性推理的产生式系统,并在教学策略控制中采用正向推理和反向推理相结合的推理控制策略,分别实现了以教师为主导的教学过程和以学生为主体的个别化教学过程。本文运用动态的HTML和JSP等最新Internet技术,以建构主义学习理论为指导,以“人工智能”课程的教学为对象,构建了一个智能远程教学平台。该系统适用于多学科教学、能够实现个别化教学、能对学生的学习提出建议和指导、能够反映学生的认知能力,是一个通用的智能远程教学平台。系统已在校园网环境下调试通过,且运行高效、稳定、可靠。实践证明,该论文的研究对智能化远程教学系统具有一定的理论和实际应用价值。