论文部分内容阅读
摘 要：近年来，智能教育系统已经成为国内计算机人工智能领域与教育技术领域的研究热点，本文首先阐述了智能教学系统的概念和特征，并对系统基本框架进行了说明，其次分析了国内外研究现状及存在的问题，再次预测了智能教学系统的未来趋势，最终指出这是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：教学系统；人工智能；IIS
一、概述
1. 什么是IIS
智能教学系统（IIS，Intelligent Instruction System），是借助人工智能技术，让计算机扮演教师的角色实施个别化教学，向不同需求不同特征的学习者传授知识、提供指导的一种适应性学习支持系统。
2. 智能教学系统的特征
（1）能了解学生的学习情况——学生模型；
（2）能进行有针对性的教学——教师模型；
（3）可以用自然语言交互——智能接口。
3. 智能教学系统的基本框架
智能教学系统主要有以下五个基本部分构成：学生系统、教师系统、资源系统、学习支持系统、服务系统。即：一是平台上运行的各类教学软件；二是各类教学平台；三是教学支撑平台，四是教学资源库。
专家系统是人工智能中的一个重要的部分，专家系统是一种在相关领域中具有专家水平解题能力的智能程序系统，它能利用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。
专家系统使得人工智能从理论走向了实践，但是，开发一个专家系统是一个复杂而艰巨的过程，需要几年或更长时间的努力。而实现效果好坏，除了和知识获取相关外，还取决于开发专家系统所使用的工具，尤其是对专家系统外壳利用。专家系统通过运用知识进行推理，在问题所在的领域内推导出满意的答案，即，“专家系统=知识+推理”，这区别于常规计算机程序的“程序=数据结构+算法”，的一般模式，专家系统和常规程序有着不同的体系结构。
基于专家系统构造的智能教学系统模型的基本组成要素包括:领域模型、学生模型和教师模型以及推理机和人机接口。如图1.1所示。总体上它应该具有如下三方面的功能:具备某学科或领域的专门知识，能生成自己的提问和应答；能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。
领域模型（专家知识）是某一领域或学科知识的知识库结构，它是智能教学系统的基础。学科知识库可分为学科知识体系库和教学材料库，知识体系就是知识点的集合以及知识点之间的相互关系结构，知识点是根据教学大纲，对课程分解的最小单元，知识体系库分为知识点属性库和知识点链接库。知识点属性数据库是知识表示的基础，它反映知识点的集合，它一般包含知识点编号、类型、难度、重要程度、要求掌握程度等几个方面；知识点链接数据库反映知识点之间的关系和层次结构，主要用于知识推理。
学生模型主要用以表示学生的理解程度并包括学生错误及其原因的诊断，它为实现系统的个性化教学提供依据，能够反应每一个学习者的特殊需要和学习能力。学生模型可以分为静态、动态和评价与错误诊断模型。评价与错误诊断模型通过对学生的测试，分析学生当前存在哪些错误及其原因，得出对学生的评价，纠错诊断是系统对学生实现个别化教学而选取适当的教学内容、调整教学策略的前提条件和关键所在。
教师模型是由教学策略库及其推理算法或过程组成。
人机接口模块可以分为教师接口和学生接口两种。其中前者为教师专用，为教师建立和操作知识库提供支持；后者可使学生能较方便地应用该系统来进行学习、测试和辅导等。
二、国内外研究现状与存在的问题
智能教学系统有时会因为一些淘气学生的“投机”行为而失去它的优势。学生如果具有足够的意志力，按部就班的依照系统安排的内容进行学习，一般都会取得比较不错的效果，可有时，聪明的他们会想出一些方法来瞒骗系统。最近，一些关于自由行为,尤其是“投机”行为的研究表明，学生有时会利用提供给他们的“帮助”，在系统反馈中得到与实际不相符合的好成绩，从而达到使系统减少后续练习量的目的，依此来逃避学习。构造一些方法去检测这种“投机”行为已经取得了一些成功，但并不尽如人意。不管是由于学生适应了原有检测系统而发生了新的变化，或者是被更消极的预防机制完全的忽视了，这些阻止“投机”行为的方法都已经证明了不是很成功。
所有这些研究都在很大程度上忽视了在教室里的学生行为的专家——老师。长久以来，在教室中的老师都被视为是最了解学生行为的,这也是在一些IIS团体中被公认的。另外，老师对他的学生在教室中参与学习的形式有直接的影响力。如果能够使用老师对学生在教室里活动的报告来开发一个模型，以此来衡量学生使用教学辅助系统的效果，应该是可行的。之前关于在教学系统中“投机”行为的研究提供了一些规则来检测特定的行为类型，然而实际的检测“投机”行为的机器学习模型被证明是不可靠的。老师对于学生行为的评价也许能提供一个更成功的用于检测“投机”行为的模型。
另外，将参与者看作一个整体来衡量，而不是单纯的识别有或者没有“投机”的现象，设计并实现一个“奖励系统”也许能够更好的鼓励认真参与系统学习行为的出现。同时，设计和实现一个为老师专用的生动的可视化的报告工具，用来辅助评价学生在实际辅导过程中的活动也是很必要的。老师对于他的学生的影响力加上先前尝试在IIS中自始至终阻止投机行为时所面对的挑战强烈的提示我们，提供一个更为有效的报告，将注意力集中在老师身上可能正是我们所需要的。
三、未来发展趋势
智能辅助教学系统的发展不是孤立、单一的，它的发展要涉及计算机科学、教育学、认知科学和人工智能等多门学科，就目前而言，其表现为以下几方面的发展趋势。
1. 智能代理技术的应用
智能代理技术是能自动执行用户委托任务的计算实体，从技术的角度来看，智能代理技术应当是由各种技术支撑着的，许多实用的应用特性的集合，开发者正是使用这些应用特性来扩展应用的功能和价值，从而达到能自动执行用户委托任务的目的。在智能辅助教学系统中，学生可以使用智能代理技术进行搜索、导引来查询有效知识。由于它具备学习的功能，能够主动、高效地从网络信息空间中发现和收集用户所需要的信息，因此有助于解决使用单一关键字匹配查询、搜索引擎引起的大量无关信息的涌现、信息检索的精确度较低等问题，使得教师和学生在教与学的过程中，提高知识选取效率，加强交互学习和自主能动性学习。
2. 现代学习理论的应用
现代学习理论认为，学习不是一个被动地记录外界信息的过程，而是一个主动建构的过程。它要求学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体、知识意义的主动建构者。学生在学习过程中，主动地选择一些信息，忽视一些信息，并运用原有的经验和具体情况去理解新的信息。现代学习理论在智能辅助教学系统中的应用，能为学生建构知识提供充足的信息，容易激发学生的学习兴趣和学习主动性，为学生建构知识提供有效的信息，满足学生个性化学习的需求。
3. 自然语言处理技术的应用
自然语言处理属于高技术学科，是知识信息处理中的核心课题。长期以来人们对计算机理解自然语言颇感兴趣，计算机专家采用人工智能的理论和技术，将设定的自然语言机理用计算机程序表达出来，构造能够理解自然语言的系统。他们从系统功能的角度出发，把输出对输入文本的反映作为衡量计算机理解语言的判别标准。在智能辅助教学系统的研究开发中，特别是智能人机接口方面，可以结合运用多种自然语言处理技术的研究成果，提高系统的智能。例如，通过自然语言人机接口，可以实现更加方便的人机交互功能；利用语义网络技术，可以充分实现知识点之间的层次关系和语义联系；通过智能模糊查询技术，可以实现系统知识库的知识查找和知识利用；利用机器翻译技术，可以开展跨语言的知识学习。
4. 虚拟现实技术的应用
虚拟现实技术是多媒体技术的最新发展，是由多媒体技术、仿真技术以及计算机技术相结合而生成的一种交互式人工世界，它的根本目标就是达到真实体验和基于自然技能的人机交互。而教学是一个传授知识的过程，通过亲身经历能加速这一过程和巩固所传授的知识，在智能辅助教学系统中，使用创建的虚拟环境，可以在一般人所不能亲身体验的情景中，达到演示、操作的教学目的。它允许学生与现有的各种信息发生交互作用，学生可以在仿真过程中经历不同的时间和空间，可以与各种仿真物体接触，还可以与虚拟境界的各个部分接触，为增强学生的学习实践提供了方便、高效的途径。
5. 自组织与个性化的信息系统——新的人工智能研究趋势
New AI: Toward Self-Organizing and Personalized Information Systems
——克劳斯.迈因策尔（德国奥克斯堡大学跨学科信息科学研究所）
在当今教育改革的大环境下，智能辅助教学系统将显示出越来越重要的作用。目前，我国在这方面的成果还不多，真正能投入教学实践的系统则更少，这个有着诱人发展前景的领域，值得我们进一步研究和设计。
参考文献：
[1] 杨国才等.一个智能教学系统的设计模型 [J].计算机应用，1998.
[2] 黄荣怀.信息技术与教育[M].北京：北京师范大学出版社，2002.
[3] R.S. Baker, A.T.Corbett, K.R.Koedinger,S.Evenson, I. Roll, A.Z.Wagner,M.Naim, J. Raspat, D. J. Baker, and J. E. Beck. Adapting to When Students Gamean Intelligent Tutoring System[j]. In Proceedings of the 8th International Conference onIntelligent Tutoring Systems, 2006.
[4] Nicholas M. Lloyd，Measuring Student Engagement in an Intelligent Tutoring System[J]，2007.
[5] 莫赞等.智能教学系统的发展与前瞻[J].计算机工程与应用，2002.
[6] 肖雯.人工智能技术在计算机辅助教学中应用[J].南京工程学院学报，2002，（6）：56．
关键词：教学系统；人工智能；IIS
一、概述
1. 什么是IIS
智能教学系统（IIS，Intelligent Instruction System），是借助人工智能技术，让计算机扮演教师的角色实施个别化教学，向不同需求不同特征的学习者传授知识、提供指导的一种适应性学习支持系统。
2. 智能教学系统的特征
（1）能了解学生的学习情况——学生模型；
（2）能进行有针对性的教学——教师模型；
（3）可以用自然语言交互——智能接口。
3. 智能教学系统的基本框架
智能教学系统主要有以下五个基本部分构成：学生系统、教师系统、资源系统、学习支持系统、服务系统。即：一是平台上运行的各类教学软件；二是各类教学平台；三是教学支撑平台，四是教学资源库。
专家系统是人工智能中的一个重要的部分，专家系统是一种在相关领域中具有专家水平解题能力的智能程序系统，它能利用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。
专家系统使得人工智能从理论走向了实践，但是，开发一个专家系统是一个复杂而艰巨的过程，需要几年或更长时间的努力。而实现效果好坏，除了和知识获取相关外，还取决于开发专家系统所使用的工具，尤其是对专家系统外壳利用。专家系统通过运用知识进行推理，在问题所在的领域内推导出满意的答案，即，“专家系统=知识+推理”，这区别于常规计算机程序的“程序=数据结构+算法”，的一般模式，专家系统和常规程序有着不同的体系结构。
基于专家系统构造的智能教学系统模型的基本组成要素包括:领域模型、学生模型和教师模型以及推理机和人机接口。如图1.1所示。总体上它应该具有如下三方面的功能:具备某学科或领域的专门知识，能生成自己的提问和应答；能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。
领域模型（专家知识）是某一领域或学科知识的知识库结构，它是智能教学系统的基础。学科知识库可分为学科知识体系库和教学材料库，知识体系就是知识点的集合以及知识点之间的相互关系结构，知识点是根据教学大纲，对课程分解的最小单元，知识体系库分为知识点属性库和知识点链接库。知识点属性数据库是知识表示的基础，它反映知识点的集合，它一般包含知识点编号、类型、难度、重要程度、要求掌握程度等几个方面；知识点链接数据库反映知识点之间的关系和层次结构，主要用于知识推理。
学生模型主要用以表示学生的理解程度并包括学生错误及其原因的诊断，它为实现系统的个性化教学提供依据，能够反应每一个学习者的特殊需要和学习能力。学生模型可以分为静态、动态和评价与错误诊断模型。评价与错误诊断模型通过对学生的测试，分析学生当前存在哪些错误及其原因，得出对学生的评价，纠错诊断是系统对学生实现个别化教学而选取适当的教学内容、调整教学策略的前提条件和关键所在。
教师模型是由教学策略库及其推理算法或过程组成。
人机接口模块可以分为教师接口和学生接口两种。其中前者为教师专用，为教师建立和操作知识库提供支持；后者可使学生能较方便地应用该系统来进行学习、测试和辅导等。
二、国内外研究现状与存在的问题
智能教学系统有时会因为一些淘气学生的“投机”行为而失去它的优势。学生如果具有足够的意志力，按部就班的依照系统安排的内容进行学习，一般都会取得比较不错的效果，可有时，聪明的他们会想出一些方法来瞒骗系统。最近，一些关于自由行为,尤其是“投机”行为的研究表明，学生有时会利用提供给他们的“帮助”，在系统反馈中得到与实际不相符合的好成绩，从而达到使系统减少后续练习量的目的，依此来逃避学习。构造一些方法去检测这种“投机”行为已经取得了一些成功，但并不尽如人意。不管是由于学生适应了原有检测系统而发生了新的变化，或者是被更消极的预防机制完全的忽视了，这些阻止“投机”行为的方法都已经证明了不是很成功。
所有这些研究都在很大程度上忽视了在教室里的学生行为的专家——老师。长久以来，在教室中的老师都被视为是最了解学生行为的,这也是在一些IIS团体中被公认的。另外，老师对他的学生在教室中参与学习的形式有直接的影响力。如果能够使用老师对学生在教室里活动的报告来开发一个模型，以此来衡量学生使用教学辅助系统的效果，应该是可行的。之前关于在教学系统中“投机”行为的研究提供了一些规则来检测特定的行为类型，然而实际的检测“投机”行为的机器学习模型被证明是不可靠的。老师对于学生行为的评价也许能提供一个更成功的用于检测“投机”行为的模型。
另外，将参与者看作一个整体来衡量，而不是单纯的识别有或者没有“投机”的现象，设计并实现一个“奖励系统”也许能够更好的鼓励认真参与系统学习行为的出现。同时，设计和实现一个为老师专用的生动的可视化的报告工具，用来辅助评价学生在实际辅导过程中的活动也是很必要的。老师对于他的学生的影响力加上先前尝试在IIS中自始至终阻止投机行为时所面对的挑战强烈的提示我们，提供一个更为有效的报告，将注意力集中在老师身上可能正是我们所需要的。
三、未来发展趋势
智能辅助教学系统的发展不是孤立、单一的，它的发展要涉及计算机科学、教育学、认知科学和人工智能等多门学科，就目前而言，其表现为以下几方面的发展趋势。
1. 智能代理技术的应用
智能代理技术是能自动执行用户委托任务的计算实体，从技术的角度来看，智能代理技术应当是由各种技术支撑着的，许多实用的应用特性的集合，开发者正是使用这些应用特性来扩展应用的功能和价值，从而达到能自动执行用户委托任务的目的。在智能辅助教学系统中，学生可以使用智能代理技术进行搜索、导引来查询有效知识。由于它具备学习的功能，能够主动、高效地从网络信息空间中发现和收集用户所需要的信息，因此有助于解决使用单一关键字匹配查询、搜索引擎引起的大量无关信息的涌现、信息检索的精确度较低等问题，使得教师和学生在教与学的过程中，提高知识选取效率，加强交互学习和自主能动性学习。
2. 现代学习理论的应用
现代学习理论认为，学习不是一个被动地记录外界信息的过程，而是一个主动建构的过程。它要求学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体、知识意义的主动建构者。学生在学习过程中，主动地选择一些信息，忽视一些信息，并运用原有的经验和具体情况去理解新的信息。现代学习理论在智能辅助教学系统中的应用，能为学生建构知识提供充足的信息，容易激发学生的学习兴趣和学习主动性，为学生建构知识提供有效的信息，满足学生个性化学习的需求。
3. 自然语言处理技术的应用
自然语言处理属于高技术学科，是知识信息处理中的核心课题。长期以来人们对计算机理解自然语言颇感兴趣，计算机专家采用人工智能的理论和技术，将设定的自然语言机理用计算机程序表达出来，构造能够理解自然语言的系统。他们从系统功能的角度出发，把输出对输入文本的反映作为衡量计算机理解语言的判别标准。在智能辅助教学系统的研究开发中，特别是智能人机接口方面，可以结合运用多种自然语言处理技术的研究成果，提高系统的智能。例如，通过自然语言人机接口，可以实现更加方便的人机交互功能；利用语义网络技术，可以充分实现知识点之间的层次关系和语义联系；通过智能模糊查询技术，可以实现系统知识库的知识查找和知识利用；利用机器翻译技术，可以开展跨语言的知识学习。
4. 虚拟现实技术的应用
虚拟现实技术是多媒体技术的最新发展，是由多媒体技术、仿真技术以及计算机技术相结合而生成的一种交互式人工世界，它的根本目标就是达到真实体验和基于自然技能的人机交互。而教学是一个传授知识的过程，通过亲身经历能加速这一过程和巩固所传授的知识，在智能辅助教学系统中，使用创建的虚拟环境，可以在一般人所不能亲身体验的情景中，达到演示、操作的教学目的。它允许学生与现有的各种信息发生交互作用，学生可以在仿真过程中经历不同的时间和空间，可以与各种仿真物体接触，还可以与虚拟境界的各个部分接触，为增强学生的学习实践提供了方便、高效的途径。
5. 自组织与个性化的信息系统——新的人工智能研究趋势
New AI: Toward Self-Organizing and Personalized Information Systems
——克劳斯.迈因策尔（德国奥克斯堡大学跨学科信息科学研究所）
在当今教育改革的大环境下，智能辅助教学系统将显示出越来越重要的作用。目前，我国在这方面的成果还不多，真正能投入教学实践的系统则更少，这个有着诱人发展前景的领域，值得我们进一步研究和设计。
参考文献：
[1] 杨国才等.一个智能教学系统的设计模型 [J].计算机应用，1998.
[2] 黄荣怀.信息技术与教育[M].北京：北京师范大学出版社，2002.
[3] R.S. Baker, A.T.Corbett, K.R.Koedinger,S.Evenson, I. Roll, A.Z.Wagner,M.Naim, J. Raspat, D. J. Baker, and J. E. Beck. Adapting to When Students Gamean Intelligent Tutoring System[j]. In Proceedings of the 8th International Conference onIntelligent Tutoring Systems, 2006.
[4] Nicholas M. Lloyd，Measuring Student Engagement in an Intelligent Tutoring System[J]，2007.
[5] 莫赞等.智能教学系统的发展与前瞻[J].计算机工程与应用，2002.
[6] 肖雯.人工智能技术在计算机辅助教学中应用[J].南京工程学院学报，2002，（6）：56．