（计算机应用技术专业论文）基于神经模糊综合评价的学生模型的研究.pdf

武汉理工大学硕士学位论文 摘要 i c a i 系统即智能计算机辅助教学系统，已经成为国际上计算机辅助教学研 究的主要方向，它代表了一种新的教学思想和教学方式：模拟对象是老师，服 务对象是学生，基于学习者特征、状态，跟踪学习者特性与状态变化，自动生 成教学信息，调整教学过程和教学策略。同时，i c a i 又是一个综合交叉学科， 涉及了计算机、教育两大学科的许多分支领域。基于以上考虑，论文以学生模 型的建立作为研究对象，论述了国内外相关领域的研究现状，并系统地研究了 建立学生模型的各种方法。在此基础上，提出了一个较为完整的学生模型，并 创新性的应用神经模糊综合评价方法实现学生模型中的认知评价。 论文的主要研究内容包括：通过分析传统的学生模型的建模方法，发现它 们的不足，从而在综合前人的研究成果的基础上，进一步研究了基于神经模糊 综合评价方法的学生模型。此模型依据现代教育理论，采用人工智能技术，把 学生模型更完整的描述为基本信息模型、安全模型、覆盖模型、认知模型和测 试评价模型，分别以信息模块、学习进度模块、认知评价模块来实现学生模型 的各个功能。其中认知评价模块是本文的研究重点也是一个创新点，它是同时 基于模糊数学理论和人工神经网络理论，通过改进原有的模糊综合评价方法， 建立了一个新的多级评价模型。 研究表明，本文中的学生模型较以往的更完整，不仅对学生的知识掌握情 况即知识水平有描述，对学生的认知能力也进行了充分的描述与评价；并且这 种评价不像以往的那样粗略，而是综合考虑了学生练习测试中表现出来的认知 情况、学生个性特点、学习环境以及学习效率等因素，使评价更符合教学规律 更具合理性。而应用的结果表明，基于神经模糊综合评价方法的测试评价模型， 在评价的过程中互补了模糊综合评价方法和b p 网络的优缺点，避免了在模糊综 合评价过程中对于有大量评价因素时难以确定隶属度、建构花费时间大、模型 主观经验性等问题。神经模糊综合评价方法作为二者的结合是一个值得研究的 评价方法。 关键词：学生模型，神经模糊综合评价，认知学，智能计算机辅助教学 武汉理工大学硕士学位论文 a b s t r a c t i c a ii sad o m i n a t i n gr e s e a r c hi nt h ef i e l do fc o m p u t e ra i dt e a c h i n gn o w a d a y s ， a n di tr e p r e s e n t sak i n do fn o v e lt e a c h i n gi d e aa n dm e t h o d ：t e a c h e ri st h es i m u l a t i o n o b j e c t ；s t u d e n ti st h es e r v i c eo b j e c t ；s y s t e mb a s e d o nt h es t a t ea n dc h a r a c t e ro fs t u d e n t ， t r a c k i n g t h es t a t ea n dc h a r a c t e rt r a n s i t i o na n dp r o d u c i n gt e a c h i n gi n f o r m a t i o n a u t o m a t i c ，m o d u l a t et e a c h i n gp r o c e s s a n ds t r a t e g y o t h e r w i s e ，i c a ii sa i n t e r d i s c i p l i n a r ys u b j e c t ，i n v o l v i n gm a n yb r a n c h e so fc o m p u t e ra n d e d u c a t i o n t h i s p a p e rd e s c r i b e ss o m ec u r r e n tr e s e a r c h e so nt h ef i e l da n dp r o p o s e sa ni n t e g r a t e d s t u d e n tm o d e l ，r e a l i z e st h er e c o g n i t i o ne s t i m a t ep a r to fs t u d e n tm o d e lu s i n gn e r v e f u z z yc o m p r e h e n s i v ee s t i m a t em e t h o d t h i sp a p e rd e s c r i b e st h ef o l l o w i n gm a i nr e s e a r c h e s ：a n a l y z i n gt h et r a d i t i o n a l s t u d e n tm o d e lm o d e l i n gm e t h o da n df i n d i n gt h el a c k so fs t u d e n tm o d e l ；t r y i n gt og e t r i do ft h el a c k so ft r a d i t i o n a ls t u d e n tm o d e lw h i c hb a s e do nt h en e r v ef u = y c o m p r e h e n s i v ee s t i m a t em e t h o d i nt h i sp a p e rt h es t u d e n tm o d e li ss e p a r a t e di n t of i v e p a r t s ：b a s i ci n f o r m a t i o nm o d e l ，s a f em o d e l ，o v e r l a ym o d e l ，r e c o g n i t i o nm o d e la n dt e s t e s t i m a t i o nm o d e l u s i n gt h ei n f o r m a t i o nm o d e l 、s t u d yh i s t o r ym o d e la n dr e c o g n i t i o n e s t i m a t i o nm o d e lt op r a c t i c et h ew h o l es t u d e n tm o d e lf u n c t i o n t h er e c o g n i t i o n e s t i m a t i o nm o d e li st h em a i nr e s e a r c ha n di si n n o v a t ew h i c hi sb a s e do nf u z z ym a t h t h e o r ya n da n nt h e o r y t op r o d u c ean o v e lm u l t i s t a g ee s t i m a t i o nm o d e lb y r e v i s i n gt r a d i t i o n a lf u z z yc o m p r e h e n s i v ee s t i m a t i o nm e t h o d s s t u d ys h o w st h ep r o p o s e ds t u d e n tm o d e li sm o r ei n t e g r a t e da n de s t i m a t e st h e s t u d e n t s k n o w l e d g es t a t ea n dr e c o g n i t i o na b i l i t y t h ee s t i m a t i o nm e t h o di sn o tr o u g h ， i te s t i m a t es t u d e n t s s t a t eu s i n gs t u d e n tr e c o g n i t i o ns i t u a t i o n 、c h a r a c t e r 、s t u d y e n v i r o n m e n ta n ds t u d ye f f i c i e n c y , t h en o v e le s t i m a t i o nm e t h o dm a k e se s t i m a t i o nb e m o r er e a s o n a b l e t h ep r a c t i c er e s u l t ss h o w st h ea d v a n t a g e so ft h et e s te s t i m a t i o n m o d e lb a s e do nn e r v ef u z z yc o m p r e h e n s i v ee s t i m a t i o nm e t h o dw h i c ho v e r c o m e st h e s h o r t c o m i n g so fe x p e n s i v et i m ec o s ta n dm o d e ls u b j e c t i v i t yb yf u s i n gt h ef u z z y c o m p r e h e n s i v ee s t i m a t i o nm e t h o da n db pn e t w o r k t h en e r v ef u z z yc o m p r e h e n s i v e 茎墨翌三盔兰堡主兰垡堕皇 e s t i m a t i o nm e 血o di sw o r t ht os t u d y m g k e y w o r d s ：s t u d e n tm o d e l ，n e r v ef u z z yc o m p r e h e n s i v e e s t i m a t i o nm e t h o d ， r e c o g n i t i o n ，i n t e l l i g e n tc o m p u t e ra s s i s t e di n s t r u c t i o n i i i 武汉理工大学硕士学位论文 第1 章绪论 1 1 论文的研究背景与现状 1 1 1 研究背景 计算机辅助教学( c o m p u t e r a s s i s t e di n s t r u c t i o n ，c a d 是我们所熟悉的一个概 念，它是计算机在教育中的一种表现形式，也是计算机应用的一个重要方面。随 着教学理论的不断发展，建构主义教育理论的出现，要求教学要以学生为主体， 教师为主导的教学，要充分发挥学生学习的主观能动性。这就需要使开发的教学 系统不仅能够对学生进行适应性的教学，还应能充分发挥学生学习的主观能动性。 正是在这一需求的推动下，c a i 开始向增强其对不同学习者的适应能力，以及加 强智能性即智能化方向逐步发展。智能化的教学辅助系统的研究也就成为了研究 的热门课题。这里所谓的智能化，是指教学系统能根据学习者的实际情况选取教 学内容和教学方法，对学生实施个别化教学；将教学资源、教学方法、表现形式 优化组合，建立一个教与学的互动环境，激发教学双方主体的主动性和创造性。 i c a i 系统( i n t e l l i g e n tc o m p u t e ra s s i s t e di n s t r u c t i o ns y s t e m ) 即智能计算机辅助 教学系统，也称为智能教学系统，它是将人工智能( 趾：a r t i f i c i a li n t e l l i g e n t ) 技术引 入c a i 系统中，赋予机器以人类高级智能的系统。根据智能化提出的要求，我们 认为i c a i 至少要表现出这样几个特征：注重个别化教学，讲究因人施教；能及时、 动态了解学生的学习状况；能够根据学生连续出现的错误，判断学生缺乏哪方面 的知识并给予补救。显然，i c a i 代表了一种新的教学思想和教学方式，模拟对象 是教师，服务对象是学生，基于学习者特征、状态，跟踪学习者特性与状态变化， 自动生成教学信息，调整教学过程和教学策略【l l 。目前，i c a i 系统已经成为国际 上计算机辅助教学研究的主要方向，是一个综合交叉学科，涉及了计算机、教育 两大学科的许多分支领域，包括程序设计、数据结构、算法分析、软件工程、人 武汉理工大学硕士学位论文 工智能等计算机学科以及认知心理学、教学设计等教育学科。这就给i c a i 系统的 建造带来了很大的困难，所以，一般认为，i c a i 系统比一般意义的专家系统更为 复杂。此外，随着网络技术的加入，i c a j 系统将由一个个性化的教学系统向智能 远程教学系统发展，而虚拟现实( v i r t u mr e a l i t y ) 技术的出现( 由多媒体技术与仿真 技术相结合而形成的一种交互世界) ，则使i c a i 系统更加完善。 综合上面的分析，我们发现要设计并实现一个完善的i c a i 系统所涉及的内 容与技术是相当之多相当复杂的。一般认为能实现上述部分特征的系统就可以 称为i c a i 系统了。具体选择实现哪部分的特征呢? 本论文认为解决问题要找到 关键点和基本点，不难看出：个别化教学强调因材施教，对学生的分析以及模 型的建立是实现智能化个别化教学的基础，因此学生模型作为一种用于记录学 生情况的数据结构是i c a i 系统中一个非常重要的部分。传统的学生模型绝大多 数都是“知识型”，即只能记录学生的原有知识水平。随着认知学习理论的发展， 目前的学生模型己逐渐转向“认知型”，即着重记录学生关于当前所学概念的认 知结构与认知能力特点。目前国内外都还没有一个完善的认知型学生模型，与 此相关的一些问题仍处于研究、探索阶段，也是当今教育技术的前沿课题之一。 北大西洋公约组织( n a r 0 ) 科学委员会的a e t 项目所列八大研究课题第三项 便是“学生模型建造与学生错误诊断”。本论文即是在这样的背景下提出了基于 神经模糊综合评判方法的学生模型的建立，后续章节将做具体介绍分析。 1 1 2 国内外相关领域研究现状 智能教学系统是人类社会数字化教育的必然发展方向1 2 j 。从2 0 世纪7 0 年代开 始，研究者在知识表示、专家系统、问题求解和系统推理等方面，不断运用最新 a i 技术，进行了大量的研究工作：在7 0 年代后期，a i 技术被用来构造学生模型 和教师模型：8 0 年代以来，i c a i 系统的研究集中在使用各种技术从而确切的表示 学生模型和教师模型上，以使系统具有更高层次的应答敏感和全局观念【3 。 相对而言智能教学系统的研究在国外开始的比较早。其中针对增强教学系统 的个性化教学问题，国外许多学者提出了许多不同的解决方案 4 1 ，如p e n g k i a tp e k 和k i m - l c n gp o h 【4 j 【5 l 应用贝叶斯网络建立学生模型，并根据学生在学习过程中反 馈给系统的信息进行推理，预测出学生的下一步行为，为其选择最合适的教学内 容；t s u n e m o r im i n e ，a k i ms u g a n u m a 和t a k a y o s h is i l o u d a i ( a e g i s ) h 州在超文本 2 武汉理工大学硕士学位论文 结构的教学内容上实现了动态生成测试题；d i e t r i c h a l b e r t 和c o r dh o c k e m e y e r 4 j 【7 j 通过对知识空间理论的分析，得出超文本与知识空间在结构上的相似性，对知识 进行建模；j o e lm a r t i n 和k u r tv a n l e h n ( o l a e ) t s ( 9 】使用贝叶斯网络对学生的学习 结果进行评价，分析出学生学习的错误点和不足点；还有利用对话来获得关于学 生对某领域知识的掌握程度，从而对学生进行个别化教学的系统i l q ；利用学生模 型来分析学生的学习能力，即分析学生学习知识的快慢和对所学知识的掌握程度 以及学生的记忆能力，分析学生对所学知识点的持久记忆程度，采用一定策略对 学生实施个别化教学i l ”。 我国发展c a i 的研究开始于6 0 年代，由于基础和条件的差距，到8 0 年代中 期i c a i 的研究才蓬勃发展起来。8 0 年代末，许多高校相继成立了i c a i 研究中心， 同时引进国外i c a j 先进技术，对c a l 和i c 灿的相关技术进行了大量的研究与实 践工作。其中由我国大学独立研制并已投入使用、较为著名的i c a i 系统1 1 2 1 有清华 大学的“计算机线性代数教学软件( l a - - c a i ) ” 注：世界银行贷款资助项目1 ； 广东工业大学的计算机网络课程教学课件 注：国家“九五”重点科技攻关项目 子专题和广东省重点学科资助项目1 。 相信，随着计算机科学、认知心理学、教育学的发展，它们其中任何一个学 科的重大进步无疑都会推动i c a i 的研究向前迈进，而我国的研究水平通过研究者 们的不懈努力也会和国外不断地缩小差距。 1 2 论文的研究内容及意义 i c a i 系统研究的最终目的是由计算机系统负担起人类教育的主要责任，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人类教师实现最佳教学。 i c a i 研究的意义在于减轻人类教师的教学工作量、提高教学质量、增进人类对其 自身认知过程的了解和带动相关学科的发展。本文对i c a i 系统展开的研究，包括 i c a i 的理论支撑，也包括i c a i 系统组成模块的技术实现，重点对学生模型进行 了探讨。 具体来说：论文介绍了智能计算机辅助教学0 c a i ) 的发展与国内外研究状况； 研究了教育学心理学相关理论，特别是这两学科最新的理论成果；分析了认知心 理学、个性化教学以及教学测量评价理论在i c a i 中的应用；根据功能需求搭建了 武汉理工大学硕士学位论文 i c a i 系统框架，并针对性的研究了面向对象知识表示的知识库的建立和学生模型 的建立；在此基础上，提出了基于h i b e m a t 的知识库建立与基于神经模糊综合评 价方法的学生模型的建立，并进行了相关的研究，主要包括：实现基于h i b e m a t 的知识库的技术基础研究、开发环境、学生模型设计、设计模型中相应模块数据 结构及相关算法、实例测试分析。 论文重点研究了学生模型的建立，在基于认知理论的学生模型设计中，要 求在学生学习之后，系统能给学生一个综合评价，评判学生的认知能力和学习 水平，以便系统提供实时、有效的帮助。学习水平的综合评价是一个考虑多方 面综合因素的问题，其评价算法不是由简单的算式决定的，而是综合多种评价 因素，同时兼顾各评价因素的权值而决定的。以往智能教学系统对学生的评价 只是利用学生练习通过率的某一闽值，将学生学习程度分为好、中、差等，这 种评价方法不仅粗略，而且没有反映出学生的认知水平处于认知的哪一个阶段。 在对认知能力的评价上，以往比较多的采用了模糊数学理论，用模糊综合评价 的方法来构造认知学生模型。我们知道在学习者模型中有些信息具有明显的概 念模糊性，如学习者的某些领域无关信息、学习者具备的预备知识包括学习过 程中的某些认知状态等，这些信息的表示经常采用描述性模糊性语句。利用模 糊数学知识，以模糊成员函数( 模糊子集) 和规则来代替布尔逻辑，对数值进 行推理。在学生模型中，模糊逻辑的方法实现了从模糊到精确的转化。但因隶 属度通常由经验给出，对于有大量评价因素的认知学生模型来说，合理建构将 花费大量时间。而所建立的模型也具有很大的不精确性和主观经验性。而神经 网络的退化功能可用于合理评价学习者对知识点的认识程度，反映了人脑的记 忆规律，给出一个比较可信的值作为认知诊断的基础，从而使i c a i 系统的认知 评价体系更趋合理性。因此基于神经网络技术的学生模型的开发具有很大的潜 力，而运用将两种方法在一定程度上结合的神经模糊综合评价方法以达到完善 学生模型，更是研究的期望所在。 1 3 论文的内容安排 第一章介绍了课题的研究背景、国内外研究发展状态以及选题的意义。 第二章简单阐述了论文进行研究的理论依据，因为i c a i 系统的研究是服务于 4 武汉理工大学硕士学位论文 教学的，使用先进的智能技术和网络改善系统性能的前提是运用现代先进的教学 理论，否则系统本身是无法跟上现代教育的。 第三章首先介绍了整个i c a i 系统的功能和结构，然后重点介绍了领域知识库 及其相关概念，并用面向对象的知识表示方式实现了知识库的建立；对于学生模 型主要是介绍常规的几种模型建立方法，为后续介绍提供一个理论基础；教师模 型和人机接口不是本论文研究的重点，所以未在论文中具体介绍。 第四章提出了神经模糊综合评价方法，这是研究的一个重点也是一个创新点， 并将该方法运用到学生模型的建立中，给出了一个相对完整的学生模型。最后重 点介绍了测试评价模块的实现。 第五章是结论部分，对本论文的主要工作给出了一个简要的总结，结合智能 教学系统未来几年的发展趋势，提出了进一步的研究方向。 武汉埋工大学硕上学位论文 第2 章理论依据研究 2 1 学习理论发展的三个阶段 自从1 9 5 9 年美国i b m 公司研制成功第一个计算机辅助教学( c a i ) 系统后，宣 告人类开始进入计算机教育应用时代。在四十多年的发展中，计算机辅助教学的 理论基础主要经历了以下三个发展阶段。 2 1 1 行为主义学习理论 第一阶段是以行为主义学习理论作为理论基础，时间是从6 0 年代初至7 0 年代末。这是计算机辅助教学的初级阶段【”】。行为主义理论把个体行为归结为 个体适应环境的反应系统即所谓刺激反应系统，认为学习的起因在于个体 对外部刺激的反应，与内部心理过程无关，只要控制外部刺激就能预测学习行 为的学习效果。早期的c ai 是由“程序教学”发展而来的，其创始人是行为主 义心理学家斯金纳，他认为学生的学习行为是可以改变的塑造的，只不过在学 习过程中对学生的行为反应要给予大量的强化。只要安排好强化就可以随意塑 造一个有机体的行为【l ”。为了提供学习过程中的强化，斯金纳把学习过程分成 许多很小的步子，这一系列很小的步子即为一个关，通过每一个很小步子的强 化，从而达到塑造学生行为的目的。在计算机辅助教学发展的初期，其理论基 础也就不可避免地要打上行为主义学习理论的深刻烙印。在c a j 课件设计中， 基于框面的、小步骤的分支式程序设计，多年来一直成为c a 课件开发的主要 模式。 2 1 2 认知主义学习理论 第二阶段是以认知主义学习理论作为理论基础，时间是从7 0 年代末至8 0 年代末，这是计算机辅助教学的发展阶段【1 2 】【1 4 l 。经过二十多年的论战，在心 6 武汉理工大学硕士学位论文 理学领域里行为主义已逐渐退出历史舞台，到7 0 年代末和8 0 年代初，认知心 理学已开始占据统治地位，在计算机教育应用中其理论基础也顺理成章地由行 为主义学习理论转向认知学习理论。认知学理论认为人的认识不是由外部刺激 直接给予的，而是由外部刺激和认知主体内部心理过程相互作用的产物。在c a i 课件设计中，人们开始注意学习者的内部心理过程，开始研究并强调学习者的 心理特征与认知规律。不再把学习看作是对外部刺激而被动地做出的适应性反 应，而是把学习看作是学习者根据自己的态度、需要、兴趣、爱好，利用自己 的原有认知结构，对当前外部刺激所提供的信息主动做出的、有选择的信息加 工过程。这一时期将认知学习理论应用于c a i 的著名学者是安德逊( a n d e r s o n ) 。 他于8 0 年代初期根据认知学习理论提出一种思维适应控制方法( a d a p t i v e c o n t r o lo f t h o u g h t ，简称a c t ) ，该方法强调高级思维的控制过程，试图揭示思维 定向与思维转移的控制机制和控制原则，安德逊将这种方法应用于建造认知型 学生模型，以实现对学生求解几何问题思维过程的自动跟踪与控制，并取得很 大的成功。 2 1 3 建构主义学习理论”巧 第三阶段是以建构主义( c o n s t r u c t i v i s m ) 作为理论基础，时间是从9 0 年代初 至今，这是计算机辅助教学的成熟阶段【1 2 】【1 4 1 。建构主义的最早提出者是瑞士 的皮亚杰( j p i a g e t ) ，他是认知发展领域最有影响的位心理学家，他所创立的关 于个体认知发展的学派被人们称为日内瓦学派。他坚持从内因和外因相互作用 的观点来研究个体的认知发展【1 2 】【2 l 。他认为，学习者是在与周围环境相互作用 的过程中，逐步主动地建构起关于外部世界的知识，从而使自身认知结构得到 发展。由于个体的认知发展与学习过程密切相关，因此利用建构主义可以比较 好地说明人类学习过程的认知规律。建构主义学习理论的基本观点认为，知识 不是通过教师传授得到，而是学习者在一定的情境即社会文化背景下，借助其 他人( 包括教师和学习伙伴) 的帮助，利用必要的学习资料，通过建构意义的方式 而获得。建构主义学习理论强调以学生为中心，认为“情境”、“协作”、“会话” 和“意义建构”是学习环境中的四大要素1 2 。 ( i ) 情景：学习环境中的情景必须有利于学生对所学知识的意义建构。在 建构主义学习环境下，教学设计不仅要考虑教学目标分析，还要考虑如何创建 武汉理工大学硕士学位论文 有利于学生建构意义的情景。 ( 2 ) 协作：发生在学习过程的始终，对学习资料的搜集与分析、假设的提 出与验证、学习成果的评价以及意义的建构均有主要作用。 ( 3 ) 会话：会话是协作过程中不可缺少的环节。学习小组成员之间必须通 过会话商讨如何完成规定的学习任务、计划。此外，协作学习过程也是会话过 程，在此过程中，每个学习者的思维成果( 智慧) 为整个学习群体所共享，因此会 话是达到意义建构的重要手段之一。 ( 4 ) 意义建构：所要建构的意义是指事物的性质、规律、事物之问的内 在联系。在学习过程中帮助学生建构意义就是要帮助学生对当前学习内容所反 映的事物的性质、规律以及该事物与其它事物之间的内在联系达到较深刻的理 解。这种理解在大脑中的长期存储形式就是关于当前所学内容的认知结构。由 于意义的建构是在一定的情景下完成的，所形成的认知结构是有背景的，因此， 意义的建构要加强知识的抽象性和概括性，形成结构化知识，以利于完成知识 的迁移。 建构主义学习理论提倡在教师指导下的以学习者为中心的学习，即强调以 学生为中心，它不仅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。而且要求教师要由知识的传授者、 灌输者转变为学生主动建构意义的帮助者、促进者。 建构主义认为，学生要成为意义的主动建构者，必须在学习过程中从以下 几个方面发挥主体作用1 2 1 e 1 3 】： ( 1 ) 用探索法、发现法去建构知识的意义。 ( 2 ) 在建构知识意义的过程中主动去搜集并分析有关的数据和资料，对所 学习的问题要提出各种假设并努力加以验证。 ( 3 ) 要把当前学习内容所反映的事物尽量和自己已经知道的事物相联系， 并对这种联系加以认真的思考。 ( 4 ) 通过创设符合教学内容要求的情境和提示新旧知识之间联系的线索， 帮助学生建构当前所学知识的意义。 ( 5 ) 教师应在可能的条件下组织协作学习，并对协作学习过程进行引导使 之有利于意义建构的方向发展。 武汉理工大学硕士学位论文 2 1 4 小结 由以上分析可以看出，利用建构主义可以较好地说明人类学习过程的认知 规律，即能较好地说明学习如何发生、意义如何建构、概念如何形成，以及理 想的学习环境应包含哪些主要因素等等。它强调学习是建构意义的过程，强调 学习的非结构性和具体情境性以及学习中的社会性相互作用，重视协作化学习 和交互式教学在学习中的作用。由于计算机技术、网络技术、多媒体技术和人 工智能技术的飞速发展，为利用建构主义学习条件下的教学设计，完善传统教 学设计的不足提供了技术支持，被认为是革新传统教学的理论基础。这也是我 们选择建构主义作为本系统开发的学习理论基础的意义所在。 2 2 认知学理论在i c a i 中的应用 前面我们已经提到了认知学习理论，需要特别指出的是根据美国著名教育 心理学家布卢姆( b s b l o o m ) 的理论，教育目标应该包括认知能力、动作技能和 情感，其中认知能力的目标根据智力活动的复杂程度分为6 个等级1 1 3 j 【1 5 】【1 6 】【1 7 】： ( 1 ) 识记：记忆、回忆或重复以前呈现过的信息的能力，也就是知识保持 能力。 ( 2 ) 理解：表示学生对本知识达到较为深刻的认识，能将其系统化和内在 化，能用自己的语言来解释所获得的信息的能力。 ( 3 ) 应用：将知识( 概念、原理或定律) 应用于新情况的能力，学生可以在各 种特定的具体的情况中使用本知识点所论述的抽象概念、原则和理论。 ( 4 ) 分析：把复杂的知识分解为若干个独立的部分，并认识各部分之间关 系的能力。 ( 5 ) 综合：将有关的知识元素综合起来，形成新知识或新模式的能力。 ( 6 ) 评价：学生在对知识进行高级认知的基础上( 包括分析、综合) ，能够对 具体的知识以及知识外化形式的事实、思想和方法做出科学的价值判断，根据 已有知识或给定的标准对事物做出评价和鉴定的能力。 上述六个等级的认知能力划分是按智力活动从简单到复杂和从具体到抽象 的程度依次递增的，其中识记和理解属于较简单的低级认知能力，应用、分析、 9 武汉理工大学硕士学位论文 综合和评价属于比较复杂的高级认知能力。 为了使计算机能了解学生的认知特点，需要用适当的数据结构来描述认知能 力，这就不仅需要解决认知能力的表征问题，而且还要进一步解决认知能力的 定量评估与测量问题。在i c a i 系统中，为了解决以上问题，我们需要在学生模 型上做文章，在随后第四章有关学生模型的分析设计中，学生认知模型和学生 认知能力评价模型的提出就是认知学理论在i c a i 系统中应用的最好例证。 2 3 个性化教育在i c a i 中的应用 个性化教育承认学生在家庭背景、生理、智力、情感、性格等方面存在的 差异性，教学只有适应这种差异才能使每个学生得到最充分的发展。也就是说， 教师应去了解每一个学生的背景、兴趣爱好、学习强项等，从而确定最有利于 学生学习的教学方法与策略。显然对于传统的c a i 系统实现起来是困难重重的。 而个性化教育理论在i c a i 系统中得到了很好的应用，可以说i c a i 系统为个性 化教学提供了现实有效的实现途径和条件。本论文中i c a i 系统的学生模型尽可 能的记录了学生的相关信息，除了传统的基本信息和学习历史情况外，特别加 入了学生的学习背景、生理、性别、性格等因素，另外还加入了学生认知能力 模型，充分显示了每个学生自己的学习水平，根据学生的认知能力做到因材施 教。 2 4 教育测量、评价理论在l e a i 系统中的应用 测量与评价是教学的一个重要环节，通过测量和评价我们才能获得学生的学 习情况，而后相应的组织教学过程。我们常用的测验( t e s t ) 这一术语，既指测量 ( m e a s u r e m e n t ) ，又指评价( e v a l u a t i o n ) 。其实，这三个术语有着不同的含义。测 验是测量一个行为样本的一种系统程序，一个测验即是一种测量工具或测量表。 教育测量借助测量工具或测量表进行【1 ”。测量的对象是学生的属性而不是学生本 身。测量按其特征不同可以分为四种量表：称名量表、顺序量表、等距量表、比 率量表 1 6 1 。 称名量表( n o m i n a ls c a l e ) 将物、人或地方的特征分成独立的组，并可赋予 1 0 武汉理工大学硕士学位论文 每组一个数字，此数字仅用于识别。例如，我们可以把某一性别的成员定义为0 ， 而把另一种性别的成员定义为1 0 ，这只是出于识别的目的。如果所有学生都是 1 0 只是用于识别，它并不意味着这一性别的人比那些用0 表示的性别的人更高 级。 顺序量表：( o r d i n a ls c a l e ) 可以对品质、属性或特征进行等级排歹，但各等 级之间的差异并不均等。许多教育和心理上的测量都是有顺序的如字母评分 等级和大多数等级。 等距量表：( i n t e r v a ls c a l e ) 所测量的属性在连续的类别之间的差异是相等 的。 比率量表：( r a t i os c a l e ) 有等距特征，并且有绝对零点。 评价：是指根据各种观察或评价者自身背景及所受训练而做出有价值的判断 或决策的过程。或者更通俗的说，评价是对测验分数进行估计，并进一步根据这 种估计做出决定。评价的结果可以用一个形容词、一个短语或一句评语来表示。 评价要回答的问题是：“某生在某门学科中的成绩好到什么程度。”【l 8 】 在i c a i 系统中，学生模型中要记录学生学习测验的情况，通过评价分析出学 生各方面的学习能力以及领域知识的掌握程度，可以说这过程是可以发生在学 习的开始、学习的结束或学习的过程之中。如果是在学习开始时进行测试，可以 了解学生的原有知识水平，结合学生学习的历史记录便可以对学生的知识水平和 能力进行估测，为学生提供适当的教学策略和学习内容；如果是在学习过程中进 行测试，主要是做针对性的测试题，通过测试达到发现薄弱环节巩固性练习的目 的；在学习结束时进行测试，主要是对学生学习结果的成就性检测，检测学生是 否达到预期的教学目标要求。由此我们可以看出，在i c a i 系统中，测试和评价是 非常重要的一个环节，因为它是系统了解学生学习能力、认知能力的重要依据， 没有这个依据系统就很难区分不同的学生学习需求，更谈不上个别化适应性教学， 也就不能称之为智能化辅助教学系统了。论文的第四章中我们将具体介绍如何应 用测量评价理论实现系统学生模型中的认知能力评价模型。 武汉理工大学硕士学位论文 第3 章i c a i 系统的研究 3 1 系统功畿和构成 智能教学系统应该具备3 w 功能，即教什l , ( w h a t ) 、受教育者是谁( w h o m ) 以及如何教f h o w ) 【1 9 1 。一个完整的i c a i 系统应具备下列功能： ( 1 ) 将教学内容与教学策略分开，根据学习者认知状态，通过智能系统的 搜索与推理，动态生成适合于个性化教学的内容和策略； ( 2 ) 通过智能诊断机制判断学习者的学习水平，分析学习者产生错误的原 因，同时向学习者提出更改建议和进一步学习内容的建议： ( 3 ) 为教师提供友好的教学内容、测试内容的维护界面，使教师无须改变 软件的结构就可以调整教学策略； ( 4 ) 具有自然语言理解能力，允许学生用自然语言与计算机进行人机对话， 并能对带有学生个性特点的问题做出解答，从而具备更好的交互能力： ( 5 ) 自动生成各种问题与练习。 根据上述功能要求，一般而言，智能教学辅助系统由知识库、教师模型、学 生模型以及人机接口等要素构成。其中，知识库存储i c a i 系统的知识，教师模 型提供教学策略和学习方法，学生模型记录学生学习状况和认知状态。系统的 构成见图3 - 1 人- 一教师模型卜知 机 i 识 接库 口 叫粒劁卜一 图3 1 i c a i 系统结构 武汉理工大学硕士学位论文 为实现上述功能，最主要的依据在于如何建立学生模型和对学生的学习进行 错误诊断。因为，只有建立了准确的学生模型，才能有的放矢，真正实现个别 化教学。另外，一个优秀的教学系统，应能准确的分析出学生错误的症结所在， 进而提出新的教学策略。而自然语言，尤其是汉语，一是不具备上下文无关的 文法规则，而是有模糊的语义出现f l9 】，所以目前不论是在理论基础上，还是在 实现手段上对语法分析和语义生成都有一定的困难。根据上述分析结合i c a i 系 统研究的进度，本论文将只介绍领域知识库与学生模型的建立。 3 2 知识库 知识库存储所要教的学科领域知识和教学知识。它的作用是组织教材、存 放和管理学科领域知识，如要教给学生的课程知识、教材重点、各部分的联系、 参考资料等。可以把它分成两部分，一部分是事实性知识，指教学领域中基本 概念等常识性知识；另一部分是规则性知识，表示知识的推理规则。知识库是 在数据库中应用了人工智能的知识表示与处理技术后的一种知识处理系统。但 它又不同于一般的数据库，它主要是对知识进行存储与管理，与数据库的处理 对象不同。 3 2 1 知识点的概述 知识是人类进行一切活动的基础，是人们对于可重复信息之间联系的认知， 它是信息经过加工整理、挑选和改造而形成的，所以知识是被认识了的信息和 信息之间的联系【2 0 】。认知心理学认为，知识是围绕一些关键的概念而组成的网 络组织，其中包括各种事实、概念和命题【2 l l 。在这里所研究的知识是能使计算 机具有智能的知识，在i c a i 系统中，要建立完整的知识模型，就需要准确合理 地描述学科知识，首先要根据学科特点，对学科知识进行分解和归类，方便起 见，我们把学科知识分解为一系列的知识点，它主要描述教学领域知识的完整 的教学单元。 描述教学领域知识的完整的教学单元称为知识点。知识点包括原子知识点 和复合知识点。不能再划分，或者再分就不完整的知识点称为原子知识点，系 武汉理工大学硕士学位论文 统中我们就简称为知识点。知识点必须由教学专家根据学科的特点和实际教学 特点来进行系统、科学的划分，划分基本原则是保证知识内容的局部完整性【l ”， 而知识点的大小则可根据教学内容的需要来确定。例如，章可划分为一个大的 单元级的知识点，其中一节的内容又可细化为较小的知识点，一节中的定义、 定理等还可以划分为更小的知识点。不同知识点可以作为不同学习阶段的基本 单位，因而能满足系统的基本要求。当然，对于知识点的划分并非越详细就越 能增强系统能力，只要利于有效组织知识便于教学就可以了。 3 2 2 知识点间的关系 由知识点定义可见，一门学科的教学内容由一定数量的知识点组成，教学 内容的组织应该能够体现该学科知识的体系结构，并满足系统教学过程的需要， 为此我们需要研究知识点之间的关系【l ”。现实中的知识是具有领域性，专业性， 继承性等一系列特性的。知识的这些特性决定了知识具有一定的层次结构和关 联关系。例如：一个章节型知识点可分解为若干个概念知识点；一个概念型知 识点可能是另一个概念型知识点的特例，即后者具有前者的所有特性；一个知 识点的学习过程直接依赖于若干知识点的学习过程，要掌握一个知识点的内容 可能需要先掌握若干个知识点的内容，而这个知识点有可能是另外若干知识点 的前提等。可见，知识点之间的关联关系是复杂的，知识点间的联系不是完全 线性的，一般习惯用树状结构或网状结构将知识点组织起来。 我们认为，知识点之间有这样几种关系： ( 1 ) 依赖关系( 前驱和后继) 【2 l l ：如果知识点a 的学习过程依赖于知识点 b 的学习的完成，则称a 依赖b ，或者说b 是a 的前驱，a 是b 的后继。用定 义表示这种关系，即两个知识点a ，b ，若a - - ) b 而没有b - ) a ，则称a 是b 的 前驱，b 是a 的后继。前驱和后继体现了知识学习的序列性。 ( 2 ) 继承关系【2 l j ：如果两个不同的知识点a 和b ，b 具有a 的所有特性， 则说b 继承了a 。用定义表示这种关系，即两个知识点a ，b ，若b c a ，则称b 继承了a 。继承关系体现了知识的细分。 ( 3 ) 分解关系：一个知识点b 是另一个知识点a 的直接分解项。用定义表 示这种关系，即b 是a 内容的一部分，并且不存在不同于b 和a 的知识点c ， 使得b 是c 的直接分解项和c 是a 的直接分解项同时成立。分解关系体现了知 1 4 武汉理工大学硕士学位论文 识间整体与部分的关系。 ( 4 ) 相关关系：在内容或逻辑上存在相关性的知识点互为相关的关系。相 关关系反映了知识点是从不同的侧面、不同的角度、不同的范畴围绕某一局部 领域知识阐述的，它们所描述的内容是紧密联系的。 ( 5 ) 参考关系【2 2 】：一个知识所涉及的领域知识与其他知识有关，学生感兴 趣可以参见其他知识。这些知识点通常有部分或全部相同的主题词，但它们的 依赖关系是不明确的。 特别要说明的是：依赖关系与继承关系有相似之处，继承关系中子知识点依 赖与父知识点，依赖关系中后继知识点依赖前驱知识点；但也有不同之处，继 承关系处于上下层关系，父知识点通常多为导言和总结性质的知识点，而依赖 关系中只是指明前驱知识点必须要先学习，强调的只是个时间概念。参考关系 的知识点未必出现在本学科的教学内容中，更多的情况下只是一种教学参考和 辅导。 3 2 3 知识点的描述 为了实现智能化教学，必须预先建立学科知识的种类、难度、重要程度、 和相互之间的关系等多种信息，为此一般会将知识点用一个几元组来表示，例 如将知识点形式化定义为： k p 2 k p i d ，k p t i f l e ，k p t y p e ，k p l e v e l ，k p d ，k _ p i ，r e l a t i o n k p i d ：知识点的编号； k p t i f l e ：知识点的主题； k p t y p e ：知识点类型； k p l e v e l ：知识点所属级别； k p d ：知识点的难度； k p i ：知识点的重要程度； r e l a t i o n ：存在的关系类型 3 2 4 知识树 一般来说，一门课程的教学内容所对应的知识由若干个知识点构成，这些 武汉理工大学硕士学位论文 知识点分布在各个章节中，这实际上就是采用一种分层结构压缩细节来划分旧j ， 将内容上关联紧密的节点压缩成一个大节点，当用户查找相关联的节点时，再 将大节点释放，用户可以从大到小