个性化计算机辅助教学系统研究与实现

殷锋社

（陕西工业职业技术学院 陕西 咸阳 712000）

目前，随着Internet的发展，国内的网络教学平台不断地涌现，但许多系统缺少必要的个性化和智能性，造成了教学质量不高的结果。智能教学系统 （Intelligent Tutoring System，简称ITS）[1]是解决以上问题，并实现个性化教学的有效解决方案。它是以认知科学为理论基础，综合利用人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一种对学生实施有效教学的技术。

1 CAI和PCAI特点

1.1 CAI特点及缺陷

传统的计算机辅助教学CAI[2-3]设计过程：对课程进行目标分析，构成学习目标的层次结构；然后对各目标的学习任务展开画面（帧）设计，每个画面可包含课文解释、提问、与提问相对应的学生应答以及反馈信息等；将这些画面按一定的教学逻辑连接起来，形成课件（Courseware）。这种由设计者预先固定结构而形成的课件称为刚性面向画面的CAI系统。传统CAI课件的缺陷可以概括为：缺乏适应能力、缺乏交互能力、缺乏创造能力和缺乏纠错能力。

1.2 PCAI定义及特点

个性化计算机辅助教学[2-3]（PCAI）就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。它将教学内容与教学策略分开，根据学生认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略；通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议以及进一步学习内容的建议；通过对全体学生出现的错误进行分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议；为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略；通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。一般认为，只要具有下列一个或几个特征的CAI系统，就可以称之为PCAI[4]系统：

1）能自动生成各种问题与练习；

2）根据学生的学习水平与学习情况选择与调整学习内容和进度；

3）在了解教学内容的基础上自动解决问题，生成解答；

4）具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性；

5）对教学内容有解释咨询能力；

6）能诊断学生错误、分析原因并采取纠正措施；

7）能评价学生的学习行为；

8）能评价教师的教学行为。

2 PCAI系统的实现

本文在已有的公共基础课程 《计算机应用基础》的CAI系统基础之上，着手研制和实现该课程的PCAI系统。以下将该PCAI系统实现的模块框架、核心技术及其显著特点等进行描述和介绍。

2.1 模块框架[5]

系统应该具有如下功能：1）具备某学科或领域的知识；2）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；3）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。因此，实现的PCAI系统模块框架[1，7]如图 1 所示。

图1 PCAI系统实现的模块框图Fig.1 Block diagram of PCAI system implementation

各模块功能描述如下：

1）教学资源库 作为个性化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，其他教学资源，如题库、课件、素材等，均依据它来组织管理，这将使学生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。

2）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该学生对教学资源和技能的掌握情况。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。

3）教师模型 该模块可以看作个性化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，前者用于确定教学内容，后者用于确定教学策略。

4）智能接口模块 该模块实际上是系统与学生之间起交互作用的部件，它除了提供学生信息的输入与注册外，还实现了学生与系统之间的通信功能。与之相关的技术有自然语言处理、人机对话内部处理、知识库系统化维护、学生模型初始化、教师模型自适应调整等。

2.2 核心技术——认知型学生模型[1，8]

常见建立学生模型的2种方法为：

1）覆盖模型（Overlay Model）表示学生知道什么、不知道什么的学生模型。它把学生的知识描述为领域知识模块中专业知识的一个子集，能告诉学生什么是错误的以及应该如何改正。

2）偏差模型（Buggy Model）表示学生正确的和错误的知识的学生模型。它不是把学生的知识看成是领域知识中专业知识的子集，而是把它看成是对专业知识的偏差，故它还能发现导致学生错误的原因——不正确的知识。

在PCAI系统模型中，学生模型的主要作用：一方面是登录学习者的个人信息，例如学号、姓名、性别等；另一方面是准确反映学生的知识水平、学习能力等，为个性化教学提供依据。PCAI是以认知论为基础的，但以上2种学生模型只能反映学生的学习水平，忽略了认知能力在学习过程中的重要作用，不能反映学习者的认知能力怎样以及处于什么阶段，而这一点无论对学生还是对老师都是很重要的。

认知能力是一个人用于支配自己学习、记忆和思维的能力，在很大程度上表现了一个人分析问题和解决问题的能力。基于认知理论，运用人工神经网络（ANN）中的反向传播模型（BP模型），建立能反映学生学习水平和认知能力的认知型学生模型。在BP模型的输入中选取布鲁姆[9]所提出的认知活动的5个级别：1）记忆能力；2）理解能力；3）应用能力；4）分析能力；5）综合能力。即系统中对学生认知能力评价的指标集U1，可定义为U1={记忆能力，理解能力，应用能力，分析能力，综合能力}，对应元素 U1={u11，u12，u13，u14，u15}；相应的评语集V可以定义为V={优秀，良好，中等，及格，较差，差}，对应元素 V={v1，v2，v3，v4，v5，v6}，分别表示学生成绩为 90≤v1≤100；80≤v2≤90；70≤v3≤80；60≤v4≤70；40≤v5≤60；0≤v6≤40。在学习兴趣方面，评价的指标集U2定义为U2={对本课程的学习兴趣}，对应元素U2={u21}；相应的评语集V可定义为V={很有兴趣，有兴趣，比较有兴趣，兴趣一般，不太有兴趣，没有兴趣}，对应元素 V={v1，v2，v3，v4，v5，v6}， 相应的分值为 90≤v1≤100；80≤v2≤90；70≤v3≤80；60≤v4≤70；40≤v5≤60；0≤v6≤40。

认知型学生模型的设计和应用思想是：为教学内容的各个测试单元中的概念节点赋予认知类型和难易程度，同时预估学生认识能力的初值。学生对某一测试单元的概念或题型进行测试后，PCAI系统对学生的认知能力进行修正，根据难度，答对加分，答错减分，根据BP算法得到学习者经一次学习后5项认知类型的修正值，再根据学生认知能力由推理机按推理规则选取相适应的概念点，继续对学习者进行教学。相应的教学内容和策略推理机的实现过程是：根据认知型学生模型提供的信息，采用产生式系统来智能化地推理生成不同的教学内容和策略。其形式表现为：IF<学生水平表达式>THEN<生成新教学内容和策略>。示例如下：IF（知识表示概念）=（差）THEN（复习前导课程，讲解概念）IF（知识表示概念）>=（及格）AND（知识表示法应用）=（差）THEN（复习概念、讲解辅助知识、示例典型应用）…整个教学内容和策略的生成过程就是一个推理机的推理过程，它利用学生水平的表示值根据上述产生式系统中相应的推理规则进行推理，生成下一步的教学内容和策略。在教学过程中，由于此过程是不断地重复，并对学生认知能力进行修正，如此下去，学生每学习一次，认知能力评价值就修改一次，最终通过BP算法逐步逼近学生认知能力的标准值。

2.3 系统的显著特点

该PCAI系统用于教学具有如下显著特点[10]：1）基于认知理论进行设计，使课件具有一定的自适应能力；2）提高了学生的学习兴趣，引导学生进入一个主动的、高效率的学习环境；3）特别有利于个别化教育，因材施教；4）既改善了教师的教学效果，又提高了学生的学习效率。

3 结束语

对传统CAI进行改进，提出了基于推理引擎的个性化教学系统，使系统自适应能力提高，具有智能导向。该系统实现了教学资源共享、师生教学的互动、为学生提供了自主开放的学习环境，提高了教学效率和效果。但随着虚拟现实技术的出现（由多媒体技术与仿真技术相结合而形成的一种交互世界），个性化教学是创新教育和现代教学理论发展的必然要求。

[1]殷锋社.基于推理引擎的个性化计算机辅助教学系统的研究与实现[D].西安：西安交通大学，2008.

[2]刘炜，朱学增.ICAI的研究和发展概况[J].计算机应用，1994，14（5）：17-20.LIU Wei，ZHU Xue-zeng.ICAI’s research and development overview[J].Computer Applications，1994，14（5）：17-20.

[3]周竹荣，张小真.ICAI与超文本的综合集成[J].计算机研究与发展，1998，35（8）：699-704.ZHOU Zhu-rong，ZHANG Xiao-zhen.ICAI and the comprehensive integration of hypertext[J].Computer Research and Development，1998，35 （8）：699-704.

[4]宋云娴，白鹏.智能教学系统设计与实现[M].北京：电子工业出版社，1995.

[5]焦加麟，徐良贤，戴克昌.人工智能在智能教学系统中的应用[J].计算机仿真，2003（8）：49-51.JIAO Jia-lin，XU Liang-xian，DAI Ke-chang.Artificial intelligence in the intelligent tutoring system[J].Computer Simulation，2003（8）：49-51.

[6]蔡自兴，徐光佑.人工智能及其应用[M].北京：清华大学出版社，2004：137-148.

[7]徐英卓.基于多智能体和CSCW的协同网络教学系统[J].计算机应用，2003，11（23）：112-114.XU Ying-zhuo.Multi-agent and CSCW-based cooperative network of teaching[J].Computer Applications，2003，11 （23）：112-114.

[8]黄橡丽，冯报祥，王兵.基于Internet的ICAI系统的设计与实现[J].天津工业大学学报，2002，21（1）：42-44，48.HUANG Xiang-li，FENG Bao-xiang，WANG Bing.Design and a complishment of a internet bused ICAI system[J].Journal of Tianjin University of Technology，2002，21（1）：42-44，48.

[9]欧薇，黄君羡.CAI课件的智能化发展[J].广东交通职业技术学院学报，2004（11）：154-156.OU Wei，HUANG Jun-xian.The intelligent development of CAI[J].Journal of guangdong communication Polytechnic，2004（11）：154-156.

[10]王萃寒，赵晨，余飞扬，等.智能计算机辅助教学系统的实现研究[J].计算机工程与科学，2003，25（3）：83-85，89.WANG Cui-han，ZHAO Chen，XU Fei-yang，et al.On the implementation of ICAI systems[J].Computer Engineering and Science，2003，25（3）：83-85，89.