论计算机辅助教学智能化

□文/张 天

（河北联合大学 河北·唐山）

计算机辅助教学的智能化源于20世纪五十年代后期。英国数学家图灵在“计算机器与智能”一文中提出了著名的图灵测试，用来测试一台机器有无智能。当时，麦卡锡和纽厄尔等人认为机器能够像人一样思考的时代已经近在咫尺，实现这一目标的主要问题只是需要创建更大的、运算速度更快的计算机。如果机器能够像人一样地思考这一命题成立，就可以据此提出一个合理的假设：人们能够制造出聪明的机器，它能够执行需要人类思考才能完成的复杂任务，例如开展教学。计算机辅助教学的智能化研究正是基于这样的假设，从20世纪五十年代至今，在计算机科学、教育科学、认知科学等学科专家的不懈努力下取得了不少成果。

普莱西于1924年发明了第一台教学机器，但是直到20世纪五十年代，哈佛大学心理学家斯金纳把他研究的操作条件反射和积极强化原理成功地运用到教学机器上，在美国军队中进行应用并取得了良好的教学效果，使程序教学获得社会的承认并有了很大的发展，才导致了教学机器和程序教学的兴起。程序教学（PI）就是将教学内容按一定的逻辑顺序分解成若干小的学习单元，编制成教学程序由学习者自主学习。程序教学具有小的学习步骤、自定学习进度、积极反应、即时反馈等特点，综合使用比单个使用某种能产生更好的记忆效果，从而改善学习。如果将视、听觉和做结合起来，那么学习效果会有更大的提高。通过多媒体条件下个性化学习环境的创设，智能教学系统能够有效地支持学生看、听和做，从而提高学习效率。但智能教学系统也存在着一些难以解决的问题，例如，如何让学生从被动地接受教学转为主动的建构式学习；如何根据学生的需求和教学目标，实现学习者和教学系统之间有效的知识通讯；如何在网络环境下有效地支持个别化学习、协作学习和探究学习等。此外，智能教学系统的开发需要领域专家、知识工程师、教学专家的通力合作，开发难度大。由于人工智能技术自身的局限，当前智能教学系统的智能化程度并不令人满意。

20世纪九十年代以来，计算机多媒体技术、网络通信技术以及人工智能技术的发展，为基于建构主义学习理论的多媒体教学环境的构建提供了有效的技术支持，数字化学习（e-Learning）迅速成为人们崇尚的一种学习方式。但是，在网络环境下，教学材料的选择和组织往往缺乏系统的设计，容易造成数字化学习者的认知超载和网络迷航。为了提高网络学习效率和学习质量，一些智能教学系统的研究专家开始转向网络环境下的适应性学习支持系统研究。

在学习过程中，学习者个体具有很大的差异性，具体表现在个人的能力、背景、学习风格以及学习目标等各个方面。即使是个体本身，在学习过程中其知识状态也是在不断变化和发展的。适应性学习支持系统（ALSS），是针对个体学习过程中的差异性而提供的适合个体特征的一种支持学习的系统。适应性学习支持系统本质上是一类个别化的学习支持系统，它能够提供一个适应用户个性化特征的用户视图，这种个性化的学习视图不仅包括个性化的资源，而且包括个性化的学习过程和策略。适应性学习支持系统提供对不同学习者个别化需求的适应，包括学习诊断、学习内容、自主选择学习策略等。对于相同的学习内容，该系统可以为不同的学生提供不同的学习方式。不同的学习者通过适应性学习支持系统学习同样的知识，会有不同的学习路径、学习策略和学习内容。

换言之，适应性学习支持系统提供的学习是个别化的、因人而异的，是符合学习者个人学习情况的。在其支持之下，学习者能够以更快的速度，更加有效地进行学习。由于学习者在适应性学习支持系统中不仅可以进行个别学习，而且可以开展在线的协作学习、探究式学习等多种学习方式，适应性学习支持系统已经超越了作为传统意义上的辅助教学的工具，而是作为认知工具、协作交流工具和情感激励工具，可以作为导师、学习伙伴和学习工具。

近年来，我国不少学者开始对适应性学习支持系统进行研究，例如开放的、通用的适应性学习支持系统外壳A-Tutor；基于教师经验性知识的适应性学习系统在中小学校的应用，等等。智能教学系统的主要特点在于能够针对不同学生进行因材施教，但由于该类系统过于强调理想化的教育，生硬的界面和过多的程序控制往往无法激发学习者学习的主动性或维持学习者的学习兴趣，因此，它的实现和应用受到了较大的限制。计算机作为教师，监控学生学习过程，执行错误诊断和生成提示信息采用知识表示技术，教学内容由系统自动安排多媒体，主要由文本构成、辅以图片、动画、声音适应性学习支持系统开放的网络学习环境下自主学习、协作学习、探究学习。计算机作为学习伙伴，或作为认知工具、协作和交流工具、情感激励工具由多媒体、超媒体构成，采用适应性超媒体、超文本系统综合了生成性CAI和面向帧的CAI的设计思想，并规定了问题的描述格式，系统据此生成参数，然后在数据库里查询正确的答案。

卡内基梅隆大学卡波纳尝试将人工智能（AI）技术应用于CAI系统，并设想了这样一种教学系统。该系统有一个包含教学主题材料和授导教学规律的知识库，能够用自然语言与学生对话，能够以自然的方式从它的通用知识库里面生成问题和反馈。卡波纳按照上述设想建立了第一个智能化的地理教学系统SCHOLAR，它采用语义网络知识表示，建立了覆盖学生模型，能够自动生成教学材料和问题，也是第一个能够用自然语言与学生交互的系统。SCHOLAR的出现标志着智能计算机辅助教学（ICAI）的开始。

在智能教学系统中，学生主要通过问题解决的方式学习，这些问题都是经过恰当选择的，能够为学习者提供良好的学习经验。哈特利和史利曼认为智能教学系统必须提前考虑三个方面的知识：第一，系统通过评估学生已有的知识基础，建立起学生模型；第二，系统考虑到学生需要学习什么，建立起领域专家模型；第三，系统还必须决定下一步应该教学生学习哪一个教学单元，怎么呈现教学内容，即具备教师模型。系统在上述基础上选择或生成一个问题，并通过专家模型生成该问题的解决方案。智能教学系统时时比较学生的解答与计算机的解答，并诊断两者的差异。针对学生是否已经接受了系统提供的学习建议，系统还会提供进一步的反馈。当反馈循环结束后，智能教学系统会更新学生的技能记录（一个关于学生知道什么和不知道什么的记录）、学习进度标识，从而更新了学生模型。然后系统又开始新一轮的循环，选择或生成一个新问题。从领域知识、学习者知识、教学策略知识的视角，对程序教学系统、计算机辅助教学系统、生成性CAI系统以及智能教学系统进行考察，不难看出它们的差异所在。

程序教学系统是基于教学机器和教学程序来实现教学的，计算机辅助教学系统则是利用计算机代替或辅助教师执行部分或全部教学任务，它们都将领域知识和教学策略事先静态地绑定在一起，后者虽然可以根据学生回答问题的正确与否来选择不同的学习分支，但还是没有建立独立的学生模型。

生成性CAI系统针对传统CAI系统难以实现因材施教的局限性，将教学内容和教学策略分离，开始考虑学生的心理认知过程，为此而建立了学生模型，并能根据学生模型动态地生成问题。但这里的学生模型主要记录学生的行为反应，而不是跟踪学生的知识状态。智能教学系统则建立了更为完善的学生模型，不仅可以记录学生认知风格和认知基础，还能动态地跟踪学生的知识状态。在这里，领域知识可以采用多种表示方法，如语义网络、产生式规则、框架等，系统将根据学生模型动态地生成教学内容，选择相应的教学策略。可见，智能教学系统的主要特点在于：采用人工智能（AI）的知识表示方式来表示领域知识；建立了能够动态更新的学生模型，有利于系统了解教学对象；预先定义了知识和推理规则，而不是由程序控制固定的教学序列；提供了详细的错误诊断，以及更为友善的人机交互。■