双主型ICAI系统的学生模型设计

侯冬青

(咸阳师范学院 教育科学学院, 陕西 咸阳 712000)

0 引 言

我国目前正在进行的教育改革十分重视对学生的素质教育, 素质教育的目标是使全体学生形成较合理的知识结构和能力结构, 能力培养是素质教育的重点。计算机辅助教学(CAI： Computer Assisted Instruction)技术的诞生, 将素质能力的培养推上了一个新台阶。随着CAI技术的不断发展, 如今已经尝试将网络技术、 人工智能技术引入到CAI的设计中, 形成智能计算机辅助教学(ICAI： Intelligent Computer Assisted Instruction)。ICAI是具有因材施教和个别指导特征的智能教学系统, 能提高教学系统的科学性、 灵活性和个别化程度, 在因材施教方面比CAI更进一步, 是CAI发展的新方向。我国目前对ICAI的研究尚处于起步阶段, 近几年关于ICAI的报道研究多为综述性文章, 对ICAI系统的设计与开发研究报道较少。

笔者对ICAI的设计一方面着眼技术实现的可行性； 另一方面指出ICAI的理论基础、 教学模式、 学生模型和教学策略等与教学实践密切相关, 以期在以后ICAI的研发中更加重视对ICAI教学过程的研究。使ICAI早日走出实验室, 在实际教学中发挥其高效性和智能性, 激发学生的学习兴趣和动机, 以获得更好的学习效果。

1 ICAI的概念阐释

ICAI系统利用学生模型、 知识库和教师模型等模块, 帮助教师实现因材施教和进行有针对性的指导。它是以认知心理学理论为基础, 将人工智能技术应用于CAI系统中, 以存储某一领域知识和对应的教学策略的计算机和网络为媒介, 对学生进行个别学习指导, 并根据每个学生对于知识掌握和理解的程度, 自动选择教学策略、 调整教学速度, 能与学习者进行自然语言交互的教学软件。

2 双主型的ICAI系统的主体设计

将该系统设计为基于网络的双主型ICAI系统, 学生模型和教师模型是ICIA系统两个最关键的模块(见图1)。因此, 将该系统称为双主模型系统, 其目的是为了体现学生为主体、 教师为主导的教学模式。

2.1 ICAI系统的主体模块设计

图1 双主型ICAI系统的主体模块设计

系统主体模块包括学生模型库、 教师模型库、 领域知识库和诊断模块, 以及模拟环境和生动有效的交互界面。在服务器(Server)端, 存放学生模型库、 教师模型库、 领域知识库、 习题库、 试题库、 教学规则库和教学策略库等[1]。

2.2 ICAI系统的内核模块功能

学生模型可记录学生的基本信息、 学习者各自的学习风格特点、 学习进程以及对领域知识的理解程度和认知水平。将以上4部分信息综合成一个完整的学生模型, 传递给教师模型。

教师模块功能是根据学生模型的信息评价学生的学习程度和学习方式, 为学习者选择下一个教学内容, 并给出学习建议(对学生进行测试或建议其学习新的知识点)。

知识库是其他功能模块的根据地, 是系统智能性的基础。知识库的作用是用来存放和管理系统中所有的数据库, 这些数据库中的数据不但可包括事实性的知识还可包括规则性的知识。在该系统知识库中包含以下内容： 学生模型库、 测试题库、 领域知识库和教学策略库等[2]。

诊断模块的功能包括： 确认学习者身份和基本信息； 诊断学习者的学习进程和知识点掌握程度； 测量学习者的学习风格和认知水平。将这些诊断信息一并写入学生模型。

3 全面的认知学生模型设计

3.1 学生模型的定义

ICAI系统面对的是众多个性不同的学习者, 要真正做到因材施教的个别化教学, 系统必须了解当前的学习对象。

把能表征学习对象的各种认知特征的数据结构称为学生模型。学生模型是依据学生和系统之间的交互作用以及学习、 测试的结果而形成的, 可根据学生的学习情况动态地修改。学生模型力求准确反映学生当前的知识水平和认知能力。它是用一种系统化的方法记录、 评价和诊断学生知道什么、 能做什么以及想知道什么, 为教师确定教学内容、 选择合适的教学策略提供依据。

3.2 学生模型在ICAI系统中的作用

该系统中学生模型的作用： 1) 记录学习者的基本信息, 包括： 学号、 姓名、 性别, 学习次数和学习时间等; 2) 记录学生的学习历史和学习绩效水平, 如初始学习水平、 学习能力以及知识点掌握程度等, 为下一步选择教学内容和策略提供依据[3]; 3) 记录学习者的学习风格及临时的学习要求, 为选择合适的教学方法和策略提供依据, 使教学尽可能地适合学习者的需要。

系统力求构建一个全面的认知学生模型, 既要反映知识的掌握水平, 又能反映学生的认知能力, 还要反映学生的学习风格。

3.3 全面的认知学生模型设计

该学生模型按照其功能可分为3个模块, 分别用来记录学生的基本信息、 认知能力和知识点掌握状况(绩效信息)以及学习风格和学习偏好(见图2)。

学生模型是依靠学生和系统之间的交互作用和测试应答历史而形成, 可根据学生的学习情况进行动态修改[4]。学生模型中学生学习历史具有继承性, 即学生在最初进入系统时和初次学习新知识时, 要对其以往的学习历史有一个评估和诊断, 根据诊断结果确定学生学习新知识的内容和难易程度, 使新知识内容适合学生的接受能力, 这种过程称为学生学习历史继承[5]。

3.4 学生模型的工作流程

学生模型的工作流程如图3所示。

图2 认知学生模型

图3 学生模型的工作流程

4 学生模型库中各信息表的设计

4.1 学生的基本信息表

信息表用于记录学生的个人基本信息。这些信息与学习者学习绩效的度量和记录没有直接关系, 主要是与管理有关的个人信息。其内容如表1所示。

表1 学生基本信息表

表1记录己经注册的合法学生, 学生登录时, 系统会要求学生输入自己的账号和密码, 以确认合法身份。如果输入账号和密码在表中, 则系统认为是合法用户, 可在该系统进行学习； 如果学生输入的账号和密码不在表中, 则系统认为是非法用户。若想使用该系统, 则要求学生填写个人的基本信息, 然后将基本信息写入该数据表, 同时, 生成一个属于该用户的学生个人学习档案表。此时, 该学生即成为系统的合法用户, 即可以注册时的账号和密码进入系统, 进行系统提供的各种可行操作。

4.2 学生个人学习档案表

学生个人学习档案表用于记录学生的学习进度、 知识点掌握程度等(见表2), 为下一步选择学习起点提供依据。

表2 学生个人学习档案表

学生学习完一个知识点后, 首先通过相应的练习巩固所学的知识, 然后进行测试。每个知识点的测试题目类型一般有单选题、 判断题、 填空题和问答题4部分[6]。把测试得到的知识点的分值与通过阈值进行比较, 以判断学生是否通过该知识点的学习。若测试得分值大于通过阈值, 则该知识点的“是否通过”字段为“T”, 表明该知识点已被掌握, 记录到“PERSONAL”表中。之后可以学习与该知识点相关联的下一个知识点或下次登录后直接从下一个知识点开始学习。

4.3 学生认知水平表

记录学生的认知水平。根据著名教育心理学家布鲁姆(Bloom)的学习目标理论, 学习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： 识记、 理解、 应用、 分析、 综合和评价(见表3)。

其中识记和理解属于较简单的低级认知能力, 应用、 分析、 综合和评价属于比较复杂的高级认知能力。

表3 学生认知水平表

4.4 学生学习风格表

学习过程是个十分复杂的过程, 既涉及认知因素, 也涉及情感因素。建立包括心理因素在内的学生模型, 以便记录不同学生的学习风格, 依据学生各自的学习风格和要求选择最适合的教学策略。

笔者采用所罗门的学习风格分类及测量方法获得学生的学习风格。所罗门(Barbara A Solo Man)从信息的加工、 感知、 输入和理解4个方面将学习风格分为4个组对8种类型： 1) 活跃型与沉思型; 2) 感悟型与直觉型; 3) 视觉型与言语型; 4) 序列型与综合型(见表4)。

表4 学生学习风格表

5 学生模型中的诊断模块设计

学生模型各信息表数据由学生模型中的特殊机构----诊断模块实现。

5.1 诊断方法

1) 对学习者基本信息的诊断采用数据库查询、 输入和修改的方法; 2) 对知识点和认知水平的诊断采用测试题并对测试结果进行统计和评价, 形成学生模型中的知识水平和认知水平模型； 3) 对学生风格的诊断采用问卷方式, 对学习风格测试问卷进行统计并归纳形成学生的学习风格模型。

5.2 学生基本信息表数据的获取

基本信息诊断的工作流程如图4所示。学习者进入系统后在登录界面输入自己的用户名和密码, 诊断模块会立刻在学生基本信息库中查找该用户名, 并判断该用户是否是系统合法注册用户。如果该用户是系统用户, 则诊断模块需要更改学生模型库中的动态信息, 包括： 该学生的登录次数、 本次登录时间、 学习的总时间、 本次选择的学习难度、 以及通常选择的学习方式等信息。

如果诊断模块在学生基本信息库中查找不到该用户, 系统需要提示学习者注册该学习系统,如果不选择注册, 则该学习者将退出登录界面。如果该学习者选择注册该系统, 则诊断模块会链接并打开学生基本信息库, 学生在注册界面中输入自己的基本信息, 这些信息将被写入该学生的基本信息表中, 并作为静态信息存储到学生模型中。诊断模块便可得到学生基本信息表中的数据。

图4 基本信息诊断流程

5.3 学生学习档案表数据的获取

学生的学习历史有一定的继承性。对学生学习历史的诊断主要包括： 记录学习次数、 总学习时间、 曾经学习的知识点、 做过的测试题数量、 测试正确率及知识点是否通过等。

本节重点是对知识点的掌握程度进行诊断, 以便了解学习者对所学习的知识点的掌握状况。其目的是帮助学习者明确自己下一步的学习步骤和内容, 同时记录学习者的学习情况并及时修改学生模型, 以便教师模型为学生进行个别指导和选择学习内容。

系统为每道测试题设置了测试认知能力的权重系数, 因为认知能力的测试也要用到该测试题库中的测试题。

该测试题库中有4种类型的测试题: 填空题、 单项选择题、 判断题和计算题[7]。

每道测试题对应一个标准答案、 一组关键字和若干个典型错误答案。教师需要指定该题要考查的知识点, 同时, 附加对每个正确答案和错误答案的分析, 说明解题思路和出现各种错误的原因。

表5 测试题库的字段设计

(续表5)

字段名字段类型字段说明字段名字段类型字段说明错误答案1文本第1个可能的错误答案认知能力文本标明该测试题所考察的认知能力错误答案2文本第2个可能的错误答案Image File文本该试题所涉及的图像文件

5.4 学生认知水平表数据的获取

为全面真实地评估学生的认知能力水平, 在做评估之前首先要给出各项认知能力的系数。以下是教育心理学专家给出的各认知项目的权重系数

识记=0.140 0, 理解=0.112 5, 应用=0.162 5, 分析=0.180 0, 综合=0.275, 评价=0.130 0。

其次还要给出认知能力的评价等级标准:

优(1), 良(0.8, 1), 中(0.6, 0.8), 及格(0.6), 差(0, 0.6)。

认知水平测试流程如图5所示。

图5 认知水平测试流程

题库中的每道题目都带有测试识记、 理解、 应用、 分析、 综合和评价这6项认知能力中的一项或能力的权值信息(在题库建立时, 每道题在录入过程中, 已经定义该题所要测试的认知能力及其分值)[8]。学生测试时, 若答对本题, 则所对应的某一项或几项认知能力值为1; 若答错本题, 则为-1； 不回答本题, 则为0。学生做完知识点测试题目后, 可得到一个认知水平测试记录表。

可用每种认知能力的测试题的正确率表示该认知能力的高低, 此处以识记能力的计算为例

认识能力综合评价=∑(各认知能力×各认知能力的权值)

这种根据各项认知能力的值, 用相应的数据构建认知学生模型, 这种方法称为评估法。

表6是根据某个学生某次测验成绩的认知数据记录表。

表6 某学生测验成绩的认知层次数据记录

总体认知能力水平=0.667×0.140 0+1×0.112 5+0.8×0.162 5+0.5×0.18+0.5×0.275+1×0.13=0.693 4。由表6可知, 总体认知能力水平等级为中。

5.5 学生学习风格表数据的获取

该系统的诊断模块中有专门调查学习风格的问卷和调查表, 系统会提示学习者填写个人学习风格调查问卷。学生填写完学习风格调查测试问卷后, 系统会依据科学的统计方法得到每个学生的学习风格表[9]。如果学生没有填写或不愿填写学习风格调查测试问卷, 系统会为其选择默认的适合大多数学生的最佳学习策略。

在该系统中选择所罗门的学习风格测量表测量学生的学习风格, 该测量表可操作性强, 学习者可进行自我测定。利用所罗门测量表检测不同学习风格的分布情况, 国际上有多项研究与此测量表得出十分接近的结果。

5.6 动态修改学生模型

诊断模块用来不断地更新学生模型, 其中基本信息表和学习风格表在第1次注册后和学习风格测量后, 变化不会太大, 不需要时刻修改[10]。而其中学生个人学习档案表和认知水平表是变化的, 尤其学习档案表是随学习的进行时刻变化的。诊断模块会在每次测试结束后将知识点的测试结果和对认知水平的测试结果写入学生模型的相应部分。

6 结 语

笔者在学生模型的构建中, 摒弃了以往在构建学生模型时只注重绩效考核而忽略学习中各种认知因素影响的建模方式, 构建了包括各种认知因素和绩效考核的认知学生模型。

ICAI系统是个智能的复杂系统, 其内部由多个相互关联的子模块构成, 由于篇幅的限制, 笔者着重阐述了学生模型的设计。在后续的研究中将继续设计教师模型和领域知识库。主体模块的设计离一个真实可用的ICAI系统还有很长的距离, 后续要做的工作是系统的开发与实现。ICAI是CAI较好的发展方向, 目前还没有成熟可用的ICAI系统, 在ICAI开发研制的过程中还有很长的路要走。

参考文献：

[1]侯冬青. 双主型ICAI系统中的主体模块设计 [D]. 西安： 陕西师范大学新闻与传播学院, 2006.

HOU Dong-qing. Design of Main Module in Double-Active ICAI System [D]. Xi’an: School of Journalism & Communication, Shanxi Normal University, 2006.

[2]兰丽娜, 文福安, 王建坤. 基于B/S多层结构的个性化网络教学系统设计 [J]. 吉林大学学报: 信息科学版, 2007, 25(3): 78-83.

LAN Li-na, WEN Fu-an, WANG Jian-kun. Design of Individuality E-Learning System Based on B/S Multi-Layer Architecture [J]. Journal of Jilin University: Information Science Edition, 2007, 25(3): 78-83.

[3]马慧彬, 戚常林, 朴顺姬. ICAI系统开发设计[J]. 佳木斯大学学报: 自然科学版, 2002(4): 87-89.

MA Hui-bin, QI Chang-lin, PIAO Shun-ji. Exploriton on System of ICAI [J]. Journal of Jiamusi University: Natural Science Edition, 2002(4): 87-89.

[4]郭富强. 智能教学系统中动态学生模型的研究与设计 [J]. 中国电化教育, 2011(1): 125-129.

GUO Fu-qiang. Research and Design of Dynamic Student Model in Intelligent Tutoring System [J]. China Educational Technology, 2011(1): 125-129.

[5]焦蕾, 殷锋社. 个性化认知学生模型分析与设计 [J]. 电子设计工程, 2011(10): 28-31.

JIAO Lei, YIN Feng-she. Analysis and Design of Personalized Cognition Student Model [J]. Electronic Design Engineering, 2011(10): 28-31.

[6]张丽萍, 林民. 数据结构实验教学ICAI系统领域知识库的设计与实现 [J]. 内蒙古师范大学学报: 自然科学汉文版, 2004(4): 63-66.

ZHANG Li-ping, LIN Min. Design and Realization of the Data Strcture Experiment Teaching ICAI System of Domain Knowledge Base [J]. Journal of Inner Mongolia Normal University: Natural Science Edition, 2004(4): 63-66.

[7]童红霞, 谢深泉. ICAI中知识点关系的研究 [J]. 计算机工程与应用, 2004(1): 77-78, 87.

TONG Hong-xia, XIE Shen-quan. Research of Relationships between Knowledge Points in Intelligence Computer-Assisted Instruction [J]. Computer Engineering and Applications, 2004(1): 77-78, 87.

[8]王利丰, 刘鹏远, 张云春, 等. 基于个性化学习的CAI课件系统 [J]. 吉林大学学报： 信息科学版, 2009, 27(2): 195-200.

WANG Li-feng, LIU Peng-yuan, ZHANG Yun-chun, et al. Personalized Study Based CAI Courseware System [J]. Journal of Jilin University： Information Science Edition, 2009, 27(2): 195-200.

[9]陈丽蓉. ICAI系统智能实现的研究 [J]. 电脑开发与应用, 2008(3): 70-72.

CHEN Li-rong. The ICAI System Intelligence to Achieve the Research [J]. Computer Development & Applications, 2008(3): 70-72.

[10]谢忠新, 王林泉, 葛元. 智能教学系统中认知型学生模型的建立 [J]. 计算机工程与应用, 2005(3): 229-232.

XIE Zhong-xin, WANG Lin-quan, GE Yuan. Construction of the Congnitive Student Model in an ICAI [J]. Computer Engineering and Applications, 2005(3): 229-232.