学困生智能化辅助学习系统的构建

张红军

(东华大学 人文学院，上海 201620)

一、为什么要构建智能化辅助学习系统

针对学困生的研究是世界范围内教育界、心理学界等广泛关注的重点、热点问题之一。美国学习困难全国联合委员会认为：“学习困难是多种异源性 (heterogeneous) 失调，表现为人们在吸收与运用所接收的信息、说话、阅读、书写、推理或数学能力时所出现的困难。”[1][2]我国研究者认为：“学习困难学生一般是指那些在知识、能力、品格、方法、体质等要素及要素的融合方面存在着偏离常规的结构性缺陷,智力得不到正常的开发，不能达到教学大纲的基本要求，需要通过有针对性的教育、教学或医疗措施给予补偿和矫治的学生。”[3]

研究发现，在我国基础教育中的中学阶段，学生学业发展分化现象十分突出，相继出现了大量学习困难学生，在高中阶段尤为严重。依据成因不同，可将学习困难大致分为智力型、动力型、学习不得法型和外因导致型[2]这些类型。那么，如何帮助这些学生从这一困境中走出来？

笔者所在的研究团队尝试在教育、教学理论指导下，利用信息技术，构建一套计算机智能化辅助学习系统，通过学生自主学习以及辅加系统智能引导，来帮助教师和“学习不得法”类型的学困生发现学习中存在的问题，继而通过具有自学功能的学习系统引导和教师指导，让处在这一困境中的学生逐步克服学习困难。

二、学困生智能化辅助学习系统

学困生智能化辅助学习系统是一套网络化、个性化、智能化的辅助学习软件。系统由知识库、学生特征库、智能化模型、智能代理和应用系统五个核心部分构成(如图1所示)。系统具有自学功能，能够实时跟踪记录学生的学习过程，并对其错误的解答原因进行诊断和分析。之后，一方面系统自动不断充实、更新知识库，另一方面系统将刻画每位学生的特征，构建其学习模型，在此基础上进行相应的训练和引导，提升其学习能力，让其逐步建立学习的信心和兴趣，提高学习成绩，走出困境，逐步迈向成功。

图1　学困生智能化辅助学习系统

1.系统基本工作原理

根据基础教育的教育教学理论和实践经验，可将学生一次典型的学习过程具体分解为以下7个步骤(如图2所示)：

图2　典型的学习过程分解步骤

(1)选定学习对象。对应于教材章节，既可以由学生自主选择，也可以根据学生之前在系统中的学习记录由系统自动选择。

(2)“学习+解题”过程。系统中将学习分成“单元学习、阶段复习、每日复习和考试测验”四种类型，由学习流程引擎进行选择。根据学习的分类及学生的个性化信息，使用试题搜索引擎从知识库搜索学习的典型试题，然后学生使用外接手写板或系统提供的试题描述语言在计算机上解题，解题过程中可以查看相关知识点的内容，如典型例题等。

(3)初步诊断。使用知识库中的答案判定程序，通过诊断流程引擎判断学生答题是否有效。如果有效，那么是否正确；如果错误，用相似性诊断法来判断错误是不是偶然性失误造成的。如果学生解题正确，可以进入强化训练，也可以直接进入学习评估。

(4)知识点缺陷诊断。使用知识库中的错误原因诊断程序，通过诊断流程引擎，帮助学生自主发现答题错误是因为哪些知识点掌握不好造成的。

(5)解题引导。基于诊断的结果，系统生成引导序列，从易到难逐步引导，逐层增加包含知识点的数量，直到学生掌握正确的解题思路。

(6)强化迁移练习。在诊断和引导过程中，发现学困生解题错误的一些原因。如果确诊是由于某些辅助单元知识点掌握不好或者某一类型的问题不够熟练，则对这方面进行强化训练。

(7)学习评估。对于学习过程中的错误，系统进行了诊断、引导和强化训练。学习评估则是给出一组新的试题，以检验诊断、引导和强化训练的最后效果是否达到标准要求。

系统在每一个工作步骤中，自动记录并存储相应的信息，经过知识库更新模型及学生特征更新模型的处理，动态更新知识库和学生特征库，这也就形成系统的自学习机制，使试题的编制和选择越来越有针对性，诊断和引导越来越正确。

2.知识库

知识库是一个相对独立的系统，是整个系统得以正常工作的基础，它包括知识的定义、计算机程序和自适应题库三个部分。知识库子系统通过试题搜索引擎和知识库更新模型，与其他子系统进行数据交互。其构成如图3所示：

图3　知识库构成

试题搜索引擎通过接收主要知识点、问题类型和试题难度，然后自动从试题库中检索出符合要求的试题，传递给应用系统供学习者使用。

(1)主要知识点。试题库中的每道试题可以包含一个或多个知识点，但有且只有一个主要知识点。也就是说，一道试题只能归在一个主要知识点下面。以初一数学中“应用提取公因式法进行因式分解”(知识点编码为M7214102)为例，说明本学习系统中知识点的编码方法，见表1。

表1　应用提取公因式法进行因式分解知识点

如果从某一位开始，全部都是0，表示所辖范围内的全部知识点。比如 M7000000表示初中一年级数学的全部知识点；M7214000表示初中一年级第二学期数学第14章“因式分解”的全部知识点。

(2)问题类型。它是试题搜索引擎的一个十分重要的输入项。试题虽然千变万化，但问题类型的定义要具体到一个特定的知识点。系统使用一个可变长字符串来表示问题类型。一般问题类型的定义方法如下：①第1字节：当前知识点下面的题目类型，可以取多个值。需要说明的是，题目类型并不仅仅指填空题、选择题。②第2字节：该题目类型下的自动出题模板序列，可以取多个值。③后续字节：后续字节可以有多个，每个字节的取值一般为0或1，表示是否包含某个知识点。下面以初中数学中的知识点“一元一次方程解法”(知识点编码为M7308105)为例，说明在本学习系统知识点下问题类型的定义方法，见表2。

图4　试题搜索引擎工作流程

位置含义取值范围1题目类型12选用哪个自动出题模板1-33系数中是否出现分数0-14未知数是否形如pX+q0-15分数的分子分母中是否出现小数0-16未知数是否为绝对值形式0-17是否出现字母系数0-1

(3)试题难度。它是试题生成或搜索时的一个重要输入项，用1-100之间的一个整数来表示，数值越大，表示难度越大。根据经典测量理论，出题的教师和自动出题系统会给试题设定一个初始难度，系统经过大量使用后，每道试题的难度都会发生变化。

(4)试题搜索引擎的工作流程。其中根据输入的数据项在知识库中检索，如果找不到匹配的试题，则会启动自动出题模块，看是否可以自动生成符合要求的试题，其具体工作流程如图4所示。

(5)试题搜索引擎的输出。检索出符合要求的试题，以XML表示，主要数据项见表3。

表3　试题主要数据项

总之，作为一个科学、合理、全面的知识库，包含的试题不仅有标准化的选择题和判断题，更有形式多样的主观试题。如何让计算机自动判断学生输入的答案是否正确，成为一个重要的难点，也是本研究团队当前和今后工作的重要内容之一。

图5　学生特征库中存储的信息

3.学生特征库

学生特征库可以保留使用本系统的每一位学生的“特征”信息，它是实现个性化教育的数据基础，也是构建学困生的学习模型的基础。学生特征库中存储的信息如图5所示，在学生使用系统的过程中，由系统自动收集这类信息，并通过学生特征更新模型动态更新学生特征库。在学生下次使用系统时，由学生特征库中已有的信息，通过相应的智能化模型，自动调整学生的学习状态，诸如学习难度和学习速度、内容选择、出错原因分析、引导过程选择、强化训练方法等方面，以实现个性化的教学。

另外，具体构建与实施时，知识库和学生特征库通常都存储在服务器端的数据库中。但为了提高系统的运行速度，可以考虑将部分数据在客户端留有一个拷贝，如知识库的知识点、学习单元信息、学习场景记录、知识点掌握情况、发展期属性，并通过增量方式与服务器数据同步进行。

4.智能化模型

诊断流程引擎、学习流程引擎、学生特征库更新模型和知识库更新模型，在本系统中统称为智能化模型。智能化模型是系统的核心，它包含本系统的主要算法。目前已经设计了表4中的18个智能化模型，但模型的调整、优化甚至重构等工作需要持续不断进行，因为模型的优劣直接影响到系统运行的效果。

表4　智能化模型一览表

智能化模型中的诊断流程引擎、学习流程引擎与其他子系统的关系如图6所示。

图6　诊断流程引擎、学习流程引擎与其他子系统的关系

其中学习流程引擎目前支持4种类型的学习，分别是单元学习、每日复习、阶段复习和考试测验。

(1)单元学习。训练单元是一个不可分割的学习和训练单位，一个训练单元包括一个或多个知识点。一般情况下一个训练单元的知识点均在一个章节内，但也可以是包含两个以上章节的知识点。训练之所以要以训练单元而不是以知识点为单位，目的是为了加强对学生模式识别能力的训练，建立学生的整体知识概念。引入训练单元的另一个好处是增强了教学内容编排的灵活性，而不局限于教材的知识点顺序。一个单元包含若干个难度等级，学生学习完一个等级后进入下一个等级学习，这里称之为递进式单元学习。

(2)每日复习。系统按照“艾宾浩斯记忆曲线”的规律，提示学生复习曾经做错的试题。学生复习后，系统给出同原题相似的试题进行训练，以提高其复习效果。

图7　诊断分析主要流程

(3)阶段复习。阶段复习有4种类型：小节复习题、章节复习题、期中复习题、期末复习题。复习试题的覆盖范围有两种：全部知识点；掌握不好的知识点试题。难度的选择也有两种方式：①系统根据学生以前的答题情况，自动给定难度；②学生自己指定难度。

(4)考试测验。在计算机上完成一次考试或自我测验。结束后，根据具体情况开始诊断和引导。

诊断流程引擎是一个独立于学习流程引擎的模块。它接受学生解答完的试题集，并诊断分析。其主要流程如图7所示。

智能化模型与知识库、学生特征库、学习过程之间的关系如图8所示。

图8　智能化模型与知识库、学生特征库、学习过程之间的关系

5.智能代理

智能代理是一种在异质的协同计算环境中能够持续完成自治的面向目标行为的软件实体，可以通过感知学习推理以及行动，在基于知识库的训练后模仿人类社会的行为。[4]它“具有某一学科领域的学科知识和相关的教学知识，能对学生学习进行个别化教学，即根据学生对知识的理解掌握程度，选择相应的教学策略，在一定程度上模拟人类教学专家进行教学活动。”[5]因而，它具有导航、解惑、过滤、整理、发现等功能，可以解决“信息过载”和“资源迷向”等问题。与此同时，智能代理可以作为虚拟的教师、虚拟的学习伙伴、虚拟的实验室设备、虚拟的图书馆管理员等出现在系统中，在一定程度上增加教学内容的趣味性和人性化色彩，提高学习效果。

在本系统设计时，智能代理是借助Microsoft的Agent技术实现 “代理教师”的部分功能。其在系统中的应用如图9所示。

图9　Agent的工作原理

6.应用系统

应用系统分为三个子系统：

(1)学生学习和诊断子系统。主要提供单元学习、阶段复习、每日复习、考试测验、在线答疑等功能。

(2)教师管理子系统。主要提供学生资料维护、学生学习过程浏览、知识点维护、学习单元维护、考卷维护、试题集成编辑、问题库管理等功能。

(3)系统维护子系统。主要用于公共表维护、用户维护、系统参数维护、系统自动更新等。

三、结语

以马克思主义关于人的全面发展的学说指导，在前人的研究成果及成功经验的基础上，根据学困生尤其是“学不得法”学生的特点和形成原因，结合当下先进的教学理念，运用先进的信息技术所构建的这套网络化、个性化、智能化的辅助学习软件，能够帮助教师进行针对性指导，帮助学生锻炼其自主学习，提高学生根据不同学习任务采用相应的学习策略并适时进行调整的能力，使其逐步摆脱学习困境。

在此研究及实践过程中，也遇到一些问题，主要表现为知识点的组织，方式、学习困难学生学习特征的构成及测定、知识点缺陷的判定以及引导。针对知识点的组织本着恪守学科知识体系与系统能较为高效运行的原则，针对每道问题采用“一主多次，相互连通”的规则进行组织所涉及的知识点。针对学困生学习特征的构成及测定，构建了由文中表4所列举的18个具体模型。针对学困生知识点缺陷的判定及引导，遵循“逐级减少，自我发现缺陷，自主学习为主、智能引导为辅，逐级增加，强化迁移，自主建构”的规律，做了一些尝试。此外，笔者认为还存在一些更为重要也需要进一步深入探究的问题，比如，学困生相关基础理论研究不够细致和深入、学生学习特征如何进一步完善与优化、智能化诊断的效率及准确度如何提高等。这里只是抛砖引玉，希望能引起更多学者、专家的关注与思考。

参考文献：

[1]柯克. 特殊儿童的心理教育[M]. 汤盛领,译. 天津：天津出版社, 1989：12.

[2]陈栩,郭斯萍. 国外学习困难学生研究综述[J]. 教育科学研究,2006,(6):37-39.

[3]全国教育管理研究会课题组. 初中学习困难学生教育的研究[J]. 教育研究,1996,(8)：40-46.

[4]杨洁,朱信忠. 基于Agent的远程教育系统的设计与实现[J].电化教育研究,2003,(9):43-46.

[5]何克抗，李文光. 教育技术学[M]. 北京：北京师范大学出版社，2009.