人工智能教学策略精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工智能教学策略主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工智能教学策略范文

一、顶层设计,构建全方位、多层次、可操作的指导体系。

为了保障人工智能教育在我校真正落实和长期发展，学校将人工智能教育工作纳入到学校整体三年发展规划中，并作出明确要求。

为了让师生更加重视人工智能教育，促进学生全面发展，特修订了我校“五美”能行课程体系，将人工智能课程进行了重新定位和设计。

为了建设符合我校校情、学情的人工智能课程体系，学校成立了人工智能课程建设与实施的探索与研究项目管理团队，制定了项目计划书，从项目名称、项目团队、项目背景、项目创新点及解决问题、项目推进措施、项目完成期限等方面进行了具体规划。

二、支撑保障

完善软硬件设施和文化建设，为人工智能教育开展做好支撑和保障。除了四楼独立的人工智能实验室，我校还自主改造了五楼的创客教室和阅览室，扩宽了人工智能教育场所，尽全力满足学生人工智能上课需求。

学校高度重视人工智能教育，不断加大投入。在资金紧张的情况下依然给学生购买了小学生C++趣味编程书和人工智能超变战场的场地。

三、具体做法

1.基于校情和学情的人工智能课程设计

课程设置：开学之前，课程部整体规划，实行信息技术课两节联排。

人工智能课程开设内容安排：基于校情学情，本学期3-6年级全面铺开人工智能课程，3年级以信息技术基础知识、编程猫、乐高搭建基础入门为主；4年级AI神奇动物，5-6年AI变形工坊，是集搭建和编程于一体的人工智能课程体系。本学期信息技术类人工智能特色社团的开设：人工智能机器人社团、信息学奥C++社团、创意编程社团。

2.三位一体，三组联动推进人工智能课程的开发与实践。三组是：项目组、教研组和集备组。具体做法是：

项目组的做法：根据人工智能项目管理计划书的内容和要求，3月初进行项目工作总结和4月份计划汇报，5月份进行了中期汇报。进一步梳理人工智能校本课程的内容，促进人工智能课程实施与落地，进行了生本AI人工智能校本课程的开发与研究，重点对课程目标和课程内容进行了设计和探索。

教研组的做法：1.参加区首次信息技术教研活动，明确方向和工作重点。组织信息技术教师按时参加区里首次信息技术教研活动，并将区里的要求传达给每一位信息技术老师，为接下来的工作做好铺垫指明方向。2. 教研组内进行磨课，四年级潘倩老师执教了四年级AI神奇动物—敏捷的蛇；徐娜老执教了五年级AI神奇变形工坊—设计“地雷”，课后及时听评课，提出优点与不足，并进一步改进完善。

集备组活动：各年级备课组利用双周周二上午时间进行集备，研究本周的上课内容、梳理课堂具体流程及教学设计。

3.加强教师培养力度，积极组织教师参加人工智能培训和学习。学校鼓励教师进行小课题的研究，提升教学专业素养。2019年区级小课题《小学人工智能课程体系、教学策略和教学评价的研究》顺利结题。2020年区级小课题《奎文区人工智能教育专项课题--小学人工智能教育教学策略及评价方法的研究》立项。

4.为了拓宽视野，为人工智能教育的发展进一步指明方向。落实请进来：邀请区教研室专家进校为学校人工智能开展情况进行诊断；邀请优必选指导老师入校指导人工智能课程，并进行赛事辅导和培训。

5.为了给学生的学习搭建更广阔的平台，丰富学生的课余文化生活，促进学生信息素养的提升。以赛促学，积极组织学生参加各级各类比赛。

四、取得成效

1.学校层面：以人工智能教育为契机近年来，我校的信息化、数字化、智能化水平不断提升，互联网+教育、智慧校园工作取得了巨大的进步，学校获得省市区多项荣誉。

第2篇：人工智能教学策略范文

关键词：智能教学系统；语义Web；领域本体

智能教学系统(Intelligent Tutoring System，简称ITS)是人工智能和计算机应用的一个重要研究领域[2]。它为学习者提供了形象直观和方便易用的学习界面，有助于激发学生的学习兴趣，增强学习记忆，同时又能大量增加学习内容，提高教学效率，因而长期得到广大研究人员和教育工作者的密切关注和深入研究。1988年，国际上第一次举办ITS学术研讨会；1992年以来，智能教学系统学术会议每两年举办一次；2012年，美国匹兹堡将举办第10届ITS国际会议，该届会议的网址是cmu.edu/its2012。

早期的计算机辅助教学(CAI)及现有的智能教学系统，绝大多数以文本、图形、静态图像、动画、声音和动态视频等知识作为教学内容，存于知识库，教学内容通常是固定不变的，因此，不能实现真正意义上的因材施教和多学科知识教学。此外，一些教学系统具有明显的不可修改性，只能适用于事先确定的、特定的教学目标与具体的教学情境；有的教学系统完全与教科书配套，以教学大纲和个别教材为依据，按照教科书的章节安排教学内容，不具备重用性。通过分析可知，智能教学系统存在上述不足的主要原因，是系统没有一个庞大的和可扩展的知识库支撑，没有可供操作的知识以及知识库不能更新等。

笔者通过分析智能教学系统发展等特点，结合网络信息，提出了面向语义Web的智能教学系统模型，分析了各组成部分的功能。在系统模型中引入领域本体组织教学内容，并运用网络爬虫工具获取网页新知识等更新教学内容，提高了智能教学系统的适应性。

1智能教学系统

20世纪60年代以来，随着信息科学和计算机科学的发展，特别是人工智能(AI)的诞生与发展，以及计算机在教育方面的广泛应用，出现了一种新的教育技术，即计算机辅助教学(Computer-aided Instruction, 简称CAI)。CAI系统的理论基础是行为主义理论，主要目的是协助改进教学。其教学模式主要有3种：一是辅导模式，用于向学生讲授知识和技能等内容；二是练习与操练模式，通过学生与计算机的频繁交互作用来训练学生的解题能力，以加深学生对所学过概念的理解；三是对话模式，通过计算机与学生的相互提问和答问来训练学生的理解力。CAI系统一般由课件(courseware)实现教学过程，学生可反复使用这些不变的课件，接受课件的各种教学信息，完成学习任务。学生的学习过程主要由课件来控制，一般都是被动式学习，系统没有给学生提供个性化需求的教学过程。

传统的计算机辅助教学系统并不了解学生的特点，对所有学习者采用相同的教学方法和统一的教学内容。因此，系统不能对不同学生采用不同的教学方法和教学内容，不能培养不同学生的各种能力。

因此，人们希望计算机也应具有人类教学的“智慧”和艺术：系统应该能了解每个学生的学习能力、知识水平，能根据不同学生的各自特点采用不同的教学策略，有针对性地指导学生学习，能理解和接受学生的自然语言交互。

到了上世纪70年代，AI技术得到深入研究和发展，同时，认知心理学在教学过程中也得到广泛应用，计算机辅助教学系统的研究更趋向智能化。Carbonell和Collins等人研制了一个基于知识的教学系统SCHOLAR，用于进行南美洲地理教学。SCHOLAR开辟了把人工智能应用于计算机辅助教学的新研究领域。让计算机辅助教学系统CAI更加具有“智慧”，是教学系统的一个重要目标，因此，更具有智能的CAI系统被称为“智能计算机辅助教学”(简称ICAI)或“智能教学系统”。

但是，ITS并不是对CAI的一个简单改进，它需要结合AI技术、教育心理学理论和认知科学而得以发展。与CAI不同，ITS以认知心理学为理论基础，强调学习个体内部的心理过程，认为人的认知是由外部刺激和认知主体内部过程相互作用的结果，因而学习过程是个人根据自身需要、兴趣、能力、知识水平，对当前教学过程做出的主动的、有选择的信息加工和建构过程。

ITS的目标是分析学生的智能水平和知识状态，根据不同的教学内容采用不同的教学策略，因材施教。教学过程以“学生”为中心(但并不完全地由学生自由学习)，以启发、诱导、暗示等方式展开，让学生探索、思考与发现问题。例如，SCHOLAR系统采用了苏格拉底对话方式的启发式教学，以实现智能化教学。

目前的ITS在结合教育心理学、认知理论和计算机科学的基础上取得了很大发展，同时ITS的研究和开发也是一个艰难的过程，并存在如下缺陷。

1) 智能教学系统缺乏强的自适应性，不能真正灵活地实现因材施教的教育目的；不能准确及时地发现和处理学生出现的各种错误及问题。主要原因在于教学过程分析不明确，教学策略不够丰富，特别是对于不同学科和不同个性的学生，缺乏灵活多样的教学策略，用于指导不同学生学习不同知识，系统设计面向的对象也还比较单一。

2) 智能教学系统对学生缺乏了解(或理解)；不能理解学生正在做什么和学生知道什么；不知道学生所处的学习环境和学习动机如何，学生常犯的错误是什么；没有一个好的教学策略来安排最适合的教学方法，把最适当的知识传授给相关学生，因而无法达到因材施教的预期教学效果。

3) 智能教学系统中的知识可操作性差，几乎是不可操作的。教学内容比较单一，而且知识的可重用性差，导致了人们制作和设计了许多重复的教学系统，而真正“好用的”智能软件却非常缺乏。

智能教学系统存在上述不足的主要原因有二：一是没有一个丰富的多学科的知识库支撑，而且知识的可操作性差；二是没有一个比较完善理想的系统结构，支持对学生和教学的理想描述。针对这些不足，笔者提出一种面向语义Web的智能教学系统模型。

2面向语义Web的智能教学系统模型

在分析已有的智能教学系统模型(例如NKI- Tutor)[4]的基础上，结合当前不断发展的网络信息和网上学习资源，笔者提出了一种面向语义Web的智能教学系统模型，该模型的教学内容模块中引入领域本体的抽象层来组织知识，同时模型中增加了一个网页知识的新模块。网页知识主要使用网络爬虫，从不同网站上获取各种教学资源，然后对该资源进行分类，构建其资源本体，并通过本体合并技术，把新知识添加到教学内容模块中。面向语义Web的智能教学系统模型如图1所示。

面向语义Web的智能教学系统模型主要包括交互界面、学生模型、教学模块、教学内容、专家模型、评价模块、知识模拟模块和网页知识模块等。

交互界面用于实现学习者与教学系统之间的信息交互，为不同学习者提供个性化的教学内容和学习界面。

学生模型是对学习者的知识水平、认知能力、学习风格、兴趣爱好、学习策略等的建模，为系统提供学习者的学习历史记录、学习过程中与系统的交互情况以及在系统诊断性测验中的表现等。

专家模型包含领域专家的问题求解。教学系统可以对学生解决问题的方法与专家的方法进行比较，以发现学生的能力缺陷或错误认识等，然后采取更确切的教学策略或调整教学策略。

教学模块是智能教学系统用于组织、管理和实施整个教学活动的中心。本模块的教学模型由教学目标子模块、教学任务子模块、教学分析子模块、教学策略子模块和教学效果测量子模块构成。教学目标是指教学的总目标(Goal)，包含多个子目标(g1，g2…gn)，并且Goal＝g1 ∧g2 ∧… ∧gn，n ∈自然数N。教学任务是指设计或规划知识，确定教学目标，选取和实施教学策略，并评价教学，由具体任务(Task)实施。评价模块是对整个教学的全局评价。评价教学总目标是否已经达到，或是对一个学习单元、一个学习阶段、一门课程学习后的全局评价，包括学生知识结构和知识水平、技能水平的综合评价和教学策略是否适用于不同学生的评价等，评价结果是教学策略改进和教学反馈的依据，是对学生的学习过程和教学效果进行测量。

知识模拟是一个知识模拟系统，能够对知识自动进行动画模拟。在教学过程中，教师根据不同的教学内容和教学需要，采用不同的教学策略，使教学更加生动形象，学生也能够通过模拟工具亲自操作实验。模拟工具对于具有不同学习风格的学生尤其重要。

教学内容模块是知识库存储器，存放各科教学知识和从网页上获取的各类新知识。

网页知识存储从不同的网站上获取的各种教学资源。在系统模型中嵌入网络爬虫工具，首先利用网络爬虫工具不定期地从不同网站上获取各种教学资源，然后对资源进行分类，构建其资源本体，通过使用本体合并技术，把新知识添加到教学内容模块中，实现教学内容更新，使系统更具适应性。

3 教学内容组织与知识更新

在面向语义Web的智能教学系统模型中，我们引入领域本体的抽象层来组织教学内容，并引入网页知识模块实现知识更新。

3.1领域本体的抽象层

面向语义Web的智能教学系统模型，最重要的功能是获取Web信息和资源，然后对资源进行管理和运用。为此，我们引入领域本体的抽象层来对教学资源进行组织，如图2所示。

领域本体的抽象层是去除了学科中的具体概念而综合了领域本体中的属性和关系，是不依赖于领域概念而存在的。

3.2网页知识模块

随着互联网的快速发展，各种教学机构和学校都建立了各自的教学网站。例如，大学的精品课程、中学的网校以及专业知识网站，还有很多信息搜索引擎等。这些网站提供了很多专业和非专业的百科知识。为了顺应信息时代的知识需求，智能教学系统中的教学内容不再是一成不变的，而应该及时更新知识库。

面向语义Web的智能教学系统模型采用网络爬虫工具实现自动提取网页信息功能。它根据教学内容主题的关键字或知识点分析网页，过滤与主题无关的链接，获取有用的链接站点上的信息，并将其存储在相应的文档中。目前，我们主要采用文本方式存储获

取的信息。然后对所获取的信息进行分析，根据信息格式和内容进行分类，结合已有本体来组织新知识，进而建立索引，便于知识查询和检索。

4结语

智能教学系统研究是一项艰难和长期的工作。面向语义Web的智能教学系统模型具有教学内容覆盖多个学科和网络知识等特点，充分展现信息时代的学习特色，为学习者提供更新颖的知识和更宽广的知识面，并使教学过程更加个性化，提高教学质量。同时，面向语义Web的智能教学系统将通过网络爬虫工具实现自动提取网页信息，从而及时更新教学内容，使教学更具时代特点，实现真正意义的智能化教学。

参考文献：

[1] Claude Frasson, Kurt Van Lehn. Intelligent tutoring systems[C]//Gilles Gauthier, Claude Frasson, Kurt VanLehn. Lecture notes in computer science(1839). Montreal:Springer, 2000:1-24.

[2] 王小辉,童\. 智能计算机辅助教学系统的设计[J]. 软件学报, 1996,7(4):217-222.

[3] 唐素勤,曹存根. 智能教学系统的体系结构:综述与改进[C]//钟义信.中国人工智能学会第九届全国学术会议(CAAI-9)论文集. 北京:北京邮电大学出版社,2001:1129-1132.

An Intelligent Tutoring System Oriented on Semantic Web

TANG Suqin1, LIU Lihao2

(1. College of Computer Science and Information Engineering, Guangxi Normal University, Guilin 541004, China; 2.Guangxi Training Center for Teachers of Higher Education Institutions, Guilin 541004, China)

第3篇：人工智能教学策略范文

关键词：贝叶斯；情绪获取；学生模型；智能课件；教学策略

中图分类号：TP391文献标识码：A文章编号：1009-3044(2012)01-0103-03

Analysis of Bayesian Reasoning’s Application of Students Model in Intelligent Courseware

YANG Yi-liu

(Teaching and Research Institute of College Computer Bohai University, Jinzhou 121013,China)

Abstract：The problems occurred in student models in many current intelligent courseware constitute lack of learning emotional acquisi? tion and short of humanity in the process of choosing teaching strategy. For this reason, learning emotional centered student models are es? tablished based on Bayesian probability reasoning. This dynamic model is featured by quick acquisition of learners’different degrees of in? terest in elements of intelligent courseware interface and prompt analysis. Therefore learner emotional optimization teaching strategy will be generated dynamically. Experiment is undertaken as prove.

Key words：bayesian; emotion acquisition; students model; intelligent courseware;teaching strategy

人们根据不确定性信息做出推理和决策需要对各种结论的概率做出估计，这类推理称为概率推理。概率推理既是概率学和逻辑学的研究对象，也是心理学的研究对象。其中贝叶斯概率推理的问题是条件概率推理问题，在概率论的基础上进行不确定推理，是基于概率的一种算法，由一位伟大的数学大师Thomas・Bayes所创建的，这一领域的探讨对揭示人们在概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。

智能课件[1]中存在着各种各样的不确定性，针对学习者的多样性、知识网络结构及信息的多样性决定了认知状态诊断方法的不确定性，根据情绪数据进行的关于教学策略的推理也是不确定的，而处理不确定性正是贝叶斯概率推理的优势。所以采用贝叶斯概率推理[2]作为学习者当前情绪状态与教学策略选择的适应度的诊断推理，也可以理解为教学策略对成功预见性的概率推理。

3结论

学习者当前的情绪数据可以演绎出对当前智能课件系统界面元素的适应程度，是在不确定性前提下认知诊断的方法。本文讨论的在学生模型中利用贝叶斯概率推理对先验信息和后验信息的结合能力，对学生情绪的因果联系进行编码，通过信息的不断加入，对学生当前学习情绪的评测和把握及时更新，为模型提供自适应构建方式和准确实现智能课件所实施的教学策略（包括教学理论、界面元素设计、组织结构等）提供良好的理论依据。

参考文献：

[1]陈晓丹,王建华.智能计算机辅助教学系统结构模型的研究[J].哈尔滨师范大学自然学报,2006,22(2): 68-70.

[2] Martin J,Vanlehn K. Student Assessment Using Bayesian Nets[M]. Int J of H-C S,1995.

[3]刘通江.个性化课件生成系统中动态学生模型的研究[D].北京:首都师范大学,2004.

[4] Conati C,Gertner A,Vanlehn K. Using Bayesian Networks to Manage Uncertainty in Student Modeling[J]. User Modeling and User-Adap? tive Instructional,2002(12).

第4篇：人工智能教学策略范文

关键词:Agent;网络教学;情感计算;情感调节

中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)13-3457-03

1 引言

目前,网络教学已成为现代教育领域的一个重要方向,它不受时间、空间以及人员的限制,将教育通过计算机网络扩展到社会的各个角落,学习者可以自由的选择时间、地点进行自主学习。Agent是能自主学习、适应环境的实体,它能够通过感知自身和环境中的信息,自主采取行动实现一系列预先设定的目标或任务。网络教学系统涉及异构环境的多个身份之间相互协调的技术问题,其内在要求无疑适合用Agent思想分析与构建。由于Agent技术的引用,基于智能的教学系统越来越得到人们的关注,它能有效克服传统网络教学系统的不足,如缺少交互性、智能性及适应性等不完善之处,因此可以满足学习者按需学习和教师因材施教,能够很好的在网络环境下实现个性化教学,但却缺失了学习者的情感信息。心理学和教育学领域的研究显示,学习者的消极情感会对其学习形成障碍,而积极情感则会促进学习者的学习。

本文在分析了Agent的概念、特征的基础上,将建立具有一定情感支持功能的情感交互教学系统。该系统可以获取、识别和理解学习者的情感信息,并根据学习者特定的情感状态给出相应的情感激励和情感补偿策略,从而解决网络教学中学习者情感缺失的问题,实现认知与情感相互协调的个性化教学。

2 Agent技术简介

2.1 Agent定义

早在1977年,Carl Hewitt就定义了具有自兼容性、交互性和并发处理机制的对象,称为“Actor”,即是Agent的雏形。而后,在1986年,M.Minsky引入了Agent的概念,在随后的发展中,Agent逐步成为人工智能及其它计算机领域内的一个重要研究课题[1-2]。目前Agent和人工智能的定义一样,还没有得到统一的界定,因此各领域的专家学者对Agent的确切定义不尽相同。归纳起来,大致有两种:

1) 标准化组织FIPA的定义:Agent是驻留于环境中的实体,它可以解释从环境中获得的、反映环境中所发生事件的数据、并执行对环境产生影响的行为。

2) 人们普遍认为:Agent是能为用户执行特定的任务、具有一定程度的智能、以允许自主执行部分任务并以一种合适的方式与环境相互作用的软件程序。

2.2 Agent特征

自主性: Agent不直接由人或其它的东西控制,在没有与环境的相互作用或来自环境的命令的情况下自主执行任务。这是Agent区别于普通软件程序的基本特性。

社会性:能通过某种Agent通信语言与其它Agent(也可能是人类)进行交互。交互主要有三种类型:协作、协调和协商。

反应性:即对环境的感知和影响,Agent会随着环境变化而做出相应的反应。

适应性:Agent可以根据用户的目标和意图进行推理,自适应环境。

移动性:Agent可以携带数据、指令和状态移动到网络的远程环境中执行中。

单个Agent的智能是有限的,这就需要由多个Agent共同承担一个任务,即通过适当的体系结构把Agent组织起来形成MAS(Multi-Agent System)。MAS是多个Agent组成的松散组合的网络,它能通过分布在计算机上的Agent分担工作量,它的体系结构有审慎式、反应式和混合式三种。

传统Agent研究侧重于对人类逻辑思维如计算能力、推理能力等的研究与模拟,然而,本文在传统研究的基础上,注入时刻伴随人类学习的情感因素,侧重研究基于人工情感模型的能够感知和调节人的心理活动能力的情感MAS系统的研究。

3 传统的智能教学系统及其情感缺失

3.1 传统的智能教学系统结构

传统智能教学系统按功能分为5个模块:知识库、学生模块、专家模块、教学模块、人机界面。

知识库:是教学内容库,存储所要教的学科领域知识和教学知识。

学生模块:智能教学系统实施个别化教学的核心,表示学习者对知识的理解程度,用来反馈学习者的学习情况。

专家模块:包含领域专家的问题求解。教学系统可以比较学习者解决问题所采用的方法与专家的方法间的差异,以发现学习者能力的缺陷或错误认识等,然后采取更确切的教学策略或调整当前教学策略。

教学模块:组织、管理和实施整个教学活动的中心,存储与教学内容有关的专业知识,以及与教师解决问题的有关求解知识,在适当的教学策略指导下选择适当的教学内容呈现给学习者。

人机界面:能够理解自然语言,实现更普遍意义上的人机对话,实现学习者与系统、教师与系统之间的对话,是教与学双向活动的界面。

3.2 传统的智能教学系统存在的情感缺失

传统的智能教学系统可以实现资源共享和互动性,并具有一定的智能化和个性化。但它将文本形式的教材生吞活剥的照搬到网络上,用简单乏味的文字资料信息传输代替了原本多姿多彩的“课堂教学”,丢失了教师人性化的教学,对学习者来说是冷漠的,是缺乏情感的,这样势必引起学习者的反感。人的态度、情绪、感情很少能在媒体中传输,即使是声情并茂的可视画面,学习者面对冰冷的电脑屏幕不会产生极大的学习兴趣,从而不会产生良好的教学效果。实际上,一个真正的个性化教学系统,不仅应该具备认知方面的个性化教学功能,还应该具备情感方面的个性化教学功能。

4 基于Multi-Agent的情感交互教学系统

4.1 基于Multi-Agent的情感交互教学系统结构模型

研究基于Multi-Agent的情感交互系统,就是构造能够与人进行情感交互的计算模型,通过情感计算和对多感知Agent的协调及融合机制,以Agent的形式,将各种感知手段构成具有自适应能力的行为Agent,使计算机有理解学习者心理活动的能力,在具体功能上实现行为自主,为学习者营造一个具有情感交流的虚拟环境,提高学习者的学习兴趣和学习动机。

情感是人对客观事物或情景是否符合自己需要的态度的体验,当客观事物或情境与人的需要和愿望符合时会引起人积极肯定的情感,而不符合时则会引起人消极否定的情感[4]。在教与学活动中,人类的表情是相当丰富的,当教学内容是他们能够理解和接受的时候,学习者会用微笑等表情来表现情绪高涨的状态;反之,当他们不能理解和接受教学内容时,学习者会表现出眉头紧缩、嘴角下垂、低沉丧气的表情。人的姿态中,手势的加强通常反映一种强调的心态,而身体某一部位不停的摆动则通常反映情绪紧张。为了能够让学习者更有效的自主学习,教师可以通过捕捉这些情感信息,适当的调整教学策略,以提高教学质量。尽管现有一些设计已尝试利用学生的情感去调整学习者的学习进度,选择更适合学习者的教学策略,却鲜有激发和调动学生的积极情感从而对学生形成情感支持的研究。因此,我们在传统的智能教学系统中加入了情感信息模块,开发了基于Multi-Agent的情感交互教学系统,该系统通过捕捉和识别学习者的情感信息,来判定学习者的学习状态及对所学知识的理解和接受情况,从而给出相应的情感调节策略,使学习者在学习过程中处于良好的学习状态,以提高学习者的学习效果,并可根据多个用户的共性,整体修正教学策略。根据以上讨论,给出了基于Multi-Agent的情感交互教学系统模型(如图1所示)。

4.2 各个Agent的功能

该系统在智能教学系统的基础上增加了情感识别Agent、情感信息处理Agent和情感调节Agent,可以根据学习者的情感变化,适当的进行情感调节,使教学质量达到最佳,系统模型的主要结构及其功能如下:

1) 学生Agent:学生Agent在学习者登陆时创建。学习者可以通过学生Agent进行选课、管理个人资料、维护学习目标、调整学习进度、查看学习情况、查看成绩与考核评定;学习过程中,为了完成学习任务,学习者可以通过学生Agent进行自主学习,也可以与其他学习者在线交互、接受教师指导;学生Agent还可以充当学习者的学习伙伴,与学习者进行平等的讨论、交流。

2) 教学Agent:教学Agent在学习者登陆时创建,教学Agent在系统中扮演教师的角色,履行教师的职能。教学Agent根据学习者的能力情况以及学习者的学习记录,使用适当的教学内容、教学策略,合理地安排教学进度,有针对性地指导学习者学习,从而实现个性化教学和因材施教。它要求能力分析Agent分析和预测指定学习者的学习能力,根据能力分析Agent传来的学习者能力信息,结合自身知识库中具有的教学策略,选择合适的知识点组成知识单元,并且选择针对性的教学策略,指导学习者学习。

3) 能力分析Agent:能力分析Agent又称学习能力分析和预测Agent,在用户学习时由教学Agent创建。能力分析Agent主要有两大功能:首先,根据学习者的测试结果,分析学习者的学习能力;其次,它接受教学Agent的要求,根据学习者的学习能力记录,预测学习者的识记能力、理解能力、应用能力和创新能力,并提交给教学Agent。

4) 教师Agent:教师Agent在教师登录时创建,其主要任务是管理知识点、组织学习材料、制作课件、维护习题库、归纳复习资料并生成考试试题、制定教学策略;通过在线交互对学习者学习情况跟踪调查、分析考试成绩、识别学习者的认知水平,并对不同认知水平的学习者或不同的教学内容采用不同的教学策略,以实现对学习者有针对性的帮助、辅导,做到因材施教。

5) 管理Agent:管理Agent在管理员登录后由系统创建,主要完成注册及全局管理工作,它授权教师用户,使其具有教师的权限;如管理知识库,添加习题,修改教学策略等权限;它管理系统用户,如删除一个学习者或教师用户;它负责对课程进行管理,如添加或删除一门课程。能完成整个系统的全局管理,如负载平衡,以及安全性等方面的功能。

6) 情感识别Agent:情感识别Agent在在学习者用户登陆时创建,主要是由人脸表情识别技术、姿态识别、语音识别技术组成,主要对学习者的面部表情特征、语音特征和姿态情感特征进行获取,并提取有效的情感信息传递给情感信息处理Agent。

7) 情感信息处理Agent:情感信息处理Agent在学习者用户学习时由情感识别Agent创建,主要是对获取的情感信息进行分析、建模和识别,是为了正确的选择情感信号,计算出学习者在学习过程中的表情、语音和姿态的情感数据,对这些数据进行统计和融合,识别出学习者的整体情感反应,传递给情感调节Agent。

8) 情感调节Agent:情感调节Agent由情感信息处理Agent创建,它接收情感信息处理Agent传来的学习者的情感反应信息,通过对学习者的情感反应,在认知心理学的支持下形成评价结果,以动画人物形象的方式,给出相应的情感调节,同时分析和记录学习者不同时期的学习情况和学习情感的变化,并写入到学生特征信息库中,以便教学Agent根据学习者的特征调整教学策略。

4.3 学习者的情感调节流程

传统的智能教学系统往往忽视了学习者情感状态的变化过程,其结果往往导致学习者对学习内容感到厌恶或烦躁,使得学习者的学习效果不佳。因此,需要在智能教学系统环境中引入情感调节机制,在学习者的状态不佳时,调节学习者的情感,使学习者在学习过程中处于良好的状态。在学习过程中,当学习者对知识进行学习时,可能会表现出正面或负面的学习情感,对学习者的情感状态进行检测和分析,并判断学习者的情感状态,如果学习者是处于正面的情感,这样的状态是积极的,有助于学习者继续进行知识的学习。如果学习者是处于负面的情感状态,判断其负面情感类型,并对其进行相应的情感调节。例如:随着学习过程的推进,学习者解决一个问题时多次失败,掌握取向动机类型的学习者会感到沮丧和失望,情感调节Agent就会呈现一个具有移情作用的动作,表示它理解学习者正在体验的困难,而如果学习者已经付出了很大的努力,情感调节Agent就不需要鼓励他再做进一步的努力,而是向他提供帮助完成练习。表现取向的学习者会认为自己很失败,但通常不会为此付出更大的努力,因为未能完成这项任务是因为缺乏能力,而努力更显其能力不足,因此针对这类学习者情感调节Agent应该呈现一条话语信息 ,提高学习者的自我效能感,并提示学习者,如果再努力一些就能够完成任务,向学习者表明,任务中没有取得成功不意味着他缺少能力,如果再努力一些,就能取得更好的成绩。我们对学习者情感的变化进行监测和分析,采用情感调节策略对学习者的情感状态进行调整,使学习者对知识的学习产生兴趣,实现情感化的教学。该情感调节策略的流程图如图2所示。

5 结束语

Agent技术和情感计算的兴起正吸引着越来越多人的关注,将其融入网络教学系统中必将使学习方式产生巨大变革。基于Multi-Agent的情感交互教学系统以人脸表情、语音以及姿态等多种情感表现作为反馈信息,运用情感调节策略为学习者提供情感支持,使学习者在学习过程中保持良好学习状态,真正实现了网络教学中的人文关怀。在网络时代的今天,伴随研究的深入,情感交互教学系统必定会获得长足的发展。

参考文献:

[1] Michael W,Nicholas R J.Intelligent agents: theory and practice[J].Knowledge Engineering Review,1995,10(2):115-152.

[2] 陆淑娟.Multi-Agent技术在网络教学中的应用[J].电脑知识与技术,2007,1(2):581-582.

[3] 章国英,胡继岳.网络教学环境中情感交流的缺失及解决策略[J].现代教育技术,2005,15(1):110-116.

[4] 葛正洪.把握情感因素 提高教学效率[J].中国教育现代化,2004(10):50

[5] Aaron Sloman. Review of : Affective Computing[J].AI Magazine,1999,20(1):127-133.

[6] 马希荣,刘琳,桑婧.基于情感计算的e-Learning系统建模[J].计算机科学,2005,32(8):131-133.

[7] 张春飞,李万龙.基于多Agent的智能教学系统模型[J].河北科技大学学报,2008,29(1):48-52.

[8] 黄敏儿,郭德俊.情绪调节方式及其发展趋势[J].应用心理学,2001,7(2):17-22.

李哲(1984-),男,山东淄博人,硕士研究生,研究方向:多Agent系统,情感计算;

第5篇：人工智能教学策略范文

关键词：智能教学系统；神经网络；学生模型；设计

中图分类号：G434　文献标识码：A　文章编号：2095-2163(2011)04-0052-03

0　引言

人类社会为提高教学效率，更好地培养人才，一直在不断探索与尝试运用新技术、新方法来改进教与学的方法和手段。同时也希望能实现因材施教，即根据学生不同的学习基础、学习能力等特征进行差别化教育。但限于教师资源不足和教学效率的要求，尚未做到对每一个学生进行因材施教，智能教学系统的提出为实现这一目的提供了可能。智能教学系统(Intelligent Tutoring System，ITS)是计算机辅助教育与人工智能的结合，是人工智能(artificial intelligence，AI)在教学上的应用，其由人工智能、认识科学、教育理论等多门学科交叉产生。ITS通过研究人类学习的思维特征和过程，寻求学习认识的模式，同时以个性化教学为目标，并根据学生的心理特征、认知水平、已有的知识基础、认识结构和学习习惯、学习风格、动机等个性化特征进行学生个人教学方法和教学内容的确定，选择适当的教学策略，从而为学生提供与其学习特征相符的学习内容和学习进度。学生通过个性化、自适应的学习，既获得了知识，又培养了能力。智能教学系统能更好地发挥学生的积极性，有助于学生智力的开发和能力的培养，是实现教学手段现代化的新方法、新途径。

人工神经网络(Artifieial Neural Network，ANN)是人工智能的一个重要领域，也称为神经网络(Neural Networks，NN)，是由大量处理单元(神经元)广泛互连而成的网络；这是一种模仿生物大脑的结构，并且模拟人脑信息处理过程的信息处理系统。神经网络具有较强的学习能力，即通过训练可抽象归纳出训练样本的主要特征，因而有较强的容错能力和记忆联想能力，能够并行处理信息，因而有较快的信息处理速度。将神经网络应用于智能教学系统能有效提高系统的智能水平、适应能力及反应速度。

目前智能教学系统已有不少研究，其中包括部分学生模型的研究，但这些学生模型普遍存在着智能性不足等问题。本论文对利用神经网络构建智能教学系统学生模型进行了研究，以人工智能、认识心理学、教育学为基础，分析了学生学习过程中的影响因素，进行了模型设计。

1　基于神经网络的学生模型设计

智能教学系统(ITS)是交叉科学，由于人工智能、计算机科学等相关学科仍处于快速发展时期，故ITS目前仍处于发展阶段，其组成部分有不同的说法，如由三部分组成，四部分组成，五部分组成，但却都包含三个核心的部分，即学生模块、教师模块和专家模块(知识库)。本文在三模块架构基础上对学生模型进行设计。

学生模型是智能教学系统的核心，是实施因材施教的基础和关键。因此构造合适的学生模型是构建智能教学系统的重点。该模型应该能够及时、正确反映出学生学习行为中的本质特征和状态，即反映出学生对某一学习内容的掌握、理解程度和学习行为中包含的学习风格、习惯及学习能力等。学生模型目前较普遍的分类有：覆盖模型、微分模型、摄动模型和认知模型等。

(1)覆盖模型是将学生所拥有的知识看成是专家知识的一部分，教学目标是在现有和总体之间建立相应联系。在覆盖模型中，通过将学生与专家的行为差别来建立学生模型，并假设由于某种原因使学生与专家的技能差别造成学习行为的不同。覆盖模型对学习者的描述过于简单，认为学生知识仅是其中的一部分，没有考虑学生的归纳和演绎训练，即举一反三，触类旁通的能力训练。

(2)微分模型是将学习者的知识分为预备授予和预备授予以外知识两个部分，较覆盖模型有了进一步的扩充，但其本质还是覆盖模型。

(3)摄动模型考虑到学生所学到的知识有可能与专家库中知识的不同，但仍然是从知识角度来建模。

上述模型都是通过专家知识与学生已有知识的对比来找出学生需要学习的内容，偏重于知识，不能较全面地反映学生的学习特征和状态。

1.1学习过程因素对于学习的影响

根据比格斯的3P学习模型，学习过程可以决定学生学习质量。不同的学生用浅层式学习与深层式学习在取得相同的成绩评定情况下，其学习质量也是不一样的。浅层式学习记住的是一些与原文一致的内容，没有去思考这些内容之间的关系。深层式学习是从整体上去把握学习内容，学习者想方设法弄清学习内容之间的内在联系。学习过程因素(主要是学习方式)不仅会影响学习结果，而且其本身也是反映学习质量的重要指标，因此在智能教学系统学生模型中，需要考虑学生对于知识记忆、分类、归纳总结和演绎推理能力的培养和提高，提醒学生使用深层式学习。从而对学生回答的问题进行比较、分析，找出其原因，特别是对于产生错误的原因进行分析诊断，并反馈给相应的教师模型，从而对学习内容、教学方法进行调整，同时给出学习方式的建议，而不是简单地让学生重新学习某一部分内容。如测试中发现学生在基础知识部分的得分很高，而综合运用测试得分较低，学生可能应用的是浅层式学习，教学系统应给出学习方式的提醒和建议，使智能教学系统的因材施教效果能更好地体现出来。

有的学生习惯于通过做大量练习题来进行新内容学习，以期将该内容所有可能出现的题型都见识一下，通过归纳总结的方法进行学习；而有的学生则习惯通过演绎推理，用万变不离其宗的原理，从所学内容的本质特征出发，深入理解内容的各部分之间关系，不用做大量习题也能较好掌握所学内容。

因此，在设计学生模型时，应该考虑的因素有学生学习习惯、年龄、拥有的正确知识及对这些知识掌握的程度(即已有的学习基础)，学生的学习史与学生个性特征等。在学生模型中，学生的学习行为包括学生总时间、学习某一内容或解决某一问题所花的时间。对学习内容的认知程度用布鲁姆的6个认知级别，即识记、理解、应用、分析、综合、评价来标记。在学生具体学习行为中，用解决系统所提出问题的正确率来确定学生对目前所学知识的掌握程度，并以学习正确率与学习该内容的时间比值来衡量学生的学习能力。

1.2学生模型设计

建立学生模型采用BP神经网络(Back-propagationNeutral Network)，即前馈反向传播网络。BP网络由输入层、隐层和输出层组成，各层神经元仅与其相邻神经层之间有连接，同一层神经元之间无任何连接，且其输入与输出是一个高度非线性映射关系。输入信号从输入层进入网络，经过隐层处理，最后到达输出层；每一层由多个节点组成，同层节点间无任何关系。

神经网络具有较强的自学习能力，利用学习实例对网络进行训练，通过自适应算法修改网络结构的连接权值，使网络逼近所期望的输入与输出关系，并可以根据输入数据的变化自动调整参数，优化系统，使之能更好反映学生的学习特征。输入是学生基本信息(姓名、学号、年级、班级、年龄等)、课程名称及章节、学习基础、对某一问题的得分、学习时间记录等，输入层节点数为5。输出层根据所要表达的学生学习状态和特征来设计，目前设定的输出有对某一学习内容的掌握程度、学习方式、学习习惯等。隐层数则根据需要设定。

学生模型的神经网络拓扑结构如图1所示。

第6篇：人工智能教学策略范文

关键词：计算机辅助数学；智能计算机辅助教学系统；网络

中图分类号：G434

文献标识码：B

文章编号：1002－2422(2010)05－0063－02

1　CAI与ITS

1.1　CAI系统的局限

CAI(Computer Assisted Instruction)即计算机辅助教学，传统的计算机CAI系统其实就是将一些教学课件和教学录像搬上了电脑屏幕，再加上一些简单的声音、图像、动画。实质上，只是一个资料库，学生接受到的仍然是叫“真鸭式”的教育。只不过这一行为的实施者由老师变为了电脑，采用的教学思想是一种线性程序，所教知识被预先划分成一系列知识点通过使学生不断掌握新的知识点而达到教学目的。随着实际运用的深入，暴露很多问题和不足，主要表现在：

(1)无法给学生提供最适合的学习内容和学习方法，无法达到个别化教学和启发式教学。

(2)学生在学习过程中遇到问题无法与教师、同学进行讨论和交流。

(3)受时间和地点限制，往往只能在课堂、学校机房里单机运行，给自主学习带来了不便，课件资源也得不到充分的利用。

1.2　ITS的特点

ITS的一个重要教学特征是针对个人，讲究因人施教，一个学生一种教学方法。以认知科学为理论基础，综合人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一门对学生实施有效教育的技术。与CAI系统相比，具有以下几个特点：

(1)交互性。ITS改变CAI系统的教学模式，不再局限于知识讲解、多媒体播放这些基本功能，而是更注重教与学之间的关系以及师生之间的互动。

(2)智能性。ITS实际上是一个教学型专家系统，能够做到懂得所要教授的知识、了解并记忆学生的知识状况和反应、掌握与学生交互(交流)的方法以及知道如何组织教学内容。做到因材施教，从而达到更好的学习效果。

(3)网络性。ITS在网络的支持下，突破了时间和空间的限制，完成在线学习、实时讨论、网络测试等多种教学任务。借助于网络的优势，实现了资源共享、信息交换，并且快速更新知识内容。

2　网络环境智能计算机辅助教学系统设计

2.1基于网络的ITS总体构架

网络ITS将具有某一领域的学科知识和相关的教学知识，能对学生进个别化教学，即能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。其注重已有知识、人类教学专家的经验和系统推理功能。其最大特点是可以集中教学专家的智慧，进行因材施教。就ITS所完成的功能而言，其主要由四个模块组成。

2.1.1领域知识模块

领域知识模块是十分重要的模块，包含了系统试图传授给学生的知识，代表了专家的智能；其不仅决定了教学交互过程的内容，也决定了教学目标的结构。ITS提供同领域知识知识相联系的接口，包含三个基本组件：

(1)用户接口：满足用户和系统之间交互的需要。

(2)推理机制：提供对知识库的解释，其结果用于对问题的展示。

(3)知识库：是专家系统的核心组件，包含许多针对某些应用问题的解决方案。

2.1.2学生模型模块

指明学生已知道什么和不知道什么以及学生的认知特点，代表了学生智能。系统通过学生模型建立对学生的了解，故学生模型是智能教学系统对学生的模拟，包括学生知识状态、认知特点和个性特点等。

2.1.3教师模型(又称为教学策略)

主要是提供有针对性的教学策略，代表了教师的智能。是解决如何组织教学内容的问题，即如何教的问题。主要任务是在相应的教学原理的指导下，选择适当的教学内容，并通过接口以适当的表达形式在适当的时刻展示给学生。

2.1.4智能人机接口

人机接口是系统与学生交互作用的部件，能理解自然语言的人机接口模块，即智能导师系统的用户界面。包括自然语言处理技术的应用、人机对话的处理、对领域知识库维护的接口、教学策略的修改接口以及学生模型的初始化处理等。

2.2系统流程

在网络ITS中，学生通过使用学生机房或是家中的计算机登录到ITS的Server端，通过人机交互，ITS会按其不同的认知水平为其准备不同难度的教学内容。完成学习时，系统通过自适应的测试确定学生新的认知水平，作为其下一次登录学习时为其准备学习内容的依据，并向学生提出进一步学习内容的建议。同时系统也可为教师利用，教师使用自己的计算机，在教研室或家中登录到ITS的Serve端，检查学生的学习进度、学习情况，并依据学生的实际情况，有针对性地对教学内容、测试内容进行更新。教学督导人员在教务机构通过计算机连到ITS的Serve端，对教学过程进行监督，对教学效果按一定的教育统计学规则进行评价。

第7篇：人工智能教学策略范文

关键词：教学模式；知识模型；学生模型；教师模型；智能教学系统

中图分类号：G642文献标识码：A文章编号：1009-3044(2008)12-20ppp-0c

The Research of the Intelligent Tutoring Systems of Computer Foundation Course Based on the Web

QIN Yue-xing1,2

(1. College of Computer Science & Information Engineering, Guangxi Normal University, Guilin 541004, China; 2. Department of Mathematics and Computer Science, Qinzhou College, Qinzhou 535000, China)

Abstract: Because of the neglect of the students' leading role and differences, the traditional CAI teaching pattern couldn't teach students in accordance with their aptitude. While ICAI pattern follows the principle of "people oriented, student first", with the purpose of teaching students in accordance with their characteristic and the fulfillment of the self-adapted teaching, it respects students' individual differences and attaches great importance to the students' central role. Through the combination of the characteristic of ICAI, this paper puts forward a structural model for the intelligent teaching of Computer Foundation course based on the Web.

Key words: teaching pattern; knowledge model; student model; teacher model; intelligent tutoring systems

1 引言

21世纪是一个信息社会的时代，计算机技术的日益普及和“信息高速公路”的开通将会给人类带来一个崭新的信息化社会，信息资源的共享更是当今世界发展的大势所趋。这就要求当代大学生熟练掌握计算机技术，通过它学会获取信息、加工、处理信息的能力，学会分析问题和解决实际问题的能力。《计算机文化基础》作为高等院校学生接受计算机基础教育的入门公共课程，它的内容是当代大学生必须要掌握的计算机基本知识和基本操作，其目的是为了提高学生的综合素质，使学生掌握计算机应用技能，把计算机作为一种有效的工具，应用到学习生活和以后的工作中。而目前《计算机文化基础》的上课主要是计算机＋大屏幕投影，采用以同一本教材、以教师为中心、学生围着教师转的“你教我学”的“演播式”教学模式。这种教学模式相对呆板，师生之间的交互性差，学生完全处于一种被动的学习状态，而学生又都是来自全国各地，城乡差别，地区差别较大，计算机水平参差不齐。教师把教学内容“满堂灌”式地传输给学生，而入学前计算机水平较高的学生则会感觉到课堂内容太浅，没有学习兴趣；入学前计算机水平较低的学生却又感觉课堂内容太深，上课听不太懂、跟不上，难以理解和消化。所以，实际上这样的教学模式仍然没有走出传统上课的教师“教”学生“学”的旧有模式，学生过份地依赖于教师，没有学习的积极性和主动性。这种模式忽视学生的主体性和差异性，泯灭学生的学习兴趣，面对不同的学习对象，不能做到因材施教。而智能教学则坚持“以人为本，学生第一”的教学原则，充分尊重学生的个体差异性，根据学生不同的特点，实现因人施教，充分发挥学生的主体作用，让学生积极、主动地去学习，在有效调动学生的学习主动性基础上，注重培养学生分析、解决问题和实践创新的能力。为了实现《计算机文化基础》课最好的教学效果，使学生真正掌握到计算机知识与技能，本文提出了基于Web的《计算机文化基础》的智能教学并进行了系统的简单研究与设计。

2 智能教学概况

智能教学，也称智能计算机辅助教学，简称ICAI (Intelligent Computer Assisted Instruction)是计算机辅助教学的一个重要发展方向，是利用计算机技术模仿人类的教学能力，以学生为中心，计算机为媒介形成的一种开放式的交互教学。智能教学系统是以人工智能、计算机科学、认知科学、思维科学、教育学、心理学和行为科学等为理论基础，根据学生的实际情况，自动选取适合学生的教学内容和教学方法，对学生进行个别化教学，实现了教育界提倡的“因人施教”“自适应教学”，让学生积极、主动地去获取知识，体现了智能性。实际上智能教学就相当于是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的教学效果。

智能教学系统最显著的特征是它具有自适应性。它能根据每个学生的基础知识、水平和能力，制定相应的学习计划，面对不同个性的学生有针对性地进行个别化指导，并在学习过程中根据学生的具体学习情况和进度自动调整适合学生的教学内容和教学策略，以达到最好的教学效果。理想的智能教学系统应能够根据学生的实际情况选取教学内容、教学模式，对学生实施个别化教学，做到“因人施教”，将教学资源、教学模式优化组合起来，建立一个良好的教与学的互动环境，激发教与学双方的主动性和创造性。

目前随着Web技术的不断发展和成熟，基于Web的智能教学系统研究越来越受到人们的重视。在Web上构建智能教学系统，利用网络的功能实现分布式教学，可以不受时间和空间上的限制，同时可以接受多个用户的并发访问，用户可以随时随地享受教学资源，充分实现信息资源的共享，又可以在最大程度上满足每个用户的需求，真正做到“因材施教”，因此得到教育领域的广泛应用。

3 基于Web的《计算机文化基础》智能教学系统设计的构成

针对基于Web的《计算机文化基础》教学系统的特点，本文采用4个相互作用的模块：知识模型、学生模型、教师模型和交互模型来设计该系统。

3.1 知识模型

知识模型将领域知识以一种特定的结构存储在计算机中，根据不同的知识类型采用不同的存储结构。知识库作为智能教学系统的重要组成部分，主要解决教什么的问题（教学内容），表示教学领域的相关知识，以及相关问题的求解知识。实际上，知识表示是智能化系统首先要实现的部分。用于智能教学的教材内容的组织不是简单地将书本电子化，而是通过对学习内容模块化来确定知识的内在联系和认知顺序。

本系统的知识模型模块，对《计算机文化基础》教学内容知识库的表示，可以采用超文本表示方法，根据教学把课程内容分解成小单元，设置相应的内容链接。其特点包括：教学内容被组织成包含文字、声音、图形、图像、动画和视频等多媒体集成的超文本文件（HTML）文件，使教学内容更为丰富、形象、生动、充实。例如，《计算机文化基础》讲解格式化磁盘或安装操作系统的相关知识时，由于硬件和时间条件的关系，教师不可能把上课所用的机子格式化后重装系统演示给学生看，一般都是口头随便讲解，草草带过。但学生对这些内容又比较感兴趣，这样，想教无法教，想学又没学到，教与学出现矛盾！但是现在通过智能教学系统，可以把这些知识点做成步骤详细的flas作品挂在校园网上，学生通过校园网可以反复多次地观看，甚至可以下载保存到自己的电脑上，这样让学生积极、主动地去学习，从而达到掌握知识和形成技能的目的。通过智能教学系统，我们可以把一些在课堂上很难实现的知识很轻松、容易地教会学生，提高学生的学习积极性。

3.2 学生模型

学生模型是记录学生的基本信息和学习情况的模块，根据学生的学习基础、能力特征和个性特点智能教学系统要提供最适合学生需要的教学，针对不同的学习个体，做到因材施教，系统就必须充分了解当前的学习对象，需要把学习对象的各种认知特征、知识水平、学习能力等用适当的数据结构记录下来，作为选择教学内容和教学方法的依据。

学生模型在ICAI中构造了一种可靠的表示学生知识水平程度的数据结构，它记录着学生对知识的掌握程度，是学生知识结构的反映。学生模型监控学生的学习情况，依据学习的进度和学生的知识水平能力从试题库中调出相应的测试内容进行测试，并将测试结果的详细情况存储到学生信息库中，方便教师模型对学生信息的调用。学生模型的构造目的是评估学生的认知状态，并发现学生在认知过程中出现的错误。

本系统的学生模型模块主要用于帮助学生进行个性化的学习活动。主要有两个方面：(1)学生学习：系统提供多种学习方式供学生进行选择，根据学生的选择系统提供相应的学习资料或课件，给出相应的学习指导。比如，如果学生选择传授式学习，那么整个学习过程都处于计算机导师的直接控制之下，相当于传统的课堂教学下的学习；如果学生选择探索式学习，那么计算机导师就会提出相应的问题和提示，学生自主地浏览相关网页内容，在这些问题和提示下，完成主动性的学习；(2)学生练习：学生完成一个单元或阶段的学习后，系统提供相应的练习题给学生进行练习；在学生提交练习结果后，系统进行评估，给出进一步的学习建议，如果系统评估不过，则学生要重新进行该练习，直到学生掌握了该知识点才能进行下一步的学习，如果系统评估通过，则形成新的有针对性的练习，或者引导学生进入下一单元的学习；同时建立学生的个性化知识库，使系统能够进行有效的推理，形成启发式的自学策略。

3.3 教师模型

教师模型是模仿人类教师工作的一组程序，存放指导教学序列和教学方法，通过人机交互对知识模型和学生模型的分析，启动推理机工作，评价学生领域知识的掌握程度，提供指导的教学序列，并在最适当的时候显示最好的指导，进行启发式的高水平教学。

本系统的教师模型主要用于辅助教师编写教案。主要包括：(1)教案生成管理：系统根据教学知识模型和学生模型，结合已有的教学资源，通过一定的推理机制生成相应的教学策略，辅助教师作出有针对性的教学计划，编写个性化的计算机教案，同时提供教案库的管理和维护功能；(2)素材组织：按照教学知识模型库将各种类型的教学素材（如声音、图形、图像、视频等）进行组织和管理，建立教学素材与教学知识点之间的有机联系，并提供与常见多媒体课件编辑工具（如PowerPoint、Authorware、Flash）的链接，能够在常见的课件编辑工具中有效地利用已有教学素材。

3.4 交互模型

交互模型实现学生与知识、系统之间的交流，是教与学双向活动的人机界面。交互模型包括学生交互界面和教师交互界面。

本系统主要有两种基本的交流工具：(1)教师信箱：学生通过电子邮件的方式与教师之进行交流；(2)电子白板:电子白板是一个虚拟的协同的交互空间，供教师和学生进行同步或异步方式的交流。对在交流过程中产生的有价值的信息，用户将其作为知识进行提取存储起来，供以后再利用。

4 结束语

《计算机文化基础》是一门基础性、应用性、操作性比较强的学科，我们要找出一条适合《计算机文化基础》教学的新路子,充分发挥学生的主体作用。目前，有关基于Web的智能教学系统的研究和开发逐渐成为国内外研究的热点，本文针对《计算机文化基础》这门课研究探讨了一种基于Web的智能教学系统的构造方法，希望能构造出一个高效的基于Web的智能教学系统，从而真正实现《计算机文化基础》的智能化教学。

参考文献：

[1] 邹立坤, 蓝岚. 大学计算机文化基础教学改革的几点思考[J]. 保定师范专科学校学报,2007,20(4).

[2] 纪莉莉. 人工智能教学系统的探讨[J]. 福建电脑,2005,7.

[3] 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.

[4] 李志平, 刘敏昆, . 基于Web的智能教学系统研究[J]. 计算机工程与应用,2006,2.

[5] 刘寅, 黄燕. 基于Web的智能教学系统知识模型与学习控制[J].计算机工程与设计,2006,27(14).

[6] 王晶. 基于网络的智能教学系统的研究与开发[J]. 内蒙古电大学刊,2005,1.

[7] 史玉珍, 陈和平. 基于Web的智能教学系统的研究和设计[J]. 福建电脑,2005,7.

[8] 罗梅, 王万森. 基于Web的智能教学系统的研究与实现[J]. 研究与设计,2006,22(9).

[9] 况少平. 基于事例推理的智能教学系统之探讨[J]. 现代企业教育,2006,9.

第8篇：人工智能教学策略范文

关键词:网络教学;智能教学;虚拟教学;多智能体(Multi-Agent);X3D

中图分类号:TP393文献标识码:A文章编号:1009-3044(2010)22-6298-02

1 网络教学

近年来,随着网络技术的日趋成熟,网络教学逐渐成为人们研究的热点。现代网络教学是随着计算机网络技术和多媒体技术的发展而产生的一种新型的教学形式,以网络技术为依托,以大量的数字化教学资源为支撑,采用远程交互式多媒体现代化教学手段,实现跨越时间和空间的教育传递。它与传统教学的不同之处在于,突破了传统教育的时空限制,共享优秀的教学资源,体现了不可比拟的优越性。

但是现代网络教学尚存在着许多缺陷:教学组织多以单方面呈现教学材料为主,缺乏交互手段;学生不能根据自己的认知能力和学习需求选择合适的教学内容,难以达到因材施教; 学习系统、考试系统和协作交互系统等教学模块往往自成体系,缺乏知识的交换与共享。

2 虚拟教学

利用虚拟现实技术可以创造与真实环境相同的虚拟环境,并提供与该虚拟环境交互的手段,让用户产生身临其境的感觉。沉浸式虚拟教学系统可以给学生提供具有情境感的学习环境,学生对虚拟教学环境的刺激和虚拟教学环境对学习者的反应实时自然,有利于增强学生的想象力,提高教学效果。

X3D是Web3D协会制定的下一代VRML97标准,它是下一代的、可扩展的、互联网上的 3D图形规范。X3D定义了如何在多媒体中整合基于网络传播的交互三维内容,整体结构包括四个部分:内核(核心特性集),VRML特性集,应用程序接口和扩展集。一个X3D文件包括header(头部说明)、scene graph(场景图)、prototypes(模型)和eventrouting(事件路由)等功能组件,通过X3D浏览器表达成真实的3D场景。X3D场景和用户的交互可通过静态和动态方式两种方式实现。静态方式是通过检测、感知等节点的使用实现浏览者和虚拟对象的交互功能;动态方式则是通过一段外部程序逻辑去决定事件的产生,X3D通过自己的API提供给Java程序一个可以访问X3D浏览器的界面和可执行环境。将X3D技术应用于网络教学中,通过创建虚拟场景,加入交互功能,可以使学生沉浸在友好的虚拟学习环境中,边学习理论知识边进行实际操作,获得较好的实践能力锻炼,从而获得良好的学习效果。

3 多Agent系统

智能体(Agent)的研究起源于人工智能领域,Agent对自己的状态和行为有完全的控制能力,能够对复杂的刺激进行响应并产生内部状态的控制和适应性的行为。广义Agent的内涵:具有诸如信念(belief),能力(capability),决定(decision)和承诺(commitment)等精神状态(mental state)的实体,认为Agent是能够适应环境通过学习提高自身能力的实体。多Agent系统(Multi-Agent System,MAS)由多个自主或半自主的智能体组成,具有分析目标、相互通信和协作完成任务的能力,依靠共同协商和分治,各Agent实体能够自主地完成知识推理和任务求解。

将多Agent技术引入现代的网络化教学中,可以在一定程度上解决传统教学模式下教学材料单一、教学缺乏互动和难以因材施教等一系列问题,增强网络学习推荐的智能化和个性化,同时利用了网络平台带给我们的丰富的媒体资源和多彩的表现手段、可以激发学生的学习兴趣,找到适合学生自身情况的教学策略,使学生能在一种交互式的学习环境中得到更人性化的教学服务。

4 智能虚拟教学系统

智能虚拟教学系统基于客户端/服务器结构,如图1所示,整个结构分为四层:客户层、交互层、多Agent引擎层和服务器层。客户端与服务器端通过Internet进行通信。服务器层包括教学数据库服务器、WWW服务器、X3D课件库、多媒体资源库、个性推荐模型库和用户资料库。多Agent引擎层是智能虚拟教学系统的核心模块,包含两个高层的功能子模块:交互Agent模块和协同管理模块。交互Agent模块负责实体Agent(管理员、教师、学生和访客)进行请求服务和消息通信,协同管理模块负责系统安全管理、虚拟行为管理、Agent对象管理和虚拟教学场景控制管理,子模块之间采用消息传递机制进行通信,采用KQML语言来作为Agent之间的通信语言。知识查询与操作语言(knowledge query and manipulation language,KQML)是一种交换知识和信息的描述性语言,它定义了Agent间传递消息的格式和消息处理的协议。虚拟行为包括用户的注册与登陆、用户个性学习推荐、学生自主学习、教师辅导答疑、作业完成与提交、学生考核与自主测试、课程导航与特色资源推荐、学习效果个性评价与教学策略推荐、教学资源的调用与维护等。

学生是整个教学环节中受教育的主体,学生Agent包括学习习惯、兴趣爱好、认知水平、学习进度以及当前情绪等。学生Agent学生的学习行为,任何一个学生登录进教学系统后,将会创建一个学生Agent,并将该学生的所有学习情况记录在系统内,保持该学生学习状态的延续性。个性分析Agent负责调用登录学生的个人资料库,查看学生以往的学习记录,不断地分析用户的学习状态,为学生的下一步学习做相应的准备。个性推荐Agent是在学生登录后生成的,调用个性分析Agent的分析结果来产生个性化推荐,根据目的不同分为基于知识推荐的Agent和基于相似学习者推荐的Agent,从而实现智能化教学。教学策略Agent将以“教”为主和以“学”为主的教学策略有机结合起来,形成一种新型的教学策略;学习评价Agent分为两类,一类对学生的学习效果进行评价的Agent,另一类是对教师的工作情况进行评价的Agent,评价的依据是教学数据库中存储的评价策略。考试测试Agent分为试卷子Agent、考试子Agent、注册子Agent、学生答题子Agent和评分子Agent。试卷子Agent依据一定的试卷生成算法从试题库中抽取符合总体难度系数的试卷,生成考试内容,评分子Agent对试卷结果进行评判,并将结果传送回数据库和学生Agent。导航Agent的作用是使学生明白自己当前在系统中所处的位置,使学生不至于在繁多的超链中迷失。

5 结束语

智能虚拟教学系统在教育领域的应用不仅改变了传统的教育理念、教育模式和教学方法等,同时也为学生提供了便捷的学习机会、优良的教学环境和丰富的教学资源,使学生的学习活动更加自主化和个性化,是服务于终生教育和构建学习型社会的一种重要技术基础。

参考文献:

[1] 林士敏.计算机辅助教学基础教程[M].浦东电子出版社,2001.

[2] 史忠植.智能主体及其应用[M].北京:中国科学出版社,2000.

[3] 何炎祥,陈莘萌.Agent和多Agent系统的设计与应用[M].武汉:武汉大学出版社,2003.

[4] 胡迎松,韩萍,陈中新.一个基于Agent的个性化推荐系统[J].计算机应用研究,2006,23(4):78-80.

第9篇：人工智能教学策略范文

[关键词]智能教学系统；移动学习；英语学习；案例研究

[中图分类号]G434　[文献标识码]A　[文章编号]1672-0008(2012)03-0066-07

一、引言

智能教学系统(Intelligent Tutoring System，ITS)是在计算机辅助教学的基础上逐步发展起来的，是一门涉及人工智能(Artificial Intelligence，简称AI)、计算机科学、认知科学、教育学、心理学和行为科学的综合性课题，也是教育技术学的重要研究领域。其研究的终极目的是由计算机担负起人类教育的主要责任，在一定程度上代替人类教师实现最佳教学。自20世纪70年代以来，许多国家和地区如美国、英国、日本和加拿大等都投入了大量的经费，十分重视智能教学系统的研究、开发，智能教学系统已应用在数学、物理、工程、化学以及军事训练等领域。与国外发达国家相比。国内对智能教学系统的研究起步稍晚，理论研究仍以借鉴国外成果为主，真正走出实验室并投入教学实践的智能教学系统并不多。因此，本文在阐述智能教学系统及其组成架构的基础上，结合台湾PIMS移动智能教学系统支持英语学习的个案，介绍系统框架及其在教学中的应用，在分析案例优点的同时。提出了研究建议。希望能对智能教学系统的教育应用起到借鉴作用。

二、智能教学系统及其组成结构

智能教学系统产生的历史可以追溯到上世纪60年代的程序教学(Programmed Instruction，PI)，随后出现了基于计算机的训练(Computer Based Training，CBT)和计算机辅助教学(Computer Assisted Instruction，CAI)。智能教学系统的基本框架最初由Hartleyt和Sleeman提出，基本观点认为ITS必须处理三类知识：第一类是领域知识，即专家模型(ExpertModel)；第二类是学习者知识，即学生模型(Student Model)；第三类是教学策略的知识，即导师模型(Tutor Model)。这是ITS研究的最初框架。在之后的30年里。也成为指导ITS设计与开发的经典理论。虽然ITS的发展已有30多年，但关于什么是ITS，目前国内外尚无统一的定义。结合自己的研究实践。不同的学者提出了不同的看法。观点分歧主要集中在对ITS中“I”。即智能的理解不同。目前。国内学者普遍接受的观点是：ITS是一种借助人工智能技术，让计算机扮演教师的角色实施个别化教学，向不同需求、不同特征的学习者传授知识，提供指导的适应性学习支持系统(Adaptive Learningsystem)。

不同时期的研究者对于智能的理解各不相同。有学者提出对于智能教学系统中智能的具体要求为：自动生成各种问题与练习；根据学生的水平和学习情况，选择、调整学习内容及进度：在理解教学内容的基础上自动解决问题生成解答：具有自然语言的生成与理解能力，以便实现比较自由的教学问答系统以提高人机交互主动性：对教学内容有解释咨询能力；能诊断学生的错误，分析原因并采取纠正措施；能评价学生的学习行为：在教学中不断改善教学策略。上述的八点进一步可归纳为三个“w”，即懂得教学内容(what)、了解教学对象(whom)、知道如何教(how)。ITS最直接和最主要的智能特征是能对学生进行因材施教的个别化指导，ITS的智能集中体现在对学生的评价和诊断能力、教学规划能力、自然语言理解能力。强调系统的智能性有利于提高教学系统的有效性、促进人类认知的研究、推动未来教育模式的改进。

ITS是一个复杂的软件系统，对其组成结构的理解，不同研究者持有不同的观点。有三模块说(Hartley&Sleeman etal.)，即认为ITS由学生模型(Student Model)、专家模型(ExpertModel)或领域知识库(Expert Model or Domain KnowledgeDatabase)以及导师模型(Tutor Model)三部分组成；四模块说，即在三模块说的基础上加了—个人机接口模块：五模块说，即在四模块说的基础上将专家模型与领域知识库独立出来。国内学者对ITS的组结构比较赞同四模块说，即认为一个典型的ITS系统主要有四个组成部分：专家模型颅域知识)、学生模型、教师模型(教学策略)和智能人机接口。如图1所示。

学生模型：用于记录学生的相关信息，反映系统对学生知识状态、认知特点和个性特点的了解程度。是导师制定教学策略的依据。学生模型通常包括三种类型：覆盖模型(Overlay Model)、微分模型(Differential Model)和摄动模型(Perturbation Model)。学生模型的研究主要包括错误诊断、学习过程跟踪、开放的学习者模型、动机和情感建模等。学生模型是智能教学系统的核心组件，是实施个性化和适应性教学的基础。

教师模型(教学策略)：根据一定的教学原理，以学生已有的知识状态、认知特点和个性特点为基础，组织适当的教学内容，采用适当的表达形式，选择适当的呈现时机，给予学生个性化的指导。该模块运行的关键在于如何选择合适的教学策略，即解决如何教的问题。

专家模型(领域知识库)：表示教学领域的相关知识以及作为专家能够基于教学领域知识解决有关问题的问题求解知识。专家模型主要完成两个功能：一是ITS中知识的来源，系统使用专家模块的知识对学生的行为作出适当的响应，生成相应的问题、任务以及解释；二是衡量学生知识掌握情况的标准，为了完成该功能，领域专家必须采用与学生相似的方式生成问题的解答，才能进行系统行为与学生行为之间的比较。

智能接口：作为系统与用户的交互界面，是为其它各个模块提供智能化的多媒体知识输入、用户信息和行为获取、知识输出的途径。智能接口包括自然语言处理技术的应用、人机对话处理、对领域知识库维护的接口、教学策略的修改接口以及学生模型的初始化处理等。

三、移动智能教学系统的应用案例

PIMS(Personalized Intelligent Mobile-learning System)即移动智能教学系统，系统保留了e-learning的优点，能为英语学习提供有效而灵活的学习环境，充分发挥移动学习的优势。扩展学生的英语词汇量，提高学生的英语阅读能力。

(一)系统概述

近年来，随着网络社区的迅速发展，越来越多的用户借助无线网络，利用掌上电脑或手机浏览网页或检索网络信息。同样地，教育技术的发展趋向也日益便携化、移动化、个性化。这些趋势导致了学习方式的变革，从传统的课堂教学走向数字化学习、移动学习和泛在学习。在这些新颖的学习方式中。移动学习已被视为一种灵活有效的学习方式。能够突破时空的限制，方便学习者在任何时间、地点，利用空闲时间展开学习活动。

在英语作为非母语的国家，英语已经成为最重要的第二语言。如何利用计算机辅助学习的方式或以计算机为学习工具促进英语学习水平的提高已成为热点话题，也是影响国家整体竞争力的重要因素。近年来，国外已有学习者成功地提出利用移动学习支持课堂外的英语学习活动，比如TenseITS即是专为中国人学习英语而设计的移动智能教学系统：手机辅助语言学习系统等等。任何语言都包括听、说、读、写四大技能。然而阅读能力和词汇知识是两个重要的影响英语成绩的因素。换言之，阅读能够丰富词汇，掌握词汇又能促进阅读理解。在下文中，为了表述方便，英语作为母语的国家，用L1表示，英语作为第二语言的国家，用L2表示。

为了解决英语学习中的阅读能力和词汇问题，有的学者提出英语学习的最好方法是“短时间、高频率”，也就是每天学习几分钟比一个月一次学习数小时效果显著。将上述提出的学习方法与移动学习整合，本案例基于模糊项目反应理论(Fuzzy Item Response Theory，简称为FIRT)，提出了个性化智能移动教学系统(Personalized Intelligent Mobile-learning Sys-tem，简称为PIMS)。网络蜘蛛根据模糊项目反应理论，从相关英语新聞网站检索英语新聞文章提供给PIMS，同时，能自动发现并抽取学习者不认识或不熟悉的词汇，通过加强词汇的学习，促进学生英语阅读能力的提升。实验结果表明，PIMS系统有益于提升学生的英语新聞阅读能力，扩大英语词汇量，学生的学习兴趣明显提高。

(二)PIMS的系统结构与设计

PIMS系统包括三个组成部分，即远程课件服务系统、客户移动学习系统、数据同步，如图2所示，PIMS系统结构图详细描述了每个部分的结构。客户移动学习系统由四个智能和四个数据库组成，系统基于模糊项目反应理论，向不同的学习者推荐不同难度的英文新聞，以分别提高他们的阅读能力和词汇量。远程课件服务系统由三个智能和一个数据库组成，网络蜘蛛能自动从因特网收集英语新聞，提供给远程课件、用户档案数据库，系统还能根据英语新聞难度测量预案对英语新聞进行难度参数的评估。为了实现离线学习，数据同步负责保持客户端和服务端数据的一致性。

1.远程课件服务系统

图2的右边部分揭示了远程课件服务系统的结构，包括英语新聞网络蜘蛛、英语新聞难度评估、课件管理、远程课件和用户档案数据库。目前，台湾许多网站免费提供大量英语新聞，并有相应的中文翻译，比如FTV和CTV英语网站，中文翻译有助于中文读者(L2)对英文新聞的阅读和理解。为了给远程课件和用户档案数据库构建丰富的英语课件，网络蜘蛛能自动从因特网收集英语新聞并提取英语新聞中的元数据：英语新聞难度评估能根据台湾全民英检网的词汇等级水平，在对阅读难易计算公式改进的基础上，自动测量英语新聞的难度参数，基于模糊项目反应理论的难度参数的测量有利于向不同的学习者推荐合适的英语新聞：最后，课件管理提供了友好的课件管理界面。方便教师从远程课件和用户档案数据库创建新的课程单元，下载、修改或删除课件。

2.客户移动学习系统

图2的中间部分展现了客户移动学习系统的结构，包括学习界面、个性化词汇推荐、个性化课件推荐、反馈等四个智能和用户档案、词汇、本地课件、用户帐号等四个数据库。学习界面为已注册帐号的学生提供了灵活的学习界面，实现了与反馈、个性化词汇推荐、个性化课件推荐的交互。学习界面能展现个性化课件推荐推荐的英语新聞，收集学习者的学习反应、学习新词汇、检测学生对新词汇的掌握：反馈负责收集学习者的精确反馈信息。包括英语新聞的难度水平和学习者的理解程度。并且保存到用户档案数据库：个性化课件推荐从本地课件数据库中推荐个性化的课件给不同的学习者，根据学习者的反馈，评估学习者的学习能力；最后，为了促进词汇学习，根据个性化词汇学习系统对学习者词汇能力的评估以及词汇的难易参数，个性化词汇推荐从学习者所学的英语新聞中提取对学习者来说不熟悉的词汇。个性化词汇学习系统能运用项目反应理论和学习记忆规律，激发学生的学习兴趣，提高学生的学习成绩。该系统也成功地运用在利用掌上电脑(PDA)进行个性化英语词汇学习的活动中。

如果在英语新聞中出现的词汇难度参数大于当前学习者的词汇能力，那么这些词汇被视为生词呈现给学习者，而且在学生完成词汇学习后，检查词汇界面将检测学生是否已经掌握了所学生词，同时，通过数据同步。新掌握的词汇同时被记录在客户端和服务端的用户档案数据库中，以避免在下一学习周期中重复学习。目前，系统词汇库从台湾全民英检网的词汇库中收集了八千多个词汇，并且都有相应的中文翻译和难度参数。客户移动学习系统的学习过程见图3。

(三)PIMS教学应用实验

1.英语新聞收集及课件管理系统

目前，远程课件、用户档案数据库中存储有2792篇英语新聞。用于支持有效的英语新聞阅读学习，图4展现了由英语新聞难度评估对2792篇英语新聞的难度评估及难度分布，已收集的2792篇英语新聞难度参数分布在-1.70至＋2.68之间，相对一致的难度参数的分布有利于给不同学习者推荐合适的英语新聞。图4中，-3代表最容易的，＋3代表难度最大的，0代表难度适中，已收集的2792篇英语新聞比日常英语文章难度稍大些，不适合英语阅读能力较差的学习者。在本实验中，由经验丰富的高校英语教师从2792篇英语新聞中选择了47篇作为阅读课件材料，难度参数平均分布在－1.70至＋2.68之间。

2.研究对象与研究局限

为了评估PIMS系统的学习效果，本研究通过召开班会，首先交代研究背景、研究动机、实验过程，接着利用PDA演示PIMS系统，然后从35名大学三年级英语师范专业的学生中征集到15名志愿者参与本次实验。在15名志愿者中，男生2名，女生13名，学生的第一语言都是汉语，年龄在21至23岁之间。因为PDA价格比较昂贵，所以本次研究只选取了15名学生作为研究对象，由于样本数比较小，所以实验结果不适宜推广或解释其他案例。此外，15名学生没有或很少有使用PDA的经验，在操作PDA学习英语的过程中可能会有一定障碍，并且研究对象都是未来的小学英语老师，至少已经接受了三年英语听、说、读、写的训练，既然研究的参与者是自愿的，同时都是英语师范专业，他们对运用新的学习工具进行英语阅读练习充满兴趣，因此具有很高的学习动机。另外。本研究在PDA上只提供静态文本。不提供任何声音。因此英语新聞的播音对英语新聞阅读理解的支持作用不属本研究的考虑范围。

3.实验设计

学习成绩的实验评估过程如图5所示，前测和后测的试题由十个选择题构成，分别从十篇英语新聞中随机选择，试题由经验丰富的英语老师来命题。经过统计分析，前测、后测的试卷具有相同的难度系数，前测、后测的测试时间都为15分钟。

在进行实验之前，每一位研究对象都接受了2小时的培训，学习操作PDA和PIMS系统，然后进行前测，测量学生初始的英语新聞阅读能力。经过培训和前测后，每个研究对象分发到一个PDA，在随后的五星期内，借助PIMS系统，进行英语新聞阅读学习。换言之，学习者可以在任何时间、任何地点自由地利用智能移动学习系统进行泛在学习，同时，在学习过程中系统借助学习者的学习档案记录来监督学习者的学习状态。教师也可以观察学习者的学习记录，如果一个学习者在两天内没有登录系统，系统会自动发e-mail给予提醒。五个星期以后，通过后测评估15名学生英语新聞阅读能力，通过问卷调查测量他们对学习的满意度。

4.学习评价

(1)学习成绩评价。图6展示了前测和后测学习成绩的比较。后测的结果显示：15个参与者的语言能力与开始时的英语阅读能力相比具有明显的差异，除了05号学生以外，其余学生的后测成绩都比前测成绩好。分析其原因，05号学生没有和其他同学一起参加后测，随后单独进行后测。在后测过程中。该生注意力非常不集中，由于不明的心理或私人的原因，05号学生后测仅做了20分钟左右，导致后测的成绩非常差，05号学生的后测成绩视为干扰，统计分析时忽略不计。

图7展示了三个英语学习能力不同的学生(02号阅读能力低、04号阅读能力中、07号阅读能力高)随着时间的推移其英语学习能力的变化曲线，02号阅读能力低的学生阅读能力提升的速度与04、07号学生相比要慢些。07号阅读能力高的学生与其他两位学生相比，其阅读能力提升的速度是最快的。值得注意的是，当推荐的英语新聞难度太大学生不能理解时，学生的阅读能力就会下降，直到给予个性化学习策略，学生的阅读能力才会提升。然而，实验结果显示：经过31个小时的学习，三个被观察的学习者虽然英语阅读起始能力不同。但逐渐达到相同的阅读能力如何。结果表明，不管学习者原始的阅读能力如何，PIMS系统给不同的学习者推荐合适的新聞文章可以促进学习者阅读能力的提升。

为了进一步检验前测和后测的成绩差异，利用SPSS软件来分析前后测的成绩。表1列出了前后测配对样本的统计信息(N=14)，前测和后测学习者的平均成绩分别为65和76.4，标准差分别为16.05和13.36。表2给出了前后测配对样本的t检验。研究发现，前后测成绩平均值差异为-11.43，自由度为13，t为-2.51，P为0.026。换言之，利用推荐的PIMS系统。学习者学习成绩的提升达到显著性差异水平，测试成绩平均分提升11.43分。

为了理清PIMS系统是否对不同学习能力的学习者提供不同的学习成绩，利用卡方聚类方法，根据前测成绩把15个学习者分成三类，表3展示了基于前测成绩的分类结果。表4展示了三类小组的统计信息。较另外两组相比，前测成绩比较低的小组在阅读英语新聞总数平均值、词汇学数的平均值、进步成绩的平均值等方面取得了更好的成绩。换言之，在学习成绩提高方面，PIMS系统为初始英语阅读能力低的学习者提供更大的帮助。

(2)问卷分析。为了评价学生对PIMS系统的满意度，参照Chen’s et al.的研究，设计问卷，问卷从五个方面设计了21个问题，衡量PIMS系统能否满足用户的需求。这五类问题包括：使用PDA的个人信息，4个问题：系统操作的方便性，5个问题；学习者使用PIMS系统学习的学习态度，7个问题；系统的优点和缺点，4个问题；学生对实验前和实验后英语阅读能力的自我评价。

调查结果显示。学生对系统操作方便性的满意度达81.32％：75.21％的学生认为PIMS系统对英语学习的态度和兴趣有促进作用：大多数学习者认为PIMS提供了友好的界面，有效的学习机制、提高了学习动机和兴趣，尤其是相应的中文翻译加深了英语阅读的理解程度，同时也对系统提出了一些建议，比如增加字典功能、增加发音辅助听力理解等；最后，采用SPSS软件统计分析学生对实验前和实验后英语阅读能力的自我评价，通过配对样本统计和配对样本t检验，大部分学习者认为利用PIMS系统学习英语。英语新聞的阅读能力有了明显的提升。

四、PEVIS教学应用案例分析

目前，在智能教学系统研究和应用尚不够完善的情况下，PIMS系统建立了智能导师与学生之间一对一的“师生”关系，值得学习借鉴。

(一)重视学生初始学习能力的评估

学生初始学习能力的评估通常利用一些经过测量理论校定的测试练习题对学生进行测试。并根据学生的反应情况来估测学生能力以及对领域知识的掌握程度。在PIMS系统中。通过前测了解学生初始英语阅读能力和词汇掌握情况。在一个学习循环结束时。理解测试练习和词汇测试又将结果反馈给个性化词汇推荐、个性化课件推荐、用户档案数据库。系统了解的学生的认知状态，教学模型就可以正确地评价学生对知识的理解程度，以便进一步推荐适宜学生的英语阅读材料，同时教学模型还可以通过学生模型诊断学生在学习过程中所形成的错误概念。为学生提供相应的补习，以便使学生建立正确的概念。

注重学生初始学习能力的评估有助于确定教学起点，符合采用系统方法设计教学的思想。运用系统观点看待教学的好处是能够把握教学过程中学生、教师、教学材料、学习环境等要素，并且各个要素之间必须有效地发生相互作用。在智能教学系统中，学生模型是智能教学系统的核心部件，它记录了学生的认知状态。反映了学生的学习进度、知识的熟练程度、存在的误解以及与期望目标之间的差距。为系统对学习内容进行动态组织提供重要依据。

(二)动态生成适应性学习内容

动态生成适应性学习内容是指智能教学系统根据学生初始学习能力的评估结果以及学生的学习档案记录，动态地组织、呈现与学习者当前学习能力最相关的学习内容。它包括两方面的内容：在学习内容的选择上，系统根据学习历史记录和能力评估结果，选择学生没有掌握或是没有学习过的学习内容，这些学习内容是与当前学生能力最接近的：在学习内容的组织上，系统将根据对学生估测的能力和学生的认知风格，选择最适合学习者的内容呈现方式。在PIMS系统中，个性化课件推荐根据前测了解到的学生初始英语阅读能力和词汇能力，推荐难度适宜的英语阅读材料，在下一个学习循环开始时，个性化课件推荐再根据上一循环的反馈结果，进一步作合理推荐。

一方面。动态生成适应性学习内容符合维果斯基的“最近发展区”的教育理论。维果斯基将学生的实际发展水平与潜在发展水平相交叠的区域称为“最近发展区”。这个发展区存在于学生已知与未知、能够胜任和不能胜任之间。发展的过程就是不断将最近发展区转化为现有发展区的过程，把未知转化为已知、把不会转化为会、把不能转化为能的过程。另一方面，动态生成适应性学习内容还有效解决了学习者的认知超载问题。认知负荷是指人在信息加工过程中所必需的心理资源的总量。

资源有限理论认为，人的认知资源(主要表现在工作记忆容量上)是有限的，而任何学习和问题解决活动都要消耗认知资源，都有可能造成认知上的负荷，如果加工某种信息所需要的认知资源超过了人本身所具有的认知资源的总量。就会造成认知超载(Cognitive Overload)。从而影响学习的效果和效率。根据影响认知负荷的基本因素，可将认知负荷分为三类：内在认知载(Intrinsic Cognitive Load)、外在认知负荷(Extraneous Cognitive Load)和关联认知负荷(GermaneCognitive Load)。内在认知负荷是在学习材料的内在性质与学习者的专业技能之间的相互作用中产生的，负荷的大小取决于工作记忆中同时被处理的信息数量以及与已存在的图式联系。动态生成适应性学习内容能有效地减轻学生的内在认知负荷，符合因材施教的个别化教学原则。

(三)动态调整学习策略

学习策略是针对特定的学习内容为学生进行学习时所采取的方法。一般来说，不同的学生。根据自己不同的学习风格，采取的学习策略是不一样的，同一学生在不同时期内所采用的学习策略也可以不同，甚至同一学生在学习同一学习内容时，也可采取多种学习策略。PIMS系统充分发挥了智能教学系统与移动学习两者的优势。一方面。智能教学系统能够支持学习者开展自主学习、协作学习和探究性学习等多种学习策略。为学习者提供丰富的资源和学习建议：另一方面，移动学具备了数字化学习的所有特征之外，还有它独一无二的特性，移动学习提供基于短信、文本、图像等的学习方式，学习者不再被限制在电脑桌前，可以自由自在、随时随地进行不同目的、不同方式的学习。学习环境是移动的，学生也是移动的，学习者可以根据不同的学习状况，动态地调整自己的学习时间、学习地点。每个学生可以自己控制学习的步调，再结合英语学习“短时间、高频率”的学习特点，特定的学习内容以适当的方式呈现，以灵活的学习策略促进学习者主动学习，实现对知识的意义建构。

(四)关注智能教学系统的教学应用及其效果

从文献分析来看，目前国内智能教学系统的研究主要关注理论基础及系统模型的研究，不少论文对智能教学系统的系统架构和实现技术、学习模式、教学设计等方面研究较多，但很少关注系统的教学应用及其效果，从而使研究缺少实践的支撑。相比之下，在本个案中设计了相应的教学应用实验，以检验系统的应用效果，并发现系统设计的不足。个案首先介绍系统的使用方法、英语新聞的收集方法、课件管理系统对英语新聞的管理和系统的界面，接着明确实验对象和实验的限制，以生动直观的图表形式交待实验设计、数据统计和检验，通过学习成绩评估了解系统在教学中的应用效果。通过问卷调查，了解学生对系统操作方便性的看法、学习者使用PIMS系统的学习态度、系统的优点和缺点和学生对实验前和实验后英语阅读能力的自我评价，从而为智能教学系统的进一步完善打下基础。实验证明，PIMS系统为不同的学习者推荐的英语新聞有利于学生的学习，可以减少认知负荷，增进学习效果，提高学习兴趣。

五、小结

PIMS移动智能教学系统支持英语学习的研究，在系统构架、技术实现和教学应用方面，都为我们提供了良好的参考模型。系统基于模糊项目反应理论，合理地评估学习者的原始英语阅读能力，根据学习者反馈信息和英语新聞难度系数。因人而异地推送难度适宜的英语新聞。减轻了学生的认知负担。激发学习者的学习动机和阅读兴趣。提高了学习效果。同时。移动智能教学系统提供的泛在学习环境。使英语学习突破时间、空间的限制，真正实现无时无处不在的泛在学习。