知识追踪驱动的智能导学系统设计与实现

随着经济的发展,越来越多的家庭为孩子购买能够随时随地在线学习的设备。然而,在非面对面教学中,教育者难以掌握学习者的知识状态、学习进度以及未来可能的学习情况。同时,学习者面对海量的网上学习资源难以找到适合自己的资源。针对上面的问题,开发设计了以知识追踪为驱动的智能导学系统。首先,介绍了知识追踪的基本概念与常见的模型以及应用现状。其次,将知识追踪的结果运用到系统中。最后,通过实验表明,系统能够很好地解决上述问题。

智能导学系统设计

通过对远程教育现状分析 ,指出当前远程教育系统中普遍存在的问题 .根据个性化学习理论 ,利用人工智能技术 ,分析设计了一种智能导学系统 ,阐述了其主要对象模型、系统结构和运行机制 ,以及研究的关键问题 .这种智能导学系统可以有效地解决远程教育中存在的弊端 ,实现个性化。

基于学习过程的智能导学系统的研究与实现

针对远程教育系统的缺陷———缺乏个性化和智能化,对智能导学系统进行了较为深入的研究。IIS能根据学员的不同情况,制定个性化的学习方案,而且还可以根据学习过程信息,计算出学习相对速度、知识掌握程度以及学习效率等评价指标,不断地动态调整学习方案,从而达到指导学员学习的目的。

基于元认知能力发展的智能导学系统研究

通过比较分析国际典型的7个智能导学系统,文章发现各系统之间存在教学法、心理学、技术和实用主义的差异,但在智能化程度和有效促进元认知发展方面具有相同点。之后,文章采用系统建模方法分析了学生的元认知策略,构建了ITS中的元认知能力模型。最后,文章以Betty’Brain系统为例,通过实证分析得出:元认知意识的智能导学系统不仅有利于促进学生元认知能力的发展,还能培养学生的问题解决能力。

智能导学系统人机互动的跨学科研究与设计

智能导学系统(ITS)是借助人工智能技术,让计算机扮演专家指导者向不同特征学习者传授知识、提供学习指导的适应性学习支持系统。它有着不同于传统导学系统的基本结构与运行机制,学生模型建构与适应性指导是其两大核心特征。学生模型建构过程是ITS导学过程中通过追踪学生学习过程逐步形成特定学生知识学习模型。按照建构方式不同,常见的学生模型有四种,分别是期望与错误概念调整适应的学生模型、贝叶斯网络的学生模型、学习追踪的学生模型以及基于限制的学生模型,它们采用不同的学习行为指标。有效的人机互动不仅要以学生模型为基础,教学模型、课程脚本数据库还需要储存丰富的言语指导行为策略。ITS人机互动教育心理学研究,以及教育技术学、计算机科学领域的探索性设计研究进展启示:我国要推动ITS发展应联合不同领域研究者在已有基础上进行跨学科研究与设计;多研究专家教师的言语指导行为,形成科学系统的互动结构、脚本与策略;重视情感对学生学习的影响,建构集认知与情感为一体的学生模型。

智能导学系统:应用现状与发展趋势——访美国智能导学专家罗纳德·科尔教授、亚瑟·格雷泽教授和胡祥恩教授

智能导学系统是借助人工智能技术,让计算机扮演虚拟导师向学习者传授知识、提供学习指导的适应性学习支持系统。它已经广泛应用于美国的教育领域,在促进学生个性化学习方面发挥了重要作用。智能导学系统的理论基础和关键技术是什么?如何应用于教学?应用于教学的现状和效果如何?有哪些研究热点?未来发展趋势怎样?借第十届教育数据挖掘国际会议于2017年6月25-27日在湖北武汉举办的机会,笔者就上述问题对三位与会专家进行了专访。第一位专家是美国波尔得(Boulder)语言科技公司董事长兼首席科学家罗纳德·科尔(Ronald A.Cole)教授。科尔教授在科罗拉多大学波尔得分校成立了口语研究中心(CSLR),研发口语对话系统、话语识别器、动画人物系统等先进技术以及融入这些技术的虚拟导师及语言治疗师。十五年来,科尔教授专注于交互性虚拟导师及语言治疗师等新一代学习工具的研发。第二位专家是美国孟菲斯大学心理学系和智能系统中心亚瑟·格雷泽(Arthur C.Graesser)教授。他同时兼任牛津大学教育系高级研究员,研究专长包括认知科学、话语处理、学习科学、人工智能、软件开发、语篇理解、教育软件设计以及人机交互。格雷泽教授及其同事设计开发了多种集心理学与学习、语言及话语技术为一体的系统。格雷泽教授2010年获国际语篇与话语协会(Society for Text and Discourse)"杰出科学贡献奖";2011年获美国心理学会"心理学应用于教育培训杰出贡献奖"等。第三位专家是孟菲斯大学心理学系、电子与计算机工程系胡祥恩教授。他同时兼任华中师范大学心理学院院长,教育部青少年网络心理与行为重点实验室高级研究员,孟菲斯大学智能系统研究所高级研究员,先进分布式智能教学系统研究与发展学习中心主任。研究领域包括数学心理、研究设计与统计、认知心理,研究项目获得美国国家科学基金会、美国陆军研究实验室、美国海军科研办公室等机构的资助。

ASSISTments平台:一款优秀的智能导学系统

ASSISTments平台是一款优秀的基于计算机环境的智能导学系统,它以开放性的应用环境、适应性的学习支架、多样化的诊断报告和自动化的再评补救等特征,为智能导学系统的研究和开发提供了良好的范式。基于此,文章首先介绍了ASSISTments平台,随后详细分析了该平台的特征,最后从研发系统、应用环境、运行机制、诊断功能等方面,探讨了该平台对中国智能导学系统建设带来的启示。文章对ASSISTments平台的介绍和分析,有利于推动智能导学系统的建设及其研究的进一步深入。

GIFT——通用智能导学系统框架

智能导学系统(ITS)是一种基于计算机的智能化教学环境,它可以在合适的粒度上适应学生的学习水平,以帮助学生掌握知识和技能。近年来,研究者试图寻找通用的ITS框架(GIFT),以系统分析ITS有效性的根本原因。本文将重点阐述GIFT这项前沿技术:首先,介绍GIFT的四个关键组成部分,包括传感器模块、学习者模块、教学模块和领域模块;其次,对GIFT的开源原型进行说明,主要包含单机模式和云模式两种形式.

多Agent技术在智能导学系统中的应用

智能导学系统的建立是一项涉及人工智能、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。智能Agent技术适用于与用户有灵活的相互作用,在相互作用中智能地协助用户完成琐碎的工作这样的领域。本文讨论了多Agent技术在智能导学系统中的应用。

智能导学系统在远程教育中的应用研究

将智能导学系统应用于现代远程教育中,系统运用数据挖掘技术对学习者访问网络记录进性分析,提取出学习者的学习过程以及对知识点的掌握情况,从而针对学习者个体评价学习效果、优化学习方案、以及督促和鞭策学习者学习,真正实现个性化智能导学。

基于JSP技术的智能导学系统的设计与实现

本文阐明了当前我国网络自主学习有一定的盲目性,缺乏有效的导学机制;本文讨论了基于JSP技术的智能导学系统的功能设计与相应功能的实现。

“人体解剖学”智能导学系统的设计与应用

目的实现“人体解剖学”个性化学习,促进学生对解剖学知识的掌握和开发学生的持续学习能力。方法利用通用智能导学系统框架(generalized intelligent framework for tutoring,GI-FT)设计并实现了“人体解剖学”智能导学系统,并将其应用于漯河医学高等专科学校2019级康复治疗技术专业274名学生中进行分组测试。实验组137人,使用智能导学系统学习“人体解剖学”内容;对照组137人,通过传统的教学方法学习。学习结束后,对两组学生分别进行2次测试,并对其成绩进行统计分析;同时对实验组学生进行智能导学系统教学满意度调查。结果实验组2次解剖学测试成绩均高于对照组,差异具有统计学意义(P<0.05)。实验组学生对智能导学系统使用效果各项指标中“很不符合”“不符合”的累计占比在3%~19%。结论“人体解剖学”智能导学系统能有效帮助学生施展个性化学习、提高学习效果,有利于其对解剖学基础知识的掌握和医学持续学习能力的培养。

对话式智能导学系统研究现状及趋势

对话式智能导学系统通过模仿人类自然语言对话辅导,能够促进学习者的综合分析、定性推理等深度学习能力。本研究基于深度学习视角,用文献分析法对其概念内涵、理论基础、架构特点和学习效果等相关研究进行梳理,指出对话式智能导学系统对深度学习具有明显的促进作用,但也存在学习效率欠佳、深度学习支持不足及开发成本过高三个亟待解决的问题。为进一步推动对话式智能导学系统的发展,本研究建议重视跨学科合作、引入通用智能导学框架、考虑潜在的伦理问题,同时着重关注多模态交互方式、多维度情感计算和多代理团队学习三个新兴研究方向。

《数据结构》智能导学系统设计

阐明了当前我国网络自主学习有一定的盲目性,缺乏有效的导学机制;在智能导学系统中引了数据挖掘技术,并对智能导学系统进行功能设计。

基于点击流数据仓库的智能导学系统的设计

本文在深入研究点击流数据仓库技术的基本理论的基础上,将此技术应用到智能导学系统中,根据网站的web日志文件的点击数据构建数据仓库,并对这些数据进行分析,使个性化学习能够达到理想效果。

基于多Agent的智能导学系统的研究与设计

智能导学系统是针对CAI系统的不足而提出的能够基于领域知识和学生模型进行决策、指导的教学系统。多Agent技术为智能导学系统的设计与实现提供了解决方案。本文主要讨论了基于多Agent技术开发的智能导学系统的功能设计以及数据库系统设计。

基于模糊理论的智能导学系统中学习目标的评价研究

本文以如何提高网络教学系统的智能性为切入点,以布卢姆教育目标分类学为依据,以模糊数学理论、AHP方法为基础,以学生的学习目标评价为目标,构建了智能评价模型,对智能导学系统中实时收集的学生学习信息进行了实时动态评价,并将结果及时反馈给教师和学生,并给出合理的建议。

智能导学系统中的知识追踪建模综述

构建精准的学习者模型,是实现智能导学系统与智能化教育服务的关键。知识追踪可以对学习者知识掌握状态进行动态估计和预测,是建立学习者模型的核心技术。文章聚焦于知识追踪建模,首先介绍了知识追踪模型的基本含义,系统梳理了知识追踪建模的研究进展。随后,文章详细阐述了基于马尔可夫过程、基于逻辑回归和基于深度学习的三类知识追踪模型的基本原理、发展过程和应用现状,尤其关注近年来人工智能领域的研究热点——基于深度学习的知识追踪模型。最后,文章总结和分析了知识追踪模型应用的现状,并针对知识追踪模型构建研究的未来方向提出建议,以期为本领域的理论与实践提供参考和帮助。

决策树算法在智能导学系统中的应用

决策树算法是一个经典的数据挖掘分类算法,如今已经被广泛应用到各个领域,并且取得了很好的效果,此外,对决策树算法的改进也在不断的进行中。将决策树算法应用在智能导学系统中,其目的是为了使智能导学系统能更好对学习者进行分类。采用的方式是应用决策树算法对学习者输入的资料对其进行分类,并对不同类型的学习者应用不同的教学计划。结果表明应用决策树算法分类能明确的把握学习者的特性,提高系统的分类效率。由此得出结论,将决策树算法应用在智能导学系统中是十分可行的。

智能导学系统中反馈的设计研究

智能导学系统作为前沿的人工智能教学工具,借助人工智能技术来替代人类教师,对不同需求及特征的学习者实现个性化、智能化教学。其中,反馈设计在智能导学系统中发挥重要作用,可提升学习者的认知水平、学习体验及元认知能力。目前,在国内智能导学系统的研究中反馈设计的研究尚待完善。本文基于优化智能导学系统的互动学习环节,以提高学习者的认知水平、学习体验和元认知能力为导向,首先从影响反馈效果的因素出发,对智能导学系统中反馈设计的通用性原则进行了概括;其次,从反馈功能的视角,借鉴国外已有的智能导学系统反馈的设计,最终形成了反馈系统中认知、情感、元认知三个层面的设计方法,以期为智能导学系统中反馈的设计研究提供参考。