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。

基于集成算法的知识追踪智能导学系统的设计与实现

为了更准确地判断学生的知识掌握状态,设计开发了一个基于集成算法的知识追踪智能导学系统。该系统从学生的学习行为数据出发,提出了一种新的基于集成算法的知识追踪模型,将当前主流的知识追踪模型的结果进行集成,达到更加准确地判断学生知识掌握状态的目的。实验表明,该系统可以较为准确地判断学生的知识掌握状态,预测学生未来的学习表现,便于教师了解学生的知识掌握状态,从而进行有针对性地教学;也便于学生了解自身的知识掌握状态,从而进行自适应性学习。

智能导学中学生个性化自我调节学习与情绪研究

科学技术使教育教学逐渐呈现智能化、精准化、个性化,面向学生真实学习需求,提供适切的学习服务。文章通过综合国内外相关文献,对照智能导学系统特点,构建智能导学中学生个性化自我调节学习成分模型和发生机理,智能导学系统(Intelligent Tutoring System,ITS)中学生认知、情绪和情绪相互关联,学生与ITS互动可以增强学生学习效果。调查情绪价值发现,学生利用智能导学系统学习表现出更积极的情绪,而且男生自我效能感比女生稍强,对促进学生认知、行为和情绪等方面的协同效应,智能导学系统也起到一定的积极作用。

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。

智能导学环境下个性化学习模型及应用效能评价

教育信息化促进教学飞跃式发展,但是中小学学生的培养仍然是工厂流水线的模式,学生的创新意识薄弱。伴随着创客时代到来,有必要创设智能学习环境促进学生自主学习。本研究依据个性化学习理论和学习分析理论,构建了智能导学系统的结构模型与学习过程模型。并以Betty’s Brain系统为例,采用实证分析研究方法探讨学习者个性化学习过程。结果表明智能导学环境下有助于促进学习者的自我调节、自我反思及自我评价。最后,从元认知视角对学习者个性化学习效能进行了评价,以期研究能对智能导学系统的发展有一个推动作用。

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。

基于Web2.0的智能导学系统研究与设计

Web2.0作为网络发展的新时代,其去中心化、参与、分享、协作的理念,为智能导学系统设计带来了新的思路。RSS、Tag、SNS、Wiki、Mashup等作为Web2.0的代表性技术,为智能导学系统更好的实现交互性、共享性、开放性、自主性、协作性等基本特点,提供了有利的支持。运用相关认知理论、动态评价等理论的指导,将web2.0的新技术运用到智能导学系统,可以设计出导学功能更强、智能性更高的导学系统,体现以学生为主体的人本主义思想。

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。

基于Agent技术的智能导学系统设计

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。文章基于Agent系统的基本结构和运行原理,给出了基于Agent的个性化智能导学系统的设计模型,阐述了总体设计思路。从学习者和教学者的角度,设计和建立一个自主化、个性化、智能化的基于多Agent远程教育导学平台,该平台更好的实现学生与教师间的交流互动,指导教师教学与学生学习,提高教学效果,提升学习质量。

学习者行为分析建模与智能导学研究

当前,信息技术与教育的融合已成为全球共识,世界各国都在争相布局数字教育,抢占未来发展的战略制高点.在大规模在线的教育大数据背景下,为了分析学习者在学习动机、情感态度、认知水平以及社交环境方面的多粒度特征表现,本文通过量化学习经历数据,分析和提取面向场景的学习者关键特征,以实现学习者个性化学习概览的动态构建,并研究泛义资源的多维度关联映射构建方法,以及建立面向学习者的结构化学习资源推荐框架.

通用智能导学框架助力学习科学发展——访美国通用智能导学框架联合创始人罗伯特·索特拉博士

索特拉博士是国际智能教育领域的知名学者,曾获美国陆军荣誉服务奖(2018年)、美国陆军文职人员成就奖章(2008年),并在建模和仿真领域荣膺两项终身成就奖,在学习科学领域发表200多篇论文。1983-2018年,索特拉博士就职于美国陆军和海军训练科学技术部,领导适应性训练科学和技术项目,聚焦认知、教学和技术的交叉领域,核心研究问题有二:如何基于学习科学的先进成果开发更有效的标准化智能教学环境?如何在新技术情境下促进人的有效学习?在致力于推进智能教学环境标准化过程中,他和同事开创了基于人工智能的智能教学系统通用框架(Generalized Intelligent Framework for Tutoring,GIFT)及其开源软件,他本人被尊称为“GIFT之父”。通用智能导学框架是构建各类智能导学系统的标准化框架,即使缺乏开发或教育经验的使用者也能基于该框架快速构建系统并用于学习、研究或教学实践。2012年5月,通用智能导学框架由美国军队研究实验室人类研究和工程指挥部正式发布。自发布以来,通用智能导学框架被广泛应用于学科教学、职业培训、军队或医学训练等领域的课程开发。截至2019年10月,通用智能导学框架社区成员已汇集76个国家或地区的1500余名用户。2019年10月8-12日,在华中师范大学举办的第七届网络时代的心理与行为研究前沿国际研讨会期间,笔者对罗伯特·索特拉博士进行了访谈。相信本次访谈能够为关注智能化教育技术的研究者、实践者和政策制定者提供参考。

基于Silverlight的智能导学平台建设

本文分析了当前自主学习网络平台中存在的问题,研究工科专业导学平台下教学资源整合的策略,利用最新Microsoft Sliverlight富客户端、数据库和人工智能等技术,设计开发了一种智能导学平台。详细阐述了其主要对象模型、系统结构和运行机制,以及研究开发的关键问题。通过这一导学平台可以有效地解决工科专业网络学习平台中现存的弊端,实现个性化、智能化的导学教学。

AutoTutor背后的技术启思与人文眷注——访美国孟菲斯大学智能导学系统专家亚瑟·格雷泽教授

亚瑟·格雷泽(Arthur C.Graesser)是美国孟菲斯大学心理学系和智能系统研究院教授,牛津大学教育系荣誉研究员,先后获得杰出科学贡献奖(文本与语言学会)、心理学应用教育和培养杰出贡献奖(美国心理学会)、孟菲斯大学终身成就奖、Harold W.McGraw学习科学奖等,与同事合作开发了AutoTutor、DeepTutor、Electronix Tutor、PAL3及Coh-Metrix等知名教学软件,研究兴趣为认知科学、言语处理和学习科学。本文系格雷泽教授2019年10月来华参加“计算行为科学研讨会——智适应教学系统的模型和分析”会议期间接受访谈整理而成。访谈以AutoTutor为切入点,探讨与之有关的教师培训、情感、协作学习、深度学习、GIFT及MOOC等问题。我国改革开放迄今已四十余年,但是与美国相比,为何原创总是乏善可陈?AutoTutor背后的技术启思与人文眷注——格雷泽教授的心路分享也许能给我们“精神引航”。此次访谈恰逢格雷泽教授退休之际,借学术回望之机管窥其学术思想内涵,希望能对学界同仁有所启发。

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。