人工智能的智能教育范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇人工智能的智能教育范例，将为您的写作提供有力的支持和灵感！

篇1

课程设置应与高职教育培养目标和方式相一致

人工智能课程主要讲授当今智能领域的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。

当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。

三个改革途径

（一）引导学生阅读应用研究文献

高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。

实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。

（二）安排学生对经典算法程序进行实验

与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。

在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。

学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。

例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计加以创新

毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。

在计算机领域中，人工智能属于研究和创新的前沿和热点，许多旧有问题利用人工智能方法都得到了新的解决途径。教师在指导学生毕业设计时，可针对某一问题恰当地启发学生引入人工智能的理论和方法，并尝试性地运用在解决当前问题之中，这样能较容易地获得新的改进和突破，对培养学生创新观念和能力很有意义。

近年来，高职教育得到了迅速发展，其社会认可度也不断提升。但是，在发展的过程中也出现了一些新的问题，其中突出的是如何对以往普通高等教育的教学方式和内容加以改革，以适应高职教育的新要求。人工智能课程作为一门重要的计算机专业课程，仍需要结合高职教育的实际要求以及学生的具体情况，在加强培养应用型、技能型人才，加强实践教学上不断进行探索和改革。

参考文献

[1]赵蔓，何千舟.面向21世纪的《人工智能》课程的教学思考[J].沈阳教育学院学报，2004，6（4）：131-132.

篇2

人工智能技术作为社会媒介化发展的特殊产物，不仅能够建构起智能媒介化的信息社会，更能深入到传媒研究领域，引导影视传媒研究朝着“互联网+教育”的方向发展。当前影视传媒教育正面临重要的转型阶段，如何通过媒介信息技术调整现有的理论学习模式和教学培养目标，已经成为影视教育进行改革创新的突破口。基于人工智能为教育信息化带来的机遇和挑战，影视教育正致力于从“刀切教育”迈向“精准教育”，从“课堂缺席”转为“课堂在场”，从人才培养模式到教育信息平台搭建，都在不断强化智能教育培养，力求为影视传媒教育的智能化改革和实践提供决策依据。

一、影视教育智能化发展的应用价值

智能化影视传媒研究是教育信息化极为重要的应用场景，人工智能技术不仅拓宽了影视传媒教育的研究方向，同时也在技术手段、渠道搭建、傳媒伦理等层面发挥着重要作用。

1.消除数据鸿沟，发挥智能传媒教育技术赋能和知识平权的双重功能。影视传媒研究是以实践为基础的理论性教学，以培养创新型和复合型人才为教育目标。教育学者是影视文化传播的驱动者，因个体间存在传播技能、信息储备和交往行为方面的差异，造成影视传媒教育具有严重的知识鸿沟。在影视研究学者步入算法教育的重要阶段，智能教育平台可通过读取人的反馈改变原有的教学模式，调整每一位受教育者的天赋类型。与此同时，教育学者能够充分利用算法技术和人工智能手段，获取定制化的影视资源和学习条件，以技术逻辑引导学习流程，用分析框架提高教学模式的理论性和可操作性，通过强化教与学的变革场景，激活文化创作的想象力和逻辑性思维，使科技创新在理性与感性、理论与实践的引导作用下，从一般的理论教学形成智能媒介化的信息教学模式，从单向传授转变为双向互动的学习教育模式。

2.拓宽学习渠道，推动教育形态从理论课堂到智能媒体教育课堂的变革。人工智能技术与影视教育教学的深度融合，正引发起一场新的教学革命。从教育手段和学习途径上来看，原有的课堂教学已无法满足理论和实践的双重需求，大数据催生出的智能化影视教育，在虚拟世界和现实世界间搭建起新的算法课堂，利用人工神经网络简化理论教学的概念，又通过具有超强运算能力和通讯能力的技术手段协助实践操作。例如，人工智能照相机作为辅助型的教学工具，被运用于智慧课堂的摄影实践教学中，借助云端技术和物联网连接远程数据中心，可以帮助不懂摄影技术的学习新手尽快了解电影拍摄的理论框架和基本技能，推动教学场景从应用性教学到智慧型课堂的氛围建构。人工智能与影视教学的跨界融合，成为智能传媒教育进行颠覆式创新的重要表现形式，教育形态正逐渐从智慧课堂过渡到智慧校园，从传统的理论范式过渡到智慧媒体的应用型范式，帮助构建起新的学科话语体系。

3.重视传媒伦理，推动智能化影视传媒教育价值观和技术性的生成。人工智能是以追求效益为初心的理性工具，在技能研发阶段尚未对伦理规范提出强制要求，技术伦理向来是人工智能难以逾越的一道鸿沟；影视传媒教育则是以培养学生的伦理观和价值观为出发点，重视以道德审美为核心的理性意识。智能化传媒教育将信息技术和影视教学进行结合，使得理性工具得以同理性意识深度融合，人文关怀建立在技术作用之上，这既是培养受教育者核心价值观的时代需要，亦是强化人工智能技术伦理的有效途径。人工智能时代，强调智能化影视传媒教育技术性和价值观的生成，与其说是建立在影视教育应用场景上的技术伦理规范，不如说是借信息技术完成对传媒伦理和受教育者价值观的理性建构，让人工智能发展紧密联系意识形态和伦理道德问题，加深技术手段和教育学习的彼此作用，从而获得传媒教学在伦理层面的共识。随着传媒影响力的逐步扩大，以内容为载体的影视教学活动意味着要担负起更重要的教学责任，学科研究核心价值观的建设必须以注重传媒伦理和技术伦理为教学基础，重新建构现有的伦理道德观念，为人工智能技术注入价值观的活的灵魂。

二、影视教育智能化发展的风险问题

人工智能技术的迅速发展，赋予影视传媒教育极大的应用价值，与此同时也面临着潜在的风险问题。

1.灌输式教育仍占据主流，智能化影视教学陷入价值认知困境。在人工智能技术出现以前，理论+实践的教学策略已经成为一种固定的形态存在于传统影视教学工作中，受教育者根据统一的培养目标规划自己的学习方式，包括影视创作及影视理论等相关课程都按照相同的培养模式进行。由于教育主体对人工智能的认知存在两极分化的现象，过往只能够通灌输式对学生进行强制教育，智能化影视教学则是处于小范围内的实践和创新。对影视教育而言，理论与实践是学习的内容，继承与创新才是研究的实质。明确人工智能教育的价值认知，从灌输教育逐步迈向定制化教育，为高校的人才培养提供重要的智力支持，应当是影视教育智能化转型发展的着力点。

2.智能教育应用场景缺乏思考，其深度和广度有待进一步挖掘。当前，智慧课堂、智慧校园的出现奠定了智能传媒教育的基本雏形，依靠大数据、物联网等信息技术支撑的智能传媒教育，在平台搭建层面已出现显著性成果，但对应用场景的深度和广度挖掘还存在明显问题。影视教育智能化应当以追求个性化和定制化教育为目标，崇尚的是终身学习的教学理念，不应当将人工智能技术仅局限于传统的教学课堂，除了要从“线下”走向“线上”，还需要考虑到以人机交互为主要形态的教学应用场景，挖掘人工智能教育更多的应用情境和展现方式，从而对影视课堂的理论与实践教学价值提供合理的在场性证明。

3.专业壁垒依然存在，智能化教学成果马太效应极为明显。智能教育世界要求培养更加多元化的应用型人才，但人工智能的马太效应逐渐渗透到影视传媒教育工作中，也会导致教学成果受到出现严重的失衡现象，难以满足高校对人才培养的多元化需求。作为艺术研究的影视教学活动，其科学精神和创新实践同样重要。尤其在媒介融合背景下，要想推进受教育者从“影视学者”逐渐过渡到“影视作者”，人工智能不仅需要满足师生的定制化教学任务，还应当破除专业和行业的壁垒，对其相关联的学科和传媒领域进行合作，才能够改变当前智能化影视教育在教学模式上面临的不足，不断为社会输送更多的应用型人才。

三、影视教育智能化发展的转型实践

面对智能传媒教育的风险与挑战，影视专业更应当立足于自身的教育发展特色，从人才培养模式、应用场景建设、教育资源整合等方面，推进影视教育智能化发展的转型实践。

1.从“灌输教育”走向“精准教育”，创建新的人才培養模式。智能传媒教育范式的自主性建构，应当立足于对传统教学效率和人才培养模式的颠覆。基于当前影视传媒智能化发展在人才培养模式层面的不足，其转型实践需要从受教育者的个性化需求出发，在师生、家长和社会的通力合作下，创建新的人才培养模式，利用碎片化学习完成系统化的学习过程，逐渐从“灌输式教育”走向“精准化教育”。例如，人工智能时代对影视学生的培养更趋向于“以个人为导向的系统化学习”，通过前期对受教育者的大数据整理，对每一位同学的逻辑性、想象力、创造性和沟通能力等进行分析，从影视理论和影视创作两大方向出发对受教育者形成定制化的学生画像，并提供针对性的智慧作业，帮助教师采集学生的学习情况，从而实现规范化的信息管理。可以预见的是，智能传媒时代，“互联网+教育”学习模式的生成，在推动知识平权化等方面发挥重要价值，成为影视教育智能化追求的重要转型路径。

2.从“课堂缺席”走向“课堂在场”，打造新的传媒教育平台。人工智能不仅要改变传统的人才培养模式，同样也应当提供更加多元化的学习应用场景。过去的影视研究多局限于单一的课堂场景，采用课上理论和课下实践的方式进行授课，完成影视教学的闭环。人工智能时代，影视传媒教育应当调整原有的受教育模式，通过搭建合理的人工智能应用平台，可以巧妙地将课堂场景与智能技术结合起来，为受教育者提供更加多样性的教学应用场景，从而实现成长课堂的“在场共生”。例如，人工智能可以带动影视制作的推陈出新，通过搭建智慧超媒体系统，将电影屏幕从影院搬到校园，自动生成无穷界面。与此同时，影视传媒的智能化还可以帮助教师自动生成电影梗概，将理论性教学转变为可视化形象，使电影理论同定制化的影像人物之间建立匹配关联，让教育场景从线下逐步延伸到线上，为影视研究提供重要的云服务。

篇3

中图分类号：TP18文献标识码：A文章编号：1009-3044(2008)35-2417-02

Artificial Intelligence Education and Middle School Students Information Literacy

WU Wen-tie

(Mathematics and Computer Institute of Mianyang Normal University, Mianyang 621000, China)

Abstract: Information Literacy in the Information Age is a national basic literacy, artificial intelligence represents a cutting-edge information technology. Based on the analysis of information quality and substance of the definition on the basis of exploring the field of artificial intelligence research, as well as in education, put forward the theory of artificial intelligence and technology courses in secondary education should be in a more systematic, comprehensive Improve the information literacy of students.

Key words: artificial intelligence; information literacy; information technology

1 信息素养的定义及其内涵

“信息素养”一词最早产生于信息技术和信息产业发达的美国, 是随着现代信息社会的逐渐形成而对国民提出的一种兼跨人文和科学范畴的综合性个人素养要求的描述。随着研究的深入，人们对信息素养的认识也在不断深化。

1974年美国信息产业协会主席保罗・泽考斯基最先提出信息素养的概念, 他认为信息素养是“利用大量的信息工具及主要信息源使问题得到解答的技术及技能”。1992年美国图书馆协会提出：“信息素养是人能够判断何时需要信息, 并且能够对信息进行检索、评价和有效利用的能力。”同年, 道尔在《信息素养全美论坛的终结报告》中给出了一个较为全面的定义：一个具有信息素养的人, 他能够认识到精确和完整的信息是作出合理决策的基础, 他能够确定对信息的需求, 能够形成基于信息需求的问题, 能够确定潜在的信息源, 能够制定成功的检索方案, 从包括基于计算机的和其他的信息源中获取信息、评价信息、组织信息用于实际的应用, 将新的信息与原有的知识体系进行融合以及在批判性思考和问题解决过程中使用信息。

综上所述, 虽然研究人员从不同的视角界定了信息素养的定义, 但可看出, 信息素养既包括认知态度层面上的内容, 也包括技术层面、操作层面和能力层面上的内容。概括起来讲, 信息素养主要包括信息意识、信息能力和信息道德三个方面：

1) 信息意识。信息意识是信息素养的首要因素, 主要指人们对信息及其交流活动在社会中的地位、价值、功能和作用的认识, 换句话说, 就是指人们对信息的判断、捕捉的能力。信息意识的强弱将直接影响人们利用信息的程度和效果。人们只有有了信息意识,才有可能有信息的需求, 进一步去寻找信息和利用信息, 并主动学习与信息处理有关的技术。

2) 信息能力。信息能力是信息素养的重要方面, 是指人们获取信息、处理信息、利用信息、创造信息、交流信息的技术和能力。人们只有掌握一定的信息技能, 才能有效地开展各种信息活动, 有效地利用信息和创造信息, 充分发挥信息的价值, 变信息为动力和优势。

3) 信息道德。信息道德是指人们在整个信息交流活动过程中表现出来的信息道德品质。它是对信息生产者、信息加工者、信息传播者及信息使用者之间相互关系的行为进行规范的伦理准则, 是信息社会每个成员都应该自觉遵守的道德标准。

2 人工智能的研究领域

人工智能的研究领域非常广泛, 而且涉及的学科也非常多。目前,人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在网络教育环境中常用的智能技术。

2.1 专家系统

所谓专家系统就是一种在相关领域中具有专家水平解题能力的智能程序系统, 它能运用该领域专家多年积累的经验与知识, 模拟人类的思维过程,求解需要专家才能解决的困难问题。

2.2 机器学习

“学习”是一个有特定目的的知识获取过程, 其内在行为是获取知识、积累经验、发现规律; 外部表现是改进性能、适应环境、实现系统的自我完善。所谓机器学习, 就是要使计算机能模拟人的学习行为, 自动地通过学习获取知识和技能, 不断改善性能, 实现自我完善。机器学习主要研究学习的机理、学习的方法以及针对相应的学习系统建立学习系统。

2.3 模式识别

所谓模式识别,是指研究一种自动技术。计算机通过运用这种技术,就可自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。也就是说,模式识别研究的主要内容就是让计算机具有自动获取知识的能力,能识别文字、图形、图像、声音等。一般来说,模式识别需要经历模式信息采集、预处理、特征或基元抽取、模式分类等几个步骤。

2.4 人工神经网络

人工神经网络是指模拟人脑神经系统的结构和功能, 运用大量的处理部件, 由人工方式建立起来的网络系统。它是在生物神经网络研究的基础上建立起来的,是对脑神经系统的结构和功能的模拟, 具有学习能力、记忆能力、计算机能力以及智能处理功能。其中学习是神经网络的主要特征之一, 可以根据外界环境来修改自身的行为。学习的过程即是对网络进行训练的过程和不断调整它的连接权值, 以使它适应环境变化的过程。学习可分为有教师(或称有监督)学习与无教师(无监督)学习两种类型。对神经网络的研究使人们对思维和智能有了进一步的了解和认识,开辟了另一条模拟人类智能的道路。

3 人工智能技术在教育中的应用

3.1 智能搜索引擎

随着互联网站点和页面的激增以及网络用户队伍的不断壮大,信息检索成为人们利用Internet的重要途径。但是在浩瀚的网页海洋中寻找有用的信息并不容易,需要借助有力的检索工具如搜索引擎等等。目前一些著名的搜索引擎有:GOOGLE、YAHOO、EXCITE、INFOSEEK等,他们各有特色,但仍存在不足之处,如检索到的无关信息过多以及检索结果排序较混乱。智能化信息检索是信息检索的新分支,它是人工智能和信息检索的交叉学科。它在对内容的分析理解、内容表达、知识学习等基础上实现检索的智能化,这样可以节省学习者在检索中花费的时间,帮助学习者提高检索效率。智能化信息检索所用到的人工智能技术有专家系统、自然语言处理和知识表示。

3.2 智能体(agent)

agent技术早在70年代出现在人工智能领域,通过感知、学习、推理以及行动能够基于知识库的训练模仿人类社会的行为。随着其进一步发展,它在远程教育领域发挥着越来越重要的作用。一套完整的远程教育系统中包含许多子系统,如答疑、作业、考试、交互等等子系统。这些子系统都有各自的数据库用来存储信息。为了提高整个系统的智能性,可以引入智能技术,把众多子系统的数据库链接起来,实现信息资源的共享。通过分析这些信息,智能技术可以发现学习者的个别特征(如兴趣爱好信息、点击知识点信息统计、交互日志等等),并根据这些特征量身订做出适合学习者的学习方案,也有助于教师及时掌握学习者学习过程中的动态信息。

3.3 智能CAI(ICAI)

随着计算机技术的飞速发展,计算机辅助教学(CAI)已受到教育界的重视,成为学科教学改革的一种重要手段。许多学校都在开发CAI课件,但大多数CAI课件只是机械地按照教学设计者事先设计好的教学模式和内容向学生传授知识,并没有体现出个性化学习,无法做到因材施教。

智能CAI是以人工智能技术为核心,使CAI系统能够根据学生的学习情况等因素分析学生的特征,合理安排教学内容、变化教学方法去满足个别教学的需要。使用智能CAI进行教学能够克服传统CAI的不足,显著提高教学效果,是CAI课件发展的趋势。

3.4 智能教学系统ITS

智能教学系统(intelligent tutoring system,ITS)是涉及人工智能、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,其研究的最终目标是由计算机负担起人类教育的主要责任,即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教学。我国ITS的研究起步较晚,但近几年随着计算机的普及和教育软件需求增大,ITS的发展较快。ITS按照功能分为四个模块:专家知识模块、学生模块、教师模块、人机接口模块。

4 人工智能教育对学生信息素养的作用

人工智能(ArtificialIntelligence,AI)是计算机科学的一个分支,是一门研究运用计算机模拟和延伸人脑功能的综合性学科。换言之,它研究如何用计算机模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动,来解决需要人类专家才能处理的复杂问题,例如咨询、诊断、预测、规划等决策性问题。人工智能也是一门涉及数学、计算机科学、控制论、信息学、心理学、哲学等学科的交叉和边缘学科。与一般的信息处理技术相比,人工智能技术在求解策略和处理手段上都有其独特的风格。人工智能研究处于信息技术的前沿,它的研究、应用和发展在一定程度上决定着计算机技术的发展方向。同时,信息技术的广泛应用也对人工智能技术的发展提出了急切的需求。今天,人工智能的不少研究领域如自然语言理解、模式识别、机器学习、数据挖掘、智能检索、机器人技术、人工神经网络等都走在了信息技术的前沿,有许多研究成果已经进入人们的生活、学习和工作中,并对人类的发展产生了重要影响。

综上所述,作为信息技术一个不可缺少的重要组成部分,人工智能的基本内容在中学信息技术课程中是不能不专门提及的,以往某些教材中用一两页篇幅作个简单介绍的方法根本不足以反映人工智能学科的全貌。因此,十分有必要在高中阶段的信息技术课程中专门设立人工智能选修课。我们认为,高中阶段开设人工智能课程可以在以下几个方面对学生的信息素养培养产生积极作用：

1) 多种思维方式的培养和信息素养的综合锻炼。

现实世界的问题可以按照结构化程度划分成三个层次：结构化问题,是能用形式化(或称公式化)方法描述和求解的一类问题;非结构化问题,难以用确定的形式来描述,主要根据经验来求解;半结构化问题则介于上述两者之间。一般说来,中学阶段开设的传统意义上的信息技术课程中所介绍的信息技术,例如多媒体技术、网络技术、数据库技术、算法与程序设计等,都是求解结构化问题的基本技术。而人工智能技术则是解决非结构化、半结构化问题的一类有效技术。

把人工智能课程引入我国现行的高中信息技术教育,可以让学生在体验、认识人工智能知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解,从而培养学生的多种思维方式,达到提高信息素养的目的。通过人工智能课程的学习,学生还将了解人工智能语言的基本特征,学到智能化问题求解的最为基本的策略。

2) 体验人类专家解决复杂问题的思路,提高学生的逻辑思维能力。

这里以人工智能学科中“专家系统”技术的体验、学习与应用过程为例进行说明。在专家系统的应用过程中,一个实际的专家系统不仅能够为用户给出相关领域的专家水平建议或决策,而且能够通过解释机制,以用户容易理解的方式解释专家系统的具体推理过程。学生可以向专家系统提出诸如“为什么(Why)”、“如何(How)”、“如果……会怎么样”等问题,系统接受用户的问题指令后,可以根据推理的逻辑进程,即时将答案呈现给用户,整个过程如同教师与学生在进行面对面的教学。在该过程中,学生可以充分体验人类专家的求解思路和推理风格,有助于提高他们的分析、思维与判断能力。

另一方面,在专家系统的教学过程中,可以要求学生自行构建由产生式规则组成的知识库,或进一步利用工具软件来开发简单的实用型专家系统。为了完成该项工作,学生一开始就要编制开发规划、制定知识获取策略,并具体付诸实施,这是一个不断深化的过程。学生还得明确与系统有关的所有变量或相关的因素,并且将这些变量和因素转化为问题求解,得出相应的结论。在进行一系列问题求解分析之后,运用产生式规则来表示知识,以此建立起来的专家系统还可以让其他学生去运用和体验,具有一定的实用价值。

由于专家系统中的知识组织与推理过程是对人类专家思维方式的一种模拟,因此上述知识库的组织和系统的推理过程能够较好地体现学生的思维过程。在建造知识库过程中,学生需要将原来零碎的未成型的知识概念化、形式化和条理化,从而内化为学生自己的东西。所以,建造知识库的过程不但能反映学生的学习过程,而且有助于学生对该领域知识的深层思考并有利于长久记忆,同时也学会了专家系统的基本开发技术。正如美国著名的学习论专家Jonassen所指出的：那些自行设计专家系统的学生将会在这种活动中受益匪浅,因为这是一个对所学知识进行深度加工的过程。

3) 了解信息技术发展的前沿,激发对信息技术未来的追求。

人工智能技术在一定程度上代表着信息技术的前沿,通过人工智能知识、技术的学习与体验,高中学生能够对信息技术发展的前沿知识有一定程度的了解,这样有助于他们开阔视野,培养兴趣,激发对信息技术美好未来的追求,从而为今后进入大学或走向社会奠定良好的基础。

5 结束语

中学生的信息素养的培养是当前信息技术课的一个重要目标，而在现有的中学信息技术课程中，关于人工智能的知识只作了简单的介绍，学生们对于人工智能研究的广大领域不能有详细的概念，这对于中学生的信息化认识和信息素养的培养不够全面。因此在中学信息技术课中加大人工智能的知识介绍是信息技术课改革的重要内容。

参考文献：

[1] 雷晓庆.网络环境下大学生的信息素养及其培养[J].太原大学学报, 2004(2):38.

[2] 杜玉霞.美国信息素养教育与研究的启示[J].电化教育研究, 2005(10):42.

[3] 王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002,1-53.

[4] 潘瑞玲,余轮.Agent技术在远程教育系统中应用的研究[J].微型电脑应用,2002,18(4):28-30.

[5] 吴战杰，秦健.Agent技术及其在网络教育中的应用研究[J].电化教育研究，2003(3):32-36.

篇4

1 人工智能定义和发展阶段

人工智能的英文是Artificial Intelligence, 简称AI, 人工智能的内容不断丰富和发展, 至今还没有统一的定义。比较权威的说法认为[3]:人工智能是关于人造物的智能行为, 主要包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的长期目标是发明出可以像人类一样或能更好地完成以上行为的机器, 短期目标是理解这种智能行为是否存在于机器、人类或其他动物中, 所以它包含了科学和工程双重目标。根据其功能强弱, 人工智能分为三类, 即弱人工智能、强人工智能还有超级人工智能。人工智能的发展大体上经历了三个阶段, 第一阶段是20世纪50~60年代, 提出人工智能的概念。主要以命题逻辑、谓词逻辑等知识表达和启发式搜索算法为代表;第二阶段是20世纪70~80年代, 提出了专家系统, 同时基于人工神经网络的算法研究发展迅猛, 伴随着半导体技术计算硬件能力的逐步提高, 人工智能逐渐开始突破;第三阶段是自20世纪末以来, 尤其是2006年开始进入了大数据和自主学习的认知智能时代。随着移动互联网的快速发展, 人工智能的应用场景也开始增多, 特别是深度学习算法在语音和视觉识别上实现了巨大的突破[4,5]。人工智能的技术体系主要分为四个方面, 即机器学习、自然语言处理、图像识别以及人机交互等。当今击败世界围棋冠军李世石的Alpha GO主要应用了机器学习中的深度学习算法。

2 人工智能应用状况与反思

2017年, 阿里的无人超市落地杭州, 进店、挑选商品、付款支付一气呵成, 消费者几乎在完全自主的状态下完成购物。与此类似, 昆山富士康公司裁员6万名工人, 全用机器人代替。京东、淘宝引入的智能机器人替代了原来的仓库管理、人工客服等岗位。因此有学者悲观地断言:在人工智能时代, 因为很多职业岗位或技能将被智能机器人所代替, 职业院校毕业生很有可能面临毕业就失业的窘境。笔者认为, 我们不应该重蹈历史上英国制定的限制汽车推广使用的《红旗法案》的悲剧。正是这个在今天看来毫无道理的, 但却持续了三十年的法案让德国和美国的汽车工业完全赶上来, 最终远超英国。人工智能应用必将淘汰或替代很多现有就业岗位, 但同时又会创造新的就业岗位, 这是一个伴随着产业智能升级的、长期的艰难过程, 对于职业教育来说, 这既是一个严峻的挑战, 也是一个难得的机遇。

3 人工智能时代职业教育的发展策略

为了更积极地适应人工智能时代, 除了国家层面的统筹规划、科学指导和政策、经费支持之外, 建议还要做好以下几个方面的发展规划。

3.1 解放思想, 更新理念与制度

中国工程院院士潘云鹤提出, 人工智能走向2.0阶段的真正原因是世界正从原来由人类社会与物理空间构成的二元空间, 向着由物理空间、人类社会与信息空间构成的新三元空间演变[6]。因此, 职业教育在教学和管理过程中应该加入人工智能等相关理念和技术, 同时其办学定位、人才培养方案、专业建设、课程内容、考核评价标准等方面都需要做出相应的改进。比如当前大多数职业院校非计算机类专业的课程安排中, 信息技术类课程课时偏少, 数据处理、编程类或人工智能课程几乎没有, 这样的安排不利于提升学生的信息素养, 必须做出相应的调整, 同时适当减少将来可被人工智能应用替代的技能课程的课时, 比如电算会计、环境监测等。

3.2 善用人工智能, 提升教学与管理

在人工智能背景下, 教师们现有的重复性工作和大量数据积淀的教学任务, 比如批改作业或阅卷或课堂考勤都可能被人工智能取代, 因此, 教师能腾出更多的时间, 更充分地关注学生的个性差异, 从而为学习者提供更精确的个性化学习服务, 教师也能够及时调整教学方法和手段, 优化教学评价方式, 补充教学资源, 减少备课重复性工作, 提升教学效率, 真正地做得因材施教, 同时学生们的学习方法和方式将不同程度地得到重构, 基于大数据的智能在线学习平台大量出现, 不同的学校、学科及专业课程不再封闭, 学习时时处处都可以进行, 碎片化与个性化学习将日益普遍。教师能完整地跟踪学生的整个学习过程, 比如学生上课是否睡觉、是否玩手机、是否在教室里与其他同学合作学习等, 都能够根据监测数据进行智能解析, 有利于更有效、更全面地对学生进行过程性评价。大部分课程考试将全部自动化, 考生资格审查利用人脸识别、监考与阅卷都由智能机器来完成。上述人工智能给教学带来的这些变化既需要网络硬件设施和相关软件系统来支撑, 更需要职业教育的教师们继续提升信息技能、深化和加强信息素养。

3.3 深化产教融合、优化实训筑牢就业

在人工智能时代, 职业院校应与相关行业统筹发展, 深化产教融合, 拓宽企业参与的途径, 深化引企入教改革, 支持引导企业深度参与职业院校的教育教学改革, 多种方式参与学校专业规划、教材开发、教学设计、课程设置、实习实训, 促进企业需求融入人才培养环节;鼓励以引企驻校、引校进企、校企一体等方式吸引优势企业与学校共建共享生产性实训基地;全面推行现代学徒制和企业新型学徒制, 推动学校就业与企业招工无缝衔接。比如职业教育将出现新师徒制, 行业领域的行家里手将通过互联网以VR或者AR技术言传身教的方式, 带领规模庞大的徒弟用碎片时间进行学习与实践。

3.4 完善终身学习的职业教育体系

随着人工智能应用的深入推广, 职业院校培养的技能型人才所掌握的技能如果不及时进行充电升级, 中低端的重复性强的工作将面临被智能机器人不同程度进行替代的危险。所以对于不少技能岗位, 守着一门技术吃一辈子老本的时代将一去不复返。因此, 职业教育要继续完善终身教育体系, 为职业教育学生的充电升级铺就一条纵深的通道。

3.5 人文教育为道, 智能教育为用

在人工智能的帮助下, 简单重复性的工作将被机器替代, 人们将从重复繁琐的事务中解脱出来, 转去从事更具有创造性、创新性或者更具有情感类的工作, 这些工作需要人与人之间的合作与沟通, 因此, 职业教育更需要注重学生思想道德水平、人文综合素质的培养, 这是做人之道, 在此基础之上激发学生们的学习主动性和创造力, 促进跨界思维的形成, 更好地掌握人工智能时代的相关职业岗位知识和相应的智能技能。著名理论物理学家霍金曾说:完全人工智能的研发可能意味着人类的末日。Tesla汽车和Space X公司创始人马斯克说:我们必须非常小心人工智能。如果必须预测我们面临的最大现实威胁, 恐怕就是人工智能了[7]。一群没有良好道德水平的, 但掌握了智能技术或设备的人们是危险的, 所以职业教育应该从学生入学起就开始, 不断提升学生的思想道德水平, 热爱社会、热爱生活、乐于助人、与人为善。只有这样, 人工智能应用才能更好地服务人们、造福社会。

4 结论

人工智能正在快速又深刻地改变我们的教学、生活和工作方式, 也对职业教育提出了严峻的挑战, 同时也是一个巨大的机遇。职业教育在面对人工智能时代的变革时, 须要从国家政策、理念与制度、教学管理、产教融合、终身学习等方面做好应对, 切实地把握人文教育之道对智能教育之用的统领原则, 培养能很好地掌控人工智能技术和应用的人才。

参考文献

[1]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业, 2018 (8) :50-56.

[2]苏令.人工智能来了, 教育当未雨绸缪[EB/OL].[2018-05-15].

[3]Nils J.Nilsson.人工智能[M].郑扣根, 庄越挺, 译.北京:机械工业出版社, 2000.

[4]王璐菲.美国制定人工智能研发战略规划[J].防务视点, 2017 (3) :59-61.

篇5

人工智能概念是20世纪五六十年代正式提出的，随着信息技术的不断发展，人工智能已成为一门新的技术科学。时至今日，人工智能技术的发展经历了人工智能起步期、专家系统推广期和深度学习期等阶段，而在应用领域也取得了重大突破，如Google的无人驾驶技术和运用深度学习算法的AlphaGo战胜围棋冠军等。除此之外，人工智能已被日益广泛地应用于经济社会各个领域，在教育领域亦是如此。2018年教育部就印发了《高等学校人工智能创新行动计划》，要求进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。因此，人工智能必将不断被融合到教育领域，并为大学教育变革提供新方式。基于人工智能的机器学习、人机交互与知识图谱等技术方法，可以为大学英语教师在课堂教学、备课与教学研究等多个方面提供支撑；可以为大学英语教学管理与治理提供决策支持；可以为大学生英语自主学习和教师备课提供智能推荐支撑。目前，学者们已对人工智能对英语教育的影响进行了相关的研究。如高华伟分析了外语作文智能评阅与形成性评价融合策略；刘洋针对人工智能技术与高校英语教学的相互关系，通过调查问卷和访谈等方式，分析了现有计算机辅助语言学习软件和系统的不足，并提出了相应的解决策略；张艳璐对人工智能在给英语教学带来机遇的基础上，探究了人工智能在大学英语教学中的应用；赵生学分析了人工智能时代大学英语教学的变革与策略；严燕分析了人工智能时代英语教学促进学生深度学习的路径。在人工智能时代，人工智能技术必将对大学英语教育领域各个方面产生重大影响，如大学英语人才培养目标、教学内容、教学计划、教学策略、教学模式、成绩评价体系与英语领域科研等方面。针对此，本文在现有研究的基础上，重点从教师和学生两个层面分析人工智能对大学英语教育的积极影响和消极影响，并提出相关建议，以期为大学英语教师教学与大学生英语学习提供参考。

一、人工智能的积极影响

人工智能技术在大学英语教育领域的应用，将对大学英语教学资源、教学模式与大学生二语习得等方面产生积极作用，主要体现为以下几个方面。

（一）丰富了大学英语教与学资源人工智能技术的发展与应用为大学英语教与学提供了丰富的资源。如互联网上含有丰富的英语视频与图片等资源；在线教育平台也提供了大量的英语课程资源，如中国大学生慕课、雨课堂等，它们各具特色，可为教师与学生提供多样化选择。因此，人工智能技术一方面可为大学英语教师提供丰富的教学素材，同时还可根据大学生学习目标与学习习惯等为其英语学习提供丰富的课外资料。同时，很多网络资源可下载或者回放，这样可以使得大学生的英语学习不再受到时间与空间的限制。特别是对于教育资源缺乏的地区而言尤为重要，可以在很大程度上解决教育资源不平衡问题。其中，百度教育大脑的智能备课系统便是典型应用案例。其依托百度人工智能、大数据和云平台的优势，整合了丰富的优质资源。对于教师而言，此平台可按照教学进度为教师提供经过筛选的教学素材，节省教师的备课时间，提高其工作效率。

（二）丰富了大学英语的教学方式传统的大学英语授课往往以线下课堂教学方式为主，而人工智能技术的使用丰富了大学英语单一的教学方式。可利用网络平台，如雨课堂、慕课平台等，开展大学英语线上教学模式或者线上线下混合教学模式。新的教学模式有利于教师在大学英语教学过程中采用不同的教学策略。使用新的教学模式和不同的教学策略可以提高大学生学习英语的兴趣，进而有助于提高大学生英语习得的效率。

（三）提高了大学生英语习得的效率由于英语习得是一个复杂的心理过程，与大学生的情感因素、学习动机等密切相关。采用人工智能技术的大学英语线上教学方式，使得教师与学生之间不是面对面的交流互动，可以在一定程度上缓解学生焦虑、害怕等情绪，有利于学生的英语学习。动机是英语习得中重要的非智力因素，也是影响大学生英语习得效率的重要内在因素之一。学习动机与使用另一种语言的兴趣密切相关。而人工智能技术采用丰富的英语学习资源以及英语教学方式的多样化，这些有助于提高学生学习英语的兴趣，进而增强学习英语的动力。

（四）形成了大学生英语习得分析数据库人工智能技术是以大数据为依托，可以跟踪和记录大学生英语课堂学习和课后学习等各种信息数据，进而可形成大学生英语习得数据库。基于大数据分析与人工智能技术方法，如数据挖掘、关联性分析和回归预测等，可以挖掘大学生英语学习背后的规律特征，了解到每个学生的具体情况。进而构建每个学生的英语学习画像，如学生的线上学习状态、课程作业完成情况、测试成绩和学习方式等。可为教师形成可视化的学生个体和班级整体的学情分析报告。因此该数据库有利于教师掌握每位学生的英语学习状态，掌握学生个体差异，为调整教学方式、教学方法与策略提供支撑。同时，上述数据为大学英语教学与大学生英语习得的研究也提供了数据支撑。

二、人工智能的消极影响

人工智能在大学英语教育领域对教师与学生发挥着积极的作用，同时对他们也产生了一些消极的影响，主要体现为以下几个方面：

（一）对教师的消极影响由于大学英语课堂教学存在一定的缺陷，往往需要改进此教学方式。而人工智能技术的应用，虽有助于大学英语教学改革，但还需要教师熟练掌握人工智能相关技术的使用，会给信息技术能力比较薄弱的教师造成压力。借助人工智能平台，大学英语教学不受时间、空间和学生人数等影响，势必会减少大学英语教师的需求，造成大学英语教师面临失业的压力。进而影响大学英语教师的工作积极性，以及大学英语教学质量。

（二）对学生的消极影响根据语言资本理论与期望价值理论，大学生英语学习的期望价值主要是经济期望价值。而大学生英语学习的期望价值与学习目的和行为密切相关。比如大学生英语学习经济期望价值主要体现为学习英语对未来找工作很重要，可以增加经济收入。而人工智能技术在语言领域的应用，势必会影响大学生对英语学习的期望价值。如人工智能翻译机的出现，使得各种语言之间翻译非常容易。即使不懂英语，也可使用它进行英语交流。因此，人工智能技术在英语领域的应用，将降低大学生英语学习的期望值，进而影响他们英语学习的兴趣与目的。

篇6

中图分类号：TP18文献标识码：A文章编号：1009-3044(2007)12-21667-02

The Application of Artificial Intelligence in Education

HU Ji-li,YIN Yun-xia

( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)

Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.

Key words:Artificial Intelligence;CAI;expert system;knowledge base

1 引言

人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一，是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的，随着人工智能的诞生和发展， 人们开始把计算机用于教学领域。同时， 自七十年代以来， 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就， 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) ， 这便是智能型计算机辅助教学(CAI)。

近几十年来， 随着人工智能技术的日渐成熟， 它的一些研究成果被陆续应用到教学领域， 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。

2 人工智能在教育中的作用

目前在教育技术中涉及到AI的主要有以下领域：

2.1 知识的表示与访问

基于人工智能的知识表示是以知识为对象，以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具，以哲学、心理学和逻辑学等为方法和指导，将知识表达成计算机可以直接处理的“知识库”，使用“计算机的智能”来模拟人类专家或“人类智能”，对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次，而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理，智能化的教学或创造。计算机辅助教育是其中重要的组成部分。

2.2 符号计算

符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica，当该软件在1988年第一次，对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时，商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程，从高中课程到研究生课程用它作基础。随着各种学生版的，Mathematica也已成为全世界各种不同专业学生的重要工具。

2.3 对学生错误的自动诊断

采用人工智能技术，使得教学过程中系统可以自动诊断学生的学习水平，不仅能发现学生的错误，而且能指出学生错误的根源，从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容，自动调整教学进度，自动选择教学策略与方法。

2.4 实现智能性超媒体教学系统

超媒体系统有理想的教学环境，容易激发学生的学习兴趣和学习主动性，但不能保证达到预期的学习目的，而且由于不了解所要教的对象，所以不能做到有针对性的指导，不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来，就可实现性能互补，从而研究制出新一代高性能的智能超媒体教学系统。

3 人工智能应用于教育的新方向：ICAI

3.1 传统CAI的不足

传统的CAI由于其集成性、交互性、多媒体性等特点，在教学中可以极大地激发学生的学习动机，提高教师的教学效率和学生的学习效率。但在使用过程中，CAI的一些弱点也逐渐暴露出来。主要表现有:

(1)缺乏人机交互能力

现有CAI 大多以光盘作为信息的载体， 将教材中的内容以多媒体的形式展现出来， 教学信息是按预置的教学流程机械式地提供给学生的， 学生接受起来很被动。而且在课堂教学中， 一般也只能通过教师按预定的课件流程进行操作， 无论学生还是教师都不能很好地参与教与学的过程， 因此人机交互没有很好地实现。

(2)缺乏教师与学生的互动

现有的CAI 课件在学生自学、进行操作使用时，如何学习都是学生自己的事。教师不能完全了解学生的情况，学生在碰到问题时，也不能向教师求助，师生之间是互相封闭的，软件所起的积极效果大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI 课件是在单机环境下运行的，它们无法利用网络的优势使知识内容快速更新，也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。

(3)缺乏智能性

要想面对不同情况的学生进行不同程度的教学过程， 使学生的学习变为主动， 并能由系统自动地提供助学信息而有选择地学习，要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容， 给予不同方式的教学模式与方法， 没有智能性的CAI 课件系统， 是很难实现以上目的并达到良好教学效果的。由此可见，现有的CAI 随着人们要求的提高， 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。

3.2 ICAI－人工智能与多媒体技术的结合

为了克服传统CAI的缺点，需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI)，智能计算机辅助教学(Intelligence Computer Assisted Instruction－ICAI)以认知学为理论基础。将人工智能技术应用于CAI，是智能化的CAI。在ICAI系统中，允许学生与计算机进行较自由的对话，学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度，并给予适当的反馈，而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能，模仿人类的交互方式、思维习惯及情绪流动，修饰和掩盖计算机的缺陷。

3.3 ICAI的优点

(1)将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略。

(2)通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议。

(3)通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。

(4)为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略。

(5)通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。

3.4 ICAI的标准

以现有的科学技术水平而言，短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为，只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。

(1)能自动生成各种问题与练习。

(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。

(3)在了解教学内容的基础上自动解决问题，生成解答。

(4)具有自然语言生成与理解能力，以便实现比较自由的教学问答系统，提高人机交互的主动性。

(5)对教学内容有解释咨询能力。

(6)能诊断学生错误，分析原因并采取纠正措施。

(7)能评价学生的学习行为。

(8)能评价教师的教学行为。

不难看出，ICAI与传统的CAI相比，更加符合教育教学的规律，切合学生的认知习惯，具有明显的优越性。

3.5 ICAI的结构

ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。

(1)知识库

知识库是实现知识推理与专家系统的基础，而建造知识库的前提则是要解决知识的形式化，人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此，知识的表示与访问是人工智能的核心技术之一，也是将AI引入教育领域必须首先解决的一个难题。

ICAI中的资源库应该包括以下一些内容:

①多媒体素材库:包括所要呈现的知识的一些素材，包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理，便于分类、增删、修改及查询等操作。

②教学内容库:教学内容库用于存放教学内容，包括领域知识库(含辅助知识库、提示帮助库、练习题库，和测试题库)。这些教学内容，包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。

(2)学生模块

学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。

①学生登陆模块:利用该模块主要用于学生使用ICAI时登录，第一次登录时学生输人姓名、性别、年龄、学历等相关信息，然后对学生进行询问，选择合适的测验题对学生进行初测推荐学习计划。当再次登录时，系统根据保存的信息安排合适的学习内容。

②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析，可以比较确切地了解学生的具体情况，从而制定出合理的教学策略和教学过程

③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况，记录学生学习某教学单元时的参数值，并记录在学生档案中。包括:学生目前学习单元号；学习方式；正常学习、练习、提前浏览、学后复习；学习时间；学生提示问题的类型和次数；学生本次练习出错次数。

(3)专家决策模块

CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力，从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。

成功的例子如:① DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果，对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。

ICAI根据学生模块提供的学生学习情况，通过智能系统的搜索与推理，得出智能化的教学方法与教学策略，能够较科学地评估学生的学习水平，还可以通过分析学生以往的学习兴趣和学习习惯，预测学生的知识需求和常犯错误，动态地将不同的学习内容、学习方法与不同的学生匹配，智能地分析学生错误的原因，进而有针对地提出合理的教学建议、学习建议以及改进方法，既提高了学生学习的满意度，激发了学生的学习热情，也对教师教学提供了客观的依据和科学的方法。

4 结束语

由此可见人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来，人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识，而采用“通过活动进行学习”的方式。在教学的其他方面，人工智能技术还可以建立人类推理模型学习工具等诸多的运用， 展示出越来越好的实用性。随着Internet 的发展，虚拟现实技术的广泛应用， ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，使人类扩展了自己的能力，促进了教育领域方方面面的改革。

参考文献：

篇7

1引言

作为计算机科学技术的全新领域即人工智能，其正在迅速成长与成熟、新方法、新理念、新技术并且不断壮大，同样也包含着计算机网络、数学、信息论各类学科的交叉和边缘学科。人工智能包含的主要内容有知识表示和推理机制、问题求解和搜索算法，自然语言理解、专家系统和机器学习等；也作为计算机科学各专业重要的基础课程，国内外各高校都非常重视，都将人工智能作为计算机专业的必修课程。人工智能包含的学科多，知识点杂、理论性强、内容抽象，算法难度高复杂，在此情况下各高校采用传统的“教师讲、学生听”单一教学模式，学生处于被动学习地位；课堂教学与实际操作、理论与现实应用相脱节；加上理论知识强，案例缺乏，容易使学生感觉空洞；学生易产生厌学情绪，也达不到锻炼其分析问题、解决问题的思维能力和实践动手能力。如何让学生高效的学习一直是教师研究的课题，在大数据和网络信息时代的大背景下，“互联网+”已经广泛应用和存在于生活、工作各个方面，其在教育教学中表现出的创新性、互动性尤为突出，并极具优势。

2基于案例的教学研究

此方法开始于上世纪20年代左右，最早是由美国哈佛商学院所提倡的，基于当时特殊的商业管理真是背景和特殊事件，能够有效的发展和培养学生主动性、积极性和应用能力，开展案例教学后，学生实际解决问题能力有了很大的提高。但此教学研究方法知道到上世纪80年代后期，才引起教师的重视。1986年由美国研究小组提出《准备就绪的国家：二十一世纪的教师》书中，强烈推荐此方法在实际教学的重要性，并说明今后在教学过程中将其作为一种重要的教学方法应用于各类课程中去。

3基于人工智能的案例教学研究及应用

3.1案例精选

此方法第一步是案例选取，案例的好坏是决定案例教学效果关键因素。案例的选取需要满足以下要求：（1）符合现在的教学目标，明确学生需要掌握的知识点、重难点等，能够运用所学的理论知识应用到实际中，以此提高学生分析、解决问题的能力；（2）案例要有代表性、趣味性，由于人工智能课程内容多、抽象，需要将枯燥乏味的知识点转化为趣味生动的案例，有利于吸引学生注意力，激发学习兴趣和主动性；例如，讲到“知识表示”这部分内容中引入“机器人搬积木”、“野人修道士渡河”案例；（3）采用互动的形式，此为人工智能的案例教学研究重要特征，同时也是教学目标得以充分展现的必要条件。能够调动大家的积极性，学生和学生之间、学生与教师之间的互动，调动学生的主观能动性。

3.2案例的执行

（1）讲授法。基于教学内容具体知识点设计案例；通过教师讲解，帮助学生理解抽象的理论知识。案例的呈现有两种基本形式：一是“案例—理论”,即先给出教学案例，后讲解理论知识；二是“理论—案例”,即教师先讲解知识，再给出教学案例；案例的呈现方式不同,会直接影响案例的功能，也会影响到学生的学习情绪、学习效果。为了使案例能更好地为教学服务,教师讲解案例之前应从创设案例情境开始,通过情境体验与案例剖析激发学生认知的兴趣,引导学生对将要学习的内容产生注意,有利于教师导入新课。（2）互相讨论法。大学生课余时间充沛，鉴于此，将班级学生分为若干小组，教师将事先准备好的案例分配给各组，学生采用组内互动讨论的形式，设计出此案例的各种解决方法。课堂上，将本小组的解决方法用课件展现给其他小组。讲解完成后，学生开始互相讨论，对比各自的方法，然后由老师进行分析、对比和总结。以此来增强学生对学科知识点、应用能力的掌握。（3）相互辩证法。课后，采用相互辩证的方法，组织大家相互辩论。选择一些综合应用比较强的案例。与简单的案例相比，综合应用案例能更加高效地启发学生全方位地思考和探索问题的解决方法。相互辩证法是一种探索新型的教学形式，学生的自主性强，能够在辩论中充分表达自己的观点，充分运用所学的理论知识来维护自己的观点，还可以促使学生查阅大量资料，拓展知识面。

4结语

通过以上论述，人工智能技术开始应用于教学,与教学现代化有着密切的联系。其发展必将对现代教育起巨大推动作用。在教学,可以基于人工智能技术建立人类推理模型学习工具等诸多的运用,展示出越来越好的实用性。

参考文献：

[1]邹蕾,张先锋.人工智能及其发展应用[J].信息网络安全，2012(02).

[2]陈柯蒙，张宁.人工智能的发展探析[J].新西部(理论版)，2012(05).

篇8

一、人工智能概述

人工智能（Anificail Intelligence）是指利用计算机软件技术与自动化处理的技术，让计算机能够模拟与扩展某些人类特定智能的学科，最近几年来发展非常迅猛，在智能接口，数据挖掘，主体系统等方面取得了丰硕的成果。智能接口技术是研究如何实现人类与机器的便利沟通，现在已经实现了文字，语音，自然语言理解等方面实用化的功能。数据挖掘则是如何从大量不完备的数据中自动生成可应用的知识的技术，在大数据时代里将会有非常广泛的应用；主体系统则是指的让计算机具备愿望，能力，选择等心智状态的实体，实现计算机的自主性。从当前的应用发展趋势来看，在未来的5～10年内，人工智能将会应用在教育，医疗，管理，生产等绝大多数的社会领域中，将推动社会的全面发展与进步。在本文中，作者将以高职技能教育为切面，分析人工智能在该领域内应用的前景，并提出建立一套基于人工智能的高等职业技术辅助教学系统的思路，方便进行人工智能应用的相关人士研究与借鉴。

二、人工智能在高职教育教学领域的典型应用及其不足

将人工智能应用到教育方面是很久以来的教育现代化的热点，从最近几年来的人工智能在教育方面的应用来看，主要有三种应用的层面：一是智能计算机辅助教学（ICAI），它是将人工智能的技术引入至CAI系统中来，实现更加智能化的教学支持，减轻教师的工作量。二是智能，即让某些特定的课程与教学的内容，由人工智能来取代教师进行授课，即时答疑，提高教学的效率；三是智能数据库，对于课程相关的网络教学资源数据库，应用人工智能的方法进行数据分析，提高数据库的访问速度与交互功能，便于快速搜索与整理数据。但是对于高等职业技能教学来说，上述的三大应用领域还有些不够契合，主要体现在如下的方面：

（1）对于学习者的活动流程的监控与记录能力不够。传统的CAI系统，侧重于对理论思维知识的辅助教学，而对于学习者的身体活动的记录能力不佳，这样无法即时准确地保存技能学习过程中与身体活动相关的数据。众所周知，技能的教学是与学习者身体的活动相关联的，行动数据的获取量不足就会导致无法对学习者的技能及其效果进行评估与纠偏。

（2）与使用者的交互功能不佳。传统的人工智能交互是文本与图像，虽然简单直观但形式单一，还无法通过生动的语音和动作与使用者进行交互。这样在教学辅助方面的效果不尽如人意。

（3）智能水平有待于提升。现代的人工智能辅助系统，虽然已经能够实现教学数据的排序、统计、汇总等简单的操作，但是离真正智能化的工作还有一定的差距。系统无法根据学生操作的具体情况做出个性化的情况统计分析，提出个性化的建议。在即时交互方面也还有很大的提升空间。

三、高职技能辅助教学系统的设计思路

针对上述教学人工智能应用的不足，结合高等职业技术学校的教学情况，特地提出一套人工智能辅助系统的设计思路：

（1）使用高级的智能接口技术实现行动数据的采集。

智能接口是为建立和谐的人机交互环境，使得人与机器之间的交流像人与人之间的交流一样自然和方便。学习者在进行练习的过程中，无法像传统的人机交互方式一样将数据录入至计算机中，而是需要智能系统通过摄像头，运动传感器等等高级的智能接口技术来感知学习者的活动，对活动进行分析与统计，并转化为大数据存放至海量数据库中。至于具体采用哪种智能接口技术，需要根据具体的学习内容而定。

（2）应用专家系统对于学习者在技能操作中产生的大数据进行分析。专家系统是目前人工智能领域最有实效的一个领域，它是利用人工智能的技术让计算机能够实现特定领域内的大量知识与经验的系统。利用它来对技能学习过程中产生的大数据进行分析和挖掘，从中提炼出具有个性化的知识体系，发现学生与老师都没有发觉到的某些特殊的学习状态，能够为进一步的学习反馈做好充分的准备。这样可以使得学习的针对性更强，效率更高。

（3）使用智能检索与生成技术对于分析结果进行输出与展示。通过使用人工智能的检索系统，可以快速地对分析的结果进行展示，可以利用网络的环境，用生动形象的方式将结果展现在学习者或教师面前，方便掌握学习的过程。

四、辅助教学系统的应用展望

通过应用了上述的基于人工智能的辅助教学系统，将对于高职院校的教学产生非常强大与积极的影响。首先，该系统可以将教师从重复机械的日常教学环境中解放出来，不再通过传统的测验，考试，交流等方式获知学生的学习状态，由系统监控学习者在技能培训过程中的一举一动，自动进行学习效果的定性与定量的分析，积极地反馈给教师，从而使得教学更具备了明确的方向。其次，该系统也会增加技能教学的趣味性，将培训的活动转化为类似于电子竞技的效果，学生在学习的过程中随时可以观察到自己的学习状态，以及与其他同学的差异，更能够培养自学的能力。第三，该系统可以与现有的高职院校校园网实现无缝的对接，将全院校的数据进行统一的智能加工与挖掘，可以更加方便高职院校的管理工作，也可以方便地扩展成为完备的高校智能管理系统。

参考文献：

篇9

人工智能是多种学科相互渗透而发展起来的交叉性学科，其涉及计算机科学、信息论、数学、哲学和认知科学、心理学、控制论、不定性论、神经生理学、语言学等多种学科。随着科技的飞速发展和人工智能技术应用的不断扩延，其涉及的学科领域将愈来愈多，它已和人们的学习、生活息息相关，时代和社会需要此方面的大量人才。在高中信息技术课中开设人工智能初步模块是十分必要的，本文拟从其发展现状、存在问题等几个方面对我国高中信息课程中人工智能教育做一下探讨。

一、高中开设人工智能课程的意义

（1）人工智能定义

人工智能(AI，Artificial Intelligence)是计算机科学的一个分支，己成为一门具有广泛应用的交叉学科和前沿学科。它研究如何用计算机模拟人脑所从事的推理、证明、识别、理解、设计、学习、规划以及问题求解等思维活动，来解决人类专家才能解决的复杂问题，例如咨询、探测、诊断、策划等。

（2）开设人工智能课程的意义

现实世界的问题可以按照结构化程度划分成三个层次：结构化问题，是能用形式化(或称公式化)方法描述和求解的一类问题；非结构化问题难以用确定的形式来描述，主要根据经验来求解；半结构化问题则介于上述两者之间。

将人工智能课程引入到我国现行的教育中，可以让学生在了解人工智能基本语言特征、理解智能化问题求解的基本策略过程中，体验、认识人工智能技术的同时获得对非结构化、半结构化问题解决过程的了解，从而使学生了解计算机解决问题方法的多样性，培养学生的多种思维方式，更好的解决现实问题。

二、高中人工智能教育现状及存在问题

目前，该学科的教育正处于摸索阶段，由于中学信息技术师资水平、学校硬软件设备等条件的制约，我国尚未在中学专门开设独立的人工智能类课程，Internet上与人工智能教育相关的中文信息资源也十分贫乏，在教学环境上大致存在以下问题：

（一）教学条件参差不齐

开设好人工智能课程，就要求安排更多的实践课程和活动来增强课程的趣味性，让广大师生切实体会到人工智能对我们生活的影响。这些活动大部分要求上机操作或利用网络资源来学习交流，这就对教学条件提出了较高的要求，尤其是一些偏远农村、条件相对落后的中学在开设人工智能课程上存在很大困难。

（1）对硬件性能的要求

人工智能课程中有较多的实践课程需要老师和学生利用网络资源，使用计算机进行操作。这就需要学校配备计算机网络教学机房，若其性能较差，会延长学生在线进行人机对话的时间，一旦遇到网络堵塞，可能连网页都打不开，这不仅浪费了仅有的上课时间，而且大大降低了学生的学习兴趣。

（2）对软件性能的要求

为了降低成本，学校可以利用互联网上提供的免费下载软件和免费在线教学网站等进行实践教学，可大大减少自研开发软件和软件维护的费用。但一旦遇到网络不通、网络拥挤或在线网站停止服务等情况，将无法使用网络资源进行教学，可见，软件的依赖性较强也存在很大的问题。

（二）对人工智能科学的认识不足

（1）学生的认识误区

提及人工智能，给大多数学生的感觉是一门神秘、遥不可及的科学。很多学生认为人工智能技术是很高深的科学，离我们现实生活有一定距离，研究和接触这门科学是少数科学家的事情，从而对该科学的关注程度不高。其实，人工智能学科是一门渐渐成长的科学，它将应用在我们生活的方方面面。我们应在教学中让学生多去体验人工智能的魅力所在，吸引更多对该学科感兴趣的人去研究和使用它。

（2）教师对人工智能学科开设存在偏见

一些从事该学科教学的教师没有接触过人工智能方面的知识，在接触过后被其中深奥难理解的知识所吓倒，认为即使开设了这门课程也不易被同学们所接受；而一些在大学接触过人工智能课程的教师则认为，其理论枯燥乏味，知识内容艰深，不适合放在高中开设。

（三）一线教师经验不足

在我国大学教育中，开展人工智能专业课程的大学为数不多，师范类院校更是少之又少。从事人工智能领域的专业人才输出少，所以，缺乏具备一定知识结构、有专业素养的教师来担任高中信息技术课中人工智能课程的教育工作。绝大多数的一线教师并没有接受过人工智能课程的专业培训，在授课内容上的着重点掌握不好，教学目标不够明确；在授课形式上也没有前人的经验可寻，这就给一线教师带来了极大的挑战。

三、解决上述问题的几点建议

（一）加强软、硬件建设

在学校条件允许的条件下，应加大硬件设施的投入，改善网络传递信息的效率，同时加强软件资源建设。鼓励师生上网搜索更多适合AI教学的网站，教师应整理出和AI相关的趣味小故事、电影、光盘等和教材相关的素材，以便更好的配合硬件教学。

（二）端正认识，增强支持

作为教师要树立对高中人工智能选修课程的正确认识。通过对课标中规定的相关内容的深入了解和学习，克服对人工智能的神秘感或恐惧感，理性而客观的看待人工智能技术及其应用，明确在高中开设该课程的目的。同时，教师也不能因为该课程的“选修”性质，从而轻视该课程的作用。

作为学生不应该仅仅看见这门课程的娱乐趣味性，应把一些重要的技术理论知识重视起来，不能过分的放松自己而偏离了我们的教学目标。家长也应该支持和赞同学生选择该课程，不能应认识不到这门课程的作用、怕耽误学生主干课的学习而反对学生积极参与。

校方领导也不应条件限制就轻易放弃这门课程的开设，应给予积极的配合。社会各界也应加强舆论与正确引导，让更多的人们认识人工智能并予以肯定。

总之，人工智能是一门逐渐成长的科学，开设好该课程需要广大教育工作者和校方领导不断努力，互相交流，共同克服困难。

参考文献：

［1］张剑平.人工智能技术与“问题解决”［J］.中小学信息技术教育，2003(10).

篇10

中图分类号：TP393-4

所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。

1 人工智能技术的特征

智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。

1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。

1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。

2 计算机网络教育的现状

随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。

计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。

主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。

3 人工智能技术在计算机网络教学中的运用

3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。

3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。

4 结束语

人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。

参考文献：

[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.

篇11

根据《朗曼应用语言学词典》中的定义,双语教学(Bilingual Teaching)指的是用两种语言作为教学媒介语,通过学习学科知识来达到掌握第二语言的目的。双语教学作为学科教学延伸,不是简单的母语加第二语言,而是将第二种语言融进学科知识,通过学习学科专业知识提高学生第二语言的听、说、读、写综合能力,培养学生用第二语言思考、解决问题的能力,培养适应社会发展需求的高素质、复合型人才,以适应信息时代我国经济和社会发展的需要。人工智能的主要目标是让机器具有应用符号逻辑的方法模拟人的问题求解、推理、学习等方面的能力,能够在各类环境中自主地或交互地执行各种任务,比如水下作业、输油管道、森林救火等。人工智能的发展,不仅代表计算机等科学技术的发展水平,也是一个国家工业化水平的重要标志。这对高校的教育提出了新的挑战。因此,选择人工智能课程的双语教学模式是非常必要的。

1人工智能课程分析

人工智能是一门多学科交叉的课程,特别涉及控制论、信息论、语言学、神经生理学、数学、哲学等多种学科[1-2]。学习该课程需要具有较好的数学基础和较强的逻辑思维能力,大多教师、学生在教、学的过程中都显得比较吃力。如何结合课程的特点,帮助学生找到好的学习方法,使他们能充分发挥自己的能力,提高学习兴趣成为教学研究过程中的首要目标。在目前高校提倡双语教学的环境下,我校已将人工智能立项为双语教学示范课程。人工智能课程具有如下特点:

(1) 是一门非常前沿的学科。

计算机最初是用来做科学计算的,但随着计算机科技的迅猛发展,人们开始考虑计算机还可以做些什么,能不能像人一样学习、思考,然后解决问题?这就是基于人的知识和经验,用符号推理的办法让计算机来做事情,是人工智能最早的研究成果。但是,知识并不都能用符号表示为规则,智能也不都是基于知识的。人们相信,自然智能的物质机构――神经网络的智能是基于结构演化的。因此,20世纪80年代在人工智能理论发展出现停顿时,人工神经网络理论出现新的突破,基于结构演化的人工智能迅速成为人工智能研究的新方向。事实上,智能问题无论从广度还是深度,都远比人们想象的要复杂得多。因此,我们一刻也不能放弃钻研,并且要时刻关注该领域发展的最新动态。在高校开展人工智能课程的双语教学,可以促使学生了解该领域以及相关领域,如模式识别、机器视觉、智能检索、人工生命等发展的最新动态,掌握大量的专业词汇,锻炼理解问题、解决问题、了解领域文化等实际能力,对培养国际化、工程化、实用化的复合型人才等具有重要的现实意义。

(2) 涉及面宽、难度大。

人工智能是一门多学科交叉的、极富挑战性的前沿学科,它几乎涉及于社会科学和自然科学的每个领域。人工智能课程是一门理论性非常强、知识点比较分散、知识更新快的课程,它以编程语言、数据库原理、概率统计、数据结构、离散数学以及编译原理等前趋课程为基础,还涉及到控制论、信息论、通信原理、图像处理、模式识别等课程。因此,人工智能课程的知识点难度较大。通过该课程的双语教学过程,学生不但学习了课程的专业知识,而且还学习了相关理论课程的第二语言表示方法及应用情况,对于培养具有个性化的多层次人才具有重要的价值。

人工智能课程的特点决定了它的双语教学也具有很大的难度。根据普通高校的实际情况,我们组织了人工智能的双语教学体系结构,教学实践表明,该模式行之有效。

2人工智能双语教学体系结构

要达到双语教学的目的,就必须将传统的“注入式”教学模式改变为新型的“以学生为中心”的教学模式。然而,这种“以学生为中心”的双语教学模式是多样化的,其教学过程是复杂的,在我国还处于探索阶段[3-5]。在人工智能课程的教学过程中,根据学生的实际情况,我们采用课堂教学多样化、基于CDIO理念的实践教学,不断地探索研究,形成高校人工智能双语教学体系结构,如图1所示。

计算机双语教学的正常开展,必须依托优秀的计算机专业外语教科书和教学参考用书。根据学生的实际情况,我们采用了Nils J.Nilsson教授编著的《Artificial Intelligence A New Synthesis》,该教材是美国斯坦福大学计算机系本科教材,不仅内容丰富、取材新颖,更重要的是内容组织结构比较符合学生的认知规律,便于学生学习、理解。参考书主要选用了蔡自兴、徐光v老师的《人工智能》。

3双语教学方法

由于人工智能是一门非常前沿、涉及知识面宽、应用范围广的学科,因而在教学的具体过程中,我们多种教学手段并用,主要采取理论联系实际的案例驱动讲授、CDIO实践模式、综合考证等讲授方法。

3.1理论教学

(1) 修改教学大纲和课程设计的实验大纲。参考吸收国外先进教材中的内容,结合普通高校的实际情况,形成有针对性的、合理的教学体系。

(2) 采用多种教学方法和手段。设计和制作简洁、易懂的英文电子教学课件,采用多媒体教学手段,丰富教学内容。建设课程网站,电子课件在网上公开,帮助学生预习专业词汇、了解教师讲解线索和重点内容,降低学习难度。

(3) 课堂提问。提问一些重要内容,鼓励学生积极思考,既能加深学生对所学课程知识的理解,也有利于其英文表达能力的提高。

(4) 案例驱动法。将有意义的案例贯穿在教学过程中,培养学生的兴趣,提高学生分析问题、解决问题的能力;

(5) 课后小组讨论。每6～8位同学分为一组,实行小组长负责制,组织学生讨论和解决学习中遇到的问题,交流学习心得,一方面起到温故而知新的作用,同时培养团队协作精神。

3.2实践教学

由于学生的英语水平、专业基础知识以及知识面都有差别,因此教师必须因材施教,培养学生的兴趣。实践课题来源于实际工程,将CDIO理念贯穿于实践教学过程中,提高学生综合创新能力与团体协作精神。

(1) 实验题目多样化。学生可以选择,也可以根据老师的要求自己构思,以培养学生的兴趣与查阅资料的能力。

(2) 分工与合作。来源于工程实践的题目,学生通常很难在短时间内独立完成,因而需要分工合作,培养学生的协作精神。

(3) 整体设计方案的灵活性。学生领会题目本意,自主设计解决方案,培养学生分析问题、解决问题的综合创新能力。

(4) 编程实现。培养学生的编程能力,形成科学的编程风格。

3.3考核方式

(1) 多种形式的平时测试(30%)。主要包括平时测验、讨论、作业等。主要考察学生对基本知识的掌握,英文表达能力以及知识面的拓宽等。

(2) 实践教学(30%)。主要考察学生对实践题目的理解、整体方案的设计、团队间的协作精神以及实现结果等。

(3) 期末考试(50%)。试题全部用英文形式出现,鼓励学生用英文作答。

人工智能课程采用双语教学,可以使学生最准确地理解专业知识,又可以使英语和专业课的学习相互促进。

4教学效果分析

课程结束后,我们对学生进行了教学效果讨论与调查,结果如表1所示。

从本课程讨论和调查的结果以及其他普通高等院校的双语教学调查结果可以看出,双语教学效果基本上达到了要求。但也存在一些值得思考的问题:不适应的人数比例偏高,专业知识的学习效果一般,甚至有学生因为跟不上进度放弃专业课的学习。为此,提出以下的建议:

(1) 加强学生认识。学生必须从思想上认识到人工智能双语教学的重要性,克服教学过程中的种种困难、持之以恒,主动与同学、老师进行讨论,密切关注学科发展动态。

(2) 提高实施条件。双语教学过程中,学生是主体,教师是关键。因此,要求老师要有较高的专业知识和英语水平,学生要有较好英语基础。

(3) 完善教学体系结构。双语教学在我国还处在探索阶段,因而必须在教学实践过程中不断地改进完善双语教学的体系结构。

只有解决好这些问题,才能培养出更高素质的复合型人才,适应国内外科学与经济发展的需要。

参考文献:

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:机械工业出版,2002.

[2] 蔡自兴,徐光v. 人工智能[M]. 北京:清华大学出版社,2003.

[3] 贺志荣. 双语教学的实践与思考[J]. 黑龙江教育:高教研究与评估版,2008,62(10):45-46.

[4] 王树根,姜昕. 我国双语教学的历史发展阶段综述[C]. 安徽黄山,2007年全国测绘学科教学改革研讨会,2007.

[5] 汤东. 中外高校双语教学模式的比较研究[J]. 黑龙江教育:高教研究与评估版,2008,62(11):69-70.

Exploration and Practice on Bilingual Teaching Architecture for Artificial Intelligence Course

LI Zhu-lin, HAO Ji-sheng, MA Le-rong

篇12

互联网教育尤其是线上K12培优项目一直是投资热门，直播1对1模式风口过后，教育圈内最火的应该是AI项目了。据亿欧智库的报告显示，2017年人工智能教育融资额度达42.17亿元，其中超80%属于早期投资项目，这个赛道有望诞生多个独角兽公司。

笔者发现，当前布局人工智能的在线教育大体分为三派：

教学或题库测评类工具产品，比如作业盒子等；

培训机构应用AI技术，比如好未来等；

人工智能教育引擎及平台提供商，比如高木学习等。

现在摆在AI教育创投从业者面前的问题是：到底以技术实力论英雄的AI教育的泡沫有多大？真金不怕火炼的AI教育项目的核心能力在哪里？如何才能落地？ 本文试做解读。

一、为什么“自适应”其实并非真正的AI？一位投资人朋友曾向我这样说道：“既懂互联网行业又完全懂本行业的业务的管理型人才不超过十个，这是在‘互联网+’双创浪潮中每个垂直行业头部项目就几家能玩转的原因。”而认知和技术门槛更高的“AI+”情况恐怕会更加不妙，甚至很多人把“自适应”与“AI教育”划等号。

自适应学习（Adaptive Learning）的鼻祖是美国的Knewton公司，它通过评估不同学生对知识材料掌握度进行个性化推荐，有点类似于今日头条的兴趣引擎。 Knewton在国内的门徒众多，目前大概有40多家项目宣布发力做“自适应”，比如“乂学教育”（学练测自适应）、“学吧课堂”（题库自适应）、“英语 流利说”（英语口语纠正）、“一起作业”（家长、老师在线监控）等等。

嘉御基金创始人卫哲说过，“90%的人工智能项目都是伪AI”，鉴别的依据是看项目“算法速度”，如果是代数级而不是几何级计算那就不是“真AI”，以此来考验自适应项目，得到的结论未免让人失望。

初级的自适应项目是人工预设指令或编程规则推荐，高级的自适应是基于知识图谱推荐，即使是高级的自适应项目由于没有按照既定的教学大纲和教学目标有 逻辑地展开，在具体知识学习之中并不系统。关键是很多自适应项目采集的是各科最优秀特级教师的能力，导致其算法本身是线性的、模拟人学习而已。

自适应的技术原理就好比AlphaGo是应用了人类最优秀围棋大师的能力而非是完全迥异机器深度学习和自演化模型；自动驾驶AI应用了某个人类零误 差老司机的感知能力而非是基于全网海量交通大数据做运算和决策；人工智能医生是应用了看X片最快最准的医生的经验而非是海量数据库训练；显然按这样的路径 训练出的机器并非是真正的AI。

“真正拥有充分教学大数据及算法速度的‘AI教师’是能轻松超越拥有30年教龄特级教师的，并且可以突破人类的知识局限，对算法模型进行自动演化，找到人类从未尝试过的策略。”高木学习创始人刘瞻这样描述AI教师。

刘瞻是帝国理工学院科班出身，早在2015年开启AI教育创业，他认为判断真伪AI教育项目具体有三个考察维度：

（1）自适应是基于模拟优秀老师的知识图谱推荐知识，而真正的AI教育机器人则是泡在“教学实践大数据”中做深度学习。

（2）自适应主要用作知识盲点的统计，但无法分析出知识体系之间的本质联系，用AI更重要的任务是找到行为背后的原因，比如某学生表面上二次函数是 薄弱环节，既有可能是其对二次函数的各细分知识点掌握不牢，也有可能是前置知识点一次函数、函数的思想理解不透彻，还有可能是方程求解的问题；甚至有可能 是抽象思维或计算能力的问题，AI会根据该学生数据和“知识路径矩阵”，找到问题背后的原因从而匹配出最优学习路径。

（3）人类教师的情感因素能左右学生的学习效果，AI教师也应综合考虑学生的自信心与成就感的培育与激发，从而确保学生学习过程“知”、“情”、“意”的一体化。

二、AI教育的核心：帮助每个学生找到“元认知能力”AI教育并不会改变“老师-学生”的二元结构，甚至人工智能教育还要在师生两端彻底解决互联网教育未完成的两大难题：

如何帮助学生找到学习方法、提升学习效率？在中国一个普通中学生80%的学习时间是低效的。

如何帮助老师对学生更高效的“因材施教”？目前在我国师资资源依然整体短缺并且分布不均，1对1培优成本高、小班普及率低等问题依然突出。

AI教育的优势在于通过数据化形式分析学生自己都不清楚的“症结”，即所谓的“懂我更懂教好我”，同时AI还能帮助老师实现教学效果的稳定化和可控化。AI在充分收集和处理教与学两端的大数据后，还得在具体教学场景之中个性化建模，最终实现“让学生更会学，让老师更会教”，这是人工智能教育的目的。

陶行知先生说过，“教是为了不教”，教育本质不是灌输知识，而是要启发学生思考并让学生掌握自主学习的能力。目前很多伪AI学习神器只能“授人以 鱼”但并不能“授人以渔”，我国基础教育历来缺乏方法论课程，只有极少数有天赋的学生能自主制定适合自己的学习方案，而绝大多数天资处于平均线的学生在混 沌中摸索。如果从AI的视角来看，所谓“天赋”不过是少数幸运儿自觉不自觉的分享了“元认知能力”。

当人主动设定学习计划、自我反馈、动态调整学习策略时，就接近了“元认知”，在大数据时代，这种元认知能力是能被定量化分析的，AI 教育可以为学习者提供关于反复激活元认知能力的“训练法”。根据刘瞻的解读，AI教育的“训练法”就好比给蹒跚学步的婴儿安上矫正走姿的“学步车”，具体 应用什么样“训练模型”则是由AI根据大数据进行场景化定制的，有可能是通向学习目标所需要的“云梯”，有可能是“舟楫”，或者是“拐杖”等等，这些模型 能不断调取和强化人的“元认知能力”。

尽管市面上90%项目都是着眼于知识点和解题训练的自适应，真正AI教育项目比如高木学习的AI不仅包含自适应的知识图谱大数据，而且还能不断从学 生的行为数据中演化“知识路径矩阵”即AI可根据学生对知识和能力体系的理解定制出个性化学习路径。与此同时，AI让学生在对知识的理解与记忆过程中不仅 训练知识掌握度，还不自觉地训练了元认知能力，这套“个性化学习引擎”其实是在培养学生“忘掉所有知识后”剩下的元认知能力，具有普适化的特点。

实际上，AI教育并不需要局限在某一学习阶段、某一学科的知识体系，完全可以打造一个跨学科、跨门类、跨阶段使用的“通用知识学习引擎”，也就是说，除了应用在K12领域外，AI教育还可以应用在高等教育阶段，甚至在辅导大学生时比中小学生会更为轻松，无须综合考虑学生的学习动力因素等。

反过来讲，如果市面上的人工智能教育项目只能用于某一单科或只能教K12，就不是基于大数据获取和智能化引擎的“全才”和“通才”，基本可视为基于特定领域专家总结的经验规则的“伪AI”。

三、为什么AI教育项目落地，to B模式比to C模式更容易跑通？当前AI教育项目的商业化进程走向大体分为两大派：

一派是自建场景的颠覆派，试图开发新的测试软件以抓取学生的数据，甚至引入一些把AR（增强现实）、MR（混合现实）等黑科技，其目标是以“AI教师”完全取代真人老师教学，属于“人机对抗”模式，较为典型的是乂学教育的松鼠AI。

另一派是升级现行教育体系、不另创场景的改良派，属于“人机共教”模式，较为典型的是高木学习的AI Tutor。

一般走人机对抗模式最终走的是to C模式；而“人机共教”走的是to B模式。鉴于我国当前AI教育的应用场景主要为教学机构包括全日制学校与培训机构，而非一个个分散的学生；只有让AI去辅助老师备课、上课，嵌入到学生作 业和训练，帮助学生提分和学校提升升学率，才能帮助AI更快落地并且找到盈利模式。

从“全日制学校”应用AI的实践上看， AI能让老师“心中有数（据）”，提升教学的针对性，AI教师实际上相当于真人老师的“智能助教”，可以减轻老师50%的工作负荷量，比如AI帮老师批改 作业，把数据分析的可视化呈现出来帮助老师定制教研方案。因此，在市场推广过程中，AI教育项目不需要担心基层老师的接受阻力，能让老师摆脱“汗水老师” 的局面也是基础教育机构所希望看到的。

由于全日制学校获取的大数据比培训机构更加海量、持续、高频，因此高木学习更看重AI在全国全日制学校场景中的数据价值，积极在全国推行城市合伙人制度，并计划与地方教育主管部门合作推出全国教师AI应用能力培训公益活动。

To B模式中另一大企业客户就是体制外的培训机构，他们所面对的学生付费意愿强、购买力相对旺盛，是AI教育项目获得稳健现金流的必争之地，那么当前培训机构应用AI教育项目开展“人工智能双师班”的效果如何呢？

首先，AI教练能保持教学效果稳定化输出，解决原本老师教学效果不确定的弊端。

其次，AI 提升了老师的工作效率，突破了培训机构因为名师稀缺且流动性大限制培训机构的规模化发展的瓶颈。

篇13

随着无线互联网、“三网”融合等信息高速公路基础设施的逐步完善以及互联网教学资源的迅速增长,互联网作为一种信息与知识的传播手段正在改变教与学的关系。同时,现代社会对人才的多元化需求也要求学生具备通过互联网进行自主学习与评价的能力。

互联网教学资源具有数量多、形式多样、分布式存储、不断变化且无统一规范等特点。同时,教学资源与学习者及学科知识模型之间也没有统一的关联规范。对于大多数学习者而言,在利用含有海量教学资源的互联网进行学习时通常会迷失方向。为提高互联网优质教学资源的利用效率,迫切需要对互联网上不断增加的海量教学资源进行整合并为学习者提供个性化学习导航服务。关于教学资源整合以及学习导航的方法得到了广泛地研究[1-4]。

学习对象元数据(LOM, Learning Object Metadata)规范是IEEE采用的一种表示学习对象(教学资源)信息的规范。不但可以用于整合教学资源,还可以表示教学资源之间的依赖关系。

本文提出一种教学资源整合以及学习导航的框架,采用LOM表示教学资源元信息,利用XML表示LOM,并将LOM的XML数据转换为扩展知识结构图,并在扩展知识结构图的基础上实现教学规划与学习导航。

1基本框架

1.1基于学习对象元数据(LOM)的资源整合

全国信息技术标准化技术委员会(CELTS)教育技术分会制定了教育信息相关规范,CELTS将IEEE的学习对象元数据(LOM, Learning Object Metadata)规范封装在CELTS-3中,包括3个子规范,其中CELTS-3.1为信息模型规范,CELTS-3.2为元数据的XML绑定规范,CELTS-3.3为实践指南,CELTS-3.4为测试规范。LOM规范表示了学习对象的9大类元信息,包括:通用、生存期、元-元数据、技术、教育、权利、关系、评注、分类等。

LOM数据项如图1所示,有关LOM的详细描述参见文献[5-6]。

LOM数据项中,“关系”类信息描述了相关学习对象之间的关系,为学习导航提供了基础数据。CELTS-3.1 采用了Dublin Core关于学习对象关系的类别,其中“A基于B”和“A需要B”两类关系表示A依赖B,“B基于A”和“B需要A”两类关系表示B依赖A。

1.2基于扩展知识结构图(EKG)的学习导航

文献[7]提出了一种基于扩展知识结构图的教学规划方法,其中扩展知识结构图(Extented Knowledge Graph)定义为一个满足以下条件的有向无环图,(1)图中包含两类节点:知识节点和方法节点;(2)知识节点的后继节点为方法节点,表示完成该知识点教学的多种可选的教学方法。方法节点的后继节点为知识节点,表示运用该方法完成学习目标所需掌握的基础知识;(3)每个方法节点设多个置权值,表示不同的学习者通过该方法完成教学目标所需的费用。

一个示例性的扩展知识结构图如图2[7]所示。

LOM表示的学习对象(教学资源)信息可以很好的表示扩展知识结构图。设某一学习对象A(其标识为A),利用“A.通用类.标题”表示该学习对象所学习的目标知识点,学习对象A即为学习该目标知识点的一种学习方法,“A.教育类.难度”则表示该方法的初始难度,该难度值将根据不同学习者的评价进行调整。利用学习对象A来学习其目标知识点的基础知识集合则记录在“A.关系类”元数据中,包括所有“A.关系类.类型”为“A基于B”或“A需要B”的资源(用“A.关系类.资源”表示)。

1.3系统框架

系统管理学习对象(教学资源)元数据,学习者,教学专家(学习对象提供者)等信息,系统并不维护学习对象本身。系统基本功能包括:

1) 为教学专家提供接口,将学习对象的LOM信息录入到LOM数据库,并转化为XML表示形式;

2) 自动将XML表示的LOM数据库转换为扩展知识结构图;

3) 根据扩展知识结构图进行学习导航;

4) 为学习者提供接口,自主学习导航以及评价反馈。

系统结构如图3所示。

2人工智能教学资源整合和学习导航实例

以人工智能中状态空间搜索有关教学资源整合和学习导航为例,对上述系统加以说明。

与状态空间搜索有关的知识点包括:状态空间、状态空间搜索、盲目搜索、宽度优先搜索算法、深度优先搜索算法、启发式搜索、A*算法、A*算法的实现。学习这些知识点的依赖关系如图4所示。

以上示例分别说明了两个学习对象LOM的主要XML元素,前者的元素说明了“A*算法”对于“状态空间搜索”的依赖关系。与A*算法有关的部分教学资源如表1所示,由于篇幅限制其他资源的LOM表示从略,一种典型的学习路径为:(9)-(7)-(11)-(12)-(1)-(5)-(13)-(4)。

3结语

本文对教学资源整合以及学习导航方法进行了探索。提出一种教学资源整合以及学习导航的框架,采用LOM表示教学资源元信息,利用XML表示

LOM,并将LOM的XML数据转换为扩展知识结构图,并在扩展知识结构图的基础上实现教学规划与学习导航。后续工作将建立LOM的XML收集以及转换系统,为教学资料提供者以及学习者提供服务接口。

参考文献:

[1] 梁汉立. 基于概念网的知识组织与学习导航机制的研究[D]. 长沙:中南大学信息科学与工程学院,2003.

[2] 陈其晖,徐海宁,凌培亮. 基于知识点关系的学习导航系统建模方法研究[J]. 计算机科学,2007,34(12):193-196.

[3] 李益才,张小真. 模型驱动的智能教学系统分层规划的研究[J]. 重庆交通学院学报,2005,24(5):157-161.

[4] 姜云飞. 基于知识结构图的智能教学规划[J]. 计算机研究与发展,1998,35(9):787-792.

[5] 史元春,沈中南,向欣,等. 学习对象元数据:信息模型规范(CELTS-3.1)[EB/OL]. [2007-10-17]. celtsc.edu. cn/680751c665875e93/folder.2006-04-03.8417036039/celts-3/celts-3-1-cd3-0.pdf.

[6] 郑莉,史元春,沈中南,等. 学习对象元数据:XML绑定规范(CELTS-3.2)[EB/OL]. [2010-05-02]. celtsc.edu. cn/680751c665875e93/folder.2006-04-03.8417036039/celts-3/celts-3-2-ts.pdf.

[7] 段琢华. 具有学习能力的智能教学规划[D]. 广州:中山大学软件研究所,2002.

Tutorial Material Integration and Learning Navigation for Artificial Intelligence Based on LOM

DUAN Zhuo-hua