人工智能教学策略范文

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篇人工智能教学策略范例，将为您的写作提供有力的支持和灵感！

篇1

1我国农业发展背景和农业培训必要性分析

11我国农业发展背景

我国是传统的农业大国，农业对我国的经济发展具有极其重要的影响，一方面是由于我国人口基数大；另一方面是由于我国进出口贸易主要依靠农产品，农业发展成为影响我国经济发展最重要的因素之一。但由于各方面原因，我国农业发展还比较落后，尤其与发达国家的现代化农业相比，依旧有较大差距。

12开展农业知识培训的必要性

反思其他发达国家在?r业发展上实施过的举措，包括重视农业教育、科研和技术推广，注意提高劳动者素质；推广现代农业机械和高技术，重视农场管理；经营集约化、产业化；生产专业化；服务社会化；市场机制与政府扶持相结合；加强农业基础设施建设等，可以看出，我国在农业知识培训、素质教育、技术推广方面与发达国家差距明显。为发展我国农业，培养一批高素质、懂技术、会经营的农民以及一批愿意为农业发展做出自己贡献的高学历人才成为关键。农业的发展离不开农民的发展和进步，也离不开受过高等教育的精英人才的共同努力，而开展农业知识培训，则是为他们的发展奠定了一条夯实的道路。

2人工智能在教育中的应用与发展

近年来，伴随着人工智能在各行业的应用和发展，人工智能在教育领域中发挥的作用也越来越显著。例如，智能化的作业批改可以大大减轻教育工作者的沉重负担，在线学习等网络教学模式可以让人们更灵活地接受教育。从人工智能诞生伊始，其就与教育产生了密不可分的联系，延续发展至今，人工智能在教育领域中的应用主要包含以下几个方面。

21基于人工智能的计算机网络课程

计算机网络教育是对传统教育方式的一次革新，而人工智能对网络教育的渗透，又将其推向了新的发展高度。[2]学生可以自主地登录网络平台进行在线学习，根据智能导学系统制订学习计划，进行在线测试。例如近年来大为流行的MOOC课程，学生可以便捷地通过网络获取全球最高质量的教学资源，并可以量身打造自己的学习计划。

22基于人工智能的教师辅助系统

近十年来，智能传感器、语音识别、图像识别、深度学习、大数据等方面的蓬勃发展令信息的采集及处理越来越准确高效，这无疑使得人工智能与辅助教学系统的融合变得越来越深入。借助于语音识别、图像识别等技术，学生可以将学习过程中遇到的问题上传至系统，借助于数据库系统对信息准确的搜素和整合能力，实时地为学生提供答案或相关信息，答疑解惑。目前此类应用软件的应用广泛，例如小猿搜题、百度作业帮等。

23基于人工智能的教育数据库系统

随着信息化时代的到来，如何高效地搜集、分类和检索碎片化的教育信息和教学资源，无疑是一项巨大的挑战。为了更有效地分配和管理信息，在教育中引入智能化的数据库系统势在必行。现如今数据挖掘和深度学习的研究成果不断深入，依托知识库系统对教育信息的整合与构建，学生可以将已习得的零星的知识点进行扩充，由点至面的不断学习新知识；依托教育资源管理系统中来，教育管理工作者可以合理分配教学资源，让人们从爆炸式的高密度信息中解放出来，真正做到物为己用，因材施教。

3人工智能与农业知识培训的结合

新时代社会经济的发展为国家农业产业的发展翻开了新的篇章，如何加快社会主义农业现代化，促进农业转型，这为新时代的农业知识教育提出了新的要求。另外，近年来劳动力转型的趋势日益显著。随着农业劳动人口数量的减少，为了提高农业生产效率，需要有素质、懂知识的农民投入农业生产中来。因而，对于农业知识培训的革新作为农业现代化建设的重中之重，已被提上日程。

人工智能技术和教育领域融合的不断完善成熟，基于人工智能的农业知识培训正如雨后春笋般涌现，在农业教育培训领域崭露头角。

31人工智能应用于农业知识培训的优势

从我国农业发展的现状看，较之于发达国家，我国农业从业者的基数巨大但是整体受教育程度偏低，农业专业领域的知识匮乏，农业知识教育的推广不仅薄弱，而且效率低下。因此，伴随着信息化时代“互联网+”的新型教育模式对传统教模式的强有力革新，基于人工智能的农业知识培训展示了其强大的威力和优势，具体可以总结为如下两个方面。

311个性化教育针对性强

相比于课堂教学的传统模式，基于人工智能的网上在线教育模式能够为学生个性化地制订学习计划，灵活安排学习时间。这有力地解决了学生参加农业知识培训的时间成本问题，农业从业者可利用闲暇时间自主安排学习。另外，针对于培训者的当前知识水平和培训需求，培训平台可以个性化地安排教学相关领域的专业知识和操作技能。

312教育资源利用率高

我国当前的农业知识培训，教育教师需求数量和实际在岗教师资源极不匹配，具备丰富农业专业知识和农业生产经验的教师数量缺乏，这是导致农业知识培训推广速度缓慢的重要原因。而人工智能为这一问题的解决带来了福音，智能化的教学进程得以让教师从繁重的教学负担中解放。同时，基于网络的课程资源共享可以让先进的农业技术走进千家万户，让学生与优秀农业知识的距离不再遥远。

4平台开发的系统架构

基于人工智能技术，一个合理的农业知识培训平台能够像一个优秀的教师那样具备完备的农业专业知识和优良的教学技能知识，并且能够模拟及扩充教师的教学过程。除此之外，该培训平台还能够准确实时地与学生进行信息交互，有针对性地开展个性化教学，并可以自适应地完成教学效力评估和反馈，不断更新和完善教学内容和教学策略。基于以上分析，该开发平台的系统架构分为学生模型、教师模型、综合数据库模型和人机交互接口四个组成部分，结合下图对每一部分分别进行详细阐述。

41学生模型

学生模型应针对不同的学生，准确地评估学生当前的学习水平，对学生的学习背景、知识水平、知识架构进行诊断和评定，以便有针对性地制订教学方案，进而实施个性化教育。

另外，学生模型需要对学习过程中的学生的学习情况进行记录入库，对教育效果进行评定，从而诊断出当前教学计划是否合适，以便下述教师模型中对教学内容和教学策略的灵活调整。

42教师模型

教师是教学工作开展过程中的主体，一个合理的教师模型应该包括如下三个部分。

教师模型首先完成教学内容的选择，这要根据学生模型中对学生当前的学习水平的评定，并且针对学生既定的学习目标，并从下述知识库中调取对应的内容，为教学的开展做好准备。

在确定了教什么的问题之后，教室模型要确定如何教的问题，即选取合理的教学策略开展教学。教学方式的选择依附于学生模型，而又能根据学生学习情况记录进行反馈动态，不断完善和调整教学策略。

另外，在传统教学模式中，教师传授知识，并能为学生答疑解惑。当学生在学习过程中遇到问题和疑惑时，教师模型应该实时地提供信息支持，为学生提供针对性的帮助。因而教师模型要实现与人机交互接口的实时连接，在问题到来时控制模块驱动应答部分为学生答疑解惑。

43综合数据库模型

综合数据库模块为农业知识培训系统提供数据库支持，主要包括以下三个模块。

知识库模块中分类别地存放着农业领域的专业知识，包括文本、图像、自然语言、多媒体等多个类型的学习知识。一旦教师模型中完成了教学内容的选择，便由此模块中调取相对应的文件开展教学。

专家评估模块用于处理教学过程中的教学效果评价和经验总结，为教师模型中的各个环节的反馈和更新迭代提供数据支持。在一个完善的教学过程，教师需要根据学生的学习效果进行总结和反馈，以此指导下一步的教学内容和策略的更新。

为了对学生阶段性学习的效果进行评估，还需要引入测试考核模块对学生的成绩进行量化考核。测试考核模块中包含学生答题库和成绩测评库，准确检测出开展农业知识培?的作用与效果。

44人机交互接口

篇2

随着现代科学技术的飞速发展，先进的技术在教学领域得到了广泛的应用，并对教学过程产生了深刻的影响。其中，人工智能技术产生的影响最为深刻。它将先进的教学手段引入教学过程，在营造理想的学习环境、激发学生的学习兴趣以及提高教学效率等方面起到了重要作用。

一、人工智能

1. 人工智能的定义

人工智能（Artificial Intelligence，简称AI）是计算机科学、控制论、信息论、神经生理学、语言学等多种学科相互渗透发展起来的一门综合性的交叉学科和前沿学科。其精确定义是：一个电脑系统具有人类知识和行为，并具有学习、推断、判断来解决问题、记忆知识和了解人类自然语言的能力。

2. 人工智能的研究内容

人工智能作为一门综合性学科，其研究内容涉及到许多方面，其中与教学实际关系较为密切的是以下四个方面：

（1） 问题解决。问题解决（Problem Solving）是人工智能研究初期的主要研究内容之一，也是其他内容的研究基础，它主要研究计算机的知识表达和推理技术。

在教育领域中，研究问题解决的实际意义在于，把人类解决问题的基本过程赋予计算机，使其能够按照人类的思维规律进行问题解决，帮助学生进行有效的学习。

（2）模式识别。模式识别（Pattern Recognition）是近三十年来在信息科学与计算机科学的基础上发展起来的新兴科学，后期它又受到了人工智能科学的影响，得到了新的发展。因此，常被作为人工智能学科的一个分支。

简单地说，模式识别就是研究用电子计算机代替人来识别事物和环境的方法。所谓模式是指那些供参照模仿用的理想化的标本。因此，具体来说，模式识别的含义就是识别出给定的事物与哪一个标本相同或相似。模式识别有时可以理解为模式分类，即判别给定的事物应该属于哪一类标本。被识别的给定事物通常是字母、符号、汉字、图像、声音、语言、景物，也可以是统计数字、图表、教授状态、学习状态等，应用于教育时则称为教育模式识别和学习模式识别。

（3）自然语言理解。对自然语言理解（Natural Language Processing，简称NLP）的研究能为实现人机自然语言直接通信提供可能，并减少软件生产的负担，从而间接地推动计算机的广泛应用，提高自动化操作效率。因此，它已经成为人工智能研究中最为棘手的问题。

自然语言是人机对话的最方便的语言，其发展的最终目标是把自然语言作为程序语言来使用，使计算机直接执行自然语言，不需要中间的解释过程。

在教育领域中，计算机对自然语言的理解有助于人机对话的实现，从而能够增进计算机与学生之间的交互作用，把原有的计算机辅助教学条件下的计算机主动变为智能计算机辅助教学条件下的人机交互主动。

（4）专家系统。所谓专家系统是指一个（或一组）能在某特定领域内，以人类专家的水平去解决该领域中困难问题的计算机系统。其特点在于能把人类专家在解决问题过程中使用的启发性知识、判断性知识分成事实与规则，以适当形式存储到计算机中，建立知识库，并基于知识库采用合适的产生式系统，按输入的原始数据选择合适的规则进行推理、演绎，作出判断和决策，可起到专家的作用，因此称为专家系统。

专家系统是人工智能中最为重要的研究内容，在教育领域中的应用也最为广泛与活跃。教学专家系统的任务是根据学生的特点，以最合适的教案和教学方法对学生进行教学辅导。

二、计算机辅助教学

1. 计算机辅助教学的定义

计算机辅助教学（Computer Aided Instruction，简称CAI）是在计算机辅助下进行的各种教学活动，以对话方式与学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI能为学生提供一个良好的个人化学习环境。通过综合应用多媒体、超文本、人工智能和知识库等计算机技术，克服了传统教学方式上单一、片面的缺点，有利于激发学生的学习兴趣和认知主体作用的发挥。同时，它所提供外部刺激的多样性有助于知识的获取与保持。因此，使用CAI能有效地缩短学习时间、提高教学质量和教学效率，实现最优化的教学目标。

2. 计算机辅助教学的现状

尽管计算机辅助教学要比传统的教学模式先进不少，但并不是最完善的，它还存在许多不足，主要表现在以下几方面：

（1） 缺乏人机交互能力。在教学过程中，CAI课件的教学信息是按预先设置的教学流程机械式地提供，教师只能按预定的课件流程进行操作，学生的学习也是被动的，不能很好地参与教学过程。因此，人机交互能力没有很好地体现出来。

（2）缺乏师生互动。学生在自学及使用现有的CAI课件时，大多采用的是自主学习的方式。使用这种方式时鲜有师生互动，因此课件的效果会大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI课件都是在单机环境下运行的，无法使用网络来快速更新知识内容，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。现有的CAI系统很多都没有智能性，无法进行有针对性的教育。学生的学习是被动的，他们不能根据自身情况调整学习进度。对教师而言，教学参与度太低，他们不能按照学生的认知模型为其准备最适合的学习内容，更不能给予不同的教学模式与方法。

（4） 缺乏广泛性。CAI系统的设计都是围绕某一知识领域，对于教学内容、问题的设计和答案的呈现，都必须在原设计系统允许范围内实现,无法根据具体教学、学习情况提出新的方案。

由此可见，传统的CAI系统本身具有无法克服的缺点。随着人工智能技术的发展，人工智能技术将会越来越多地应用在教育领域。把人工智能技术引入CAI系统，使CAI系统能合理安排教学内容，变化教学方法来满足个性化教学的需要，因此就产生了智能计算机辅助教学系统。

三、智能计算机辅助教学系统

随着计算机科学和人工智能技术的不断发展和成熟，将AI引入CAI中，使CAI系统可以理解教什么、教谁以及如何教，因而也就能合理安排教学内容、改变教学方法，去满足个别教学的需要，这就是以AI技术和认知科学理论为基础而形成的智能计算机辅助教学系统(Intelligent Computer Assisted Instruction，简称ICAI)。它是计算机应用技术的一个新领域，代表了一种新的教学思想和教学方式。智能计算机辅助教学系统的出现，提高了教学质量，改善了教学的效率。

1. 智能计算机辅助教学系统的基本结构

ICAI系统主要是在知识表示、推理方法和自然语言理解等三方面应用人工智能技术。其本质上是一个基于知识的教学专家系统，通常由专家模块、学生模块、教师模块和智能接口模块组成。它的组成结构如下图所示：

（1）专家模块（知识库）。专家模块是由题域知识构成，它包括两方面的知识：一是教材内容、提问信息、教材重点、难点、评价等有关课程的知识；二是有关应用这些知识来生成问题，推理解题的知识。其功能有：作为系统全部知识的来源，为系统其他模块频繁调用，以实时完成用户行为响应，通过知识库知识，生成相应的问题、任务以及解释；通过同步问题解答，并通过预期学生行为与实际学生行为之间的比较，评价学生知识掌握程序以及学习状态、学习方式偏好等。这个部分相当于一个根据事实进行演绎推理求出解答的专家部件。

（2）学生模块。系统通过学生模块建立对学生的了解，通过比较学生行为与专家行为，对学生进行智能模拟，包括学生的知识状态、认知特点和个性特点等。学生模块用来表示学生的学习历史、当前知识水平、解题行为等方面的知识。其任务是：表示学生对所学知识的理解程度，反映学生已掌握和未掌握的部分，通过发现错误并作出错误根源的假设，为进一步指导提供依据。

（3）教师模块（教学策略模块）。在CAI 课件的交互作用中，教学策略是与教学内容融合在一起，通过教学的分支来体现的。这样做的不足是，某一教学内容只能按某一种（或几种）固定的教学策略来教。而在ICAI中，教学策略与教学内容是分开的。这样在教学过程中，系统可随时根据教学的需要，选择不同的教学策略。

教师模块的主要任务是在一定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。该模块的主要功能有：为学生提供学习环境；指导学生的学习活动；解释现象、过程和原因；为学生提供帮助和学习材料；监视和评价学生学习活动。

（4） 智能接口模块。智能接口模块的作用是处理学生与系统间的信息交流。模块要完成两项任务，一是在教学模块作出教学决策后，智能接口模块要以一定的形式把教学内容发送出去；二是建立学生输入信息的方式，接收学生输入的信息。

2. 智能计算机辅助教学系统的发展方向

ICAI系统在发展中不是孤立、单一的，它是伴随着多种技术以及人工智能在多种领域应用的不断发展而发展的。其未来的发展方向表现为以下几方面：

（1）与网络技术的结合。随着多媒体技术和Internet网络的飞速发展，多媒体教育应用与Internet网进一步融合，CAI 不仅仅只在智能上单一发展，它不可避免地还要向多维的网络空间发展。目前，已有不少基于Internet网的多媒体教育系统在使用，它们借助网络的优势，完成在线学习、实时讨论、网上测试等多种教学任务。将网络CAI与智能CAI有机结合，互相补充，能构建成一个新的系统工程。

（2）智能（Intelligent Agent）技术的使用。人工智能（AI）技术在ICAI中的应用，除了体现在对多媒体教学系统中引入学生模块和知识推理机制以外，还可以起到在“智能导航”浏览中，使用“智能”技术代替教师、学生进行指导学习和搜索学习的作用。

在CAI中，学生学习查询有效知识可以使用进行搜索、导引，由于它自身具备的学习功能，能够主动、高效地从Internet中发现和收集用户所需要的信息。因此，它有助于解决使用单一关键字匹配查询、搜索引擎引起的大量无关信息的涌现、信息检索的精确度不高等问题。将“智能”技术引入到ICAI中，将使得教师和学生在教与学的过程中，提高知识选取效率、加强交互学习和自主能动性学习。

（3）远程教学。结合网络CAI、智能CAI以及多协作，可以实现真正意义上的远程教学模式。ICAI系统不仅可以作为教师，为学生学习提供指导，也可以作为学生，辅助学生学习，还可以成为学生学习、交流、协作过程中多方面的。因此,具有多种特性优势的远程教学具有广阔的发展前景。

（4）虚拟现实（Virtual Reality）的应用。虚拟现实也叫人工现实（Artificial Reality）,是由多媒体技术与仿真技术以及计算机技术相结合而生成的一种交互式人工世界。它的根本目标就是达到真实体验和基于自然技能的人机交互。在教学辅助中，使用创建的虚拟环境，在一般人所不能亲身体验的情景中，达到演示、操作的教学目的。目前在教学中使用的有：基于Web的火电厂的虚拟实景建构学习、建筑设计的实景化学习、医学内消化道实景教学等。

四、结语

到目前为止，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。随着人工智能技术的发展，智能计算机辅助教学系统的成效将更加明显。新世纪的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，大大扩展了人类的能力，促进了教育事业的进一步发展。

参考文献：

[1]何克抗.教学媒体的理论与实践[M].北京:北京师范大学出版

社,2003.

[2]谢三毛.人工智能在计算机辅助教学中的应用[J].华东交通大

学学报,2005(12).

篇3

一、人工智能的定义

人工智能也称机器智能，它是计算机科学、控制论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统角度来看，人工智能是研究如何制造出智能机器或智能系统，实现模拟人类智能活动的能力，以延伸人们智能的科学。人工智能是一门交叉科学，逐渐形成一门涉及心理学、认知科学、思维可循、信息科学、系统科学和生物学科等多学科的综合性技术学科。

二、计算辅助教学体系和现状

计算救助教学是利用多媒体计算机的功能与特点，利用计算机辅助教师完成各个教学环节，并通过与计算机之间的交互活动，激发学生的学习积极性和主动性，帮助学生更有效地学习。实用计算机辅助教学，有利于认识主体作用的发挥，它所提供的图像、声音、动画等信息由利于学生知识的获得与保持，达到提高教学教学的目的。

目前为止，所实用的绝大多数传统以及理论证明等均被应用于计算机辅助教学系统，以提高其智能性和实用性。早期绝大多数计算机辅助教学将全部教学信息以编程方式预置于课件中，这样的以及理论证明等均被应用于计算机辅助教学系统，以提高其智能性和实用性。因此现有的以及理论证明等均被应用于计算机辅助教学系统，以提高其智能性和实用性。早期绝大多数计算机辅助教学系统面临许多挑战，它主要存在以下几个方面的问题。

1.计算机辅助教学系统的闭塞性

不具有开放性是目前以及理论证明等均被应用于计算机辅助教学系统，以提高其智能性和实用性。其弊端在于固定内容的局限性使课件的适用面狭窄，而且设定的运行路线使授课缺乏自主性;授课的针对性不强;无法利用新出现的资源在较高起点上进行二次开发。

2.智能性的欠缺

现有的计算机智能辅助课件系统不能对不同何曾度的学生进行有针对性的教育，学生的学习是被动的，不能由系统自动提供助学信息而使学生有选择地学习。

3.人机交互能力较弱

现有计算机智能辅助大多以光盘作为信息的载体，将材料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者，学习者使用计算机智能辅助课件学习是完全被动的。

4.教师与学生的互动在教学中的缺乏

现有计算机智能辅助课件在学生自学以及进行操作使用时，如何学习都是学生自己的事。教师不能全完了解学习者的情况，学生在蹦到问题时不能向教师求教，师生之间互相封闭，谈不上师生互动，因此课件所起的效果大打折扣。

5.课程特点没有突出

各门课程在教学上有不同的要求，但现有课件对于这些不同要求完全不予理会。例如很多课程都要涉及到大量的曲线或曲面，对有些课程来说，将这些曲线或曲面给出了一个简单的展示就足够了，而有些课程这样的展示不能达到教学目的的要求。

6.教学计划的欠缺

在课件的开发过程中实际上离不开教学策略的设计，但课件的制作者往往并未意识到这一点。例如：现有的绝大多数课件都是单一的展播式，这样的可见制作“精美”，但它不可逆、不能互动。实际上运用课件教学只是手段而不是目的，应该在教学设计理论的指导下讲求课件的实效性，着眼点在于学生学习新知识、掌握新技术、培养各种能力有帮助，而不是表面上的制作“精美”。

综上所述，现有的计算机智能辅助存在许多问题，随着新技术的不断出现，这些问题将使计算机智能辅助越来越不能适应新的要求。因此以智能计算机智能辅助为代表的心的计算机辅助教学系统将成为教育技术上需要不断探求、努力实现的发展方向。

三、智能计算机辅助教学系统

智能计算机辅助教学系统(Intelligent ComputerAided Instruction)，简称ICAI。教学过程是一个复杂的教与学的思维过程，它需要教师以专门知识和经验为依据，经过吸取、讲解、推理、示例、综合等多个步骤才能较好地完成。计算机辅助教学实际上是一个由计算机系统辅助教师进行教学以及学生进行学习并得以实现的系统。在智能ICAI中，教学思想、方法、学习内容可用知识形式表示，如何解决知识的形式化表示以及知识的访问与调用问题，是人工智能的核心技术之一，也是将ICAI引入教育技术领域中所要面临的一个问题。知识库是实现知识推理与专家系统的基础，可以用知识库作为智能ICAI的构建环境。在知识库中，教学内容等的有关知识可以用事实与规则表示，并存储于知识库内，教学与学习过程既是对知识库中知识进行推理，并最终得出所需结果的过程。ICAI系统的一般包括以下几个模块：

1.知识库。知识库是关于教学内容的模块，解决“教什么”问题。知识库中的教学内容有待于教学与控制模块和学生模块进行选取、调用。

2.学生模块。学生模块是用于记录学生的学习情况，对学生学习的各个环节信息进行搜集，以便系统对学生的学习情况进行自动评估，提出具有针对性的学习建议和个别化的辅导。学生模块描述学生对教学内容理解、掌握的程度，系统可以根据学生模块的具体情况调整教学策略并提供适当的反馈。

3.用户接口模块。这是系统与用户交流的界面。整个系统依靠用户接口模块把教学内容呈现给用户、接受用户输入的信息、并向用户提供反馈。

4.教学与控制模块。这是教学过程与整个系统的控制模块，涉及到“如何教”的问题。它具有领域知识、教学策略和人机对话等方面的知识。根据学生模型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，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针对地提出合理的教学建议、学习建议以及改进方法。

新世纪的教学将是以智能化的ICAI为主线，是多学科、多方位发展的新技术的体现。随着人工智能技术的发展、计算机辅助教学的成效将更加明显。

篇4

中图分类号：G250.73 文献标识码：B 文章编号：1673-8454(2012)01-0030-04

计算机辅助教学（Computer Aided Instruction，简称CAI）是利用计算机来模拟教师的行为，通过学生与计算机之间的交互活动来达到教学的目的。即在计算机辅助下进行的各种教学活动，主要是以对话方式和学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI为学生提供一个个人化的学习环境，综合应用多媒体、知识库等计算机技术，这是传统CAI的主要应用方式。

在没有智能系统支持的情况下，传统CAI尽管可能具有良好的教学材料模型，但它往往仅借助于计算机来展示教学内容，并不能很好地根据它所教学生的学习特征，以不同的教学策略和教学方法来教授；只是盲目地传授知识给学生，如果某个学生不能接受提供的教学策略，系统没有为这个学生提供可供选择的另外的教学策略。目前使用的绝大多数CAI是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，很难对课件进行更新和维护，尤其是在这样的CAI系统中，学生的学习仍然处于被动状态，即完全受计算机控制。

一、智能化计算机辅助教学概念

现代教育技术的日益发展以及与其他领先技术的结合，必然促使计算机辅助教学CAI的进一步发展。人工智能技术应用于CAI产生的基于网络环境的智能化CAI，就是现代信息化社会发展的产物，并在教育教学领域中有很好的发展前景。

人工智能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，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地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、博弈、智能决定支持系统、人工神经网络等等。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CAI，并借助于网络环境来实施，这便是智能型计算机辅助教学。

智能计算机辅助教学ICAI（Intelligence Computer Assisted Instruction）属于人工智能的一个分支，是以认知科学和思维科学为理论基础，综合人工智能技术，教育心理学等多门学科的知识对学生实施教育的一门新的教育技术。ICAI通过研究人类学习思维的特征和过程，探索学习知识的模式，利用信息化网络环境使学生获得个别化自适应性学习的获取知识方法，从而使学生的学习更有针对性，更有效。

ICAI依靠人工智能技术的进步，主要应在因材施教方面取得进展。其主要特点是:

（1）能自动生成适合学习者程度的学习内容。

（2）能根据学生的不同认知水平与学习风格选择教学策略和教学方法。

（3）能评价学生的学习结果，并不断地在教学中改善教学策略。

二、智能化计算机辅助教学研究现状

现阶段，在一些发达国家，如美国、日本、加拿大、英国、法国、澳大利亚等，CAI已经普遍存在于学校和家庭中，正起着越来越大的作用。而ICAI的研究还处于初始阶段。目前国内在这一领域的研究主要集中在CAI和ICAI的优缺点比较，ICAI的理论来源、系统特征、模块建设、发展趋势等基础理论知识的研究，基于相关课程或学科的实践研究还比较少见。智能教学系统的设计和开发是一项复杂的系统工程，由于需要考虑的因素较多，系统比较庞大，同时也依赖于人工智能等技术的发展,因而要建立完善的ICAI还是比较困难的。[1]因此ICAI有很大的理论和实践发展空间。

完善的ICAI系统需能够充分调动学生的主动性，并能通过分析推理，对某具体学生做出适合的教学决策。使学生获得个别化自适应性学习的学习方法，达到因材施教的目的。人工智能技术的发展必将会对ICAI的发展起到巨大的推动作用。随着计算机科学的发展，21世纪的教育教学辅助手段将是以ICAI为主线，多学科、多方位发展的新技术的体现，越来越多的教育工作者会从更多的视角审视ICAI，并从事ICAI的研究。相信ICAI将会在现代教育领域中有更广泛的应用。

“现代教育技术”既是教育技术专业的必修课程，也是大中专院校广泛设置的选修课程，适用范围非常广泛。本文以《现代教育技术》这门课程为主要研究对象，来研究智能化教学系统设计在具体实践中的应用。

三、ICAI决策系统的理论依据

1.综合集成理论

教育是以人为主体参与的活动，而人本身就是一个复杂巨系统，因此以这种大量的复杂巨系统为子系统组成的系统――教育系统，是一个复杂巨系统。依据系统与其环境是否有物质、能量和信息的交换，将系统划分为开放系统和封闭系统来看，学生的学习受到教师、同学、家庭及社会等因素的影响，所以教育系统是一个开放的复杂巨系统。

钱学森的理论和实践研究表明：现在能用的、惟一能有效处理开放的复杂巨系统的方法，就是定性定量相结合的综合集成方法论。综合集成方法论（Meta-synthesis Methodology MSM）是方法论上的创新，它是研究复杂巨系统和复杂性问题的方法论。[2]定性定量相结合的综合集成方法是将专家群体(各种有关的专家)、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来，发挥这个系统的整体优势和综合优势。[3]它把人的经验、知识、智慧以及各种情况、资料和信息系统集成起来，从多方面定性认识上升到定量认识，从而达到解决复杂系统问题的目的。在解决问题的过程中，专家群体和专家的经验知识起着重要的作用。

教学系统设计是一个复杂的系统，它是由教育系统的复杂性决定的。教育系统具有复杂系统的基本特点，它在结构与功能上表现为规模大、相关因素多且相关方式复杂、目标多样等；在运动上表现为随机性、非线性等。用一般的理论方法无法全面合理地解决这一不良结构的问题，本研究尝试用综合集成方法论来指导、分析教学设计智能化过程。因此，运用综合集成理论的方法来研究教学设计系统，探讨具体科目的教学设计在设计过程中遇到的复杂性问题，进而构建科学合理的教学设计系统，具有重要的理论和实践价值。

2.教学设计理论

本文采用“双主”教学模式作为ICAI的教学设计的理论基础。“双主”教学模式既能发挥教师的主导作用又能充分发挥学习者认知主体作用，是在教师主导下的课堂中能让学习者参与进来共同学习的一种教学模式。

基于“双主”的教学模式，要求根据学习者的特征、学习内容、学习策略、学习目标等多种因素的不同情况研究它们的结合方式，以使系统达到理想的教学效果。

基于网络环境的ICAI相对于传统的CAI来说，充分体现了“双主”的教学模式。ICAI中有专门分析学习者学习方式和认知水平的学生模型，有专门为不同的学习内容选择不同的学习策略的策略库模型（也称为教师模型），有评价学习效果并反馈给系统的评价模型。学生模型是对学习者的学习特征进行分析，包括学习者的学习风格、认知水平。策略库模型包含有丰富教学策略和有一个智能推理机，能根据学生模型的信息和学习目标为学习者选择合适的学习策略，指导学习者学习。

3.建构主义学习理论

当代建构主义者主张，世界是客观存在的，但是对于世界的理解和赋予意义却是由每个人自己决定的。建构主义者认为学习者要以自己的经验为基础来建构现实，或者至少说是在解释现实，每个人的经验世界是用自己的头脑创建的。

学习过程同时包含两方面的建构：一方面是对新知识意义的建构，同时又包含对原有经验的改造和重组。建构主义者强调学习者在学习过程中能够灵活地建构起用于指导实践活动的图式，这种图式是对概念的丰富理解，依据个人经验背景的不同而不同。

教学应当把学习者原有的知识经验作为新知识的生长点，引导学习者从原有的知识经验中，生长新的知识经验。教学不是知识的传递，而是知识的处理和转换。

ICAI伴随着这种理论的发展而发展，它注重的是由学习者来控制学习过程，重视学习内容的知识结构和学习情境，让学习者主动构建对自己有意义的知识的活动。基于网络环境的ICAI积极地为学习者创设学习情境，帮助学习者用他们已有的知识去建构、生成、整合新的知识。

4.教学处方理论

“教学处方理论”是郑永柏博士于1998年提出的一种新型适合于信息化教学设计的理论，他通过对教学系统设计理论和计算机辅助教学设计方面的研究，建构了一种新型的教学系统设计理论――教学处方理论。该理论主要包括：六个基本概念、一个理论框架、三条基本原理和两个关于教学设计的知识库。[4]

该理论指出教学处方可以看作是教学设计者(有时可以看作是教师)依据系统分析后使用的各种教学模式、教学方法和教学内容处理模式的组合；说明了在特定教学条件下对特定教学结果的教学，以不同的学习理论和教学理论为指导将会采用不同的教学方法，即教学处方，这也是本研究的核心内容，是该系统设计的指导理论。“教学处方理论”具有更好的包容性、开放性，能够吸收和容纳丰富的学习和教学研究成果。

四、ICAI系统的模块结构

1.前端分析模块：认知能力、学习动机、认知风格

前端分析是美国学者哈利斯（Harless，J．）在1968年提出的一个概念，指的是在教学设计过程开始的时候，先分析若干直接影响教学设计但又不属于具体设计事项的问题，本文主要指认知能力、学习动机和认知风格方面的分析。前端分析模块主要是建立相应的学生特征类型的数据库。

认知能力的测量采用认记、理解、应用、分析、综合、评价六个维度，每个维度有“优、良、中、差”四个选项。通过数据分析找出学习者的现状和期望之间的差距，确定需要解决的问题是什么，并确定问题的性质，形成不同层次的教学设计项目的目标。

学习风格和学习动机通过专门的量表来收集数据。

2.内容分析模块

教学内容分析就是在确定好总教学目标的前提下，借助归类分析法、图解分析法、层级分析法、信息加工分析法等方法，分析学习者要实现总的教学目标，需要掌握哪些知识、技能或形成什么态度。通过对教学内容的处理，确定学习者所需学习内容的范围和深度，确定内容各组成部分之间的关系，为以后教学顺序的安排奠定好基础。

对教学内容的处理主要包括：教学内容的选择、教学内容的编排、确定单元目标及对内容进行初步评价、分析教学内容类别及性质等四个基本方面。在构建规定性教学内容处理模式库时，应对上述四个方面提供具体的方法。[5]

3.决策模块

教学策略（处方）的制定就是根据特定的教学目标、教学内容、教学对象等条件，来合理地选择相应的教学顺序、教学方法、教学组织形式。在数据库中建立可供选择的不同的教学策略（处方），是本文所研究的ICAI系统的主要模块，也是特色模块。

教学策略（处方）的制定包括教学顺序的确定、教学方法的选择、教学组织形式的选择等。教学顺序的确定就是要确定教学内容各组成部分之间的先后顺序；教学方法的选择就是要通过讲授法、演示法、讨论法、练习法、实验法、示范模仿法等不同方法的选择，来激发并维持学习者的注意和兴趣，传递教学内容；教学组织形式主要有集体授课、小组讨论和个别化自学三种形式，各种形式各有所长，须根据具体情况进行相应的选择。教学策略的制定是根据具体的目标、内容、对象等来确定的，要具体问题具体分析，不存在能适用于所有目标、内容、对象的教学策略。

4.评价模块

在基于网络环境的ICAI的评价模块，要依据前面确定的教学目标，运用评价量表，分析学习者对预期学习目标的完成情况，主要收集三个方面的基本信息，一是要收集关于教师对教学设计方案和教学方案实施结果的满意度的信息数据，二是要收集关于学习者对教学过程、教学策略的适应性的信息数据，三是要看与其他方法相比，本处方中所采用的方法是否有独到之处，是否有不足之处。[6]在数据分析的基础上，对教学策略和教学内容的修改和完善提出建议，并以此为基础对ICAI各个环节的工作进行相应的修改。

5.ICAI系统模型框图

学习者前端数据采集数据库包括：认知结构测量及分析系统、学习动机测量及分析系统、学习风格测量及分析系统和学生基本信息系统。系统模型如图所示。

五、ICAI决策系统实验数据来源

本课题实践研究的调查对象来自云南大学，是2008届市场营销教育和财会教育本科生，共89人，课程设置为现代教育技术。学生调查表包括本科生基本信息表，所罗门学习风格量表，学习者认知能力调查问卷，学习者学习动机调查问卷四份表格组成。实际收到数据表89份，有效数据表75份。数据表中的信息选项根据所占权重，统一折合成百分制进行处理。

六、总结

本文把教学设计理论、方法与“现代教育技术”课程相结合，拟研发出一个基于综合集成方法论的广义智能网络教学设计辅助系统。主要研究成果如下：

（1）把综合集成方法论引入解决教学设计这一不良结构问题；

（2）结合数字化方法和数据挖掘技术，它能对学习者进行数字化的前端分析；

（3）它所自动化给出的教学设计方案，可为青年教师提供良好借鉴，有利于教师因材施教、因风格施教、因需要施教；

（4）它所自动化给出的学习者学习建议方案，有利于促进学习者自主学习。

现有的CAI存在的许多问题随着新技术的不断出现而显得越来越不能适应新环境的需求，因此以基于网络环境的ICAI为代表的新计算机辅助教学系统，将是教育教学研究人员在教育技术上需要不断探求、努力实现的发展方向。

参考文献：

[1]杨采坚，董玉铭.智能教学系统设计[J].中国电大教育,1993（3）.

[2]于景元,涂元季.从定性到定量综合集成方法――案例研究[J].系统工程理论与实践,2002.5.

[3]钱学森,于景元,戴汝为.一个科学新领域：开放的复杂巨系统及其方法论[J].自然杂志,1990(1).

篇5

随着物联网、大数据、5G及人工智能等信息技术的发展，为了应对中国产业变革及新一轮的科技革命，适应“中国制造2025”国家战略需要及产业经济创新发展，同时将国际工程教育思想本土化，“新工科”应运而生[1]。信息技术发展催生出了人工智能相关的专业，国内高校纷纷设立了智能科学与技术专业。近年来，人工智能技术的发展引领着人类社会正逐渐走进智能社会，人工智能将深刻影响人类社会。随着人工智能的进一步发展，高等教育的价值也将进一步提高[2]。因此，各高校应尽快建立与新工科相一致的智能科学与技术专业，并深入研究我国人工智能的人才培养体系、课程设置、实验平台及成果转化等方法，改革传统人工智能的教育教学方法，形成有新工科特色的智能科学与技术专业工程教育方法。由于传统的专业是按学科划分的，因此，目前的智能科学与技术专业课程体系以理论为主，强调学科知识的系统性和完备性[3]。人工智能导论作为智能科学与技术专业的核心课程，同时也是人工智能“入门性”和“引导性”的课程。但是，目前人工智能导论的课程设置上主要存在课程内容陈旧、实践课程不足、教材理论过强、教学模式老旧及实践教学与企业需求不适应等问题。尤其是人工智能导论课程，缺乏实践教学将会降低学生学习人工智能的兴趣和积极性。因此，为了解决这些问题，并使高校跟上人工智能时代的脚步，抓住高等教育发展的新机遇，进行面向新工科的人工智能导论实践教学模式探索具有重要的现实意义。

1人工智能对新工科人才的新要求

1.1具备多学科交叉知识。人工智能导论是一个多个学科交叉而成的一门课程。人工智能导论主要包括知识系统、智能搜索技术、脑科学、机器学习、神经网络、支持向量机、专家系统、智能计算及分布式智能等内容[4]。因此，一个合格人工智能专业人才需要具备多学科知识。1.2具备多领域应用能力。人工智能导论的应用领域广泛，基本包含工业、农业及社会生活的各个行业（如工业生产、通信、医疗、金融、社会治安、交通领域及服务业等）[5]。人工智能导论课程要求学生在学好理论前提下也应该掌握各行业的相关知识，只有这样才能提高人工智能技术在各领域的应用。1.3具备人工智能创新创业精神。目前，创新驱动发展成为了我国现阶段发展的重要力量，人工智能成为经济发展的新引擎[5]。在大众创业、万众创新的号角下，人工智能技术作为创新创业过程中的一个大趋势。因此，当今新形势下培养具有创新创业精神的人工智能专业人才对我国经济发展及大学毕业生创新创业具有重要意义。1.4具备人工智能人文素养。人的内在品质就是人文素养，人文科学的知识水平和研究能力是人文素养的重要组成部分，人文素养是人文科学体现出来的以人为研究对象和中心的精神[6]。人工智能对人类社会带来的是便利还是带来灾难，关键是使用者的思想道德和人文素养。因此，培养具有人文精神的人工智能专业人才具有重要的意义。

2人工智能导论课程教学现状

目前，许多高校已经认识到传统的人工智能导论课程已经不能适应社会和学生发展的需要。尤其是地方普通高校在师资、科研及学科力量薄弱情况下进行人工智能导论的实践教学。目前人工智能导论的课程设置上主要存在的问题如下：⑴本科生课程内容陈旧。近年来，随着云计算、大数据、5G等信息技术的快速发展，也带动人工智能技术发展日新月异。对于高校来说，要紧跟人工智能技术前沿，传授学生的知识也要紧跟人工智能的发展。目前，虽然也出现了不少新的人工智能导论教材，但在课堂上能够教学的新内容仍然不多，教材内容仍然集中在传统的人工智能技术（如问题求解、知识表示、归结原理及经典推理等技术）上。⑵研究生课程内容重叠。研究生的人工智能导论课程应作为本科生课程的一个延续，但部分高校对研究生人工智能导论课程的教学重视不够。很多本科生已经学过的内容在研究生阶段又进行了重复。因此，在新工科背景下培养高层次的人工智能人才，就必须要在研究生阶段加强新工科人才实践能力的培养，选择合理的人工智能导论课程，改革研究生阶段人工智能导论的教学理念和教学模式。⑶实践课程不足。实践教学是提高人工智能新工科人才能力的重要路径。目前，大多数院校的人工智能导论课程理论与实践联系不够紧密，对学生实践能力的培养不够，只知道理论，而不进行实际的实践应用就不能成为合格的人工智能新工科人才。另外，大多数地方高校的人工智能实验室建设投入不足，实验条件差，验证性的实验较多，实验课时不足，学生对人工智能新技术的接触不够。⑷人工智能导论教材理论性过强。目前，现有的人工智能导论教材以理论为主，缺乏人工智能实践内容。在课程教学过程中学生经常会感觉索然无味，当实践课程开设不足时，这种情况会非常明显。学生会渐渐的对人工智能导论课程失去兴趣和热情，最终会导致课程的教学质量和效果下降，不能达到新工科人工智能专业人才培养的预期。⑸教学模式老旧。人工智能导论是多学科交叉的课程，课程内容理论性强、抽象、多知识点是新工科的特点。然而，大多数地方高校仍然采用过去的课堂教学模式（即“教师讲、学生听”的教学模式），这种单向灌输的教学方式以教师为主，学生的主动性不够，只是在被动接收知识。学校这种重视理论不重视实践的教学模式，在一定程度上影响了新工科人才的实践能力，从而导致教学内容与企业社会需求脱节。

3人工智能导论实践教学初探

3.1人工智能导论课程实践平台建设。为了提高学生对实践教学的兴趣，南阳师范学院计算机科学与技术学院在人工智能导论授课过程中广泛应用多种计算机实验教学平台，如采用开源的PaddlePaddle百度飞桨深度学习平台，希冀一体化人工智能实践教学平台及大数据综合实验平台。教师可以在实践教学过程中方便的使用这些平台进行授课，学生也可以在课堂中跟随老师完成相关实验，并能够在课下进行相关实验练习及提交作业。3.2人工智能导论课程实验内容优化。在人工智能导论实践教学过程中，以学生兴趣为导向，开展相关应用课程实验，南阳师范学院计算机科学与技术学院对人工智能导论实验课程内容进行优化。优化后的主要实验课程包括搜索优化算法实现、智能计算实现、贝叶斯分类实验、最近邻算法实验、机器学习实验及神经网络实验。最后，通过期末课程设计进一步提高学生解决实际问题及创新创业的能力。3.3人工智能导论实践教学模式改革。⑴校企合作为使人工智能导论实践教学不与企业脱节，校企合作是关键。应积极派遣教师进企业进修，了解企业需求，并提高教师的工程能力。从2018年以来，南阳师范学院计算机科学与技术学院每年暑假期间累积派遣教师58人/次前往百度、中兴、科大讯飞、神舟数码及江苏传智播客公司等进修培训。同时已经在固定时间邀请相关企业讲师到学校进行人工智能方面的项目教学。建立起了具有地方区域特色的师资队伍及校企协调的实践教学模式，从而避免人工智能导论课程实践与企业实际脱节。⑵“双导师”负责制人工智能导论实践课程实行“双导师”制，邀请企业中实践经验丰富的人才任教或任职，校企合作建立实践教师指导团队，改革教学策略及教学方法，以项目为牵引，将人工智能导论实践课程作为第二课堂学分。还要积极制定人工智能相关的科技作品竞赛的奖励机制，积极引导学生参加各种人工智能相关的比赛，从而进一步提高学生在创新实践方面的能力。⑶采用案例教学法以案例导入进行教学，提高学生兴趣。首先，从人工智能竞赛的部分赛事中、（如百度的人工智能大赛，“2020年全国人工智能大赛”，“2020中国高校计算机大赛人工智能创意赛”等）中选取贴近实际问题的案例作为人工智能导论实践课程的案例来源。然后，采用目前主流的人工智能开发软件进行算法代码的编写，引导学生采用Python语言调用第三方接口库进行算法的实现。最后，让学生使用主流的编程语言（如C++、Java等）开发完善算法或进行系统设计与实现。

4结束语

在新工科背景下，人工智能导论作为智能科学与技术专业的基础核心课程，人工智能人才培养应注重提高学生解决问题的能力。在这种背景下，笔者结合近年来了解到的企业需求和上课的实际，对人工智能导论实践教学模式进行初探，具体如下：①校企合作，构建人工智能实践平台；②建立案例库，优化实践的内容；③校企“双导师”制，采用案例教学，从而进一步提高学生在创新实践方面的能力。

参考文献:

[1]杨晴,王晓墨,成晓北等.新工科背景下的新能源科学与工程专业——哈佛大学工科教育在学科交叉方面的启示[J].高等工程教育研究,2019.S1:23-24，33

[2]李明媚,成希,罗娟.人工智能时代的高等教育之变与不变[J].黑龙江高教研究,2020.2:41-44

[3]陈义明,刘桂波,张林峰等.智能科学与技术专业课程体系建设的理论思考[J].计算机教育,2020.309(9):103-107

[4]刘永,胡钦晓.论人工智能教育的未来发展:基于学科建设的视角[J].中国电化教育,2020.2:37-42

篇6

P键词： 人工智能；创新；本科

Key words： artificial intelligence；innovation；undergraduate

中图分类号：G642 文献标识码：A 文章编号：1006-4311（2017）22-0230-02

0 引言

人工智能是计算机科学的一个分支，是当前科学技术中正在迅速发展、新思想、新观点、新理论、新技术不断涌现的一个学科，其属于一门边缘学科，同时也是多个学科交叉而成的一门学科，包括语言学、哲学、心理学、神经生理学、系统论、信息论、控制论、计算机科学、数学等[1]。当前人工智能已经是很多高校计算机相关专业的必修课程，它是计算机科学与技术学科类各专业重要的基础课程，其教学内容主要包括自然语言理解、计算智能技术、问题求解和搜索算法、知识表示和推理机制、专家系统和机器学习等，国内外很多大学都意识到了其重要性，纷纷对其展开了教学和研究。人工智能课程包含多个学科，具有内容抽象、理论性强、知识点多等特点，且算法复杂，但是多数高校采用的教学方式仍是传统的课堂教学方式，即“教师讲、学生听”的教学模式，这种信息单向传输教学模式以教师为主体，学生只是在被动的接收知识；存在过分重视理论教学，忽视实践活动教学的问题，导致教育内容无法和社会接轨；人工智能教材理论性过强，学生在学习过程中常常感到枯燥乏味，进而对学习该课程失去热情[2]，久而久之，不仅人工智能课程的教学质量和效果无法达到预期，甚至学生还会产生厌学心理。针对人工智能课程中现有的各项问题，本文作者结合自身丰富人工智能教学实践经验，参考人工智能课程特点和教学目标，从多个方面探讨和总结了人工智能，包括教学内容、教材选择、教学方法和考核形式等。

1 教学内容优化与更新

人工智能是一门崭新的学科。开设本课程首先是确定教学内容。通常来讲，人工智能学科的内容包括两个部分，具体：一是知识表示和推理；二是人工智能的应用。前者是人工智能的重要基础，后者主要介绍了几种人工智能应用系统，包括自动规划和机器视觉、机器学习、专家系统等。另外，课程内容中还包括了一些人工智能应用的实例，将实践和理论紧密结合起来[3]。

随着时代的发展和科技的进步，人工智能学科也取得了较大发展。基于此，人工智能学科也应该与时俱进，更新人工智能教学大纲，进一步完善其教学内容。修订后的人工智能教学大纲将人工智能分成两个部分，即基础部分和扩展应用部分。前者包括计算智能、搜索原理、知识表示等，后者包括智能机器人、智能控制、多智能体、自然语言理解、自动规划、机器学习、知识工程等。

教学内容的选择和确定应综合考虑多项因素，不仅要重视基础知识，也应注意推陈出新，随着科技的进步做到与时俱进，同时教学内容应符合现实的需求，能够与社会接轨，将理论和实践紧密结合起来，只有这样人工智能课程的教学质量和效果才能事半功倍。

2 教学策略及教学方法的改革创新

由于人工智能课程具有算法复杂、内容抽象、理论性强、 知识点多的特点，传统的教学模式已经无法满足人工智能课程的需求，教师应探索更加有效的教学模式和方法，确保人工智能课程能够取得良好的教学质量和教学效果。具体的改革和创新人工智能课程的手段和方法主要包括以下几个方面：

2.1 激发学生的学习兴趣 无论是经验还是常识都在告诉我们每个人最好的老师就是兴趣，学生只有对某门学科存在兴趣，才会更加主动积极的学习该门课程，从而获得良好的教学效果。比如，作者在课程的一开始先播放了一段著名导演斯蒂文・斯皮尔伯格的《Artificial Intelligence》的相关片段，由这个电影学生知道了世上存在人工智能的机器人，学生们随着电影情节的发展而深深感动，与此同时教师让学生思考和谈论人工智能是什么？研究人工智能的意义在哪里？实践发现，在课堂中加入电影因素，能够大大提升学生们的注意力，让学生更加专注在教学任务中，有效提高了学生探索人工智能的积极性和主动性。此外，在教学中还可以用动画、视频、图片等手段将反映人工智能最新研究和应用的成果展示出来，让学生更直观的感受人工智能的奥妙，从而投入更多热情学习人工智能课程。

2.2 面向问题的案例教学法 案例教学法是一种以案例为基础、以能力培养为核心的一种教学方法[11]。针对学校学生特点，我们采取了以下几种教学形式实施案例教学。①讲解式案例教学：这种案例通过教师的讲解，帮助学生理解抽象的理论知识点。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，然后再讲解理论知识；二是“理论―案例”，即教师先讲解理论知识，再给出教学案例；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讨论式案例教学：在课程初期将学生分成若干学习小组，每小组3～4人；教师将提前设计好的一题多解的教学案例以及收集的相关资料分配给每个小组，要求学生在课余时间通过自学和组内讨论的方式给出问题的不同解决方案。③辩论式案例教学：在课程后期，采取专题辩论的方式对综合应用案例进行讨论，能有效地启发学生全方位地思考和探索问题的解决方法，加深学生对人工智能的理解。

2.3 个性化学习与因材施教 在开展课程教育过程中应注意对学生进行个性化教学，结合学生特点因材施教。比如，在日常教学中多观察学生情况，鼓励那些应对教学任务后仍存在余力的W生深入探索较深层次的课程及相关知识，同时友善面对学习较差的学生，分析其学习过程中面对的困难，有的放矢地采取应对措施，帮助其不断进步；在教学过程中让学生以读书报告的形式多多思考，鼓励学生发散性思考问题，鼓励优秀学生进行深一步的探讨，并且教师应帮助具有新颖思想或论点的学生将其智慧以科技论文和发表文章的形式转化为成果。

2.4 注重综合能力培养 在研究型教学中任务驱动是一种常用的教学方法，其中心导向是任务，学生在完成任务的同时也在吸收和掌握知识。通常来讲，该教学方法的步骤是：教师提出任务师生共同分析以得出完成任务的方法和步骤适当讲解或自学、协作学习完成任务交流和总结。”[3]该教学模式不仅有利于培养学生的创新能力和创新意识，还能够培养学生解决实际问题的能力，提高其综合实力。不仅如此，由于该教学模式通常是以小组协作的方式进行，教师给出研究范围，学生自愿结组并选择具体的题目，经过分析和讨论后以程序设计或者论文的形式协作完成研究。由此可知，学生是在以团队的力量解决问题，这十分考验学生的团队协作能力，对于学生团队合作精神的培养至关重要，且在完成任务的过程中学生需要查阅大量的资料，久而久之学生收集资料和创新能力势必会得到提升。

2.5 采用启发式教学 人工智能的很多问题都较为抽象，对学生理解力的要求较高，因此，在实际的教学过程中教师应有意识的就课程内容提出相关问题，让学生自己独立思考，鼓励学生提出自己的想法和解决方案。然后回归到课程上，对比分析教材上的解决方案和学生自己的解决方案，如此不仅培养了学生独立思考的能力，也增加了学生参与教学活动的意识，提高了学生的学习热情。比如，在讲到较为抽象的“遗传算法”时，先提出一个问题，即“遗传算法如何用于优化计算？”，然后从“达尔文的生物进化论”入手，讨论“遗传”、“变异”和“选择”作用，之后举例分析，启发学生思考“遗传”、“变异”和“选择”的实现，最后师生一起导出遗传算法用于优化计算的基本步骤。如此既完成了教授遗传算法的目的，也锻炼了学生逻辑思维的能力，教学效果良好[4]。

3 作业和考核方式的改革创新

过去的课程作业都是单一书面习题作业，发展至今，课程作业形式已经发生了变化，更加丰富多样，包括必须交给教师评阅的书面家庭作业和不必交给教师的课外思考题目、口头布置的思考题或阅读材料以及大型作业等。其中通过网络就可以完成上交作业，并且教师批阅作业后也可以通过网络返回给学生，实现了网络化。课程的考核方式较之以前也发生了较大变化，加强了平时思维能力的考核，更加注重学生实验能力和动手能力的培养，不再是绝对的一次考试定成绩，而是在总评成绩中加入30%的平时成绩，如此不仅减轻了学生的期末负担，也迫使学生更加重视平时的学习思考，有利于课程教学质量的提升。

4 结束语

本文是以提高教学质量为目标，结合教学实践，从教学体系、教学内容、教学方法、考核方式等方面对本科人工智能课程的教学改革进行了探讨，总结了该课程在教学和实践方面的一些教改举措。这些举措符合二十一世纪高校教学的要求，可以支持教师提高教学手段现代化的水平，同时更贴合学生的学习需求。作为该课程的授课教师应始终保持对教学内容的不断更新、教学方法的多样化，才能激发学生的学习兴趣，培养他们的思维创新和技术创新的能力，最终提高本课程的教学质量。从学生的反馈来看，作者所总结的教学实践具有明显的教学效果。但仍有许多方面做得不够，今后将继续在教学过程中不断总结成功的经验，吸取失败的教训。

参考文献：

[1]蔡自兴.人工智能及其应用[M].三版.北京：清华大学出版社，2007.

[2]谢榕，李霞.人工智能课程教学案例库建设及案例教学实践[J].计算机教育，2014（19）：92-97.

篇7

一、引言

人工智能的发展,使CAI出现了新的研究方向,通过在CAI中引入人工智能,可对教学加以适当控制,即智能计算机辅助教学(Intelligent CAI,ICAI)。ICAI系统模拟的是教师,服务对象是学生,综合了专家系统与人工智能技术、教育心理学、教学理论等领域知识,是一种新的教学手段和教学思想。本文提出了一种ICAI多媒体课件设计结构,介绍了各模块的设计思想。

二、ICAI系统结构

教学是教、学两个方面有机结合的过程。一个完善的ICAI系统应能像优秀教师那样,具有丰富的专业知识、多样的问题求解方法以及解释问题的能力,并能根据学生的实际情况动态地组织和调整教学过程,而且能提出具有建设性的建议。因此,ICAI系统的重要标志是具有综合而有效的数据库。

同时,ICAI系统要体现教师的教学思想,可以考虑把教学策略和教学内容分开,通过学生模型及个别指导规则,动态生成适合于个别化教学的内容,通过跟踪学生的学习情况,随时更新学生的学习记录,达到实现个别化教学的效果。为便于不同层次的教师应用和功能扩展,系统应该采用模块化和开放型设计。

三、系统各主体模块的设计

考虑到系统实用性,ICAI采用Authorware、Borland C++以及SQL Server开发。在CAI教学中普遍应用的Authorware用于系统的流程设计、逻辑控制及界面开发;Borland C++用于生成推理诊断、计算过程和教学策略的动态链接库,供Authorware调用;SQL Server用来开发综合数据库。

1.学生模型的设计。ICAI系统是以“学生”为中心,因此学生模型是系统设计的中心问题,其作用是反映学生的学习要求、学习能力、知识水平,并建立和更新学生档案。

学习者对于某一知识点的有关测试题的回答情况构成了对该知识点的掌握程度。此外,考虑到不同认知能力学生在学习不同类型的知识时表现出不同的学习能力,我们对某学生已学习过的所有知识点,分类计算以下几个平均值:

总平均值=已学习过的所有知识点得分的平均值;

平均值1=已学习过的所有难度为“简单”的知识点得分的平均值;

平均值2=已学习过的所有难度为“较难”的知识点得分的平均值;

平均值3=已学习过的所有难度为“很难”的知识点得分的平均值;

记忆能力=已学习过的所有类型为“记忆型”的知识点得分的平均值;

理解能力=已学习过的所有类型为“理解型”的知识点得分的平均值;

应用能力=已学习过的所有类型为“应用型”的知识点得分的平均值;

学生模型根据这些信息建立学生档案,并记录入“学习历史记录”,供系统选择合适的教学方案时参考。

2.教师模型的设计。教师模型的主要功能,是通过对“学习历史记录”信息的分析推理,判断对知识的需求,根据专家经验选择教学策略和教学内容;通过测试后的分析反馈,了解学生的学习情况,以便组织下一次教学内容和进度,并能给提出相应的建议。一般地,当学生参加了某单元的测试后,教师模型便根据学生的成绩自动地调整其教学目标和教学内容,并动态地生成最佳教学序列,实现个别化教学。

3.综合数据库的设计。综合数据库是ICAI系统的基础,它包括:学科知识库、教学材料库、试题库、学生答疑库、教师评价库等内容,其中学科知识库是其主要内容和设计重点。

学科知识库包含两个方面内容:一是有关课程内容;二是有关应用这些知识求解问题的知识。这些知识相互之间的关系构成了一个知识网络。该知识网络可以用关系数据库表示,这种知识体系有两个典型的作用:可以确定知识点教学的先后次序;可以错误诊断。所有知识分为从易到难的多个层次,以知识点为索引用关系数据库存放在课件中,为实现个别化教学提供材料,同时也便于教学材料的扩充。

4.教学策略库的设计。教学策略即教学方法以及实现该方法的教学过程,教学策略的选用由所教授知识以及学生的认知结构决定。教学策略库中包含标准策略和自定义策略,教师可以根据不同的知识类型以及不同水平的学习者选用合理的教学策略模板,从而实现教学智能。

每一个教学策略均对应的“适应学生类型”设定值,教师模型根据每一个学生的“学习历史记录”与该设定值进行匹配,选择合适的教学策略。系统还可以将教学策略模板对不同知识和不同能力的学生的教学效果记录下来加以分析。

5.诊断模块的设计。本模块的主要功能是对学生的提问做出判断,给出结论和解释。这里主要是在综合数据库中搜索,对关键词进行模糊匹配,并根据数据库中关键词的权值高低依次列出推理结果。如果学生问题中的有多个关键词没有匹配上时,应根据现有知识进行推理,得到最优解作为临时答案,同时将该问题记录入数据库,由教师回答。本模块的推理判断由神经网络完成。

四、ICAI课件设计中的教学原则

利用ICAI多媒体课件教学是一种新的教学思想和教学方式,还处于尝试阶段,在它的开发设计中有多种结构和形式,也存在一些问题。笔者结合教学经验,简要介绍在ICAI设计中应该遵循基本原则。

1.多媒体素材与知识的科学性相结合,是ICAI课件编写中应坚持的首要教学原则。多媒体素材必须以反映英语语言规律的科学性为前提,切不可本末倒置,在系统开发中盲目追求界面精致、动画美观。

2.多媒体课件应方便与常规教学手段结合。不可一味追求多媒体教学课件在课堂上的展示,把由教师讲述的内容变为多媒体演示,把教师与学生、学生与学生的口头交流变为人机对话,企图用ICAI包括一切教学内容。

3.以学生为中心的原则。ICAI系统应该能充分发挥学生的主动性,让学生有多种机会在不同的情境下,应用所学的知识和探索解决实际问题的方案。

4.ICAI系统应强调对学习环境的设计。ICAI课件是针对学习环境而非教学环境的设计,在学习过程中要为学生提供各种信息资源(教学媒体和教学资料),这些资源用于支持学生的自主学习和协作式探索。

5.ICAI系统的评价结果要能准确、及时地反馈给学生,使学生知道自己的学习状况和学习效果,并据此变更学习策略、改进学习方法。评价反馈功能不仅仅是指出“对”、“错”,而且要帮助学生发现、分析、改正错误,还可指出要特别注意的相关知识点。

6.系统要具有开放性和模块化的特点,具有普遍性的功能可单独封装,各模块采用统一标准的接口,便于教师更新教学内容和教学方法,也便于系统功能的扩展。

五、结论

ICAI比CAI具有更大的灵活性,它以教师和专家的经验为基础,利用逻辑分析和计算能力,对学生的信息进行分析、计算、推理和决策,具有广阔的发展前景。本文提出了一种动态、智能的ICAI系统结构,进行设计和系统原型开发,从而可以更好地实现教学目的。

参考文献:

[1]刘炜,朱学增.ICAI的研究和发展概况[J].计算机应用,1994,14(5):17-20.

篇8

在大学数学教学中，主要以幻灯片展示与板书相结合的形式进行教学。然而，面对人工智能、教育信息化等技术浪潮，教学模式也急需创新。教学模式的创新，就是为了给学生们构建智能化、网络化、个性化、终身化的教育体系。教学模式的创新，使得学习者能够自主选择学习时间、地点、内容和方式。教学模式的创新，拓展了学习者受教育的时间与空间。教学模式的创新，改变了传统的教师讲授式的“重教”的教育理念，使学生的学习个性化，最终达到教师与学生共融的目标。那么，教学模式如何创新呢，我们介绍以下创新路径。

1加强在线课程平台建设，实践教学模式的创新

“开放、共享”理念逐渐被教师和学者们认可，使得开放的教育资源逐渐走向更加科学、系统。在线课程平台可以满足学生个性化学习的需求，使学生在碎片化时间中促进生成性学习和智慧性学习的发生。在线课程平台采取“化整为零”、“自上而下”的民主化和平民化建设理念，汇集了大量的优秀教育资源，拓展了知识传播路径，为学生提供了自由共享的学习空间。同时，在线课程也以它的非结构化和易于重用的特点和优势，促进了教师应用在线课程。高校的翻转课堂和微课建设实现了理念转向，以适用性和实用性为着力点和突破口为在线课程平台建设出力，建设了一批国家精品课程，使得教育资源更加开放和共享。在线课程平台的建设，使得学生可以在课余的时间自主学习。课前预习，预习结束后有客观题供学生检测预习效果，客观题在题库中随机选取，每个学生的客观题不尽相同，但是整套题的难易程度是相同的，便于教师在查看学生的预习效果时，可以更好地区分学生预习效果的差异性。课后复习，与课前预习的题库的设置理念相同。然而，远程教育师生时空分离的环境中，学习效率与教学质量难以保证。那么，我们必须要有相适应的学习支持服务系统，而取得学业的良好保证是学习分析技术，运用多类分析方法和数据模型解释与预测学生的学习表现，从而准确把握学科教学目标，调整教学策略，优化教学过程。

2人工智能助力教学模式的创新

人工智能技术中的智能辅助系统和教育机器人可以监控学生的个性化学习。通过学习分析技术和用户画像技术，搜集学习者学习数据，平台为学生提供适切的学习资源和路径。结合知识图谱，建立领域知识库，辅助教师针对学生的不同能力生成不同试题并进行作业批改。通过提供沉浸式的虚拟学习环境，学生可在任意时间、任意地点参与到学习中。除此之外，任何事物均有两面性。反思性实践者的教师和学生，需要教师批判地分析和判断人工智能技术应用的教学体验。

3教学相长、创新管理模式推动教学模式的创新

篇9

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10

在当前，计算机技术发展引起的智能化普遍应用的情况下，深入探索智能教学环境下的教育理念、教学模式和教学方法，充分利用现有信息技术成果，研究更加先进的智能网络教学模型，不仅可行，而且也是智能网络教学系统研究、开发和应用中的一项重要内容。文章拟主要分析当前智能化教学系统的特点与设计方法。

一、智能化教学系统的特点

智能教学系统是以认知科学为理论基础，综合利用人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一种对学生实施有效教学的技术。系统的智能性主要表现为能够实现“一对一”的教学，这种教学模式被誉为是最有效果的教学方式。“一对一”的教学方式可以归结为以下三点：（1）指导教师可以采用测试和问题的方式来探测学生实时的知识状态。（2）在学生开始学习某个知识之前，指导教师能够为他设计一条从最基础知识到某一个具体知识的学习路径。（3）在教师和学生的交互过程中，教师能够了解潜在的探测此学生所具有的学习风格，并且提供风格匹配的教学材料给学生进行学习。

基于以上的实践经验以及人工智能技术，设计和开发一个基于计算机的智能教学系统来模拟人类教师的教学方式和行为已经成为可能，并且很有前景。使用具有智能性的智能教学系统，将可以有效地弥补其教育教学上的缺陷和不足，改善学生的学习效果，提高教学效率，对教育具有极大的推动作用。

二、智能教学系统的设计方法

1.智能教学系统的设计原理

进行科学的教学系统设计，必须从了解学习的发生机制和学习的本质问题入手。教学系统设计，是架设于学习理论与教育教学实践之间的一座桥梁。纵观教学系统设计的发展轨迹，可以清晰地看到学习理论对教学系统设计的影响最为深刻。每一次学习理论的发展，都必然为教学系统设计带来巨大的触动和冲击。学习理论的发展大致可以分为行为主义学习理论、认知广义学习理论、建构主义学习理论和人本主义学习理论等，所以相应地出现了基于行为主义的教学系统设计理论、基于认知主义的教学系统设计理论、基于建构主义的教学系统设计理论和基于人本主义的教学系统设计理论。

2.智能教学系统的的主要功能

智能教学系统关键在于能够对学习者的学习效果进行检验并能够给出相应的学习建议，从而实现学习过程的智能化。主要功能包括：

(l)建立教学内容的智能知识库。根据不同的教学内容，按知识体系结构进行知识点的划分，并建立学习要素的数据库。

(2)对学习过程进行评价。学习效果是学习质量的重要标志，学习过程包括在线学习、在线练习、在线测试、实践教学，收集学习过程信息，进而对学习效果进行合理评价。

(3)学习指导和建议。根据学习情况给出学习效果评价，然后根据学习效果给出学习指导和学习建议，从而使学习过程具有更强的针对性，以达到提高学习质量的目的。

(4)学习导航。及时收集学生的应答信息，并加以分析处理，评判学生的成绩；为不同的学生选择不同的教学内容，将学生不具备学习条件的知识过滤掉；帮助学生分析错误原因，判断并标示出学生当前最需要学习的知识点，提供针对性的个别辅导和适当的补充材料。

（5）教学方法。允许学生用自然语言与计算机导师进行交流，这样就突破了传统的学法指导和教法，并且教法还可以针对特定学生进行，即“一对一”教学模式。

3.智能教学系统的组成

(1)领域模型。存放传授给学生的课程专业知识，还能生成问题，提供对问题的正确解答以及求解问题的过程。领域模型一般包含两方面的知识：一是有关课程的内容，二是有关应用这些知识来求解问题的知识，即过程知识。知识表示方法有语义网络、规则等。

(2)诊断模型。利用诊断规则来分析学生的响应，判断学生己经懂得的知识或学生产生的错误概念，并传递到学生模型的当前状态中去。

(3)学生模型。准确反映学生的知识水平、学习能力等，为系统实现个别化教学提供依据。

(4)教师模型。结合教学策略和课程结构方面的知识，为学生选择问题供他们解答，监督和评价他们的行为，当学生需要时为他们选择适当的补习材料。教师模型中，交叉和解释模式以及学生模型是实现“面向个人以交互方式进行教学”的具体手段。教师模型中采用的教学策略主要有诊断或排错法、苏格拉底法、教练法等。

(5)人机接口。人机接口作为学生与系统之间交流信息的媒介，它所提供的表达知识和信息的手段必须是学生熟悉并便于使用的。

4.智能教学系统的使用

学生使用教学系统进行学习活动时，可以自己选择学习内容，也可以在教师模型的作用下由系统引导进入某一教学单元。教师利用测试结果，通过诊断模块和诊断规则来判断学生当前的认知能力，通过学生的总体认知能力来决定学生下一步的行为。

（1）教学诊断模块。主要负责判断学生对某一知识点的掌握情况，进而能判断学生的当前知识水平，为判断学生的认知能力提供依据。

（2）能力测定模块。主要负责评价学生的学习能力。在教学之前、教学期间和教学之后都要进行。通过评价取得反馈信息以修正、完善教学计划，为教师模型制定正确的教学策略提供条件，保证教学的顺利完成。它是本系统的重要部分。

（3）学生行为评定。对学生行为的评价，依据评价的目的不同，分绝对评价和相对评价两种方法，系统中以教学目标为基准进行绝对评价，以掌握学生达到教学目标的程度和诊断学生知识、能力结构中的缺欠，即根据专家知识库中的测试题目信息及学生的回答情况，给出分析结果及相应各认知能力不同层次的分数比重，为制定相应的教学策略提供数据依据。

（4）试题评定。主要是对试卷的要求进行综合评价，包括学生测试的内容是否是学习过的，是否符合教学大纲的要求，试题分数的比例是否符合难度比例、认知层次比例和各章节的分配比例。

（5）教学内容生成。系统根据学生的认知能力、当前的知识水平和学习历史，利用教学策略生成个性化教学内容。

三、结语

智能教学系统能监控学生的学习过程，实现教学各环节的知识共享与交互，从而实现学生的按需学习和教师的因材施教，体现“以学习者为中心”的教学思想。但是，目前的智能教学系统的研究可以说仍然处于基础理论的研究阶段，其主要的研究方法就是将远程教学技术与传统的智能教学系统相结合，运用人工智能技术来更加有效地实现教学的个性化和智能化。

参考文献:

[1]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].算机工程与应用，2005，(3)：229-232.

篇11

中图分类号：G40-057 文献标识码：A 文章编号：1671-7503（2013）05-0038-03

引言

教师知识结构对教师的教学行为和学生的学习效果具有重要影响。信息技术教师作为信息技术教育的实施者，其知识和知识结构直接影响着信息技术教学的质量。TPACK框架自2005年首次提出以来，对信息化教育环境下教师的知识建构及知识结构梳理具有重要指导意义。国内对于信息技术教师的TPACK研究还处于初步阶段，尤其是基于案例的信息技术教师TPACK特征分析还不多见。因此，本文在TPACK基础上提出针对信息技术教师的知识结构模型TPITK，并对其做出基于案例的深入剖析。

一、TPACK简介

（一）TPACK内涵

2005年，美国学者Koehler和Mishra从教师知识角度出发。在学科教学知识的基础上，首次提出TPACK这一教师知识新框架。

TPACK框架在Shulmanl31141教授提出的“学科教学知识”基础上加入了技术知识，并突出在技术使用中学科内容和教学法的角色，以及技术对它们产生的反作用。它是学科内容知识、一般教学法知识和技术知识三者的复杂互动，是整合了这三种知识而形成的新知识。它强调其中的三种知识元素都是有效技术整合必不可少的成分，并且这三种知识领域不能分离，应形成一个整体。

（二）TPACK构成要素

TPACK模型有三个单一的知识要素：学科内容知识、

一般教学法知识（Pedagogical Knowledge，PK）和技术知识（TechnologicalKnowledge，TK），以及这些知识要素交互所形成的学科教学知识（Pedagogical Content Knowledge，PCK）、整合技术的学科内容知识、整合技术的教学知识（Technological PedagogicalKnowledge，TPK）、整合技术的学科教学知识。

二、TPITK理论框架分析

TPACK框架应用于信息技术教师可进一步衍化为TPITK框架。TPITK框架由七种知识要素构成，即信息技术知识（ITK）、一般教学法知识（PK）、技术知识（TK）、信息技术教学知识（PITK）、整合技术的信息技术知识（TITK）、整合技术的教学知识（TPK）和整合技术的信息技术教学知识（TPITK）。

TPITK框架是TPACK框架的子集，是特定适用于信息技术教师的知识结构模型。框架中的三个基础知识要素——ITK、PK和TK代表了信息技术教师需具有的三个专业特性——学术性、师范性和技术性。当然，技术性能否成为与学术性、师范性并列的第三向度尚有疑问，但是，无可否认的是，技术在今天的教师职业养成和职业发展中占有十分重要的地位。基础知识经由互动整合和动态平衡形成的核心知识——TPITK正是信息技术教师专业综合素养的体现。

核心知识TPITK指在不同境脉下重建信息技术知识、一般教学法、技术三者之间动态平衡的意识和能力。TPITK是一种策略性的思维方式，它的形成不是各知识要素的简单组合或拼凑，而是经由陈述性知识（信息技术学科内容、教学法和技术的定义、术语、事实和描述），通过在相同或不同情境中的练习和运用，转化为程序性知识（完成一项或多项信息技术教学任务所涉及的步骤），最后形成策略性知识（在技术环境下对信息技术课程、学习者、课堂境脉的计划、组织、评价与概括）。

三、基于教学案例的教师TPITK剖析

对教师知识框架的分析不能脱离特定的课堂境脉。为此，下文结合2011年“永中杯”全国普通高中信息技术优质课特等奖案例，挖掘特定情境下优秀教师TPITK框架中的具体知识构成，并分析教师在实践中运用TPITK的特征表现。

（一）教学过程

本案例涉及内容是广东教育出版社出版的《人工智能初步》信息技术（选修5）中的第1章第2节，主要任务是让学生了解人工智能的基本内容，激发学生对人工智能技术进一步探索求知的欲望。整个教学过程分为课题引入、实例分析、分组实践、课堂延伸四个部分。

1.课题引入

首先，教师通过图片和视频展示校机器人队训I练和比赛场景，吸引学生注意，提出人工智能概念。然后，教师引入限时还原魔方环节，并提问学生：你在解魔方时用到了身体的哪些器官？学生通过现场体验回答出眼睛、大脑、手三个必不可少的器官。最后，在教师的启发诱导下，学生由这三个器官归纳出人类智能的三大要素：感觉要素、思考要素、运动要素。

2.实例分析

教师展示自制教具——魔方机器人，并提出问题：机器人解魔方需要哪些器官？学生通过观察实物及类比人类智能，思考后得出答案。

教师通过实物结合PPT介绍机器人各器官，使学生对机器人有一个整体印象。然后教师操作机器人，使之分阶段演示解魇方。通过电脑摄像头，学生能清楚地观察到机器人的局部特征。在此过程中，教师步步递进，引导学生归纳出人工智能三大要素：感觉要素、思考要素、行为要素。

教师播放机器人解魔方完整视频，让学生思考导致视频中机器人与现场机器人智能差异的原因，为后续探究作铺垫。

3.分组实践

教师用实物及PPT展示“百变飞碟”机器人，使学生对该机器人的结构及功能有一个整体了解，激起学生探究欲望。然后教师介绍图形化编程软件——能力风暴，让学生大致了解编程的思想及流程。

教师按小组分发“百变飞碟”，布置任务，让学生通过图形化编程实现机器人行动。在学生探索过程中，教师巡回指导，并通过电脑摄像头展示学生探索过程及学生作品。最后，各小组汇报成果，教师层层设问，帮助学生总结影响机器人智能差异的因素。

4，课堂延伸

教师通过提问：你还想让机器人做哪些事情？未来的机器人又会是怎样的呢？引导学生畅谈现在，憧憬未来。最后，教师与学生一同总结课程。

（二）具体知识

通过对上述教学过程的整理分析，笔者总结出该教师的TPITK具体知识构成及能力体现，如表1所示：

（三）特征表现

通过深入剖析本案例，以及对2011年“永中杯”全国普通高中信息技术优质课30个案例的梳理分析，笔者总结出具有良好TPITK的教师会呈现出以下特征：

第一，拥有扎实的教学主题知识和良好的课程整合能力。从本案例可以看出，教师深刻理解人工智能的相关概念、理论及发展脉络，熟练掌握机器人工作原理和实践操作，正确把握知识点间的联结与层次递进关系。在授课过程中，教师还整合进通用技术“简易机器人制作”模块相关内容，使学生对技术的思想有所领悟，技术的方法得以运用。在其他案例中还体现了信息技术教学主题与数学、美术等学科的整合。

第二，具有清晰系统的教学策略。在本案例中，教师设计的教学主线、教学互动和任务都紧密围绕“人工智能基础知识”进行，教学中每一步骤都以前一步为基础，着眼于学生的最近发展区逐层深入。并且，教师通过不断提问，促使学生将“思考”贯穿于“看听做”整个过程中。从另一些优质课案例也可看出，教师能根据学生情况进行教学推理，以适合学生理解的方式授课。

第三，勇于设计基于技术支持的课，乐于将技术交到学生手上。“人工智能初步”是有关基础性知识的纯理论课，但在本案例中，教师精心设计，使各个理论知识点都具有技术实践的支撑，并使用触手可及且不断变化的技术手段，如电脑摄像头、简易计时器软件等优化知识表征、加强师生互动。教师不仅通过演示机器人使学生对人工智能有整体直观的把握，而且将机器人交到学生手中，让学生在探索中直接体验人工智能。在此，技术不仅是教师呈现内容的工具，更是学生获取知识的手段。在另一些优质理论课案例中，教师均通过技术使理论先落实到实践，待学生有经验性的感知后，再将实践上升到理论。

篇12

随着教育发展的需要和计算机科学的发展，计算机辅助教学（Computer Assisted Instruction，CAI）应运而生。加之人工智能、数据库、专家系统的出现和发展，人工智能和CAI相结合，产生了智能化CAI系统（Intelligent Computer Assisted Instruction,ICAI）。ICAI是在CAI的研究开发基础上增添了人工智能技术、数据库技术等多学科，成为一个真正意义上的综合性研究领域。

一、ICAI的研究和发展

1、ICAI的特点。ICAI即智能化的CAI，是将教学内容与教学策略分开，根据学生个人的学习目的，学习状态和学习特点，通过智能系统的搜索与推理，动态生成适合于个性化教学的内容与策略。

ICAI是以认知主义为指导，认为人的认识不是简单的刺激和反应的连接，而在于依靠个体主观的构造作用形成新的认知结构，新的学习一定要适合学习者当时的认知发展水平。在提问―回答过程结束之后让学生学习哪些知识不仅依据学生回答的结果来决定，而且要考虑学生当前的认知结构和认知水平。因此，以认知主义为指导的ICAI更符合个性化教学的需求。

2、ICAI系统中的智能教学数据库。知识库是人工智能技术和数据库技术相结合的产物，ICAI系统的实现就是以数据库为基础的。知识库把知识从应用程序中分离出来，并由知识系统程序去处理。数据库的大部分管理技术对知识库同样适用。在ICAI系统中，建立知识库首先要确定它的表示结构，然后转化为数据库结构，最后在数据库中实现。作为一个ICAI软件，必须将教与学结合起来。智能教学数据库就是为了这样一个目的来设计和实现的，从这种意义上讲智能教学数据库就是一个组织、存储知识结构并指导、测试、评估学生的自主学习的一个软件体系。

二、设计方案

1、分析教学目标。主要是对整门课程及各教学单元进行教学目标分析，以确定当前所学知识中与基本概念、基本原理、基本方法或基本过程有关的内容。

2、意义构建。意义建构是指在进行教学目标分析的基础上，首先选出当前所学知识中的基本概念、基本原理、基本方法和基本过程作为当前所学知识的“主题”（或称作“基本内容”），然后再围绕这个主题进行意义建构。

3、情境创设。建构主义认为，学是与一定的社会文化背景即“情境”相联系的，在实际情境或通过多媒体创设的接近实际的情境下进行学习，可以利用生动、直观的情境有效地激发联想，唤醒长期记忆中有关的知识、经验或表象，从而使学习者能利用自己原有认知结构中的有关知识与经验去同化和索引当前学习到的新知识，赋予新知识以某种意义；如果原有知识与经验不能同化新知识，则要引起“顺应”过程，即对原有认知结构进行改造与重组。总之，通过“同化”与“顺应”才能达到对新知识意义的建构。而同化与顺应离不开原有的知识、经验与表象，情境创设为提取记忆中的这些知识、经验与表象创造了有利条件。

4、自主学习设计。在以“学”为中心的建构主义学习环境中常用的教学方法有“支架式教学法”、“随机进入教学法”等。根据所选择的不同教学方法，对学生的自主学习作不同的设计，但主要目标是一致的，即：要在学习过程中充分发挥学生的主动性，要能体现出学生的首创精神；要让学生有多种机会在不同的情境下去应用他们所学的知识，要让学生能根据自身行动的反馈信息来形成对客观事物的认识和解决实际问题的方案（实现自我反馈）。

5、教学模式设计。目前流行的教学模式大致有三种类型：传统的以教师为中心的教学模式―教师中心模式、基于建构主义的以学生为中心的教学模式―学生中心模式和既发挥教师主导作用又能充分体现学生认知主体作用的教学模式―双主模式。

基于建构主义的学生中心模式可以概括为：以学生为中心，在整个教学过程中教师起组织者、指导者、帮助者和促进者的作用，利用情境、协作、会话等学习环境要素充分发挥学生的主动性、积极性和首创精神，最终达到使学生有效地实现对当前所学知识的意义建构的目的。

篇13

中图分类号: TP391 文献标识码: A

Research on the constitution of ITS by adaptiveperspective.

Abstract：The research of Intelligent Tutoring System (ITS) has been changed along with the appearance of the different technology―supported learning environments. This paper analyzes the influence and enlightenment that distributed cognition theory has on ITS-based the prototype of ITS, choose the self-adaptation techniques of ITS as a research entry point of digital technology aided teaching software and find the appropriate connection point between the concept and technology of Intelligent Tutoring, and then propose constitution strategy to improve the ITS. Finally, a new model of distributed adaptive ITS is presented and eventually improvetheabilityof system’s self-reasoningand self-organization.

Key words：ITS; adaptive; adjunct instruction

0 引言

人工智能（AI）是计算机科学、信息论、神经生理学、控制论、心理学、语言学等多种学科互相交叉渗透而发展起来的一门综合性学科[1]。人工智能的本质问题就是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学。其技术特征主要是具有搜索功能、知识表示能力、一定的推理功能、抽象功能、语音识别功能及模糊信息处理能力。

智能授导系统〔ITS)是一种学习技术系统，能根据学习者的特定目标、需求和偏好，利用教学方法和学科知识动态地调整学习内容。它的发展源于对传统计算机辅助教学的改进，克服了仅仅关注学生行为的缺陷，引入了对知识的描述以及智能推理技术。ITS大都由学习者模块、专家模块、课程与诊断模块和通讯模块组成[2]。Hartley和Seeman最早提出一个ITS的框架应该包括专门知识（专家模型）、学生的知识（学生模型）和教学策略知识（导师）[3]。近十几年的研究中比较有代表性的是Peng-Kiat Pek和Kim-Leng Poh应用贝叶斯网络构建的学生模型可以较好的估计出学生的学习兴趣值，从而对学生的学习行为方向进行预测[4]。Dietrich Albert和Cord Hockemeyer分析知识空间理论而得出超文本结构和知识空间在结构上的有很强的相似性，通过对知识空间进行建模，使之适用于网络Web结构模式[5]。Joel Martin和Kurt VanLehn使用贝叶斯网络技术对学生的学习结果进行评估，得出学习者学习过程中的缺陷和不足[6]。Declan Kelly和Brendan Tangney提出了一种多Agent技术(Multi-Agent System，MAS)，通过对个体的个性化学习进行动态建模的智能框架的建构重组，满足了学习者的不同需求[7]。在构建策略和技术支持上的最新研究[8-10]都对数字化技术辅助教学软件的开发提供了新的思路和算法。

目前ITS的研究和实现在自推理能力和自组织上存在不足，未能充分发掘ITS的自学习能力。基于现代网络发展对学习环境的技术支持，从自适应角度出发，给出分布式自适应的智能授导系统模型，强化自适应策略推理机制，提高ITS的自组织和自适应能力。

1 分布式ITS

从分布式学习的角度分析传统ITS的设计与应用实践，在系统开发过程中存在的问题有：①传统“智能推理”系统缺乏与环境的灵活交互能力；②认知监控与激励机制的缺失；③忽视系统最本质、最具价值的“授导”服务功能，没能实现学习与认知目标；④人机交互过程不够和谐。随着计算机科学和网络技术的发展，分布式智能授导理论[11]提供了一种全新的分布式模式和问题求解途径，恰当地表述出数字化教育的主题，其核心思想强调学习者为中心、关注学习活动、注意学习情境脉络，使建构性的学习过程理论替代了传统的学习理论。

分布式学习是一种学习模式，它允许学习者、指导者和学习内容分布于不同的位置，使教和学可以不受时间和地点的限制而作用，其关键要素包括基于Web的模块化内容、智能导师、互操作与重用、更大范围的协同工作。综合国内外有关研究机构和Philip Bell、William Winn、傅小兰、李克东等中外学者的观点，分布式ITS的主要特征可以概括为[12]：重点在于对观点特征的表述，资源的交流与共享是必要条件，分布式系统中的制品主要用于拓展学习主体的能力，分布式学习环境取决于学习本体的特征以及认知方式。

目前针对ITS存在的不足，学者们主要采用项目反应原理、数据挖掘、分布式人工智能、计算机智能网格、自然语言处理、可扩展标记语言等技术对ITS进行改进。最终目标是以分布式学习理论和教育教学理论为指导，应用人工智能中的多Agent技术，根据认知本体的数据模型和知识类型确定认知过程中采用的基本认知策略。

2 分布式自适应ITS的模型构建

2.1 分布式自适应ITS的机理特征

自适应是软件系统中的概念，可以看作是一个能根据环境变化智能调节和控制自身特性以使系统能工作在最优状态的机制与功能，它可以为智能授导系统提供了一种响应外界环境变化而产生自身调节的一种能力。这意味着软件能够主动实现自身功能性的调整与适应，而与使用者对系统的操作方式无关。从分布式角度分析，ITS应是一种具有自适应能力的知识系统，就人机交互而言，其自适应能力依据用户维、知识维和决策维发生变化。自适应的核心技术是能够让机器广义的“学习”机制，系统自适应能力的产生是否在很大程度上取决于它能否自组织地自我学习和完善。通常情况下用适应性(adaptive)与顺应性(adaptable)来表示自适应的ITS系统的不同方式[12]，其区别如图1所示给出的智能系统结构。

2.2 学习者模型建模

研究表明，学习者模型是分布式自适应ITS的核心，而学习者学习过程中存在着大量不确定性的因素和信息，因而成功获取学习者的情况是其它环节正确运行的保障。在学习者模型设计中，基于自适应为特征的设计思路，本文不仅利用贝叶斯网络的条件概率分布量化知识项之间的组织关系及依赖关系，很好地反映学习者特定领域中的知识结构，还让学习者模型的相关知识项的状态随时可以改变，使学习者模型具有较强的预测能力和自学习能力。图2给出了具有自适应特征的学习者模型结构。

2.3 分布式自适应ITS模型

根据Brusilovsky提出的虚拟校园环境的部件理论[13]及以自适应为特征的技术支持，本文给出了一种新的基于分布式自适应的ITS模型（如图3所示）。它主要由内容部件、行为部件、通信部件和管理部件组成，其中内容部件是辅助教学系统的核心，由构成课程的多媒体教学材料组成，实现时依赖于知识表示与技术呈现，特别是依赖于知识建模和本体的研究。行为部件主要功能是需要学习者通过“做”的交互方式来完成的自主学习的过程，表现形式有自适应学习导航、自适应练习与测试、自适应模拟模拟实验等。通信部件起到媒介作用，主要是支持学习者与教学专家之间、学习者相互之间的交流和沟通的通信工具，支持学习者的协作学习和协同进化。管理部件主要是支持教学过程中必要的管理职能。在功能模块实现上主要由学习者模型库、领域知识库和教学决策库组成。

3 分布式自适应ITS的技术实现

3.1 智能授导机制和网络技术支持

数字化技术辅助教学中智能授导的研发技术路线主要有模拟课堂面授的路线、人工智能的技术路线和网络协同进化的路线。在分布式自适应ITS中，由于学习者本体基本上是基于资源的自主学习，其最强烈的需求是学习资源的组织传递和共享以及人机协同进化[8]中的自组织性。为满足此要求，具有自适应特征的网络协同进化的技术路线十分突出“授导”特性，即满足了系统地对教学内容的组织和传播，又兼顾对学习者本体提供针对性的适应性学习支持。网络协同进化的技术路线是基于网络这一分布式系统自身知识获取的主动性与持续性，充分发挥人机协同进化中的反馈性与自组织性，激发群体智慧的生成，从而影响学习者个体的较低层次的进化。

庄秀丽等研究阐述了Web2.0网络中如何通过拓展人群关系网络来聚合所需资料[14]，学习者应用学习资源的行为螺旋往复、不断拓展与优化，实质上它构成了一个网络协同进化的过程，学习者在参与、分享、共创的网络学习行为中，群体智慧自然而然地产生，并对学习者的学习产生积极作用。这充分证明了网络协同进化的网络学习空间为分布式自适应ITS的实现准备了外在条件与技术支持。

3.2 分布式自适应ITS的实现

根据智能授导机制，基于本文提出的模型和智能网络的技术支持，实现中借助AI中的产生式算法、模糊推理、人工神经网络等技术手段组建内在的组织领域知识库，原因在于领域知识获取是赋予智能授导系统具有推理、判别与自适应能力的关键环节，进而最终形成的知识库基本包含两类知识：陈述式的学科知识与反映专家经验的程序式知识。在教学决策库的构建中采用了数据挖掘技术，首先通过学习者特征分析模块引导学习者与系统进行对话，确定挖掘目标、提交系统参数，产生初步挖掘结果；其次通过对领域知识库中的专家经验知识和系统领域背景知识进行数据挖掘分析，得出补充的挖掘结果；最后结合自适应测量推理机产生全面的挖掘结果，并在教学决策库中对其做出合理的决策结果。

此外，把群体决策技术引入到分布式自适应ITS中充分发挥了自适应的特征。通过从系统工程的视角分析，给出了由问题维、用户维、过程维等构成的描述学习者群体决策结构，较好反映了群体决策对象之间综合信息关系。同时选择专门为语义Web设计的本体表示语言OWL语言来描述学习者模型[15]，它具有更强大的功能来表示语义和容易被机器理解的特点。

在辅助教学软件的初步开发实践中，测试发现本模型能够满足学习者模型所要求具备的自学习性、自组织性和自适应性特征。

4 结束语

针对当前ITS研究的不足，本文选择了基于自适应为特征的分布式ITS作为数字化技术辅助教学软件开发研究的一个切入点，利用贝叶斯网络的思想来设计学习者原型模型来满足适应性和个性化的要求，融入了先进成熟的AI技术、数据挖掘技术和群体决策技术，更多的关注系统各模块的标准化、形式化构建以及分布式系统的协同工作，达到知识的共享与重用，还选择了专门为语义Web设计的本体表示语言OWL语言来描述学习者模型，并依据网络协同进化的技术路线，最后给出了分布式自适应的智能授导系统模型。此模型能够让机器更好的理解网络内容和对知识进行显性的描述，弥补了传统智能授导方式整合信息并产生自适应策略机制的不足。如何提高自适应特征下教学决策效率是今后研究工作的另一个重点。

参考文献：

[1] 王万森.人工智能原理及其应用[M].北京.电子工业出版社,2007:4-6.

[2] Mand1 H, Lesgold A. Learning s for intelligent tutoring systems[M]. New York: Springer-Vedag, 1988:307-307.

[3] Hartley J R, Sleeman D H. Towards more intelligent teaching system[J].International Jounal of Man-Machines Studies,1973,5(2):215-236.

[4] Peng-Kiat Pek, Kim-Leng Poh. A Bayesian tutoring system for Newtonian mechanics: Can it adapt to different learners?[J]. Educational Computing Research, 2004(3): 281-307.

[5] Albert D, Hockemeyer C. Adaptive and Dynamic Hypertext Tutoring Systems Based on Knowledge Space Theory [C]. AIED’97 Artificial Intelligence in Education, 1997: 553-555.

[6] Martin J, VanLehn K. A bayesian approach to cognitive assessment [J]. Cognitively Diagnostic Assessment, 1995:141-165.

[7] Declan Kelly, Brendan Tangney. Adapting to intelligence profile in an adaptive educational system [J].Interacting with Computers, 2006 (3):385-409.

[8] 智勇,曹梅,杜楚源. 基于B/S结构的智能授导系统的设计与实现[J].计算机工程与应,2004(11):159-161.

[9] 张蕾,郭文强.浅谈现代网络通信技术的发展对智能授导系统的影响[J].无线互联科技, 2011(11):15-16.

[10] 郭文强,王思秀.基于智能授导系统的软件开发策略研究[J].科技传播,2012(1):165-166.

[11] 李欣.分布式认知视角下的智能授导系统的设计与开发[J].电化教育研究,2008(1):52-58.

[12] Stephanidis C, Paramythis A, Akoumianakis and Sfyrakis M. Self-adapting web-based systems: Towards universal accessibility [DB/OL]. 2000.

[13] Brusilovsky P, MILLER P. Course delivery systems for the virtual university [EB/OL].2001.

[14] 庄秀丽.Web2.0技术学习的作川研究[J].中国远程教育,2009(11):32-36.

[15] 岳静,张自力.本体表示语言研究综述[J].计算机科学,2006(2):158-162.

基金项目: