一个基于Web的适应性学习系统.doc

《一个基于Web的适应性学习系统.doc》由会员分享，可在线阅读，更多相关《一个基于Web的适应性学习系统.doc（5页珍藏版）》请在三一办公上搜索。

1、山西师范大学学报 (自然科学版 )Jou rna l of Shanxi No rm a l U n ive rsityN a tu ra l Sc ience Ed ition第 20卷第 1期2006年 3 月Vo l. 20 No. 1M a r. 2005文章编号 : 1009 24490 ( 2006 ) 01 20040 205一个基于 W eb的适应性学习系统赵忠平(山西师范大学设备处 , 山西 临汾 041004)摘 要 : 本文对专家知识库系统和模糊综合评判技术引入 W eb平台上适应性学习系统进行了讨论 . 着重论述了适应性学习系统结构和工作原理 ,知识库系统构造以及学生模

2、型与认知水平判定等问题 .关键词 : 远程教学 ; E - le ra rn ing; 专家系统 ; 模糊综合评判 ; ICA I; W eb中图分类号 : TP311. 134. 1文献标识码 : A0 引言适应性学习系统的研究以人工智能科学 、认知科学和思维科学为理论基础 ,通过研究人类学习思维的 特征和过程 ,来寻求学习认知的模式 1 . 适应性学习是学生通过自身原有知识经验与远程学习系统进行 交互活动来获取知识 、获得能力的过程 . 在这个过程中 ,学生能够自己组织 、制订并执行学习计划 ,能控制 整个学习过程 ,对学习情况进行评估. 学习系统要能够满足学生进行个性化学习的需求 ,提供

3、适应性的学 习诊断 、适应性的导航及适应性的内容呈现 . 学生在系统提供的环境中 ,可以自由选择学习方式. 系统会根 据学生与系统的交互情况及学生的学习状态 、历史记录 ,适时地给学生以引导 ,帮助学生完成学习目标 . 适 应性学习系统要充分考虑学生学习行为的个性化特征 ,给学生提供个性化的环境 ,达到因材施教的目的 .如何使 E - le ra rn ing系统具有适应性 ,可以采用专家知识库系统和模糊综合评判技术 ,通过学生预先 测试得分 、历史成绩 、课堂进步等因数建立认知评判模型 ,确定学生的学习步速 . 这种专家辅助教学系统主 要体现在知识库系统对学与教问题 、教学方法与策略及经验等

4、专门知识的形式化组织 ,引导学生学习不是 按预先确定的步骤进行 ,而是根据学生的认知水平和提出的学习要求 ,在控制策略的指引下 ,通过搜索领 域问题知识库或 E - m a il通信 ,得出适合个别化学习的内容 .本文旨在探讨专家知识库系统和模糊综合评判技术应用于 W EB 平台上 E - le ra rn ing系统中教学模 型 2 , 4 的设计 ,使教学模型具有适应性 ,实现教与学中的学生认知水平自动分类和学习内容活动导航 . 涉 及适应性教学模型的体系结构 ,知识库系统 ,学生模型与认知能力判定等方面的研究 . 解决现有系统中选 择学习目标 、评价学生能力 、生成适应性学习内容人工操作

5、的低效率问题 .1 适应性学习系统结构适应性学习系统融合了 W eb功能和智能化计算机辅助教学系统技术 ,是一个适应性的知识库系统. 允许学习者通过任何一种 W eb浏览器在网络上的任何节点灵活在线学习 ,学习者不受地理位置的影响和 限制 ,更适合进行分布式教学管理. 系统功能结构如图 1所示 .在教学设计阶段 ,教师 (领域专家 )将本课程教学策略 、方法及经验按一定的组织方式 ,存放到教学规收稿日期 : 2005207 226基金项目 : 全国教育科学“十五 ”规划课题 ( Fyb011583) .作者简介 : 赵忠平 ( 1975) ,男 ,山西临县人 ,山西师范大学实验师 ,主要从事计

6、算机网络方面的研究 .,处理测试成绩和该学生模型库中的数据 (历史成绩 、年龄 、性别 、学习偏好 、愿望 、兴趣 、目标 、意图 、术规划 、承诺等数据 ) ,同时启动教学规则知识库推理机制 ,通过目标匹配寻求适应此单元目标教学的规则.若匹配成功系统则引导学生进入单元内容的学习 ;若匹配失败则表明知识库中的规则需要更新 ,这样系统 便会启动邮件发送功能 ,将学生选定教学目标的认知状态和推理结果以邮件的形式发送给教师 (领域专家 ) . 教师阅信后仍以邮件的方式指导学生学习此单元内容 ,包括相关知识的出处和学习方法 . 当学生单 元内容学习结束后 ,学生必须要完成该单元目标的测试题和课程反馈

7、,方可退出系统 . 与此同时 ,学生模型库自动追加测试成绩和课程反馈数据 .图 1适应性学习系统的功能结构F ig. 1 The func tion struc tu re of the adap tab le system fo r study适应性学习系统设计充分利用多媒体技术和 W eb 技术 ,处理图 、文 、声 、像 、动画等多媒体数据 . 以专家知识库系统推理和模糊综合评判设计个性化的课程学习步速 ; 以构建主义的四要素 (情境创设 ,会话 ,协作 ,意义建构 )为指导方针 ,采用按钮 、热键 、热字 、弹出式菜单 、表单等多种形式化表示方式 ,使设计出的系统以生动 、逼真 、灵活

8、的方式吸引学生学习课程 ;充分调动学生学习的积极性和主动性. 学生在自主 、轻松的环境下与电脑交互作用 ,学习掌握新的知识 . 教师系统则可以通过学生的认知状态来了解学习上的难点 ,以基于规则的知识库的形式不断调整和改进教学策略和方式 ;同时不断调整和改进课程的 (超文本 组织 )教学内容 .2 知识库系统构造适应性学习知识库的构造主要是实现教学规则 、教学问题向适应性学习模型的知识变换 ,进行知识库 的层次化和结构化处理 ,并通过推理机制进行多媒体教学信息的存取控制 . 教学规则知识库一般包含三部 分 :教学规则库 ,教学问题库和问题案例库. 教学规则库中汇集了按特定环境和条件进行有效教学方

9、法和 策略 ,这些教学方法和策略采用产生式规则表示. 教学问题库中保存了所要教的教学问题 ,教学问题首先 是确定领域问题的范围 ,然后将教学问题分为若干知识单元 ,每个知识单元内包含有若干个知识点 ,找出 各个知识点的基本类型 (如概念 、定理 、原理 、方法及规则等 ) 、知识点的层次关系和语义联系等信息 . 通过 教学问题的分析 ,将得到一张由描述性知识和过程性知识组成的知识点网络图 ,采用 XML 的超媒体的节 点和链表示教学问题知识点网络图 ,极适合于语义网络表示领域问题知识 . 问题案例库以关系数据模型构 造库结构 3 ,储存问题案例的题号 、文件名 (包含文件所在的虚拟目录 ) 、

10、该案例用到的有关知识的特性与 特点 ,以便在阅读理解案例使用 ,案例题采用超文本 、超媒体以题库文件的形式储存在 W eb服务器指定的文件夹中 , 由 B rowe r端提交的题号表单 ,在 W eb - Se rve r端通过题号匹配将案例题内容传输到 B rowe r端.3 学生模型与认知水平判定学生模型构造以动态生成适合于个别化教学的内容和策略为特征 ,它不仅要反映学生的知识结构 ,还 要反映学生的认知特点及与学习有关的非智力因素 (学习偏好 、愿望 、兴趣 、目标 、意图 、规划 、承诺 ) . 该模 型应能够判定学生知识掌握情况及已学过的部分掌握的如何 ,作为下一步教学的依据 ;能够

11、发现学生在学 习过程中解答问题的错误 ,诊断其错误的表现和产生的原因 ,并呈现给学生以提示改正 ,作为系统进行个 性化辅助的依据 ;能够记录学生的学习历史和进步情况 ,不断跟踪学生学习进程 ,在跟踪过程随时更新学 生模型 ,适应个性化学习的需要 .学生模型采用 SQL Se rve r2000数据库构造 ,分为两个库. 一个库存储学生基本信息和学籍管理信息 ,另一个库存储学生学习日志 ,包括 :目标单元学习前的测试成绩 ,目标单元学习后的测试成绩 ,进入目标单 元学习的次数和累计学习的时间 ,课程反馈等数据 .本系统针对“汇编语言程序设计 ”建构学生认知模型 ,学生认知水平的判定采用模糊综合评

12、判模型 ,通过以下步骤进行.3. 1 确定本章内容将培养学生的认知能力本文所确定的认知能力包括六个方面 ,假设为 : u1 =“基本语法 、语义的识记 ”; u2 =“基本语法 、语义 的理解 ”; u3 =“基本语法语义在简单程序设计中的应用 ”; u4 =“算法设计能力 ”; u5 =“程序正确性的验 证与调试能力 ; u6 =“程序设计综合能力 ”. 对应于认知能力指标中规定的识记 、理解 、应用 、分析 、综合和评价能力 .3. 2测试成绩分析在题库中对题目进行认知分类 , 也就是说每道题都反映了一项或多项认知学习技能 . 通过对学生测试 成绩的分析来评判学生的各项认知能力 , 学生每

13、进行一次测试 , 用一个矩阵来记录结果. 如式 ( 1 ) 所示 . 其中 , 矩阵中 6列对应上述 6项认知学习技能 , m 行对应于测试题目数 , cij 表示经测试后学生在第 i道题所表 现出的第 j种认知能力值.cij 的确定过程是 :学生在测试后 , 系统分析学生解题的答案和步骤 , 与标准答案进行比较 , 然后按照二 者的匹配率 、题目的难度系数 、与某种认知技能的相关性和题目类型等 , 给矩阵中对应的元素赋值 . 此处为了方便 , 设题目为单选题 , 当正确时对应元素置 1, 否则置应元素取 0, 即不参与此项技能的评测 .- 1. 若该题不能反应学生的某项认知技能 , 则对c1

14、1c21c12c16( 1 )C =在完成测试成绩统计后 , 对上述成绩矩阵表 , 计算在测试中表现出的对各认知能力的掌握程度e i ( i = 1, 2. . . 6 )= N ei ( 1 ) / (N e i ( 1 ) + N ei ( - 1 ) ) i = 1, 2. . . 6( 2 )h ( ei) , h ( ei)其中 N ei ( 1 ) 和 N ei ( - 1 ) 分别是测试过程中体现各认知能力的题目正确和错误的个数 , 根据式 ( 2 ) ,可以得到矢量 H = ( h1 , h2 , h3 . . . h6 ) , 其中 hi3. 3学生认知能力评价因素及权重分配

15、 0, 1 , 体现对各认知能力的掌握程度 .= h( ei)第一层因子第二层因子u1 识记u2 理解 u3 应用 u4 分析u5 综合u6 评价权重a1 a2 a3 a4 a5a6( 3 )U1 当前测试后认知能力 A1 (权值 )专家咨询和实际经验 , 给出判定认知能力各因素的权重 , 如式 ( 3 ) . 其中 , 第二层因子 ui ( I = 1, 2, . . , 6 ) 的值为上述所得向量 ( h1 , h2 , h3 . . . h6 ) , u7 历史认知能力值在模型库中以其对认知能力各等级的隶属度值表 示 .3. 4学生认知能力综合评价的计算( 1 ) 隶属函数简述. 将学生

16、认知能力的评判等级设为 Z = ( x1 , x2 , x3 , x4 ) 四类 , 即优秀 (A ) , 良好 (B ) , 一般 ( C ) , 较差 (D ) . 各类的隶属函数分别确定如下 , 其中 x为上述所得对各子认知能力的掌握程度 H 向量 , 为方便计算 , 将各分值用百分制表示 :x / 10090 x 100 1 + ( x - 60 ) / 10 - 2 - 1UA ( x )=( 5 )60 x 9001x 6090 x 10060 x 90 1 + ( x - 60 ) / 5 - 2 - 1UB ( x )=( 6 )01x 6070 x 100UC ( x )=

17、1 + x - 55 / 4 - 2 - 1( 7 )55 x 7001x 55x 55 1 + ( x - 55 ) / 2. 5 - 2 - 1UD ( x )=( 8 )55 x 65070 x 100( 2 ) 一级评价计算 . 如式 ( 3 ) 、( 4 ) 所示 , 评价因素集合 U = (U1 , U2 )= ( u1 , u2 , . . . , u7 ) 分为两个子2集 , 即 U1 = ( u1 , u2 , . . . u6 ) , U2 = ( u7 ) . 每个子集对应的权重为 A = (A1 A2 ) , 要求 6 A i = 1. 每个子集中i = 167= (

18、a7 ) , 要求 6 a i = 1, 6 a i = 1. 由模糊数学理论可的因子对应的权重分别为 A01 = ( a1 a2 . . . a6 ) , A02得 U1 、U2 到 Z 的模糊矩阵分别为 :r11i = 1i = 7r12r22r72r13r23r73r14r24r74R1 =( 9 )r21r71( 10 )R2 =其中 R1 中各元素 rij 表示因素 ui ( i = 1, 2, . . . , 6 ) 经测试所得能力值经过隶属函数计算所得到的对评判等级的隶属度值 , R 2中元素从模型库中直接得到 . 由式 ( 1 ) 给出的权重分配 ( a1 , a2 ,糊矩阵的

19、复合运算 , 可得分析结果 :. . . a6 ) , 通过模r11r21r12r22r13r23r14r24B 1 = A01 R1 = ( a1 a2 . . . a6 )=( b11 b12 b13 b14 )( 11 )6其中 bij = Y ( ai rij ) ( j = 1, 2, 3, 4 ) , 类似地可得 B 2 = A02 R2= ( b21 b22 b23 b24 ) . 这里取 M (, V ) 型i = 1合运算方式 , U 表示两个数之间的取大运算 , ai rij 的运算不会丢失信息 , 可以较好地反映单个能力的重要程度与评价结果. 将此评价结果构造为第一层因子

20、即二级单类评价矩阵 :b11b21b12b22b13b23b14b24B 1B 2( 12 )R =( 3 ) 二级模糊综合评价计算. 由式 ( 1 ) 可知二级权重 A = (A1 , A2 ) , 将所得二级评价矩阵再进行矩阵复合运算 , 可得最终的二级模糊综合评价矩阵 :b11b21b12b22b13b23b14b24B = A R = (A1 A2 )= ( b1 b2 b3 b4 )( 13 )T设 D = ( d1 d2 d3 d4 ) 为认知能力等级评语行向量 , 其转置矩阵为 D , 则最终模糊综合评价值为 W = BD T. 所得 W 值即为经过本次测试后该学生的最新认知能力

21、值 .4 结束语网上教学不仅仅是将教学内容在网上发布 ,更多的是教学的课件应具有适应性. 由于在远程教学中 , 师生之间在空间上是分离的 ,因此研究与开发适应性课件显得尤为重要. 网络化教学可以充分采用交互式 工具来了解学生的学习情况 ,使教学系统能根据学生的学习情况和其他因素来组织教学内容和实施教学 策略. 适应性数字化学习的核心特征是提供适合个别需求的学习内容与学习环境的支持 ,它客观要求打破 教育测量 、智能辅助教学 、学习环境支持 、学习等方面的不连贯之处 ;使测验与课程区分不再是那么清楚 , 测验变得很自然 ,学习与计算机网络更加紧密结合 .参考文献 : 1 M G L ee. P

22、rofiling studen tadap tation style s in W eb - based L ea rn ing J . Comp u te r and Educa tion, 2001 , 36 ( 2 ) : 121 132. 2 YangW e i and YuanRong, The R esearch and D e sign of In telligen t E - lea rn ing System Comp u te r Science and techno logy in N ew Cen tu ryM . In2te rna tiona l A cadem i

23、c Pub lishe rs W o rld Pub lish ing Co rpo ra tion C t. 2001 P1245 1247. 3 杨威 ,一种用于网上学习的智能答疑模型 J . 计算机工程 , 2003 , ( 12 ) : 173 175. 4 杨威 ,苑戎. 智能 E - le ra rn ing系统的研究与设计 J . 计算机工程与应用 , 2002 , ( 13 ) : 234 236. 5 赵鑫. 基于 W eb的适应性信息技术学习系统的研究 D . 山西师范大学硕士论文 , 2003. 6.An A da p ta b il ity E2L ea rn in g

24、 Sy stem on W ebZHAO Zhon g2p in g( S ection of Equ ipm en ts, S hanx i N orm a l U n iversity, L infen, S hanx i 041004, C h ina )A b stra c t: FCu sing on the struc tu re and wo rk p rinc ip le of adap tive E - lea rn ing system , the struc tu re ofknow ledge da taba se system , and the so rting a

25、 lgo rithm of studen t mode l and cogn itive leve l, the p re sen t p ap e r d iscu sse s the p rob lem of in troduc ing the W eb p la tfo rm adap tive E - lea rn ing system to exp e rt system techno logy and M istine ss co lliga tion judge techno logy.Key word s: d istance educa tion; e - le ra rn ing; ES; m istine ss co lliga tion judge; ICA I; W EB