人工智能教學策略精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能教學策略主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：人工智能教學策略范文

一、頂層設計,構建全方位、多層次、可操作的指導體系。

為了保障人工智能教育在我校真正落實和長期發(fā)展，學校將人工智能教育工作納入到學校整體三年發(fā)展規(guī)劃中，并作出明確要求。

為了讓師生更加重視人工智能教育，促進學生全面發(fā)展，特修訂了我校“五美”能行課程體系，將人工智能課程進行了重新定位和設計。

為了建設符合我校校情、學情的人工智能課程體系，學校成立了人工智能課程建設與實施的探索與研究項目管理團隊，制定了項目計劃書，從項目名稱、項目團隊、項目背景、項目創(chuàng)新點及解決問題、項目推進措施、項目完成期限等方面進行了具體規(guī)劃。

二、支撐保障

完善軟硬件設施和文化建設，為人工智能教育開展做好支撐和保障。除了四樓獨立的人工智能實驗室，我校還自主改造了五樓的創(chuàng)客教室和閱覽室，擴寬了人工智能教育場所，盡全力滿足學生人工智能上課需求。

學校高度重視人工智能教育，不斷加大投入。在資金緊張的情況下依然給學生購買了小學生C++趣味編程書和人工智能超變戰(zhàn)場的場地。

三、具體做法

1.基于校情和學情的人工智能課程設計

課程設置：開學之前，課程部整體規(guī)劃，實行信息技術課兩節(jié)聯(lián)排。

人工智能課程開設內容安排：基于校情學情，本學期3-6年級全面鋪開人工智能課程，3年級以信息技術基礎知識、編程貓、樂高搭建基礎入門為主；4年級AI神奇動物，5-6年AI變形工坊，是集搭建和編程于一體的人工智能課程體系。本學期信息技術類人工智能特色社團的開設：人工智能機器人社團、信息學奧C++社團、創(chuàng)意編程社團。

2.三位一體，三組聯(lián)動推進人工智能課程的開發(fā)與實踐。三組是：項目組、教研組和集備組。具體做法是：

項目組的做法：根據(jù)人工智能項目管理計劃書的內容和要求，3月初進行項目工作總結和4月份計劃匯報，5月份進行了中期匯報。進一步梳理人工智能校本課程的內容，促進人工智能課程實施與落地，進行了生本AI人工智能校本課程的開發(fā)與研究，重點對課程目標和課程內容進行了設計和探索。

教研組的做法：1.參加區(qū)首次信息技術教研活動，明確方向和工作重點。組織信息技術教師按時參加區(qū)里首次信息技術教研活動，并將區(qū)里的要求傳達給每一位信息技術老師，為接下來的工作做好鋪墊指明方向。2. 教研組內進行磨課，四年級潘倩老師執(zhí)教了四年級AI神奇動物—敏捷的蛇；徐娜老執(zhí)教了五年級AI神奇變形工坊—設計“地雷”，課后及時聽評課，提出優(yōu)點與不足，并進一步改進完善。

集備組活動：各年級備課組利用雙周周二上午時間進行集備，研究本周的上課內容、梳理課堂具體流程及教學設計。

3.加強教師培養(yǎng)力度，積極組織教師參加人工智能培訓和學習。學校鼓勵教師進行小課題的研究，提升教學專業(yè)素養(yǎng)。2019年區(qū)級小課題《小學人工智能課程體系、教學策略和教學評價的研究》順利結題。2020年區(qū)級小課題《奎文區(qū)人工智能教育專項課題--小學人工智能教育教學策略及評價方法的研究》立項。

4.為了拓寬視野，為人工智能教育的發(fā)展進一步指明方向。落實請進來：邀請區(qū)教研室專家進校為學校人工智能開展情況進行診斷；邀請優(yōu)必選指導老師入校指導人工智能課程，并進行賽事輔導和培訓。

5.為了給學生的學習搭建更廣闊的平臺，豐富學生的課余文化生活，促進學生信息素養(yǎng)的提升。以賽促學，積極組織學生參加各級各類比賽。

四、取得成效

1.學校層面：以人工智能教育為契機近年來，我校的信息化、數(shù)字化、智能化水平不斷提升，互聯(lián)網+教育、智慧校園工作取得了巨大的進步，學校獲得省市區(qū)多項榮譽。

第2篇：人工智能教學策略范文

關鍵詞：智能教學系統(tǒng)；語義Web；領域本體

智能教學系統(tǒng)(Intelligent Tutoring System，簡稱ITS)是人工智能和計算機應用的一個重要研究領域[2]。它為學習者提供了形象直觀和方便易用的學習界面，有助于激發(fā)學生的學習興趣，增強學習記憶，同時又能大量增加學習內容，提高教學效率，因而長期得到廣大研究人員和教育工作者的密切關注和深入研究。1988年，國際上第一次舉辦ITS學術研討會；1992年以來，智能教學系統(tǒng)學術會議每兩年舉辦一次；2012年，美國匹茲堡將舉辦第10屆ITS國際會議，該屆會議的網址是cmu.edu/its2012。

早期的計算機輔助教學(CAI)及現(xiàn)有的智能教學系統(tǒng)，絕大多數(shù)以文本、圖形、靜態(tài)圖像、動畫、聲音和動態(tài)視頻等知識作為教學內容，存于知識庫，教學內容通常是固定不變的，因此，不能實現(xiàn)真正意義上的因材施教和多學科知識教學。此外，一些教學系統(tǒng)具有明顯的不可修改性，只能適用于事先確定的、特定的教學目標與具體的教學情境；有的教學系統(tǒng)完全與教科書配套，以教學大綱和個別教材為依據(jù)，按照教科書的章節(jié)安排教學內容，不具備重用性。通過分析可知，智能教學系統(tǒng)存在上述不足的主要原因，是系統(tǒng)沒有一個龐大的和可擴展的知識庫支撐，沒有可供操作的知識以及知識庫不能更新等。

筆者通過分析智能教學系統(tǒng)發(fā)展等特點，結合網絡信息，提出了面向語義Web的智能教學系統(tǒng)模型，分析了各組成部分的功能。在系統(tǒng)模型中引入領域本體組織教學內容，并運用網絡爬蟲工具獲取網頁新知識等更新教學內容，提高了智能教學系統(tǒng)的適應性。

1智能教學系統(tǒng)

20世紀60年代以來，隨著信息科學和計算機科學的發(fā)展，特別是人工智能(AI)的誕生與發(fā)展，以及計算機在教育方面的廣泛應用，出現(xiàn)了一種新的教育技術，即計算機輔助教學(Computer-aided Instruction, 簡稱CAI)。CAI系統(tǒng)的理論基礎是行為主義理論，主要目的是協(xié)助改進教學。其教學模式主要有3種：一是輔導模式，用于向學生講授知識和技能等內容；二是練習與操練模式，通過學生與計算機的頻繁交互作用來訓練學生的解題能力，以加深學生對所學過概念的理解；三是對話模式，通過計算機與學生的相互提問和答問來訓練學生的理解力。CAI系統(tǒng)一般由課件(courseware)實現(xiàn)教學過程，學生可反復使用這些不變的課件，接受課件的各種教學信息，完成學習任務。學生的學習過程主要由課件來控制，一般都是被動式學習，系統(tǒng)沒有給學生提供個性化需求的教學過程。

傳統(tǒng)的計算機輔助教學系統(tǒng)并不了解學生的特點，對所有學習者采用相同的教學方法和統(tǒng)一的教學內容。因此，系統(tǒng)不能對不同學生采用不同的教學方法和教學內容，不能培養(yǎng)不同學生的各種能力。

因此，人們希望計算機也應具有人類教學的“智慧”和藝術：系統(tǒng)應該能了解每個學生的學習能力、知識水平，能根據(jù)不同學生的各自特點采用不同的教學策略，有針對性地指導學生學習，能理解和接受學生的自然語言交互。

到了上世紀70年代，AI技術得到深入研究和發(fā)展，同時，認知心理學在教學過程中也得到廣泛應用，計算機輔助教學系統(tǒng)的研究更趨向智能化。Carbonell和Collins等人研制了一個基于知識的教學系統(tǒng)SCHOLAR，用于進行南美洲地理教學。SCHOLAR開辟了把人工智能應用于計算機輔助教學的新研究領域。讓計算機輔助教學系統(tǒng)CAI更加具有“智慧”，是教學系統(tǒng)的一個重要目標，因此，更具有智能的CAI系統(tǒng)被稱為“智能計算機輔助教學”(簡稱ICAI)或“智能教學系統(tǒng)”。

但是，ITS并不是對CAI的一個簡單改進，它需要結合AI技術、教育心理學理論和認知科學而得以發(fā)展。與CAI不同，ITS以認知心理學為理論基礎，強調學習個體內部的心理過程，認為人的認知是由外部刺激和認知主體內部過程相互作用的結果，因而學習過程是個人根據(jù)自身需要、興趣、能力、知識水平，對當前教學過程做出的主動的、有選擇的信息加工和建構過程。

ITS的目標是分析學生的智能水平和知識狀態(tài)，根據(jù)不同的教學內容采用不同的教學策略，因材施教。教學過程以“學生”為中心(但并不完全地由學生自由學習)，以啟發(fā)、誘導、暗示等方式展開，讓學生探索、思考與發(fā)現(xiàn)問題。例如，SCHOLAR系統(tǒng)采用了蘇格拉底對話方式的啟發(fā)式教學，以實現(xiàn)智能化教學。

目前的ITS在結合教育心理學、認知理論和計算機科學的基礎上取得了很大發(fā)展，同時ITS的研究和開發(fā)也是一個艱難的過程，并存在如下缺陷。

1) 智能教學系統(tǒng)缺乏強的自適應性，不能真正靈活地實現(xiàn)因材施教的教育目的；不能準確及時地發(fā)現(xiàn)和處理學生出現(xiàn)的各種錯誤及問題。主要原因在于教學過程分析不明確，教學策略不夠豐富，特別是對于不同學科和不同個性的學生，缺乏靈活多樣的教學策略，用于指導不同學生學習不同知識，系統(tǒng)設計面向的對象也還比較單一。

2) 智能教學系統(tǒng)對學生缺乏了解(或理解)；不能理解學生正在做什么和學生知道什么；不知道學生所處的學習環(huán)境和學習動機如何，學生常犯的錯誤是什么；沒有一個好的教學策略來安排最適合的教學方法，把最適當?shù)闹R傳授給相關學生，因而無法達到因材施教的預期教學效果。

3) 智能教學系統(tǒng)中的知識可操作性差，幾乎是不可操作的。教學內容比較單一，而且知識的可重用性差，導致了人們制作和設計了許多重復的教學系統(tǒng)，而真正“好用的”智能軟件卻非常缺乏。

智能教學系統(tǒng)存在上述不足的主要原因有二：一是沒有一個豐富的多學科的知識庫支撐，而且知識的可操作性差；二是沒有一個比較完善理想的系統(tǒng)結構，支持對學生和教學的理想描述。針對這些不足，筆者提出一種面向語義Web的智能教學系統(tǒng)模型。

2面向語義Web的智能教學系統(tǒng)模型

在分析已有的智能教學系統(tǒng)模型(例如NKI- Tutor)[4]的基礎上，結合當前不斷發(fā)展的網絡信息和網上學習資源，筆者提出了一種面向語義Web的智能教學系統(tǒng)模型，該模型的教學內容模塊中引入領域本體的抽象層來組織知識，同時模型中增加了一個網頁知識的新模塊。網頁知識主要使用網絡爬蟲，從不同網站上獲取各種教學資源，然后對該資源進行分類，構建其資源本體，并通過本體合并技術，把新知識添加到教學內容模塊中。面向語義Web的智能教學系統(tǒng)模型如圖1所示。

面向語義Web的智能教學系統(tǒng)模型主要包括交互界面、學生模型、教學模塊、教學內容、專家模型、評價模塊、知識模擬模塊和網頁知識模塊等。

交互界面用于實現(xiàn)學習者與教學系統(tǒng)之間的信息交互，為不同學習者提供個性化的教學內容和學習界面。

學生模型是對學習者的知識水平、認知能力、學習風格、興趣愛好、學習策略等的建模，為系統(tǒng)提供學習者的學習歷史記錄、學習過程中與系統(tǒng)的交互情況以及在系統(tǒng)診斷性測驗中的表現(xiàn)等。

專家模型包含領域專家的問題求解。教學系統(tǒng)可以對學生解決問題的方法與專家的方法進行比較，以發(fā)現(xiàn)學生的能力缺陷或錯誤認識等，然后采取更確切的教學策略或調整教學策略。

教學模塊是智能教學系統(tǒng)用于組織、管理和實施整個教學活動的中心。本模塊的教學模型由教學目標子模塊、教學任務子模塊、教學分析子模塊、教學策略子模塊和教學效果測量子模塊構成。教學目標是指教學的總目標(Goal)，包含多個子目標(g1，g2…gn)，并且Goal＝g1 ∧g2 ∧… ∧gn，n ∈自然數(shù)N。教學任務是指設計或規(guī)劃知識，確定教學目標，選取和實施教學策略，并評價教學，由具體任務(Task)實施。評價模塊是對整個教學的全局評價。評價教學總目標是否已經達到，或是對一個學習單元、一個學習階段、一門課程學習后的全局評價，包括學生知識結構和知識水平、技能水平的綜合評價和教學策略是否適用于不同學生的評價等，評價結果是教學策略改進和教學反饋的依據(jù)，是對學生的學習過程和教學效果進行測量。

知識模擬是一個知識模擬系統(tǒng)，能夠對知識自動進行動畫模擬。在教學過程中，教師根據(jù)不同的教學內容和教學需要，采用不同的教學策略，使教學更加生動形象，學生也能夠通過模擬工具親自操作實驗。模擬工具對于具有不同學習風格的學生尤其重要。

教學內容模塊是知識庫存儲器，存放各科教學知識和從網頁上獲取的各類新知識。

網頁知識存儲從不同的網站上獲取的各種教學資源。在系統(tǒng)模型中嵌入網絡爬蟲工具，首先利用網絡爬蟲工具不定期地從不同網站上獲取各種教學資源，然后對資源進行分類，構建其資源本體，通過使用本體合并技術，把新知識添加到教學內容模塊中，實現(xiàn)教學內容更新，使系統(tǒng)更具適應性。

3 教學內容組織與知識更新

在面向語義Web的智能教學系統(tǒng)模型中，我們引入領域本體的抽象層來組織教學內容，并引入網頁知識模塊實現(xiàn)知識更新。

3.1領域本體的抽象層

面向語義Web的智能教學系統(tǒng)模型，最重要的功能是獲取Web信息和資源，然后對資源進行管理和運用。為此，我們引入領域本體的抽象層來對教學資源進行組織，如圖2所示。

領域本體的抽象層是去除了學科中的具體概念而綜合了領域本體中的屬性和關系，是不依賴于領域概念而存在的。

3.2網頁知識模塊

隨著互聯(lián)網的快速發(fā)展，各種教學機構和學校都建立了各自的教學網站。例如，大學的精品課程、中學的網校以及專業(yè)知識網站，還有很多信息搜索引擎等。這些網站提供了很多專業(yè)和非專業(yè)的百科知識。為了順應信息時代的知識需求，智能教學系統(tǒng)中的教學內容不再是一成不變的，而應該及時更新知識庫。

面向語義Web的智能教學系統(tǒng)模型采用網絡爬蟲工具實現(xiàn)自動提取網頁信息功能。它根據(jù)教學內容主題的關鍵字或知識點分析網頁，過濾與主題無關的鏈接，獲取有用的鏈接站點上的信息，并將其存儲在相應的文檔中。目前，我們主要采用文本方式存儲獲

取的信息。然后對所獲取的信息進行分析，根據(jù)信息格式和內容進行分類，結合已有本體來組織新知識，進而建立索引，便于知識查詢和檢索。

4結語

智能教學系統(tǒng)研究是一項艱難和長期的工作。面向語義Web的智能教學系統(tǒng)模型具有教學內容覆蓋多個學科和網絡知識等特點，充分展現(xiàn)信息時代的學習特色，為學習者提供更新穎的知識和更寬廣的知識面，并使教學過程更加個性化，提高教學質量。同時，面向語義Web的智能教學系統(tǒng)將通過網絡爬蟲工具實現(xiàn)自動提取網頁信息，從而及時更新教學內容，使教學更具時代特點，實現(xiàn)真正意義的智能化教學。

參考文獻：

[1] Claude Frasson, Kurt Van Lehn. Intelligent tutoring systems[C]//Gilles Gauthier, Claude Frasson, Kurt VanLehn. Lecture notes in computer science(1839). Montreal:Springer, 2000:1-24.

[2] 王小輝,童\. 智能計算機輔助教學系統(tǒng)的設計[J]. 軟件學報, 1996,7(4):217-222.

[3] 唐素勤,曹存根. 智能教學系統(tǒng)的體系結構:綜述與改進[C]//鐘義信.中國人工智能學會第九屆全國學術會議(CAAI-9)論文集. 北京:北京郵電大學出版社,2001:1129-1132.

An Intelligent Tutoring System Oriented on Semantic Web

TANG Suqin1, LIU Lihao2

(1. College of Computer Science and Information Engineering, Guangxi Normal University, Guilin 541004, China; 2.Guangxi Training Center for Teachers of Higher Education Institutions, Guilin 541004, China)

第3篇：人工智能教學策略范文

關鍵詞：貝葉斯；情緒獲??；學生模型；智能課件；教學策略

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2012)01-0103-03

Analysis of Bayesian Reasoning’s Application of Students Model in Intelligent Courseware

YANG Yi-liu

(Teaching and Research Institute of College Computer Bohai University, Jinzhou 121013,China)

Abstract：The problems occurred in student models in many current intelligent courseware constitute lack of learning emotional acquisi? tion and short of humanity in the process of choosing teaching strategy. For this reason, learning emotional centered student models are es? tablished based on Bayesian probability reasoning. This dynamic model is featured by quick acquisition of learners’different degrees of in? terest in elements of intelligent courseware interface and prompt analysis. Therefore learner emotional optimization teaching strategy will be generated dynamically. Experiment is undertaken as prove.

Key words：bayesian; emotion acquisition; students model; intelligent courseware;teaching strategy

人們根據(jù)不確定性信息做出推理和決策需要對各種結論的概率做出估計，這類推理稱為概率推理。概率推理既是概率學和邏輯學的研究對象，也是心理學的研究對象。其中貝葉斯概率推理的問題是條件概率推理問題，在概率論的基礎上進行不確定推理，是基于概率的一種算法，由一位偉大的數(shù)學大師Thomas?Bayes所創(chuàng)建的，這一領域的探討對揭示人們在概率信息的認知加工過程與規(guī)律、指導人們進行有效的學習和判斷決策都具有十分重要的理論意義和實踐意義。

智能課件[1]中存在著各種各樣的不確定性，針對學習者的多樣性、知識網絡結構及信息的多樣性決定了認知狀態(tài)診斷方法的不確定性，根據(jù)情緒數(shù)據(jù)進行的關于教學策略的推理也是不確定的，而處理不確定性正是貝葉斯概率推理的優(yōu)勢。所以采用貝葉斯概率推理[2]作為學習者當前情緒狀態(tài)與教學策略選擇的適應度的診斷推理，也可以理解為教學策略對成功預見性的概率推理。

3結論

學習者當前的情緒數(shù)據(jù)可以演繹出對當前智能課件系統(tǒng)界面元素的適應程度，是在不確定性前提下認知診斷的方法。本文討論的在學生模型中利用貝葉斯概率推理對先驗信息和后驗信息的結合能力，對學生情緒的因果聯(lián)系進行編碼，通過信息的不斷加入，對學生當前學習情緒的評測和把握及時更新，為模型提供自適應構建方式和準確實現(xiàn)智能課件所實施的教學策略（包括教學理論、界面元素設計、組織結構等）提供良好的理論依據(jù)。

參考文獻：

[1]陳曉丹,王建華.智能計算機輔助教學系統(tǒng)結構模型的研究[J].哈爾濱師范大學自然學報,2006,22(2): 68-70.

[2] Martin J,Vanlehn K. Student Assessment Using Bayesian Nets[M]. Int J of H-C S,1995.

[3]劉通江.個性化課件生成系統(tǒng)中動態(tài)學生模型的研究[D].北京:首都師范大學,2004.

[4] Conati C,Gertner A,Vanlehn K. Using Bayesian Networks to Manage Uncertainty in Student Modeling[J]. User Modeling and User-Adap? tive Instructional,2002(12).

第4篇：人工智能教學策略范文

關鍵詞:Agent;網絡教學;情感計算;情感調節(jié)

中圖分類號:TP311文獻標識碼:A文章編號:1009-3044(2009)13-3457-03

1 引言

目前,網絡教學已成為現(xiàn)代教育領域的一個重要方向,它不受時間、空間以及人員的限制,將教育通過計算機網絡擴展到社會的各個角落,學習者可以自由的選擇時間、地點進行自主學習。Agent是能自主學習、適應環(huán)境的實體,它能夠通過感知自身和環(huán)境中的信息,自主采取行動實現(xiàn)一系列預先設定的目標或任務。網絡教學系統(tǒng)涉及異構環(huán)境的多個身份之間相互協(xié)調的技術問題,其內在要求無疑適合用Agent思想分析與構建。由于Agent技術的引用,基于智能的教學系統(tǒng)越來越得到人們的關注,它能有效克服傳統(tǒng)網絡教學系統(tǒng)的不足,如缺少交互性、智能性及適應性等不完善之處,因此可以滿足學習者按需學習和教師因材施教,能夠很好的在網絡環(huán)境下實現(xiàn)個性化教學,但卻缺失了學習者的情感信息。心理學和教育學領域的研究顯示,學習者的消極情感會對其學習形成障礙,而積極情感則會促進學習者的學習。

本文在分析了Agent的概念、特征的基礎上,將建立具有一定情感支持功能的情感交互教學系統(tǒng)。該系統(tǒng)可以獲取、識別和理解學習者的情感信息,并根據(jù)學習者特定的情感狀態(tài)給出相應的情感激勵和情感補償策略,從而解決網絡教學中學習者情感缺失的問題,實現(xiàn)認知與情感相互協(xié)調的個性化教學。

2 Agent技術簡介

2.1 Agent定義

早在1977年,Carl Hewitt就定義了具有自兼容性、交互性和并發(fā)處理機制的對象,稱為“Actor”,即是Agent的雛形。而后,在1986年,M.Minsky引入了Agent的概念,在隨后的發(fā)展中,Agent逐步成為人工智能及其它計算機領域內的一個重要研究課題[1-2]。目前Agent和人工智能的定義一樣,還沒有得到統(tǒng)一的界定,因此各領域的專家學者對Agent的確切定義不盡相同。歸納起來,大致有兩種:

1) 標準化組織FIPA的定義:Agent是駐留于環(huán)境中的實體,它可以解釋從環(huán)境中獲得的、反映環(huán)境中所發(fā)生事件的數(shù)據(jù)、并執(zhí)行對環(huán)境產生影響的行為。

2) 人們普遍認為:Agent是能為用戶執(zhí)行特定的任務、具有一定程度的智能、以允許自主執(zhí)行部分任務并以一種合適的方式與環(huán)境相互作用的軟件程序。

2.2 Agent特征

自主性: Agent不直接由人或其它的東西控制,在沒有與環(huán)境的相互作用或來自環(huán)境的命令的情況下自主執(zhí)行任務。這是Agent區(qū)別于普通軟件程序的基本特性。

社會性:能通過某種Agent通信語言與其它Agent(也可能是人類)進行交互。交互主要有三種類型:協(xié)作、協(xié)調和協(xié)商。

反應性:即對環(huán)境的感知和影響,Agent會隨著環(huán)境變化而做出相應的反應。

適應性:Agent可以根據(jù)用戶的目標和意圖進行推理,自適應環(huán)境。

移動性:Agent可以攜帶數(shù)據(jù)、指令和狀態(tài)移動到網絡的遠程環(huán)境中執(zhí)行中。

單個Agent的智能是有限的,這就需要由多個Agent共同承擔一個任務,即通過適當?shù)捏w系結構把Agent組織起來形成MAS(Multi-Agent System)。MAS是多個Agent組成的松散組合的網絡,它能通過分布在計算機上的Agent分擔工作量,它的體系結構有審慎式、反應式和混合式三種。

傳統(tǒng)Agent研究側重于對人類邏輯思維如計算能力、推理能力等的研究與模擬,然而,本文在傳統(tǒng)研究的基礎上,注入時刻伴隨人類學習的情感因素,側重研究基于人工情感模型的能夠感知和調節(jié)人的心理活動能力的情感MAS系統(tǒng)的研究。

3 傳統(tǒng)的智能教學系統(tǒng)及其情感缺失

3.1 傳統(tǒng)的智能教學系統(tǒng)結構

傳統(tǒng)智能教學系統(tǒng)按功能分為5個模塊:知識庫、學生模塊、專家模塊、教學模塊、人機界面。

知識庫:是教學內容庫,存儲所要教的學科領域知識和教學知識。

學生模塊:智能教學系統(tǒng)實施個別化教學的核心,表示學習者對知識的理解程度,用來反饋學習者的學習情況。

專家模塊:包含領域專家的問題求解。教學系統(tǒng)可以比較學習者解決問題所采用的方法與專家的方法間的差異,以發(fā)現(xiàn)學習者能力的缺陷或錯誤認識等,然后采取更確切的教學策略或調整當前教學策略。

教學模塊:組織、管理和實施整個教學活動的中心,存儲與教學內容有關的專業(yè)知識,以及與教師解決問題的有關求解知識,在適當?shù)慕虒W策略指導下選擇適當?shù)慕虒W內容呈現(xiàn)給學習者。

人機界面:能夠理解自然語言,實現(xiàn)更普遍意義上的人機對話,實現(xiàn)學習者與系統(tǒng)、教師與系統(tǒng)之間的對話,是教與學雙向活動的界面。

3.2 傳統(tǒng)的智能教學系統(tǒng)存在的情感缺失

傳統(tǒng)的智能教學系統(tǒng)可以實現(xiàn)資源共享和互動性,并具有一定的智能化和個性化。但它將文本形式的教材生吞活剝的照搬到網絡上,用簡單乏味的文字資料信息傳輸代替了原本多姿多彩的“課堂教學”,丟失了教師人性化的教學,對學習者來說是冷漠的,是缺乏情感的,這樣勢必引起學習者的反感。人的態(tài)度、情緒、感情很少能在媒體中傳輸,即使是聲情并茂的可視畫面,學習者面對冰冷的電腦屏幕不會產生極大的學習興趣,從而不會產生良好的教學效果。實際上,一個真正的個性化教學系統(tǒng),不僅應該具備認知方面的個性化教學功能,還應該具備情感方面的個性化教學功能。

4 基于Multi-Agent的情感交互教學系統(tǒng)

4.1 基于Multi-Agent的情感交互教學系統(tǒng)結構模型

研究基于Multi-Agent的情感交互系統(tǒng),就是構造能夠與人進行情感交互的計算模型,通過情感計算和對多感知Agent的協(xié)調及融合機制,以Agent的形式,將各種感知手段構成具有自適應能力的行為Agent,使計算機有理解學習者心理活動的能力,在具體功能上實現(xiàn)行為自主,為學習者營造一個具有情感交流的虛擬環(huán)境,提高學習者的學習興趣和學習動機。

情感是人對客觀事物或情景是否符合自己需要的態(tài)度的體驗,當客觀事物或情境與人的需要和愿望符合時會引起人積極肯定的情感,而不符合時則會引起人消極否定的情感[4]。在教與學活動中,人類的表情是相當豐富的,當教學內容是他們能夠理解和接受的時候,學習者會用微笑等表情來表現(xiàn)情緒高漲的狀態(tài);反之,當他們不能理解和接受教學內容時,學習者會表現(xiàn)出眉頭緊縮、嘴角下垂、低沉喪氣的表情。人的姿態(tài)中,手勢的加強通常反映一種強調的心態(tài),而身體某一部位不停的擺動則通常反映情緒緊張。為了能夠讓學習者更有效的自主學習,教師可以通過捕捉這些情感信息,適當?shù)恼{整教學策略,以提高教學質量。盡管現(xiàn)有一些設計已嘗試利用學生的情感去調整學習者的學習進度,選擇更適合學習者的教學策略,卻鮮有激發(fā)和調動學生的積極情感從而對學生形成情感支持的研究。因此,我們在傳統(tǒng)的智能教學系統(tǒng)中加入了情感信息模塊,開發(fā)了基于Multi-Agent的情感交互教學系統(tǒng),該系統(tǒng)通過捕捉和識別學習者的情感信息,來判定學習者的學習狀態(tài)及對所學知識的理解和接受情況,從而給出相應的情感調節(jié)策略,使學習者在學習過程中處于良好的學習狀態(tài),以提高學習者的學習效果,并可根據(jù)多個用戶的共性,整體修正教學策略。根據(jù)以上討論,給出了基于Multi-Agent的情感交互教學系統(tǒng)模型(如圖1所示)。

4.2 各個Agent的功能

該系統(tǒng)在智能教學系統(tǒng)的基礎上增加了情感識別Agent、情感信息處理Agent和情感調節(jié)Agent,可以根據(jù)學習者的情感變化,適當?shù)倪M行情感調節(jié),使教學質量達到最佳,系統(tǒng)模型的主要結構及其功能如下:

1) 學生Agent:學生Agent在學習者登陸時創(chuàng)建。學習者可以通過學生Agent進行選課、管理個人資料、維護學習目標、調整學習進度、查看學習情況、查看成績與考核評定;學習過程中,為了完成學習任務,學習者可以通過學生Agent進行自主學習,也可以與其他學習者在線交互、接受教師指導;學生Agent還可以充當學習者的學習伙伴,與學習者進行平等的討論、交流。

2) 教學Agent:教學Agent在學習者登陸時創(chuàng)建,教學Agent在系統(tǒng)中扮演教師的角色,履行教師的職能。教學Agent根據(jù)學習者的能力情況以及學習者的學習記錄,使用適當?shù)慕虒W內容、教學策略,合理地安排教學進度,有針對性地指導學習者學習,從而實現(xiàn)個性化教學和因材施教。它要求能力分析Agent分析和預測指定學習者的學習能力,根據(jù)能力分析Agent傳來的學習者能力信息,結合自身知識庫中具有的教學策略,選擇合適的知識點組成知識單元,并且選擇針對性的教學策略,指導學習者學習。

3) 能力分析Agent:能力分析Agent又稱學習能力分析和預測Agent,在用戶學習時由教學Agent創(chuàng)建。能力分析Agent主要有兩大功能:首先,根據(jù)學習者的測試結果,分析學習者的學習能力;其次,它接受教學Agent的要求,根據(jù)學習者的學習能力記錄,預測學習者的識記能力、理解能力、應用能力和創(chuàng)新能力,并提交給教學Agent。

4) 教師Agent:教師Agent在教師登錄時創(chuàng)建,其主要任務是管理知識點、組織學習材料、制作課件、維護習題庫、歸納復習資料并生成考試試題、制定教學策略;通過在線交互對學習者學習情況跟蹤調查、分析考試成績、識別學習者的認知水平,并對不同認知水平的學習者或不同的教學內容采用不同的教學策略,以實現(xiàn)對學習者有針對性的幫助、輔導,做到因材施教。

5) 管理Agent:管理Agent在管理員登錄后由系統(tǒng)創(chuàng)建,主要完成注冊及全局管理工作,它授權教師用戶,使其具有教師的權限;如管理知識庫,添加習題,修改教學策略等權限;它管理系統(tǒng)用戶,如刪除一個學習者或教師用戶;它負責對課程進行管理,如添加或刪除一門課程。能完成整個系統(tǒng)的全局管理,如負載平衡,以及安全性等方面的功能。

6) 情感識別Agent:情感識別Agent在在學習者用戶登陸時創(chuàng)建,主要是由人臉表情識別技術、姿態(tài)識別、語音識別技術組成,主要對學習者的面部表情特征、語音特征和姿態(tài)情感特征進行獲取,并提取有效的情感信息傳遞給情感信息處理Agent。

7) 情感信息處理Agent:情感信息處理Agent在學習者用戶學習時由情感識別Agent創(chuàng)建,主要是對獲取的情感信息進行分析、建模和識別,是為了正確的選擇情感信號,計算出學習者在學習過程中的表情、語音和姿態(tài)的情感數(shù)據(jù),對這些數(shù)據(jù)進行統(tǒng)計和融合,識別出學習者的整體情感反應,傳遞給情感調節(jié)Agent。

8) 情感調節(jié)Agent:情感調節(jié)Agent由情感信息處理Agent創(chuàng)建,它接收情感信息處理Agent傳來的學習者的情感反應信息,通過對學習者的情感反應,在認知心理學的支持下形成評價結果,以動畫人物形象的方式,給出相應的情感調節(jié),同時分析和記錄學習者不同時期的學習情況和學習情感的變化,并寫入到學生特征信息庫中,以便教學Agent根據(jù)學習者的特征調整教學策略。

4.3 學習者的情感調節(jié)流程

傳統(tǒng)的智能教學系統(tǒng)往往忽視了學習者情感狀態(tài)的變化過程,其結果往往導致學習者對學習內容感到厭惡或煩躁,使得學習者的學習效果不佳。因此,需要在智能教學系統(tǒng)環(huán)境中引入情感調節(jié)機制,在學習者的狀態(tài)不佳時,調節(jié)學習者的情感,使學習者在學習過程中處于良好的狀態(tài)。在學習過程中,當學習者對知識進行學習時,可能會表現(xiàn)出正面或負面的學習情感,對學習者的情感狀態(tài)進行檢測和分析,并判斷學習者的情感狀態(tài),如果學習者是處于正面的情感,這樣的狀態(tài)是積極的,有助于學習者繼續(xù)進行知識的學習。如果學習者是處于負面的情感狀態(tài),判斷其負面情感類型,并對其進行相應的情感調節(jié)。例如:隨著學習過程的推進,學習者解決一個問題時多次失敗,掌握取向動機類型的學習者會感到沮喪和失望,情感調節(jié)Agent就會呈現(xiàn)一個具有移情作用的動作,表示它理解學習者正在體驗的困難,而如果學習者已經付出了很大的努力,情感調節(jié)Agent就不需要鼓勵他再做進一步的努力,而是向他提供幫助完成練習。表現(xiàn)取向的學習者會認為自己很失敗,但通常不會為此付出更大的努力,因為未能完成這項任務是因為缺乏能力,而努力更顯其能力不足,因此針對這類學習者情感調節(jié)Agent應該呈現(xiàn)一條話語信息 ,提高學習者的自我效能感,并提示學習者,如果再努力一些就能夠完成任務,向學習者表明,任務中沒有取得成功不意味著他缺少能力,如果再努力一些,就能取得更好的成績。我們對學習者情感的變化進行監(jiān)測和分析,采用情感調節(jié)策略對學習者的情感狀態(tài)進行調整,使學習者對知識的學習產生興趣,實現(xiàn)情感化的教學。該情感調節(jié)策略的流程圖如圖2所示。

5 結束語

Agent技術和情感計算的興起正吸引著越來越多人的關注,將其融入網絡教學系統(tǒng)中必將使學習方式產生巨大變革?；贛ulti-Agent的情感交互教學系統(tǒng)以人臉表情、語音以及姿態(tài)等多種情感表現(xiàn)作為反饋信息,運用情感調節(jié)策略為學習者提供情感支持,使學習者在學習過程中保持良好學習狀態(tài),真正實現(xiàn)了網絡教學中的人文關懷。在網絡時代的今天,伴隨研究的深入,情感交互教學系統(tǒng)必定會獲得長足的發(fā)展。

參考文獻:

[1] Michael W,Nicholas R J.Intelligent agents: theory and practice[J].Knowledge Engineering Review,1995,10(2):115-152.

[2] 陸淑娟.Multi-Agent技術在網絡教學中的應用[J].電腦知識與技術,2007,1(2):581-582.

[3] 章國英,胡繼岳.網絡教學環(huán)境中情感交流的缺失及解決策略[J].現(xiàn)代教育技術,2005,15(1):110-116.

[4] 葛正洪.把握情感因素 提高教學效率[J].中國教育現(xiàn)代化,2004(10):50

[5] Aaron Sloman. Review of : Affective Computing[J].AI Magazine,1999,20(1):127-133.

[6] 馬希榮,劉琳,桑婧.基于情感計算的e-Learning系統(tǒng)建模[J].計算機科學,2005,32(8):131-133.

[7] 張春飛,李萬龍.基于多Agent的智能教學系統(tǒng)模型[J].河北科技大學學報,2008,29(1):48-52.

[8] 黃敏兒,郭德俊.情緒調節(jié)方式及其發(fā)展趨勢[J].應用心理學,2001,7(2):17-22.

李哲(1984-),男,山東淄博人,碩士研究生,研究方向:多Agent系統(tǒng),情感計算;

第5篇：人工智能教學策略范文

關鍵詞：智能教學系統(tǒng)；神經網絡；學生模型；設計

中圖分類號：G434　文獻標識碼：A　文章編號：2095-2163(2011)04-0052-03

0　引言

人類社會為提高教學效率，更好地培養(yǎng)人才，一直在不斷探索與嘗試運用新技術、新方法來改進教與學的方法和手段。同時也希望能實現(xiàn)因材施教，即根據(jù)學生不同的學習基礎、學習能力等特征進行差別化教育。但限于教師資源不足和教學效率的要求，尚未做到對每一個學生進行因材施教，智能教學系統(tǒng)的提出為實現(xiàn)這一目的提供了可能。智能教學系統(tǒng)(Intelligent Tutoring System，ITS)是計算機輔助教育與人工智能的結合，是人工智能(artificial intelligence，AI)在教學上的應用，其由人工智能、認識科學、教育理論等多門學科交叉產生。ITS通過研究人類學習的思維特征和過程，尋求學習認識的模式，同時以個性化教學為目標，并根據(jù)學生的心理特征、認知水平、已有的知識基礎、認識結構和學習習慣、學習風格、動機等個性化特征進行學生個人教學方法和教學內容的確定，選擇適當?shù)慕虒W策略，從而為學生提供與其學習特征相符的學習內容和學習進度。學生通過個性化、自適應的學習，既獲得了知識，又培養(yǎng)了能力。智能教學系統(tǒng)能更好地發(fā)揮學生的積極性，有助于學生智力的開發(fā)和能力的培養(yǎng)，是實現(xiàn)教學手段現(xiàn)代化的新方法、新途徑。

人工神經網絡(Artifieial Neural Network，ANN)是人工智能的一個重要領域，也稱為神經網絡(Neural Networks，NN)，是由大量處理單元(神經元)廣泛互連而成的網絡；這是一種模仿生物大腦的結構，并且模擬人腦信息處理過程的信息處理系統(tǒng)。神經網絡具有較強的學習能力，即通過訓練可抽象歸納出訓練樣本的主要特征，因而有較強的容錯能力和記憶聯(lián)想能力，能夠并行處理信息，因而有較快的信息處理速度。將神經網絡應用于智能教學系統(tǒng)能有效提高系統(tǒng)的智能水平、適應能力及反應速度。

目前智能教學系統(tǒng)已有不少研究，其中包括部分學生模型的研究，但這些學生模型普遍存在著智能性不足等問題。本論文對利用神經網絡構建智能教學系統(tǒng)學生模型進行了研究，以人工智能、認識心理學、教育學為基礎，分析了學生學習過程中的影響因素，進行了模型設計。

1　基于神經網絡的學生模型設計

智能教學系統(tǒng)(ITS)是交叉科學，由于人工智能、計算機科學等相關學科仍處于快速發(fā)展時期，故ITS目前仍處于發(fā)展階段，其組成部分有不同的說法，如由三部分組成，四部分組成，五部分組成，但卻都包含三個核心的部分，即學生模塊、教師模塊和專家模塊(知識庫)。本文在三模塊架構基礎上對學生模型進行設計。

學生模型是智能教學系統(tǒng)的核心，是實施因材施教的基礎和關鍵。因此構造合適的學生模型是構建智能教學系統(tǒng)的重點。該模型應該能夠及時、正確反映出學生學習行為中的本質特征和狀態(tài)，即反映出學生對某一學習內容的掌握、理解程度和學習行為中包含的學習風格、習慣及學習能力等。學生模型目前較普遍的分類有：覆蓋模型、微分模型、攝動模型和認知模型等。

(1)覆蓋模型是將學生所擁有的知識看成是專家知識的一部分，教學目標是在現(xiàn)有和總體之間建立相應聯(lián)系。在覆蓋模型中，通過將學生與專家的行為差別來建立學生模型，并假設由于某種原因使學生與專家的技能差別造成學習行為的不同。覆蓋模型對學習者的描述過于簡單，認為學生知識僅是其中的一部分，沒有考慮學生的歸納和演繹訓練，即舉一反三，觸類旁通的能力訓練。

(2)微分模型是將學習者的知識分為預備授予和預備授予以外知識兩個部分，較覆蓋模型有了進一步的擴充，但其本質還是覆蓋模型。

(3)攝動模型考慮到學生所學到的知識有可能與專家?guī)熘兄R的不同，但仍然是從知識角度來建模。

上述模型都是通過專家知識與學生已有知識的對比來找出學生需要學習的內容，偏重于知識，不能較全面地反映學生的學習特征和狀態(tài)。

1.1學習過程因素對于學習的影響

根據(jù)比格斯的3P學習模型，學習過程可以決定學生學習質量。不同的學生用淺層式學習與深層式學習在取得相同的成績評定情況下，其學習質量也是不一樣的。淺層式學習記住的是一些與原文一致的內容，沒有去思考這些內容之間的關系。深層式學習是從整體上去把握學習內容，學習者想方設法弄清學習內容之間的內在聯(lián)系。學習過程因素(主要是學習方式)不僅會影響學習結果，而且其本身也是反映學習質量的重要指標，因此在智能教學系統(tǒng)學生模型中，需要考慮學生對于知識記憶、分類、歸納總結和演繹推理能力的培養(yǎng)和提高，提醒學生使用深層式學習。從而對學生回答的問題進行比較、分析，找出其原因，特別是對于產生錯誤的原因進行分析診斷，并反饋給相應的教師模型，從而對學習內容、教學方法進行調整，同時給出學習方式的建議，而不是簡單地讓學生重新學習某一部分內容。如測試中發(fā)現(xiàn)學生在基礎知識部分的得分很高，而綜合運用測試得分較低，學生可能應用的是淺層式學習，教學系統(tǒng)應給出學習方式的提醒和建議，使智能教學系統(tǒng)的因材施教效果能更好地體現(xiàn)出來。

有的學生習慣于通過做大量練習題來進行新內容學習，以期將該內容所有可能出現(xiàn)的題型都見識一下，通過歸納總結的方法進行學習；而有的學生則習慣通過演繹推理，用萬變不離其宗的原理，從所學內容的本質特征出發(fā)，深入理解內容的各部分之間關系，不用做大量習題也能較好掌握所學內容。

因此，在設計學生模型時，應該考慮的因素有學生學習習慣、年齡、擁有的正確知識及對這些知識掌握的程度(即已有的學習基礎)，學生的學習史與學生個性特征等。在學生模型中，學生的學習行為包括學生總時間、學習某一內容或解決某一問題所花的時間。對學習內容的認知程度用布魯姆的6個認知級別，即識記、理解、應用、分析、綜合、評價來標記。在學生具體學習行為中，用解決系統(tǒng)所提出問題的正確率來確定學生對目前所學知識的掌握程度，并以學習正確率與學習該內容的時間比值來衡量學生的學習能力。

1.2學生模型設計

建立學生模型采用BP神經網絡(Back-propagationNeutral Network)，即前饋反向傳播網絡。BP網絡由輸入層、隱層和輸出層組成，各層神經元僅與其相鄰神經層之間有連接，同一層神經元之間無任何連接，且其輸入與輸出是一個高度非線性映射關系。輸入信號從輸入層進入網絡，經過隱層處理，最后到達輸出層；每一層由多個節(jié)點組成，同層節(jié)點間無任何關系。

神經網絡具有較強的自學習能力，利用學習實例對網絡進行訓練，通過自適應算法修改網絡結構的連接權值，使網絡逼近所期望的輸入與輸出關系，并可以根據(jù)輸入數(shù)據(jù)的變化自動調整參數(shù)，優(yōu)化系統(tǒng)，使之能更好反映學生的學習特征。輸入是學生基本信息(姓名、學號、年級、班級、年齡等)、課程名稱及章節(jié)、學習基礎、對某一問題的得分、學習時間記錄等，輸入層節(jié)點數(shù)為5。輸出層根據(jù)所要表達的學生學習狀態(tài)和特征來設計，目前設定的輸出有對某一學習內容的掌握程度、學習方式、學習習慣等。隱層數(shù)則根據(jù)需要設定。

學生模型的神經網絡拓撲結構如圖1所示。

第6篇：人工智能教學策略范文

關鍵詞：計算機輔助數(shù)學；智能計算機輔助教學系統(tǒng)；網絡

中圖分類號：G434

文獻標識碼：B

文章編號：1002－2422(2010)05－0063－02

1　CAI與ITS

1.1　CAI系統(tǒng)的局限

CAI(Computer Assisted Instruction)即計算機輔助教學，傳統(tǒng)的計算機CAI系統(tǒng)其實就是將一些教學課件和教學錄像搬上了電腦屏幕，再加上一些簡單的聲音、圖像、動畫。實質上，只是一個資料庫，學生接受到的仍然是叫“真鴨式”的教育。只不過這一行為的實施者由老師變?yōu)榱穗娔X，采用的教學思想是一種線性程序，所教知識被預先劃分成一系列知識點通過使學生不斷掌握新的知識點而達到教學目的。隨著實際運用的深入，暴露很多問題和不足，主要表現(xiàn)在：

(1)無法給學生提供最適合的學習內容和學習方法，無法達到個別化教學和啟發(fā)式教學。

(2)學生在學習過程中遇到問題無法與教師、同學進行討論和交流。

(3)受時間和地點限制，往往只能在課堂、學校機房里單機運行，給自主學習帶來了不便，課件資源也得不到充分的利用。

1.2　ITS的特點

ITS的一個重要教學特征是針對個人，講究因人施教，一個學生一種教學方法。以認知科學為理論基礎，綜合人工智能技術、教育心理學、計算機科學等多門學科的成果而形成的一門對學生實施有效教育的技術。與CAI系統(tǒng)相比，具有以下幾個特點：

(1)交互性。ITS改變CAI系統(tǒng)的教學模式，不再局限于知識講解、多媒體播放這些基本功能，而是更注重教與學之間的關系以及師生之間的互動。

(2)智能性。ITS實際上是一個教學型專家系統(tǒng)，能夠做到懂得所要教授的知識、了解并記憶學生的知識狀況和反應、掌握與學生交互(交流)的方法以及知道如何組織教學內容。做到因材施教，從而達到更好的學習效果。

(3)網絡性。ITS在網絡的支持下，突破了時間和空間的限制，完成在線學習、實時討論、網絡測試等多種教學任務。借助于網絡的優(yōu)勢，實現(xiàn)了資源共享、信息交換，并且快速更新知識內容。

2　網絡環(huán)境智能計算機輔助教學系統(tǒng)設計

2.1基于網絡的ITS總體構架

網絡ITS將具有某一領域的學科知識和相關的教學知識，能對學生進個別化教學，即能根據(jù)學生對知識的理解掌握程度，選擇相應的教學策略，在一定程度上模擬人類教學專家進行教學活動。其注重已有知識、人類教學專家的經驗和系統(tǒng)推理功能。其最大特點是可以集中教學專家的智慧，進行因材施教。就ITS所完成的功能而言，其主要由四個模塊組成。

2.1.1領域知識模塊

領域知識模塊是十分重要的模塊，包含了系統(tǒng)試圖傳授給學生的知識，代表了專家的智能；其不僅決定了教學交互過程的內容，也決定了教學目標的結構。ITS提供同領域知識知識相聯(lián)系的接口，包含三個基本組件：

(1)用戶接口：滿足用戶和系統(tǒng)之間交互的需要。

(2)推理機制：提供對知識庫的解釋，其結果用于對問題的展示。

(3)知識庫：是專家系統(tǒng)的核心組件，包含許多針對某些應用問題的解決方案。

2.1.2學生模型模塊

指明學生已知道什么和不知道什么以及學生的認知特點，代表了學生智能。系統(tǒng)通過學生模型建立對學生的了解，故學生模型是智能教學系統(tǒng)對學生的模擬，包括學生知識狀態(tài)、認知特點和個性特點等。

2.1.3教師模型(又稱為教學策略)

主要是提供有針對性的教學策略，代表了教師的智能。是解決如何組織教學內容的問題，即如何教的問題。主要任務是在相應的教學原理的指導下，選擇適當?shù)慕虒W內容，并通過接口以適當?shù)谋磉_形式在適當?shù)臅r刻展示給學生。

2.1.4智能人機接口

人機接口是系統(tǒng)與學生交互作用的部件，能理解自然語言的人機接口模塊，即智能導師系統(tǒng)的用戶界面。包括自然語言處理技術的應用、人機對話的處理、對領域知識庫維護的接口、教學策略的修改接口以及學生模型的初始化處理等。

2.2系統(tǒng)流程

在網絡ITS中，學生通過使用學生機房或是家中的計算機登錄到ITS的Server端，通過人機交互，ITS會按其不同的認知水平為其準備不同難度的教學內容。完成學習時，系統(tǒng)通過自適應的測試確定學生新的認知水平，作為其下一次登錄學習時為其準備學習內容的依據(jù)，并向學生提出進一步學習內容的建議。同時系統(tǒng)也可為教師利用，教師使用自己的計算機，在教研室或家中登錄到ITS的Serve端，檢查學生的學習進度、學習情況，并依據(jù)學生的實際情況，有針對性地對教學內容、測試內容進行更新。教學督導人員在教務機構通過計算機連到ITS的Serve端，對教學過程進行監(jiān)督，對教學效果按一定的教育統(tǒng)計學規(guī)則進行評價。

第7篇：人工智能教學策略范文

關鍵詞：教學模式；知識模型；學生模型；教師模型；智能教學系統(tǒng)

中圖分類號：G642文獻標識碼：A文章編號：1009-3044(2008)12-20ppp-0c

The Research of the Intelligent Tutoring Systems of Computer Foundation Course Based on the Web

QIN Yue-xing1,2

(1. College of Computer Science & Information Engineering, Guangxi Normal University, Guilin 541004, China; 2. Department of Mathematics and Computer Science, Qinzhou College, Qinzhou 535000, China)

Abstract: Because of the neglect of the students' leading role and differences, the traditional CAI teaching pattern couldn't teach students in accordance with their aptitude. While ICAI pattern follows the principle of "people oriented, student first", with the purpose of teaching students in accordance with their characteristic and the fulfillment of the self-adapted teaching, it respects students' individual differences and attaches great importance to the students' central role. Through the combination of the characteristic of ICAI, this paper puts forward a structural model for the intelligent teaching of Computer Foundation course based on the Web.

Key words: teaching pattern; knowledge model; student model; teacher model; intelligent tutoring systems

1 引言

21世紀是一個信息社會的時代，計算機技術的日益普及和“信息高速公路”的開通將會給人類帶來一個嶄新的信息化社會，信息資源的共享更是當今世界發(fā)展的大勢所趨。這就要求當代大學生熟練掌握計算機技術，通過它學會獲取信息、加工、處理信息的能力，學會分析問題和解決實際問題的能力?！队嬎銠C文化基礎》作為高等院校學生接受計算機基礎教育的入門公共課程，它的內容是當代大學生必須要掌握的計算機基本知識和基本操作，其目的是為了提高學生的綜合素質，使學生掌握計算機應用技能，把計算機作為一種有效的工具，應用到學習生活和以后的工作中。而目前《計算機文化基礎》的上課主要是計算機＋大屏幕投影，采用以同一本教材、以教師為中心、學生圍著教師轉的“你教我學”的“演播式”教學模式。這種教學模式相對呆板，師生之間的交互性差，學生完全處于一種被動的學習狀態(tài)，而學生又都是來自全國各地，城鄉(xiāng)差別，地區(qū)差別較大，計算機水平參差不齊。教師把教學內容“滿堂灌”式地傳輸給學生，而入學前計算機水平較高的學生則會感覺到課堂內容太淺，沒有學習興趣；入學前計算機水平較低的學生卻又感覺課堂內容太深，上課聽不太懂、跟不上，難以理解和消化。所以，實際上這樣的教學模式仍然沒有走出傳統(tǒng)上課的教師“教”學生“學”的舊有模式，學生過份地依賴于教師，沒有學習的積極性和主動性。這種模式忽視學生的主體性和差異性，泯滅學生的學習興趣，面對不同的學習對象，不能做到因材施教。而智能教學則堅持“以人為本，學生第一”的教學原則，充分尊重學生的個體差異性，根據(jù)學生不同的特點，實現(xiàn)因人施教，充分發(fā)揮學生的主體作用，讓學生積極、主動地去學習，在有效調動學生的學習主動性基礎上，注重培養(yǎng)學生分析、解決問題和實踐創(chuàng)新的能力。為了實現(xiàn)《計算機文化基礎》課最好的教學效果，使學生真正掌握到計算機知識與技能，本文提出了基于Web的《計算機文化基礎》的智能教學并進行了系統(tǒng)的簡單研究與設計。

2 智能教學概況

智能教學，也稱智能計算機輔助教學，簡稱ICAI (Intelligent Computer Assisted Instruction)是計算機輔助教學的一個重要發(fā)展方向，是利用計算機技術模仿人類的教學能力，以學生為中心，計算機為媒介形成的一種開放式的交互教學。智能教學系統(tǒng)是以人工智能、計算機科學、認知科學、思維科學、教育學、心理學和行為科學等為理論基礎，根據(jù)學生的實際情況，自動選取適合學生的教學內容和教學方法，對學生進行個別化教學，實現(xiàn)了教育界提倡的“因人施教”“自適應教學”，讓學生積極、主動地去獲取知識，體現(xiàn)了智能性。實際上智能教學就相當于是賦予計算機系統(tǒng)以智能，由計算機系統(tǒng)在一定程度上代替人類教師實現(xiàn)最佳的教學效果。

智能教學系統(tǒng)最顯著的特征是它具有自適應性。它能根據(jù)每個學生的基礎知識、水平和能力，制定相應的學習計劃，面對不同個性的學生有針對性地進行個別化指導，并在學習過程中根據(jù)學生的具體學習情況和進度自動調整適合學生的教學內容和教學策略，以達到最好的教學效果。理想的智能教學系統(tǒng)應能夠根據(jù)學生的實際情況選取教學內容、教學模式，對學生實施個別化教學，做到“因人施教”，將教學資源、教學模式優(yōu)化組合起來，建立一個良好的教與學的互動環(huán)境，激發(fā)教與學雙方的主動性和創(chuàng)造性。

目前隨著Web技術的不斷發(fā)展和成熟，基于Web的智能教學系統(tǒng)研究越來越受到人們的重視。在Web上構建智能教學系統(tǒng)，利用網絡的功能實現(xiàn)分布式教學，可以不受時間和空間上的限制，同時可以接受多個用戶的并發(fā)訪問，用戶可以隨時隨地享受教學資源，充分實現(xiàn)信息資源的共享，又可以在最大程度上滿足每個用戶的需求，真正做到“因材施教”，因此得到教育領域的廣泛應用。

3 基于Web的《計算機文化基礎》智能教學系統(tǒng)設計的構成

針對基于Web的《計算機文化基礎》教學系統(tǒng)的特點，本文采用4個相互作用的模塊：知識模型、學生模型、教師模型和交互模型來設計該系統(tǒng)。

3.1 知識模型

知識模型將領域知識以一種特定的結構存儲在計算機中，根據(jù)不同的知識類型采用不同的存儲結構。知識庫作為智能教學系統(tǒng)的重要組成部分，主要解決教什么的問題（教學內容），表示教學領域的相關知識，以及相關問題的求解知識。實際上，知識表示是智能化系統(tǒng)首先要實現(xiàn)的部分。用于智能教學的教材內容的組織不是簡單地將書本電子化，而是通過對學習內容模塊化來確定知識的內在聯(lián)系和認知順序。

本系統(tǒng)的知識模型模塊，對《計算機文化基礎》教學內容知識庫的表示，可以采用超文本表示方法，根據(jù)教學把課程內容分解成小單元，設置相應的內容鏈接。其特點包括：教學內容被組織成包含文字、聲音、圖形、圖像、動畫和視頻等多媒體集成的超文本文件（HTML）文件，使教學內容更為豐富、形象、生動、充實。例如，《計算機文化基礎》講解格式化磁盤或安裝操作系統(tǒng)的相關知識時，由于硬件和時間條件的關系，教師不可能把上課所用的機子格式化后重裝系統(tǒng)演示給學生看，一般都是口頭隨便講解，草草帶過。但學生對這些內容又比較感興趣，這樣，想教無法教，想學又沒學到，教與學出現(xiàn)矛盾！但是現(xiàn)在通過智能教學系統(tǒng)，可以把這些知識點做成步驟詳細的flas作品掛在校園網上，學生通過校園網可以反復多次地觀看，甚至可以下載保存到自己的電腦上，這樣讓學生積極、主動地去學習，從而達到掌握知識和形成技能的目的。通過智能教學系統(tǒng)，我們可以把一些在課堂上很難實現(xiàn)的知識很輕松、容易地教會學生，提高學生的學習積極性。

3.2 學生模型

學生模型是記錄學生的基本信息和學習情況的模塊，根據(jù)學生的學習基礎、能力特征和個性特點智能教學系統(tǒng)要提供最適合學生需要的教學，針對不同的學習個體，做到因材施教，系統(tǒng)就必須充分了解當前的學習對象，需要把學習對象的各種認知特征、知識水平、學習能力等用適當?shù)臄?shù)據(jù)結構記錄下來，作為選擇教學內容和教學方法的依據(jù)。

學生模型在ICAI中構造了一種可靠的表示學生知識水平程度的數(shù)據(jù)結構，它記錄著學生對知識的掌握程度，是學生知識結構的反映。學生模型監(jiān)控學生的學習情況，依據(jù)學習的進度和學生的知識水平能力從試題庫中調出相應的測試內容進行測試，并將測試結果的詳細情況存儲到學生信息庫中，方便教師模型對學生信息的調用。學生模型的構造目的是評估學生的認知狀態(tài)，并發(fā)現(xiàn)學生在認知過程中出現(xiàn)的錯誤。

本系統(tǒng)的學生模型模塊主要用于幫助學生進行個性化的學習活動。主要有兩個方面：(1)學生學習：系統(tǒng)提供多種學習方式供學生進行選擇，根據(jù)學生的選擇系統(tǒng)提供相應的學習資料或課件，給出相應的學習指導。比如，如果學生選擇傳授式學習，那么整個學習過程都處于計算機導師的直接控制之下，相當于傳統(tǒng)的課堂教學下的學習；如果學生選擇探索式學習，那么計算機導師就會提出相應的問題和提示，學生自主地瀏覽相關網頁內容，在這些問題和提示下，完成主動性的學習；(2)學生練習：學生完成一個單元或階段的學習后，系統(tǒng)提供相應的練習題給學生進行練習；在學生提交練習結果后，系統(tǒng)進行評估，給出進一步的學習建議，如果系統(tǒng)評估不過，則學生要重新進行該練習，直到學生掌握了該知識點才能進行下一步的學習，如果系統(tǒng)評估通過，則形成新的有針對性的練習，或者引導學生進入下一單元的學習；同時建立學生的個性化知識庫，使系統(tǒng)能夠進行有效的推理，形成啟發(fā)式的自學策略。

3.3 教師模型

教師模型是模仿人類教師工作的一組程序，存放指導教學序列和教學方法，通過人機交互對知識模型和學生模型的分析，啟動推理機工作，評價學生領域知識的掌握程度，提供指導的教學序列，并在最適當?shù)臅r候顯示最好的指導，進行啟發(fā)式的高水平教學。

本系統(tǒng)的教師模型主要用于輔助教師編寫教案。主要包括：(1)教案生成管理：系統(tǒng)根據(jù)教學知識模型和學生模型，結合已有的教學資源，通過一定的推理機制生成相應的教學策略，輔助教師作出有針對性的教學計劃，編寫個性化的計算機教案，同時提供教案庫的管理和維護功能；(2)素材組織：按照教學知識模型庫將各種類型的教學素材（如聲音、圖形、圖像、視頻等）進行組織和管理，建立教學素材與教學知識點之間的有機聯(lián)系，并提供與常見多媒體課件編輯工具（如PowerPoint、Authorware、Flash）的鏈接，能夠在常見的課件編輯工具中有效地利用已有教學素材。

3.4 交互模型

交互模型實現(xiàn)學生與知識、系統(tǒng)之間的交流，是教與學雙向活動的人機界面。交互模型包括學生交互界面和教師交互界面。

本系統(tǒng)主要有兩種基本的交流工具：(1)教師信箱：學生通過電子郵件的方式與教師之進行交流；(2)電子白板:電子白板是一個虛擬的協(xié)同的交互空間，供教師和學生進行同步或異步方式的交流。對在交流過程中產生的有價值的信息，用戶將其作為知識進行提取存儲起來，供以后再利用。

4 結束語

《計算機文化基礎》是一門基礎性、應用性、操作性比較強的學科，我們要找出一條適合《計算機文化基礎》教學的新路子,充分發(fā)揮學生的主體作用。目前，有關基于Web的智能教學系統(tǒng)的研究和開發(fā)逐漸成為國內外研究的熱點，本文針對《計算機文化基礎》這門課研究探討了一種基于Web的智能教學系統(tǒng)的構造方法，希望能構造出一個高效的基于Web的智能教學系統(tǒng)，從而真正實現(xiàn)《計算機文化基礎》的智能化教學。

參考文獻：

[1] 鄒立坤, 藍嵐. 大學計算機文化基礎教學改革的幾點思考[J]. 保定師范?？茖W校學報,2007,20(4).

[2] 紀莉莉. 人工智能教學系統(tǒng)的探討[J]. 福建電腦,2005,7.

[3] 謝忠新, 王林泉, 葛元. 智能教學系統(tǒng)中認知型學生模型的建立[J]. 計算機工程與應用,2005,3.

[4] 李志平, 劉敏昆, . 基于Web的智能教學系統(tǒng)研究[J]. 計算機工程與應用,2006,2.

[5] 劉寅, 黃燕. 基于Web的智能教學系統(tǒng)知識模型與學習控制[J].計算機工程與設計,2006,27(14).

[6] 王晶. 基于網絡的智能教學系統(tǒng)的研究與開發(fā)[J]. 內蒙古電大學刊,2005,1.

[7] 史玉珍, 陳和平. 基于Web的智能教學系統(tǒng)的研究和設計[J]. 福建電腦,2005,7.

[8] 羅梅, 王萬森. 基于Web的智能教學系統(tǒng)的研究與實現(xiàn)[J]. 研究與設計,2006,22(9).

[9] 況少平. 基于事例推理的智能教學系統(tǒng)之探討[J]. 現(xiàn)代企業(yè)教育,2006,9.

第8篇：人工智能教學策略范文

關鍵詞:網絡教學;智能教學;虛擬教學;多智能體(Multi-Agent);X3D

中圖分類號:TP393文獻標識碼:A文章編號:1009-3044(2010)22-6298-02

1 網絡教學

近年來,隨著網絡技術的日趨成熟,網絡教學逐漸成為人們研究的熱點?，F(xiàn)代網絡教學是隨著計算機網絡技術和多媒體技術的發(fā)展而產生的一種新型的教學形式,以網絡技術為依托,以大量的數(shù)字化教學資源為支撐,采用遠程交互式多媒體現(xiàn)代化教學手段,實現(xiàn)跨越時間和空間的教育傳遞。它與傳統(tǒng)教學的不同之處在于,突破了傳統(tǒng)教育的時空限制,共享優(yōu)秀的教學資源,體現(xiàn)了不可比擬的優(yōu)越性。

但是現(xiàn)代網絡教學尚存在著許多缺陷:教學組織多以單方面呈現(xiàn)教學材料為主,缺乏交互手段;學生不能根據(jù)自己的認知能力和學習需求選擇合適的教學內容,難以達到因材施教; 學習系統(tǒng)、考試系統(tǒng)和協(xié)作交互系統(tǒng)等教學模塊往往自成體系,缺乏知識的交換與共享。

2 虛擬教學

利用虛擬現(xiàn)實技術可以創(chuàng)造與真實環(huán)境相同的虛擬環(huán)境,并提供與該虛擬環(huán)境交互的手段,讓用戶產生身臨其境的感覺。沉浸式虛擬教學系統(tǒng)可以給學生提供具有情境感的學習環(huán)境,學生對虛擬教學環(huán)境的刺激和虛擬教學環(huán)境對學習者的反應實時自然,有利于增強學生的想象力,提高教學效果。

X3D是Web3D協(xié)會制定的下一代VRML97標準,它是下一代的、可擴展的、互聯(lián)網上的 3D圖形規(guī)范。X3D定義了如何在多媒體中整合基于網絡傳播的交互三維內容,整體結構包括四個部分:內核(核心特性集),VRML特性集,應用程序接口和擴展集。一個X3D文件包括header(頭部說明)、scene graph(場景圖)、prototypes(模型)和eventrouting(事件路由)等功能組件,通過X3D瀏覽器表達成真實的3D場景。X3D場景和用戶的交互可通過靜態(tài)和動態(tài)方式兩種方式實現(xiàn)。靜態(tài)方式是通過檢測、感知等節(jié)點的使用實現(xiàn)瀏覽者和虛擬對象的交互功能;動態(tài)方式則是通過一段外部程序邏輯去決定事件的產生,X3D通過自己的API提供給Java程序一個可以訪問X3D瀏覽器的界面和可執(zhí)行環(huán)境。將X3D技術應用于網絡教學中,通過創(chuàng)建虛擬場景,加入交互功能,可以使學生沉浸在友好的虛擬學習環(huán)境中,邊學習理論知識邊進行實際操作,獲得較好的實踐能力鍛煉,從而獲得良好的學習效果。

3 多Agent系統(tǒng)

智能體(Agent)的研究起源于人工智能領域,Agent對自己的狀態(tài)和行為有完全的控制能力,能夠對復雜的刺激進行響應并產生內部狀態(tài)的控制和適應性的行為。廣義Agent的內涵:具有諸如信念(belief),能力(capability),決定(decision)和承諾(commitment)等精神狀態(tài)(mental state)的實體,認為Agent是能夠適應環(huán)境通過學習提高自身能力的實體。多Agent系統(tǒng)(Multi-Agent System,MAS)由多個自主或半自主的智能體組成,具有分析目標、相互通信和協(xié)作完成任務的能力,依靠共同協(xié)商和分治,各Agent實體能夠自主地完成知識推理和任務求解。

將多Agent技術引入現(xiàn)代的網絡化教學中,可以在一定程度上解決傳統(tǒng)教學模式下教學材料單一、教學缺乏互動和難以因材施教等一系列問題,增強網絡學習推薦的智能化和個性化,同時利用了網絡平臺帶給我們的豐富的媒體資源和多彩的表現(xiàn)手段、可以激發(fā)學生的學習興趣,找到適合學生自身情況的教學策略,使學生能在一種交互式的學習環(huán)境中得到更人性化的教學服務。

4 智能虛擬教學系統(tǒng)

智能虛擬教學系統(tǒng)基于客戶端/服務器結構,如圖1所示,整個結構分為四層:客戶層、交互層、多Agent引擎層和服務器層?？蛻舳伺c服務器端通過Internet進行通信。服務器層包括教學數(shù)據(jù)庫服務器、WWW服務器、X3D課件庫、多媒體資源庫、個性推薦模型庫和用戶資料庫。多Agent引擎層是智能虛擬教學系統(tǒng)的核心模塊,包含兩個高層的功能子模塊:交互Agent模塊和協(xié)同管理模塊。交互Agent模塊負責實體Agent(管理員、教師、學生和訪客)進行請求服務和消息通信,協(xié)同管理模塊負責系統(tǒng)安全管理、虛擬行為管理、Agent對象管理和虛擬教學場景控制管理,子模塊之間采用消息傳遞機制進行通信,采用KQML語言來作為Agent之間的通信語言。知識查詢與操作語言(knowledge query and manipulation language,KQML)是一種交換知識和信息的描述性語言,它定義了Agent間傳遞消息的格式和消息處理的協(xié)議。虛擬行為包括用戶的注冊與登陸、用戶個性學習推薦、學生自主學習、教師輔導答疑、作業(yè)完成與提交、學生考核與自主測試、課程導航與特色資源推薦、學習效果個性評價與教學策略推薦、教學資源的調用與維護等。

學生是整個教學環(huán)節(jié)中受教育的主體,學生Agent包括學習習慣、興趣愛好、認知水平、學習進度以及當前情緒等。學生Agent學生的學習行為,任何一個學生登錄進教學系統(tǒng)后,將會創(chuàng)建一個學生Agent,并將該學生的所有學習情況記錄在系統(tǒng)內,保持該學生學習狀態(tài)的延續(xù)性。個性分析Agent負責調用登錄學生的個人資料庫,查看學生以往的學習記錄,不斷地分析用戶的學習狀態(tài),為學生的下一步學習做相應的準備。個性推薦Agent是在學生登錄后生成的,調用個性分析Agent的分析結果來產生個性化推薦,根據(jù)目的不同分為基于知識推薦的Agent和基于相似學習者推薦的Agent,從而實現(xiàn)智能化教學。教學策略Agent將以“教”為主和以“學”為主的教學策略有機結合起來,形成一種新型的教學策略;學習評價Agent分為兩類,一類對學生的學習效果進行評價的Agent,另一類是對教師的工作情況進行評價的Agent,評價的依據(jù)是教學數(shù)據(jù)庫中存儲的評價策略?？荚嚋y試Agent分為試卷子Agent、考試子Agent、注冊子Agent、學生答題子Agent和評分子Agent。試卷子Agent依據(jù)一定的試卷生成算法從試題庫中抽取符合總體難度系數(shù)的試卷,生成考試內容,評分子Agent對試卷結果進行評判,并將結果傳送回數(shù)據(jù)庫和學生Agent。導航Agent的作用是使學生明白自己當前在系統(tǒng)中所處的位置,使學生不至于在繁多的超鏈中迷失。

5 結束語

智能虛擬教學系統(tǒng)在教育領域的應用不僅改變了傳統(tǒng)的教育理念、教育模式和教學方法等,同時也為學生提供了便捷的學習機會、優(yōu)良的教學環(huán)境和豐富的教學資源,使學生的學習活動更加自主化和個性化,是服務于終生教育和構建學習型社會的一種重要技術基礎。

參考文獻:

[1] 林士敏.計算機輔助教學基礎教程[M].浦東電子出版社,2001.

[2] 史忠植.智能主體及其應用[M].北京:中國科學出版社,2000.

[3] 何炎祥,陳莘萌.Agent和多Agent系統(tǒng)的設計與應用[M].武漢:武漢大學出版社,2003.

[4] 胡迎松,韓萍,陳中新.一個基于Agent的個性化推薦系統(tǒng)[J].計算機應用研究,2006,23(4):78-80.

第9篇：人工智能教學策略范文

[關鍵詞]智能教學系統(tǒng)；移動學習；英語學習；案例研究

[中圖分類號]G434　[文獻標識碼]A　[文章編號]1672-0008(2012)03-0066-07

一、引言

智能教學系統(tǒng)(Intelligent Tutoring System，ITS)是在計算機輔助教學的基礎上逐步發(fā)展起來的，是一門涉及人工智能(Artificial Intelligence，簡稱AI)、計算機科學、認知科學、教育學、心理學和行為科學的綜合性課題，也是教育技術學的重要研究領域。其研究的終極目的是由計算機擔負起人類教育的主要責任，在一定程度上代替人類教師實現(xiàn)最佳教學。自20世紀70年代以來，許多國家和地區(qū)如美國、英國、日本和加拿大等都投入了大量的經費，十分重視智能教學系統(tǒng)的研究、開發(fā)，智能教學系統(tǒng)已應用在數(shù)學、物理、工程、化學以及軍事訓練等領域。與國外發(fā)達國家相比。國內對智能教學系統(tǒng)的研究起步稍晚，理論研究仍以借鑒國外成果為主，真正走出實驗室并投入教學實踐的智能教學系統(tǒng)并不多。因此，本文在闡述智能教學系統(tǒng)及其組成架構的基礎上，結合臺灣PIMS移動智能教學系統(tǒng)支持英語學習的個案，介紹系統(tǒng)框架及其在教學中的應用，在分析案例優(yōu)點的同時。提出了研究建議。希望能對智能教學系統(tǒng)的教育應用起到借鑒作用。

二、智能教學系統(tǒng)及其組成結構

智能教學系統(tǒng)產生的歷史可以追溯到上世紀60年代的程序教學(Programmed Instruction，PI)，隨后出現(xiàn)了基于計算機的訓練(Computer Based Training，CBT)和計算機輔助教學(Computer Assisted Instruction，CAI)。智能教學系統(tǒng)的基本框架最初由Hartleyt和Sleeman提出，基本觀點認為ITS必須處理三類知識：第一類是領域知識，即專家模型(ExpertModel)；第二類是學習者知識，即學生模型(Student Model)；第三類是教學策略的知識，即導師模型(Tutor Model)。這是ITS研究的最初框架。在之后的30年里。也成為指導ITS設計與開發(fā)的經典理論。雖然ITS的發(fā)展已有30多年，但關于什么是ITS，目前國內外尚無統(tǒng)一的定義。結合自己的研究實踐。不同的學者提出了不同的看法。觀點分歧主要集中在對ITS中“I”。即智能的理解不同。目前。國內學者普遍接受的觀點是：ITS是一種借助人工智能技術，讓計算機扮演教師的角色實施個別化教學，向不同需求、不同特征的學習者傳授知識，提供指導的適應性學習支持系統(tǒng)(Adaptive Learningsystem)。

不同時期的研究者對于智能的理解各不相同。有學者提出對于智能教學系統(tǒng)中智能的具體要求為：自動生成各種問題與練習；根據(jù)學生的水平和學習情況，選擇、調整學習內容及進度：在理解教學內容的基礎上自動解決問題生成解答：具有自然語言的生成與理解能力，以便實現(xiàn)比較自由的教學問答系統(tǒng)以提高人機交互主動性：對教學內容有解釋咨詢能力；能診斷學生的錯誤，分析原因并采取糾正措施；能評價學生的學習行為：在教學中不斷改善教學策略。上述的八點進一步可歸納為三個“w”，即懂得教學內容(what)、了解教學對象(whom)、知道如何教(how)。ITS最直接和最主要的智能特征是能對學生進行因材施教的個別化指導，ITS的智能集中體現(xiàn)在對學生的評價和診斷能力、教學規(guī)劃能力、自然語言理解能力。強調系統(tǒng)的智能性有利于提高教學系統(tǒng)的有效性、促進人類認知的研究、推動未來教育模式的改進。

ITS是一個復雜的軟件系統(tǒng)，對其組成結構的理解，不同研究者持有不同的觀點。有三模塊說(Hartley&Sleeman etal.)，即認為ITS由學生模型(Student Model)、專家模型(ExpertModel)或領域知識庫(Expert Model or Domain KnowledgeDatabase)以及導師模型(Tutor Model)三部分組成；四模塊說，即在三模塊說的基礎上加了—個人機接口模塊：五模塊說，即在四模塊說的基礎上將專家模型與領域知識庫獨立出來。國內學者對ITS的組結構比較贊同四模塊說，即認為一個典型的ITS系統(tǒng)主要有四個組成部分：專家模型顱域知識)、學生模型、教師模型(教學策略)和智能人機接口。如圖1所示。

學生模型：用于記錄學生的相關信息，反映系統(tǒng)對學生知識狀態(tài)、認知特點和個性特點的了解程度。是導師制定教學策略的依據(jù)。學生模型通常包括三種類型：覆蓋模型(Overlay Model)、微分模型(Differential Model)和攝動模型(Perturbation Model)。學生模型的研究主要包括錯誤診斷、學習過程跟蹤、開放的學習者模型、動機和情感建模等。學生模型是智能教學系統(tǒng)的核心組件，是實施個性化和適應性教學的基礎。

教師模型(教學策略)：根據(jù)一定的教學原理，以學生已有的知識狀態(tài)、認知特點和個性特點為基礎，組織適當?shù)慕虒W內容，采用適當?shù)谋磉_形式，選擇適當?shù)某尸F(xiàn)時機，給予學生個性化的指導。該模塊運行的關鍵在于如何選擇合適的教學策略，即解決如何教的問題。

專家模型(領域知識庫)：表示教學領域的相關知識以及作為專家能夠基于教學領域知識解決有關問題的問題求解知識。專家模型主要完成兩個功能：一是ITS中知識的來源，系統(tǒng)使用專家模塊的知識對學生的行為作出適當?shù)捻憫?，生成相應的問題、任務以及解釋；二是衡量學生知識掌握情況的標準，為了完成該功能，領域專家必須采用與學生相似的方式生成問題的解答，才能進行系統(tǒng)行為與學生行為之間的比較。

智能接口：作為系統(tǒng)與用戶的交互界面，是為其它各個模塊提供智能化的多媒體知識輸入、用戶信息和行為獲取、知識輸出的途徑。智能接口包括自然語言處理技術的應用、人機對話處理、對領域知識庫維護的接口、教學策略的修改接口以及學生模型的初始化處理等。

三、移動智能教學系統(tǒng)的應用案例

PIMS(Personalized Intelligent Mobile-learning System)即移動智能教學系統(tǒng)，系統(tǒng)保留了e-learning的優(yōu)點，能為英語學習提供有效而靈活的學習環(huán)境，充分發(fā)揮移動學習的優(yōu)勢。擴展學生的英語詞匯量，提高學生的英語閱讀能力。

(一)系統(tǒng)概述

近年來，隨著網絡社區(qū)的迅速發(fā)展，越來越多的用戶借助無線網絡，利用掌上電腦或手機瀏覽網頁或檢索網絡信息。同樣地，教育技術的發(fā)展趨向也日益便攜化、移動化、個性化。這些趨勢導致了學習方式的變革，從傳統(tǒng)的課堂教學走向數(shù)字化學習、移動學習和泛在學習。在這些新穎的學習方式中。移動學習已被視為一種靈活有效的學習方式。能夠突破時空的限制，方便學習者在任何時間、地點，利用空閑時間展開學習活動。

在英語作為非母語的國家，英語已經成為最重要的第二語言。如何利用計算機輔助學習的方式或以計算機為學習工具促進英語學習水平的提高已成為熱點話題，也是影響國家整體競爭力的重要因素。近年來，國外已有學習者成功地提出利用移動學習支持課堂外的英語學習活動，比如TenseITS即是專為中國人學習英語而設計的移動智能教學系統(tǒng)：手機輔助語言學習系統(tǒng)等等。任何語言都包括聽、說、讀、寫四大技能。然而閱讀能力和詞匯知識是兩個重要的影響英語成績的因素。換言之，閱讀能夠豐富詞匯，掌握詞匯又能促進閱讀理解。在下文中，為了表述方便，英語作為母語的國家，用L1表示，英語作為第二語言的國家，用L2表示。

為了解決英語學習中的閱讀能力和詞匯問題，有的學者提出英語學習的最好方法是“短時間、高頻率”，也就是每天學習幾分鐘比一個月一次學習數(shù)小時效果顯著。將上述提出的學習方法與移動學習整合，本案例基于模糊項目反應理論(Fuzzy Item Response Theory，簡稱為FIRT)，提出了個性化智能移動教學系統(tǒng)(Personalized Intelligent Mobile-learning Sys-tem，簡稱為PIMS)。網絡蜘蛛根據(jù)模糊項目反應理論，從相關英語新聞網站檢索英語新聞文章提供給PIMS，同時，能自動發(fā)現(xiàn)并抽取學習者不認識或不熟悉的詞匯，通過加強詞匯的學習，促進學生英語閱讀能力的提升。實驗結果表明，PIMS系統(tǒng)有益于提升學生的英語新聞閱讀能力，擴大英語詞匯量，學生的學習興趣明顯提高。

(二)PIMS的系統(tǒng)結構與設計

PIMS系統(tǒng)包括三個組成部分，即遠程課件服務系統(tǒng)、客戶移動學習系統(tǒng)、數(shù)據(jù)同步，如圖2所示，PIMS系統(tǒng)結構圖詳細描述了每個部分的結構?？蛻粢苿訉W習系統(tǒng)由四個智能和四個數(shù)據(jù)庫組成，系統(tǒng)基于模糊項目反應理論，向不同的學習者推薦不同難度的英文新聞，以分別提高他們的閱讀能力和詞匯量。遠程課件服務系統(tǒng)由三個智能和一個數(shù)據(jù)庫組成，網絡蜘蛛能自動從因特網收集英語新聞，提供給遠程課件、用戶檔案數(shù)據(jù)庫，系統(tǒng)還能根據(jù)英語新聞難度測量預案對英語新聞進行難度參數(shù)的評估。為了實現(xiàn)離線學習，數(shù)據(jù)同步負責保持客戶端和服務端數(shù)據(jù)的一致性。

1.遠程課件服務系統(tǒng)

圖2的右邊部分揭示了遠程課件服務系統(tǒng)的結構，包括英語新聞網絡蜘蛛、英語新聞難度評估、課件管理、遠程課件和用戶檔案數(shù)據(jù)庫。目前，臺灣許多網站免費提供大量英語新聞，并有相應的中文翻譯，比如FTV和CTV英語網站，中文翻譯有助于中文讀者(L2)對英文新聞的閱讀和理解。為了給遠程課件和用戶檔案數(shù)據(jù)庫構建豐富的英語課件，網絡蜘蛛能自動從因特網收集英語新聞并提取英語新聞中的元數(shù)據(jù)：英語新聞難度評估能根據(jù)臺灣全民英檢網的詞匯等級水平，在對閱讀難易計算公式改進的基礎上，自動測量英語新聞的難度參數(shù)，基于模糊項目反應理論的難度參數(shù)的測量有利于向不同的學習者推薦合適的英語新聞：最后，課件管理提供了友好的課件管理界面。方便教師從遠程課件和用戶檔案數(shù)據(jù)庫創(chuàng)建新的課程單元，下載、修改或刪除課件。

2.客戶移動學習系統(tǒng)

圖2的中間部分展現(xiàn)了客戶移動學習系統(tǒng)的結構，包括學習界面、個性化詞匯推薦、個性化課件推薦、反饋等四個智能和用戶檔案、詞匯、本地課件、用戶帳號等四個數(shù)據(jù)庫。學習界面為已注冊帳號的學生提供了靈活的學習界面，實現(xiàn)了與反饋、個性化詞匯推薦、個性化課件推薦的交互。學習界面能展現(xiàn)個性化課件推薦推薦的英語新聞，收集學習者的學習反應、學習新詞匯、檢測學生對新詞匯的掌握：反饋負責收集學習者的精確反饋信息。包括英語新聞的難度水平和學習者的理解程度。并且保存到用戶檔案數(shù)據(jù)庫：個性化課件推薦從本地課件數(shù)據(jù)庫中推薦個性化的課件給不同的學習者，根據(jù)學習者的反饋，評估學習者的學習能力；最后，為了促進詞匯學習，根據(jù)個性化詞匯學習系統(tǒng)對學習者詞匯能力的評估以及詞匯的難易參數(shù)，個性化詞匯推薦從學習者所學的英語新聞中提取對學習者來說不熟悉的詞匯。個性化詞匯學習系統(tǒng)能運用項目反應理論和學習記憶規(guī)律，激發(fā)學生的學習興趣，提高學生的學習成績。該系統(tǒng)也成功地運用在利用掌上電腦(PDA)進行個性化英語詞匯學習的活動中。

如果在英語新聞中出現(xiàn)的詞匯難度參數(shù)大于當前學習者的詞匯能力，那么這些詞匯被視為生詞呈現(xiàn)給學習者，而且在學生完成詞匯學習后，檢查詞匯界面將檢測學生是否已經掌握了所學生詞，同時，通過數(shù)據(jù)同步。新掌握的詞匯同時被記錄在客戶端和服務端的用戶檔案數(shù)據(jù)庫中，以避免在下一學習周期中重復學習。目前，系統(tǒng)詞匯庫從臺灣全民英檢網的詞匯庫中收集了八千多個詞匯，并且都有相應的中文翻譯和難度參數(shù)。客戶移動學習系統(tǒng)的學習過程見圖3。

(三)PIMS教學應用實驗

1.英語新聞收集及課件管理系統(tǒng)

目前，遠程課件、用戶檔案數(shù)據(jù)庫中存儲有2792篇英語新聞。用于支持有效的英語新聞閱讀學習，圖4展現(xiàn)了由英語新聞難度評估對2792篇英語新聞的難度評估及難度分布，已收集的2792篇英語新聞難度參數(shù)分布在-1.70至＋2.68之間，相對一致的難度參數(shù)的分布有利于給不同學習者推薦合適的英語新聞。圖4中，-3代表最容易的，＋3代表難度最大的，0代表難度適中，已收集的2792篇英語新聞比日常英語文章難度稍大些，不適合英語閱讀能力較差的學習者。在本實驗中，由經驗豐富的高校英語教師從2792篇英語新聞中選擇了47篇作為閱讀課件材料，難度參數(shù)平均分布在－1.70至＋2.68之間。

2.研究對象與研究局限

為了評估PIMS系統(tǒng)的學習效果，本研究通過召開班會，首先交代研究背景、研究動機、實驗過程，接著利用PDA演示PIMS系統(tǒng)，然后從35名大學三年級英語師范專業(yè)的學生中征集到15名志愿者參與本次實驗。在15名志愿者中，男生2名，女生13名，學生的第一語言都是漢語，年齡在21至23歲之間。因為PDA價格比較昂貴，所以本次研究只選取了15名學生作為研究對象，由于樣本數(shù)比較小，所以實驗結果不適宜推廣或解釋其他案例。此外，15名學生沒有或很少有使用PDA的經驗，在操作PDA學習英語的過程中可能會有一定障礙，并且研究對象都是未來的小學英語老師，至少已經接受了三年英語聽、說、讀、寫的訓練，既然研究的參與者是自愿的，同時都是英語師范專業(yè)，他們對運用新的學習工具進行英語閱讀練習充滿興趣，因此具有很高的學習動機。另外。本研究在PDA上只提供靜態(tài)文本。不提供任何聲音。因此英語新聞的播音對英語新聞閱讀理解的支持作用不屬本研究的考慮范圍。

3.實驗設計

學習成績的實驗評估過程如圖5所示，前測和后測的試題由十個選擇題構成，分別從十篇英語新聞中隨機選擇，試題由經驗豐富的英語老師來命題。經過統(tǒng)計分析，前測、后測的試卷具有相同的難度系數(shù)，前測、后測的測試時間都為15分鐘。

在進行實驗之前，每一位研究對象都接受了2小時的培訓，學習操作PDA和PIMS系統(tǒng)，然后進行前測，測量學生初始的英語新聞閱讀能力。經過培訓和前測后，每個研究對象分發(fā)到一個PDA，在隨后的五星期內，借助PIMS系統(tǒng)，進行英語新聞閱讀學習。換言之，學習者可以在任何時間、任何地點自由地利用智能移動學習系統(tǒng)進行泛在學習，同時，在學習過程中系統(tǒng)借助學習者的學習檔案記錄來監(jiān)督學習者的學習狀態(tài)。教師也可以觀察學習者的學習記錄，如果一個學習者在兩天內沒有登錄系統(tǒng)，系統(tǒng)會自動發(fā)e-mail給予提醒。五個星期以后，通過后測評估15名學生英語新聞閱讀能力，通過問卷調查測量他們對學習的滿意度。

4.學習評價

(1)學習成績評價。圖6展示了前測和后測學習成績的比較。后測的結果顯示：15個參與者的語言能力與開始時的英語閱讀能力相比具有明顯的差異，除了05號學生以外，其余學生的后測成績都比前測成績好。分析其原因，05號學生沒有和其他同學一起參加后測，隨后單獨進行后測。在后測過程中。該生注意力非常不集中，由于不明的心理或私人的原因，05號學生后測僅做了20分鐘左右，導致后測的成績非常差，05號學生的后測成績視為干擾，統(tǒng)計分析時忽略不計。

圖7展示了三個英語學習能力不同的學生(02號閱讀能力低、04號閱讀能力中、07號閱讀能力高)隨著時間的推移其英語學習能力的變化曲線，02號閱讀能力低的學生閱讀能力提升的速度與04、07號學生相比要慢些。07號閱讀能力高的學生與其他兩位學生相比，其閱讀能力提升的速度是最快的。值得注意的是，當推薦的英語新聞難度太大學生不能理解時，學生的閱讀能力就會下降，直到給予個性化學習策略，學生的閱讀能力才會提升。然而，實驗結果顯示：經過31個小時的學習，三個被觀察的學習者雖然英語閱讀起始能力不同。但逐漸達到相同的閱讀能力如何。結果表明，不管學習者原始的閱讀能力如何，PIMS系統(tǒng)給不同的學習者推薦合適的新聞文章可以促進學習者閱讀能力的提升。

為了進一步檢驗前測和后測的成績差異，利用SPSS軟件來分析前后測的成績。表1列出了前后測配對樣本的統(tǒng)計信息(N=14)，前測和后測學習者的平均成績分別為65和76.4，標準差分別為16.05和13.36。表2給出了前后測配對樣本的t檢驗。研究發(fā)現(xiàn)，前后測成績平均值差異為-11.43，自由度為13，t為-2.51，P為0.026。換言之，利用推薦的PIMS系統(tǒng)。學習者學習成績的提升達到顯著性差異水平，測試成績平均分提升11.43分。

為了理清PIMS系統(tǒng)是否對不同學習能力的學習者提供不同的學習成績，利用卡方聚類方法，根據(jù)前測成績把15個學習者分成三類，表3展示了基于前測成績的分類結果。表4展示了三類小組的統(tǒng)計信息。較另外兩組相比，前測成績比較低的小組在閱讀英語新聞總數(shù)平均值、詞匯學數(shù)的平均值、進步成績的平均值等方面取得了更好的成績。換言之，在學習成績提高方面，PIMS系統(tǒng)為初始英語閱讀能力低的學習者提供更大的幫助。

(2)問卷分析。為了評價學生對PIMS系統(tǒng)的滿意度，參照Chen’s et al.的研究，設計問卷，問卷從五個方面設計了21個問題，衡量PIMS系統(tǒng)能否滿足用戶的需求。這五類問題包括：使用PDA的個人信息，4個問題：系統(tǒng)操作的方便性，5個問題；學習者使用PIMS系統(tǒng)學習的學習態(tài)度，7個問題；系統(tǒng)的優(yōu)點和缺點，4個問題；學生對實驗前和實驗后英語閱讀能力的自我評價。

調查結果顯示。學生對系統(tǒng)操作方便性的滿意度達81.32％：75.21％的學生認為PIMS系統(tǒng)對英語學習的態(tài)度和興趣有促進作用：大多數(shù)學習者認為PIMS提供了友好的界面，有效的學習機制、提高了學習動機和興趣，尤其是相應的中文翻譯加深了英語閱讀的理解程度，同時也對系統(tǒng)提出了一些建議，比如增加字典功能、增加發(fā)音輔助聽力理解等；最后，采用SPSS軟件統(tǒng)計分析學生對實驗前和實驗后英語閱讀能力的自我評價，通過配對樣本統(tǒng)計和配對樣本t檢驗，大部分學習者認為利用PIMS系統(tǒng)學習英語。英語新聞的閱讀能力有了明顯的提升。

四、PEVIS教學應用案例分析

目前，在智能教學系統(tǒng)研究和應用尚不夠完善的情況下，PIMS系統(tǒng)建立了智能導師與學生之間一對一的“師生”關系，值得學習借鑒。

(一)重視學生初始學習能力的評估

學生初始學習能力的評估通常利用一些經過測量理論校定的測試練習題對學生進行測試。并根據(jù)學生的反應情況來估測學生能力以及對領域知識的掌握程度。在PIMS系統(tǒng)中。通過前測了解學生初始英語閱讀能力和詞匯掌握情況。在一個學習循環(huán)結束時。理解測試練習和詞匯測試又將結果反饋給個性化詞匯推薦、個性化課件推薦、用戶檔案數(shù)據(jù)庫。系統(tǒng)了解的學生的認知狀態(tài)，教學模型就可以正確地評價學生對知識的理解程度，以便進一步推薦適宜學生的英語閱讀材料，同時教學模型還可以通過學生模型診斷學生在學習過程中所形成的錯誤概念。為學生提供相應的補習，以便使學生建立正確的概念。

注重學生初始學習能力的評估有助于確定教學起點，符合采用系統(tǒng)方法設計教學的思想。運用系統(tǒng)觀點看待教學的好處是能夠把握教學過程中學生、教師、教學材料、學習環(huán)境等要素，并且各個要素之間必須有效地發(fā)生相互作用。在智能教學系統(tǒng)中，學生模型是智能教學系統(tǒng)的核心部件，它記錄了學生的認知狀態(tài)。反映了學生的學習進度、知識的熟練程度、存在的誤解以及與期望目標之間的差距。為系統(tǒng)對學習內容進行動態(tài)組織提供重要依據(jù)。

(二)動態(tài)生成適應性學習內容

動態(tài)生成適應性學習內容是指智能教學系統(tǒng)根據(jù)學生初始學習能力的評估結果以及學生的學習檔案記錄，動態(tài)地組織、呈現(xiàn)與學習者當前學習能力最相關的學習內容。它包括兩方面的內容：在學習內容的選擇上，系統(tǒng)根據(jù)學習歷史記錄和能力評估結果，選擇學生沒有掌握或是沒有學習過的學習內容，這些學習內容是與當前學生能力最接近的：在學習內容的組織上，系統(tǒng)將根據(jù)對學生估測的能力和學生的認知風格，選擇最適合學習者的內容呈現(xiàn)方式。在PIMS系統(tǒng)中，個性化課件推薦根據(jù)前測了解到的學生初始英語閱讀能力和詞匯能力，推薦難度適宜的英語閱讀材料，在下一個學習循環(huán)開始時，個性化課件推薦再根據(jù)上一循環(huán)的反饋結果，進一步作合理推薦。

一方面。動態(tài)生成適應性學習內容符合維果斯基的“最近發(fā)展區(qū)”的教育理論。維果斯基將學生的實際發(fā)展水平與潛在發(fā)展水平相交疊的區(qū)域稱為“最近發(fā)展區(qū)”。這個發(fā)展區(qū)存在于學生已知與未知、能夠勝任和不能勝任之間。發(fā)展的過程就是不斷將最近發(fā)展區(qū)轉化為現(xiàn)有發(fā)展區(qū)的過程，把未知轉化為已知、把不會轉化為會、把不能轉化為能的過程。另一方面，動態(tài)生成適應性學習內容還有效解決了學習者的認知超載問題。認知負荷是指人在信息加工過程中所必需的心理資源的總量。

資源有限理論認為，人的認知資源(主要表現(xiàn)在工作記憶容量上)是有限的，而任何學習和問題解決活動都要消耗認知資源，都有可能造成認知上的負荷，如果加工某種信息所需要的認知資源超過了人本身所具有的認知資源的總量。就會造成認知超載(Cognitive Overload)。從而影響學習的效果和效率。根據(jù)影響認知負荷的基本因素，可將認知負荷分為三類：內在認知載(Intrinsic Cognitive Load)、外在認知負荷(Extraneous Cognitive Load)和關聯(lián)認知負荷(GermaneCognitive Load)。內在認知負荷是在學習材料的內在性質與學習者的專業(yè)技能之間的相互作用中產生的，負荷的大小取決于工作記憶中同時被處理的信息數(shù)量以及與已存在的圖式聯(lián)系。動態(tài)生成適應性學習內容能有效地減輕學生的內在認知負荷，符合因材施教的個別化教學原則。

(三)動態(tài)調整學習策略

學習策略是針對特定的學習內容為學生進行學習時所采取的方法。一般來說，不同的學生。根據(jù)自己不同的學習風格，采取的學習策略是不一樣的，同一學生在不同時期內所采用的學習策略也可以不同，甚至同一學生在學習同一學習內容時，也可采取多種學習策略。PIMS系統(tǒng)充分發(fā)揮了智能教學系統(tǒng)與移動學習兩者的優(yōu)勢。一方面。智能教學系統(tǒng)能夠支持學習者開展自主學習、協(xié)作學習和探究性學習等多種學習策略。為學習者提供豐富的資源和學習建議：另一方面，移動學具備了數(shù)字化學習的所有特征之外，還有它獨一無二的特性，移動學習提供基于短信、文本、圖像等的學習方式，學習者不再被限制在電腦桌前，可以自由自在、隨時隨地進行不同目的、不同方式的學習。學習環(huán)境是移動的，學生也是移動的，學習者可以根據(jù)不同的學習狀況，動態(tài)地調整自己的學習時間、學習地點。每個學生可以自己控制學習的步調，再結合英語學習“短時間、高頻率”的學習特點，特定的學習內容以適當?shù)姆绞匠尸F(xiàn)，以靈活的學習策略促進學習者主動學習，實現(xiàn)對知識的意義建構。

(四)關注智能教學系統(tǒng)的教學應用及其效果

從文獻分析來看，目前國內智能教學系統(tǒng)的研究主要關注理論基礎及系統(tǒng)模型的研究，不少論文對智能教學系統(tǒng)的系統(tǒng)架構和實現(xiàn)技術、學習模式、教學設計等方面研究較多，但很少關注系統(tǒng)的教學應用及其效果，從而使研究缺少實踐的支撐。相比之下，在本個案中設計了相應的教學應用實驗，以檢驗系統(tǒng)的應用效果，并發(fā)現(xiàn)系統(tǒng)設計的不足。個案首先介紹系統(tǒng)的使用方法、英語新聞的收集方法、課件管理系統(tǒng)對英語新聞的管理和系統(tǒng)的界面，接著明確實驗對象和實驗的限制，以生動直觀的圖表形式交待實驗設計、數(shù)據(jù)統(tǒng)計和檢驗，通過學習成績評估了解系統(tǒng)在教學中的應用效果。通過問卷調查，了解學生對系統(tǒng)操作方便性的看法、學習者使用PIMS系統(tǒng)的學習態(tài)度、系統(tǒng)的優(yōu)點和缺點和學生對實驗前和實驗后英語閱讀能力的自我評價，從而為智能教學系統(tǒng)的進一步完善打下基礎。實驗證明，PIMS系統(tǒng)為不同的學習者推薦的英語新聞有利于學生的學習，可以減少認知負荷，增進學習效果，提高學習興趣。

五、小結

PIMS移動智能教學系統(tǒng)支持英語學習的研究，在系統(tǒng)構架、技術實現(xiàn)和教學應用方面，都為我們提供了良好的參考模型。系統(tǒng)基于模糊項目反應理論，合理地評估學習者的原始英語閱讀能力，根據(jù)學習者反饋信息和英語新聞難度系數(shù)。因人而異地推送難度適宜的英語新聞。減輕了學生的認知負擔。激發(fā)學習者的學習動機和閱讀興趣。提高了學習效果。同時。移動智能教學系統(tǒng)提供的泛在學習環(huán)境。使英語學習突破時間、空間的限制，真正實現(xiàn)無時無處不在的泛在學習。