（计算机应用技术专业论文）基于网络的智能计算机辅助教学系统.pdf

内容摘要 自从2 0 世纪7 0 年代第一个有关地理知识教学的智能教学系统问世以来， i c a i 就成为计算机辅助教学领域的研究热点。在我国，计算机辅助教学对于一 个十四亿人口的大国来说，无论是对学校教育还是社会教育都具有特别重要的意 义。 然而，现行的计算机辅助教学软件，在不同程度上存在着教学适应能力低、 教学交互性差等弊病，这在很大程度上限制了学生主体性学习的发展，很难有效 地改善学生认知结构，培养学生推理能力，分析问题、解决问题的能力，更难培 养学生的创造力、元认知能力。 本文给出了一个基于网络的智能计算机辅助教学系统( i n t e l l i g e n t c o m p u t e ra s s i s t e di n s t r u c t i o n ) ，提高了教学适应能力和教学上的交互性，达 到的基本功能为：可以根据不同的学生生成与之相适应的教学方案；可以动态对 学生认知能力进行评价；可以双向主动进行教学；能简单诊断学生错误，分析原 因；可以扩展教学内容等。 同时本文在智能计算机辅助教学系统开发中，对自动推理技术和试题生成算 法在理论与实践方面作了有益的探讨和尝试：探讨了常用的推理方法对教学方法 的选择，并实现了基于规则的推理方法运用于教学方法的选择上；从试题生成的 有效性和速度两方面分析了现在一些常用试题生成算法，同时还给出了一种基于 遗传算法的试题生成的数学模型，大大地提高了试题生成的有效性和速度。 本系统的使用能有效地改善原有认知结构，注重培养学生分析问题、解决问 题的能力。对其他智能计算机辅助教学系统的研究者和开发者有一定借鉴作用。 【关键词】i c a i ；n b i c a i $ ；自动推理：认知能力；遗传算法 a b s t r a c t i c a i ( i n t e l l i g e n tc o m p u t e ra s s i s t e di n s t r u c t i o n ) h a sb e e nh o ti nt h er e s e a r c ho f c a i ( c o m p u t e ra s s i s t e di n s t r u c t i o n ) s i n c et h ef i r s tg e o g r a p h i c a lt e a c h i n gs y s t e m c a m ei n t ou s ei n1 9 7 0 s c a ii sp a r t i c u l a r l ys i g n i f i c a n tt oo u r c o u n t r yw i t hs u c hal a r g e p o p u l a t i o no f1 4b i l l i o nb o t hi ns c h o o l i n ga n di ns o c i a le d u c a t i o n h o w e v e r , t h ed e f i c i e n c yo fi t sa d a p t a t i o na n di n t e r a c t i o ni nc u r r e n tc a s o f t w a r e t e n d st or e s u l ti nt h eb o u n d i n go fs t u d e n t b a s e ds t u d ya n dt h ee f f i c i e n ti m p r o v e m e n t i n s t u d e n t s c o g n i t i v es t r u c t u r ea n da b i l i t yo fr e a s o n i n g ，a n a l y z i n ga n ds o l v i n g p r o b l e m s ，c r e a t i o na n dm e t a c o g n i t i o n t h i sp a p e rp r o p o s e san e t w o r k b a s e di c a is y s t e mi nw h i c ht h ei n t e r a c t i o n b e t w e e nt e a c h i n ga n dl e a r n i n gi sh i g h l yi m p r o v e dw i t ht h ef o l l o w i n gf u n c t i o n s ： d i f f e r e n tt e a c h i n gs c h e m e sa r eg e n e r a t e dc o r r e s p o n d i n gt od i f f e r e n ts t u d e n t s ；s t u d e n t s k n o w l e d g ei se v a l u a t e dd y n a m i c a l l y ；t e a c h i n ga n dl e a r n i n gi sc o n d u c t e da c t i v e l ya n d i n t e r a c t i v e l y ；a d e q u a t er o o mf o re x t e n s i o na n de x p a n s i o ni s l e f tf o rt e a c h e r sa n d s t u d e n t s i nt h em e a n t i m e ，t h ep a p e rh a sb o t hi nt h e o r ya n di np r a c t i c em a d eaf a v o r a b l e d i s c u s s i o no na n de x p e r i m e n tw i t ht h ea u t o m a t i cr a t i o c i n a t i o na n dg e n e r a t i o no fe x a m q u e s t i o n si nt h ed e v e l o p m e n to fi c a s o f t w a r e ：d i s c u s s i n gt h et e a c h i n gm e t h o d o l o g y f o rc o m m o nr e a s o n i n ga n dp u t t i n gi n t ou s et h ea p p l i c a t i o no fr u l e - b a s e dr e a s o n i n gt o t h ec h o i c eo ft e a c h i n gm e t h o d s ；a n a l y z i n gs o m ec o m m o na l g o r i t h mf o rt h eg e n e r a t i o n o fe x a mq u e s t i o n sf r o mt h ep o i n to fv i e wo ft h eg e n e r a t i o ne f f i c i e n c yo fs p e e d ，a n d p r o p o s i n g am a t h e m a t i cg e n e r a t i o nm o d e lo nt h eb a s i so fh e r i t a g ea l g o r i t h m t h ea p p l i c a t i o no ft h ep r o p o s e ds y s t e mi ss u p p o s e dt oe f f i c i e n t l yi m p r o v e s t u d e n t s 7o r i g i n a lc o g n i t i v es t r u c t u r e ，l a y i n gs t r e s su p o nt h ed e v e l o p m e n to ft h e i r a b i l i t yo fa n a l y z i n ga n ds o l v i n gp r o b l e m s t h es y s t e mi sa l s oo fr e f e r e n c ev a l u et o i c a ir e s e a r c h e r sa n dd e v e l o p e r s ， k e y w o r d s i c a i ：n b i c a i s ：a u t o m a t i cr e a s o n i n g ；c o g n i t i v ea b i l i t y g e n e t i ca l g o r i t h m i i 学位论文独创性声明 本人所呈交的学位论文是我在导师的指导下进行的研究工作及取得 的研究成果。据我所知，除文中已经注明引用的内容外，本论文不包含 其他个人已经发表或撰写过的研究成果。对本文的研究做出重要贡献的 个人和集体，均已在文中作了明确说明并表示谢意。 作者签名：j y 啦日期： 学位论文授权使用声明 加巧1 j 牛 本人完全了解华东师范大学有关保留、使用学位论文的规定，学校有 权保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸 质版。有权将学位论文用于非赢利目的的少量复制并允许论文进入学校 图书馆被查阅。有权将学位论文的内容编入有关数据库进行检索。有权 将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适用本规 定。 学位论文作者签名：奠笼寝争 导师签名 日期：型戛：曲生 日期：。2 翘! 丛z j 第1 章绪论 1 1 本文的研究背景 1 1 1 环境背景 近年来，传统的计算机辅助教学正在发生着巨大的变化，这种变化主要是由 以下两个方面的原因引起的： 1 在教育理论上，越来越多的认知理论的研究成果认为：建构主义理论更 加符合人的学习、认知规律，学习者与周围环境的交互作用对于学习内容的理解， 即对知识意义的建构起着关键的作用。教师与学生同处在一个课堂的环境中，就 构成了一个学习群体，在这个学习群体中，所有成员共同批判地考察各种理论、 观点、信仰、假说，进行协商和辩论，先内部协商，即自己首先对知识进行消化 理解，得出满意的结论，再相互协商，即对别人的观点做出分析和评论。通过这 样的学习环境，个体的思维与智慧就可以被整个群体所共享，按照建构主义的观 点这就是该学习群体共同完成对所学知识的意义进行建构的过程。建构主义这一 理论促使教师、学生和媒体三者之间的关系发生了根本性的变化，教师从传统的 知识授予者转化为学习的促进者，学生不再是被动的知识接受者而是意义的主动 建构者，媒体则由原来的简单的辅助工具向复杂的教学环境发生迁移。实践证明， 合理组织的合作群体学习的结果与个别化学习和竞争性学习相比，具有更高的学 习效率和效果。 2 以计算机为基础的信息技术正在强烈地改变着世界，计算机产业的蓬勃 发展给各国带来了巨大的机遇与挑战，尤其是计算机网络技术的广泛应用，模糊 了国与国之间的边界，缩短了人们之间的距离，使人与人之间的交流更加快捷， 更加便利，也使人们所能接触的信息量剧增。计算机网络对人类的生产、工作、 教育模式都将产生极其深刻的影响。 因此，以信息网络为基础的现代化教育手段已经出现并得到了广泛的运用。 以信息网络为基础的教育模式能够较好地适应信息社会对教育所提出的要求，对 于培养2 l 世纪的新型人才和进行劳动力培训提供了新的手段和方法。世界各国 尤其是发达国家无不对此给予高度的重视，投入了充分的资余和人力，进行信息 网络的教育应用研究与开发。 本文就是在这样的背景下孕育而生，提出了基于i n t e r n e t 的计算机基础 i c a i 系统的设计。 1 1 2 课程背景 计算机基础这门课程在安徽省高校各系均需开设，因此教师需求量较大， 而安徽省高校计算机教师又相对欠缺。另一方面，学生起点相差大，有的已掌握 了计算机基础这门课的大部分知识，而有些学生连计算机还没碰过，学生在 网络上自己学习这门课已势在必行。除此之外，计算机基础这门课程还存在 教材变动快的特点，计算机基础中的主要内容是基本硬件介绍和常用软件的 使用。而计算机发展速度快，每一年硬件和软件都有大幅度的变化，从而带动教 材的不断更新。从以上几点考虑，开发出基于i n t e r n e t 的计算机基础i c a i 是非常必要的。遗憾的是当前计算机基础辅助教学软件多是传统意义上的 c a i 课件，不能针对不同的学生特点设置学习内容，不能对学生的学习过程进行 评价，不能在授课上取代教师。因此我校在2 0 0 3 年己开始进行基于i n t e r n e t 的 计算机基础i c a i 项目开发，并要求此项目最终可兼容多学课的智能辅助教 学。本系统就是此项目中一个主要部分。 1 2 传统c a i 介绍 现在市场上所见到的大部分课件是传统的c a i 课件，它是从斯金纳 ( s k i n n e r ) 程序教学的基础上发展起来的，明显地带有条件反射学习理论的烙 印。从1 9 5 8 年美国i b m 公司设计的第一个由i b m 6 5 0 计算机担任的教学系统至今， c a i 的发展己近半个世纪，c a i 设计所依据的理论仍停留在2 0 世纪5 0 年代兴起 的程序教学上，它是以程序教学和视听教育为基础，从认知论的角度开发程序式 c a i 系统。虽然与传统教学手段相比，c a i 在信息的呈现、个别化教学、即时反 馈、人机对话以及学生参与教学等方面都具有一些潜在的优越性，但随着c a i 应 用范围的不断扩大，其局限性逐渐显现出来。虽然c a i 在教学中发挥了很大的作 用，但都存在着以下几个缺陷“3 。 1 缺乏适应能力。当学生使用一个c a i 课件进行学习时，通常只能按照既 定步骤顺序执行，课件各页面之间的流动是固定的。一旦设计好，就无法改变， 且对所有学生都一视同仁。不能根据不同学生的实际情况和学习中的不同阶段进 行动态调整，因而也就不能真正做到因材施教。虽然有的课件可预先把学生分成 几个层次进行学习或通过菜单让学生自己选择学习内容，但其划分明显不细，且 l 1 z 课程背景 计算机基础这门课程在安徽省高校各系均需开设，因此教师需求量较大， 而安徽省高校计算机教师叉相对欠缺。另一方面，学生起点相差大，有的己牮握 了计算机基础这门课的大部分知识，而有些学生连计算机还没碰过，学生在 网络上自己学习这门课已势在必行。除此之外，计算机基础这门课程还存在 教材变动快的特点，计算机基础中的主要内容是基本硬件介绍和常用软件的 使用。而计算机发展速度快，每一年硬件和软件都有大幅度的变化，从而带动教 材的不断更新。从以上几点考虑开发出基于i n t e r n e t 的计算机基础i c a i 是非常必要的。遗憾的是当前计算机基础辅助教学软件多是传统意义上的 c a i 课件，不能针对不同的学生特点设置学习内容，不能对学生的学习过程进行 评价，不能在授课上取代教师。因此我校在2 0 0 3 年己开始进行基于i n t e r n e t 的 计算机基础i c a i 项目开发，并要求此项目最终可兼容多学课的智能辅助教 学。本系统就是此项目中一个主要部分。 1 2 传统c a i 介绍 现在市场上所见到的大部分课件是传统的c a i 课件，它是从斯金纳 ( s k i n n e r ) 程序教学的基础上发展起来的，明显地带有条件反射学习理论的烙 印。从1 9 5 8 年美国i b m 公司设计的第一个由i b m 6 5 0 计算机担任的教学系统至今， c a i 的发展已近半个世纪，c a i 设计所依据的理论仍停留在2 0 世纪5 0 年代兴起 的程序教学上，它是以程序教学和视昕教育为基础，从认知论的角度开发程序式 c a i 系统。虽然与传统教学手段相比，c h i 在信息的呈现、个别化教学、即时反 馈、人机对话以及学生参与教学等方面都具有一些潜在的优越性，但随着c a i 应 用范围的不断扩大，其局限性逐渐显现出来。虽然c a i 在教学中发挥了很大的作 用，但都存在着以下几个缺陷“。 1 缺乏适应能力。当学生使用一个c a i 课件进行学习时，通常只能按照既 定步骤顺序执行，课件各页面之间的流动是固定的。一旦设计好，就无法改变， 且对所有学生都一视同仁。不能根据不同学生的实际情况和学习中的不同阶段进 行动态调整，因而也就不能真正做到因材施教。虽然有的课件可预先把学生分成 几个层次进彳亍学习或通过菜单让学生自己选择学习内容，但其划分明显不细，且 几个层次进行学习或通过菜单让学生自己选择学习内容，但其划分明显币细，且 不能根据学生的当前水平和学习中的变化去指导学生，生成适合于他们的题目。 缺乏适应能力是当前c a i 课件的普遍问题。 2 缺乏交互能力。当前不少c a i 课件人机交互能力差，表现在学生使用c a i 课件的学习是被动的。学生仅能输入选择答案或是填空内容，而不能对一些具有 个性思维的问题进行解答，特别是在课堂教学中，一般只能通过教师控制课件流 程的操作，学生简单输入答案的方式进行。人机交互本应是c a i 的优势，但目前 却显得过于简单。 3 缺乏创造能力。当前，创造教育己被公认为是培养高素质创新人才的有 效途径。c a i 作为一种辅助教学手段也应为创造教育服务。而目前c a i 课件无论 从教学过程还是教学形式来看，都显得单调乏味，缺乏创造性。不外乎知识介绍、 操作练习、单元测验、资料查询等形式。从内容上看其实质仍是课本搬家、教室 搬家。长此以往，将不利于调动学生学习的积极性，更谈不上培养学生的创造能 力了。 4 缺乏纠错能力。由于c a i 课件自身对其所示教学内容并不理解，因此判 定学生答案的正确与否只能通过课件编制者预先设定的标准来进行。这就造成了 课件本身不能根据学生的回答做出评价，同样，对于出错的原因以及出错后所采 取的步骤也无法给出相应的解决方案。 传统c a i 课件具有其自身无法克服的缺陷。随着计算机和各学科技术的飞速 发展，教师和学习者两方面都对c a i 提出了更高的要求。在此形势下，i c a i 应 运而生了。 1 3 智能型计算机辅助教学的定义 自从1 9 9 0 年d r j a i m ec a r b o n e l l 这位从事人工智能的研究学者提出“智 能计算机辅助教学”( i n t e l l i g e n tc o m p u t e ra s s i s t e di n s t r u c t i o n ，简称i c a i ) 这个构想以来，许多人工智能研究者、自学者、心理学者等共同投入这个领域的 研究发展工作，使i c a i 蔚然兴起，不但成为c a i 的强劲对手，同时也促使整个 电脑辅助教学领域的成长。近年来，更由于计算机科技、人工智能、认知心理学 等充分的进展，更使得i c a i 呈现一片光明的前景，俨然成为计算机辅助教学的 明同之里。 智能计算机辅助教学( i c a i ) 是以认知学为理论基础，将人工智能 ( a r t i f i c i a li n t e l l i g e n c e ，a i ) 技术引入c a i 系统中，是智能化的c a i 。它 通过研究人类学习思维的特征和过程、寻求学习的认知模式，是一种基于知识的 教育专家系统。它是赋予机器以人类高级智能的系统，是智能化的c a i 。由于i c a i 的最大特点是个别指导，国外多称其为i t s ( i n t e l l i g e n tt u t o r i n gs y s t e m ) ， 即智能教学系统。 i c a i 将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智 能系统的搜索与推理，动态生成适合于个别化教学的内容与策略；通过智能诊断 机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、 以及进一步需学习内容的建议；通过对全体学生出现的错误分布统计，智能诊断 机制将向教师提供教学重点、方式、测试重点、题型建议；为教师提供友好的教 学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略；通过对学 生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师 教学业绩评价的参考意见。可以说，一个理想、完美的i c a i 系统就是一个自主、 优秀的“教师”。 一个智能型的计算机辅助教学系统应具备以下几种智能功能：。1 1 产生教学内容功能 传统c a i 多为固定的教学内容、题目、反馈等，要适合每个不同学习者 的个别需求及个别差异，实在是无能为力。i c a i 在功能上要能针对不同的学习 者，考虑其程度及学习变量等，然后由专家知识库中选取所要教学的内容，并透 过教学策略单元的规划，以特定的教学活动或方式，再由学习者接口将其呈现给 学习者。 2 双向主动进行教学功能 传统c a i 所有可能的教学及反应都是事先设计好的。整个教学过程中，学习 者只能被动地参与教学活动，唯一主动的可能只有从几个选项中，按特定键选取 想着或想学的教学内容罢了。 c a i 在这方面应该要能够允许学习者暂停学习的 过程，让学习者能问问题、为自己所做的反应提出说明等。 3 建立学习模型功能 建立学习模型的目的在于了解学习者目前的学习状况，包括知识层次、错误 观念、个别差异、需求等，以提供最币确的诊断信息，进行最有效的补救教学。 4 质的教学决策功能 i c a i 的教学决策建立在由系统推论所得到有关学习者学习状况、错误观念、 学习问题等“质”方面的信息。而目前的i c a i 软件通常以学习者过去的学习历 史( 如：答对几题、答错几题等) 作为决策的依据，很少单独以最近的一次反应作 为考虑。 5 推论的功能 推论功能是所有智能型系统的核心。当i c a i 系统在解读学习者的输入、诊 断错误观念及教学需求、产生教材内容之时，所要做的就是根据现有学习者的有 关信息进行推论。推论所得的结果( 可能有好几个) ，可根据其不确定因子 ( u n c e r t a i n t yf a c t o r ) 给予不同的优先级，作为最后决策做选择。 6 自我改进功能 i c a i 一个很重要的功能就是：有能力监督、评测及改进其本身的教学成效。 如果在某一情境下所做的决策，其成效不显著时，系统本身可以根据有关之信息 修改决策规则，以改进i c a i 教学成效。 许多的i c a i 系统，有能力达到上述其中的几项功能，但是很少系统能完全 达到所有功能。 1 4i c a i 的典型架构 i c a i 为了要能推论出学习者认识的层次，并且要能根据学习者的个别差异， 智能地与学习者沟通；因此，虽然每个i c a i 系统不尽相同，但是在操作功能上， 这些系统主要可分为四个组成单元：专家知识单元( e x p e r tk n o w l e d g e c o m p o n e n t ) 、学习者模型单元( l e a r n e rm o d eli n gc o m p o n e n t ) 、教师模型单元 ( t e a c h e rm o d e li n gc o m p o n e n t ) 以及人机接口单元( i n t e r f a c ec o m p o n e n t ) ”。 i c a i 的典型架构图如图卜1 所示： 型1 - 11 c a l 的典犁袈 1 4 1 专家知识单元 专家知识单元包含有某一特定知识领域的专家知识，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。 有许多方法可用以表示专家知识，如产生式表示法、谓词表示法、语义网络 表达法、框架表达法等i ”。 1 产生式表示法：产生式系统采用“i f t h e n ”的表达形式。 前件是能与数据库匹配的任何模型，动作部分说明了满足前件时系统采取的动 作。规则的意义是：如果 前件满足，则 系统执行动作。产生式系统表 达法的主要优点是信息易于增加、删除与更新，知识表达自然化和模块化。 2 谓词表示法：逻辑是知识最主要的表达方法，形式逻辑根据唯真的事实 来推理演算，从而得出新的唯真的事实。采用逻辑表达方法来求解一个问题的全 过程是：( 1 ) 通过谓词演算使问题形式化： ( 2 ) 在逻辑表达的形式上实施控制系统； ( 3 ) 证明从初始状态可以到达的终结状态。 3 语义网络表达法：语义网络是知识表达中的主要方法之一。语义网络采 用带标记的边和结点组成的有向图来描述概念、动作、事件等。语义网络中其结 点常表达客体、客体的性质、概念、事件和动作等，它的边用于描述客体之间的 关系。 4 框架表达法：针对固定情况的表达，m i n s k y 提出了一种新的知识表达方 法，即框架表达方法。所谓框架就是把某一特殊事件或新的知识储存在起的一 种复杂的数据结构。它包含过去定义的内在关系的说明信息或过程知识，依靠它 们可以利用以前获得的知识来解释新的数据。利用框架表达方法的知识库的特征 是一组结构化的框架的结合。 专家知识单元内的知识不仅是包含知识本身而已，还必须包含使用这些知 识的能力。换言之，专家知识单元可以根据所获得的学习者外在信息，了解学习 者在此领域内的知识层次。早期i c a i 的专家知识单元多以黑箱( b l a c kb o x ) 方式 设计，无法对学习者解说为何会有学习者所见的结果出现。由于学习者如果知道 “为什么”，对知识的学习会有更好的成效；因此，最近的i c a i 多着重在比较 符合学者能力的白箱( g l a s sb o x ) 设计。 1 4 2 学习者模型单元 在i c a i “以学为主”的学习模式中，学习者模型是实现自适应教学、提供 真正智能化指导的基础；学习者模型在智能化的个别教学中扮演着非常重要的角 色；学习者模型是学习者的认知状态表示，反映了学习者的学习进度、知识的熟 练程度、存在的误解以及与期望目标之间的差距。建立适宜的学习者模型能够诊 断出学习者的知识误解，并在适当的时机采取适当的方法纠正学习者的错误， 以达到好的学习效果。 分析和表示学习者模型的过程称为学习者建模( s t u d e n tm o d e l i n g ) 。从信息 处理的角度看，学习者建模的实质是分析和处理学习者的相关信息，包括模型表 示和模型诊断两个方面。 学习者模型表示的方法与所学领域知识紧密相关。根据模型表示的信息与领 域知识的关联程度，可分为领域相关信息和领域无关信息两种。所谓领域相关是 指模型记录的信息与所学习的领域知识直接相关，比如若领域知识用语义网络表 示，则模型表示记录学习者对所涉及知识点及方法的认知程度。所谓领域无关是 指那些与所学领域知识没有直接关联，但对学习者的学习过程有间接指导意义的 信息，比如学习者的年龄、性别、学习目的、学习态度等。 学习者模型中有些信息具有明显的概念模糊性，如学习者的某些领域无关信 息、学习者具备的预备知识包括学习过程中的某些认知状态等，这些信息的表示 经常采用描述性语旬。假如要评价学习者对新知识的接受能力，若采用优、良、 中、差的评级方式就比用数值做定量的描述更加自然，更易为人所接受。但这些 明显具有模糊性的信息给计算机的精确计算或比较带来了一定的困难，往往用一 定的数据范围与此相对应。 1 4 3 教师模型单元 教师模型单元的主要作用是模仿优秀教师的教学过程，设计教学方式、安排 教学内容并管理学习者的学习反应，一般包括教学经验以及推理策略。为了能“很 智能”地适应学习者的个别差异，学习者模型单元与教学策略单元是密不可分的， 它能根据学生模型所提供的学生的信息和本身所要达到的教学目标涉及和调整 系统的教学序列“1 。由此可见教师模型是i c a i 系统的智能核心，是整个教学系 统的推理机，它是连接学生与知识库和学生模型的智能桥梁。其主要功能如下： 1 根据学生的用户名，建立学生档案，并随时记录学生与系统的交互情况， 并以此作为对学生学习情况评估的依据之一； 2 根据学生的认知能力以及当前的学习情况，在知识库中选取合适的学习 内容，并通过人机界面展示给学生； 3 根据学生的学习特点以及一般的教学规律，选取恰当的教学方法，实现 “个别化”教学； 4 分析学生对课程知识的掌握情况和解决问题的能力( 从学生模型中获 取) ，并通过分析的结果对学生的学习提供指导性的意见，并以此作为指导学生 继续学习、重新学习的依据。 1 4 4 人杌接口单元 人机接口单元是用以呈现教学内容，和学习者进行面对面沟通的部分；是 i c a i 的外表，也是学习者唯一用肉眼可看到的单元，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。目前，系统中常采用自然语言和图形显 示结合起来的方法与学生进行人机对话，使交流更富于直观，更加形象生动。 1 5 基于网络环境的智能计算机辅助教学系统 近年来，随着网络技术的同臻成熟，i n t e r n e t 以前所未有的速度延伸，具 有较高传输速率的校园网在高校内普遍建立，使网络c a i 逐渐成为研究的热点。 国内外一些著名的i n t e r n e t 站点纷纷设立网络学校，接受学生的注册或非注册 的学习。但大部分是将c a i 课件制成超文本文件，发布到i n t e r n e t 的服务器上， 学生通过使用w w w 浏览器，登录到相应的网站上浏览学习内容。缺乏智能性。 而基于网络环境的智能计算机辅助教学系统( n e t w o r kb a s e di n t e l l i g e n c e c o m p u t e ra s s i s t e di n s t r u c t i o ns y s t e m ，简称n b i c a i s ) ，是网络c a i 与i c a i 相互取长补短的一种耨型c a i 系统。 在n b i c a i 系统中，学生通过使用学生机房或是家中的计算机登录到n b i c a i s 的s e r v e r 端，n b i c a i s 会按其不同的认知能力为其准备不同教学进程；完成学 习时，系统通过测试( c a t ) 确定学生新的认知能力，作为其下一次登录学习时自 动选择教学进程的新依据；学生在学习过程中遇到问题时可以实时的在b b s 上与 其他在线学生和教师进行讨论，也可在b b s 上提出自己的学习心得进行共享；并 可通过e - m a i l 的形式向教师提问或提交作业。1 。 教师使用自己的计算机，在教研室或家中登录到n b i c a i s 的s e r v e r 端，检 查学生的学习进度，学习情况。并依据学生的实际情况，有针对性地对教学内容、 测试内容进行更新。还可到b b s 上直接与学生进行互动指导。 教务人员在教务处通过计算机连到n b i c a i s 的s e r v e r 端，对教学过程进行 监督，对教学效果按一定的教育统计学规则进行评价。 1 6 本文所做的工作 本文在i c a i 系统开发中的自动推理技术和试题生成算法在理论与实践方 面作了有益的探讨和尝试，本文的主要工作包括以下几个部分： 1 本文探讨了常用的推理方法对教学方法的选择，将基于规则的推理方法 运用于教学方法的选择上，并已实现。 2 由于遗传算法一种全局优化搜索算法，能根据自然法则从群体中选择适 应性更大的个体，从而得到最优解，具有自组织、自适应等智能特征。 因此，本文将遗传算法到i c a i 中的试题生成中，大大地提高了试题生 成的有效性和速度。 3 本文给出一个基于网络的i c a i 系统应具备的功能，并实现了以下功能： 可以根掘不同的学生生成与之相适应的教学方案：可以动态对学生认知 能力进行评价；可以双向主动进行教学；可以扩展教学内容等。 第2 章关键技术和方法 基于网络环境的i c a i 系统( n b i c a i s ) 的设计是一个综合性很强的系统工程， 不仅涉及到教育学、心理学、认识论等诸多基本理论，还涉及到人工智能、多媒 体技术、数据可视化技术，网络技术等多方面计算机相关技术，其中人工智能方 面的技术主要包括智能数据库、知识工程、机器学习等。这些技术成功的实现了 i c a i 系统功能。 i c a i 系统的核心技术是推理机的实现，而推理机的实现主要是在于实现自 动推理和实现自动生成学生评价集，加上基于网络环境的i c a i 系统( n b i c a i s ) 还要考虑网络平台的构建，因此实现n i c a i s 具体关键技术就是自动推理、自动 生成学生评价集算法、n b i c a i s 的工作平台的构建。以下是对这几个关键技术的 介绍。 2 1自动推理 2 1 1 什么是自动推理? 所谓推理是指按照某种策略从已知事实出发推出结论的过程。自动推理就是 由计算机来实现推理的过程。其中推理所用的事实分为两种情况，一是与求解问 题有关的初始证据；另是推理过程中所得到的中间结论。通常，一个智能系统 的推理过程是通过推理机来完成的，所谓推理机就是智能系统中用来实现推理的 那些程序。它的推理过程如下：先将初始证据果放到事实库中，然后再从事实库 中的这些初始证据出发，按照给定的某种策略在知识库中寻找可以匹配的知识， 如果得到的是中间结论，就把它们作为已知事实再放入到事实库中，并继续寻找 可以匹配的知识如此反复直到得出最终结论为止。 自动推理是人工智能中极其重要的一部分，是人工智能的主要研究内容之 一，是实现智能性的基本技术，而我们将研制的系统作为一个“智能”的教学软 件，自动推理的成分必不可少。 2 1 2 自动推理方法 推理从其推理方法上划分大致可分为三类：基于规则的推理、基于模型的推 理和基于范例的推理。 1 基于规则的推理 基于规则的推理( r u l e b a s e dr e a s o n i n g ) 又称搜索型推理，是指以产生式舰 则表示知识的推理。规则是一种比较接近于人们习惯的问题描述方式，具有简单、 灵活和易于理解妁特点，广泛用于表达启发性知识。这种推理通常没有预先能确 定的推理步骤，实际的推理步骤由初始情况和搜索过程给出，大多数情况下它是 一种尝试性的推理过程。在尝试性的推理过程中，有时需加入启发性规则，所以 在某种程度上又称启发式推理。 实现机械地搜索推理的想法由来已久，因为这是最接近人的自然思维活动的 推理。斯坦福大学的e a f e i g e n b a u m 总结了人工智能的成败，认为搜索推理是 最具普遍意义的智能活动，并系统地提出了以搜索推理为核心的f e i g e n b a u m 设 想。该设想的要点是： 试图建立“包治百病”的普遍推理机是不现实的，取而代之的应该是致力于 有实用价值的具体领域的推理机，重视领域的专门知识在推理机中的地位。 推理机一次建立，终身维护，主张推理机有时给出错误的结论是不可避免的、 正常的( 如人脑一样) ，重要的是要不断地往推理机中补充知识，具有纳新吐旧的 机制。 在推理机中，推理知识被抽象为“情况= 操作”的形式，推理的一般方式如 图2 一l 图2 1推理一般方式图 它有三个组成部分：操作集合( 图中左部) 、动态寄存区( 图中右部) 、具体操 作层( 图中下部) 。首先，初始情况送入动态寄存区，然后与操作集合中的固有情 况匹配。若匹配成功，即送入具体操作层，选中一个推理操作，由已知情况产生 出某一新的情况：若匹配不成功，终止：若满足终止条件也终止。新的情况再次 送入动态寄存区，并更新动态寄存区的状态特征。如此迭代反复，形成一个在操 作集合( 即已知知识集) 的连续搜索过程。在这种搜索过程中可以加入某种启发性 的规则( 启发性知识、不完全知识等) ，从而在多种匹配可能的选择中引导合理的、 有效率的匹配选择。( 这种推理机制常被称为产生式系统) 当然在其中将用到许多 推理的控制策略。 具体操作层的运作方式又分为两种：数据驱动和目标驱动。 数据驱动，又称“自底向上”或“正向推理”，是由已知条件推得结论的方 式。具体地说有以下几步： 根据动态寄存区中的状态特征对操作集合求值，得到一组可用的操作： 如果没有可用的操作就以失败告终，否则选择一条可用的操作执行产生新 的情况： 如果目标实现了，就以成功而告终，否则返回。在这种方式中，仅当动 态寄存区中的状态满足某操作的c a s e 部分时，该操作才是可用的。 目标驱动，又称“自顶向下”或“反向推理”，是由结论归结到条件的方式。 系统从目标开始，然后形成各个子目标，以显示怎样从初始状态达到目标状态的 求解过程，它只考虑与问题有关的操作。 2 基于模型的推理 基于模型的推理( m o d e l b a s e dr e a s o n i n g ) ，是根据反映事物内部规律的客 观世界的模型进行推理。有多种模型可以利用，如表示系统各部件的部分整体 关系的结构模型，表示各部件几何关系的几何模型，表示各部件因果关系的因果 模型等。当然，基于模型的推理方法只能用于有模型可供利用的领域。 3 基于范例( 事例) 的推理 “范例是一段带有上下文信息的知识，泼知识表达了推理者在达到其目标的 过程中起着关键作用的经验。”一k o l o d n e r 。范例包含着过去的经验，这种经验 用于该范例及其上下文环境，一般地，一个范例可以由以下三部分组成：问题 描述，描述该范例发生时外部世界的状态；解决方案，说明问题所导出的解决 1 2 方法；结果，描述范例发生后外部世界的状态，此项可选，并不是所有的范例 都有“结果”部分。 基于范例( 事例) 的推理( c a s e b a s e dr e a s o n i n g ) ，是将过去成功的事例存入 事例库，遇到新问题时，在事例库中寻找类似的过去事例，得到新问题的近似解 答，再加以适当修改，使之完全适合于新问题的推理方法。 基于范例的推理技术的崛起一方面是因其自身功能上的优势，另一方面，它 作为一种问题求解的方式是合理的，它符合人类的认知规律，人类学习的过程， 从某种意义上说就是范例积累的过程，而基于范例的推理技术则是利用经验的推 理，包含范例的检索、适应、存储等过程。 2 1 3 推理方法的选用 基于模型的推理方式需要根据教学方法的特点以及其选择的各种因素的特 点，建立一个精确的模型。模型建造得好坏直接影响所产生的学习方案的合适性， 而要获取一个精确的模型能适应各种课程的教学有着很大的难度。 基于范例的推理方式需要收集大量的事例，如果提供的实例特征不够充足 时，可能在产生学习方案时出现局部收敛问题。 基于规则的推理方式主要是利用领域专家的经验知识，它具有知识表达直 观、推理机简单、求解效率高等特点，推理方法更接近人的自然思维习惯，并且 容易跟踪推理链，具有良好的解释性。但使用的规则本身有不确定性、不精确性、 不完全性，所以选择的结果可能会有差错。对于没有教学方法相关知识的人来说， 规则的获取是十分困难的。 基于以上几点考虑，加上参与本系统开发的人员都是教育工作者，较能克 服基于规则的推理方式所产生的困难，因此本系统在产生学习方案上采用了基于 规则的推理方法。 2 2学生评价集生成算法 目前i c a i 评价学生知识能力主要还是依据学生进行试题的测试结果。这种 方式有定的片面性，但确是一个易实现的方法。要保证测试结果能够正确的标 议学生的知识能力，这就需要这个系统( 1 ) 有涉及到所有知识点、覆盖所有难 度的试题库；( 2 ) 有较好的试题生成功能。 1 3 2 2 1 常见试题生成算法 如何在庞大的试题库中选出符合要求的试题，涉及到试卷的平均难度、题型、 知识点分布以及抽题效率等问题。目前i c a i 系统中多采用随机抽题算法和回溯 试探法。 随机选取法根据状态空间的控制指标，由计算机随机的抽取一道试题放入试 题库，此过程不断重复，直到组卷完毕，或己无法从题库中抽取满足控制指标的 试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组 卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当 题库中各状态类型平均出题量较低时，组卷时往往以失败而告终。 回溯试探法这是将随机选取法产生的每一状态类型纪录下来，当搜索失败时 释放上次纪录的状态类型，然后再依据一定的规律( 正是这种规律破坏了选取试 题的随机性) 变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生 成完毕或退回出发点为止，这种有条件的深度优先算法，对于状态类型和出题量 都较少的题库系统而言，组卷成功率好，但是在实际到一个应用时发现这种算法 对内存的占用量大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时 间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。 另外在确定试卷目标要求时，这两种算法完全以经典测量理论c t t ( c l a s s i c a lt e s tt h e o r y ) 为指导，这样，所采用的计量学指标值不仅依赖于被 测样本，而且无法确定单题性能与整卷功能的关系。这种先天缺陷就使选题工作 具有很大的盲目性，并且对组卷要求比较严格、组卷指标比较复杂的情况不能很 好地满足要求。而i c a i 系统中是以此作为学生的知识能力的主要测量因素，故 对组卷要求比较严格、组卷指标比较复杂，传统的方法在本系统中并不合适。 2 2 2 遗传算法简介 遗传算法g a ( g e n e t i ca l g o r i t h m ) 是近几年发展起来的一种模拟生物界自 然选择和自然遗传机制的随机化搜索算法。这是由j o h nh o l l a n d 提出，利用简 单的编码技术和“繁殖机制”来表现复杂的现象，适用于处理传统搜索方法难于 解决的复杂和组合优化问题。“1 遗传算法的原理与传统搜索算法不同，它从一组随机产生的初始解( 称为群 体) 开始搜索过程，群体中的每个个体是问题的一个解，称为染色体。这些染色 体在后续迭代中不断进化，称为遗传。遗传算法主要通过交叉、变异、选择运算 实现。交叉或变异运算生成下一代染色体，称为后代。染色体的好坏用适应度来 衡量。根据适应度的大小从上一代和后代中选择一定数量的