已阅读5页,还剩51页未读, 继续免费阅读
(计算机应用技术专业论文)基于贝叶斯网络的aibns系统建模研究及其应用.pdf.pdf 免费下载
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
摘要 智能授导系统i t s 研究的重点在于增加远程网络教学系统的适 应性和智能性。学生模型是i t s 的基础和核心,是其他模块进行工 作的前提。论文针对目前国内i t s 中学生模型构建偏于简单而缺乏 智能性的不足,结合人工智能领域的一些成熟技术,研究开发了一 个基于贝叶斯网络的智能授导系统a i b n s 。 论文首先分析了基于前提关系和继承关系的两种建模方式的优 缺点,在划分知识项后,经过网络结构和参数学习,提出了一种构 建覆盖型贝叶斯网络学生模型的方法。通过对领域相关及无关信息 分别建模,构建出学生在特定领域内的知识结构,使模型具备较强 的预测能力。针对学生认知状态评估上存在的不确定性,以及测试 过程中不正常反应的干扰问题,论文提出了一种自适应选题算法, 以期用尽量少的试题完成对学生认知状态的精确评估,并减少评估 测试中的噪声。此外设计了一个基于模糊变换原理的学生认知状态 评估模型,不仅可以对相关知识项进行认知评估,而且可以进行多 级别的综合评价,提高了对学生认知状态评估的准确度。论文应用 贝叶斯网络面向对象的知识表达方式,实现了a i b n s 原型系统,对 贝叶斯网络理论在i t s 领域的实际应用提供了有益借鉴。 a i b n s 系统区别于传统“以教为主”教学模式,实现了个性化 自主学习与交互协调学习相结合,不仅能够根据学生的不同个性自 适应地提供教学资源,而且可以针对学习目标提出建议,呈现给用 户学习知识的步骤序列。验证表明基于贝叶斯网络的智能授导系统 具有良好的智能性、交互性和适应性。 关键词智能授导系统,学生模型,贝叶斯网络,覆盖模型,模糊变 换 a b s t r a c t t h ef o c u so fi n t e l l i g e n tt u t o r i n gs y s t e m ( i t s ) i st oi n c r e a s et h e a d a p t i v e n e s sa n di n t e l l i g e n t n e s so ft h el o n g r a n g en e t w o r ke d u c a t i o n s y s t e m t h es t u d e n tm o d e li st h ef o u n d a t i o na n dc o r eo fi t s ,t h e p r e r e q u i s i t eo fp e r f o r m a n c eo fo t h e rm o d e l s t h ea r t i c l ed e m o n s t r a t e s t 1 1 a t ,i nv i e wo fp r e s e n ts t u d e n tm o d e l i n go fi t si nc h i n a ,w h i c hi st o s i m p l ea n dl a c ko fi n t e l l i g e n t n e s s c o m b i n e dw i t h s o m em a t u r e t e c h n o l o g yo fa r t i f i c i a li n t e l l i g e n c e ( a i ) ,a ni t so f 址b n sb a s e do n b a y e s i a nn e t w o r k ( b n ) h a sb e e nd e v e l o p e d t h i st h e s i sf i r s ta n a l y s e st h ea d v a n t a g e sa n dd i s a d v a n t a g e so ft h e t w ok i n d so fm o d e l i n gb a s e do np r e p a r a t i o nr e l a t i o n s h i pa n di n h e r i t a n c e r e l a t i o n s h i p a f t e rd i v i d i n gk n o w l e d g ei t e m ( i ( i ) a n dl e a r n i n gn e t w o r k s t r u c t u r ea n dp a r a m e t e r , t h et h e s i sp u t sf o r w a r daa p p r o a c ht of o r ma n o v e r l a ys t u d e n tm o d e lb a s e do nb n ,a n da f t e rm o d e l i n go nd o m a i n r e l a t e dk n o w l e d g ea n di n d e p e n d e n ti n f o r m a t i o n i ts h o w st h es t u d e n t s k n o w l e d g es t r u c t u r ei nas p e c i f i cf i e l d w h i c he n a b l e st h em o d e lt oh a v e m o r es t r o n gc a l c u l a t i o na b i l i t y i nv i e wo ft h ee x i s t i n gu n c e r t a i n t yo ft h e e v a l u a t i o no fc o g n i t i o no fs t u d e n t sa n dt h ed i s t u r b a l i c eo fa b n o r m a l r e a c t i o ni nc a l c u l a t i o n i ta l s og i v e so u ta i la d a p t i v ei t e ms e l e c t i o n a l g o r i t h m ,w h i c hp r e c i s e l ye v a l u a t e sc o g n i t i o no fs t u d e n t sb yu s i n ga s f e wq u e s t i o n sa sp o s s i b l e ,a n dr e d u c e sn o i s ei nt h et e s to fe v a l u a t i o n a n dt h e ni td e v i c e sa ne v a l u a t i o nm o d e lo fc o g n i t i o no fs t u d e n t s ,b a s e d o nf u z z yt r a n s f o r m a t i o np r i n c i p l e ,t h em o d e lw i h i c hc a nn o to n l y e v a l u a t ek ic o g n i t i o n a l l y , b u tc a r r yo u tc o m p r e h e n s i v ee v a l u a t i o no f m u l t i p l eg r a d e s ,w h i c hh a sr a i s e d t h ep r e c i s i o no fe v a l u a t i o no f c o g n i t i o no fs t u e n t s t h el a s tp a r to ft h i sp a p e re m p l o y st h ew a yo f e x p r e s s i o no fk n o w l e d g eo fo b j e c t o r i e n t e db a y e s i a nn e t w o r k s ( o o b n ) , a n dr e a l i z e sap r o t o t y p es y s t e mo fa 【b n s ,w h i c hi sh e l p f u li nt h e a p p l i c a t i o no ft h et h e o r yo fb n t ot h ed o m a i no fi t s a i b n sd i s t i n g u i s h e sf r o mt h et r a d i t i o n a lt e a c h i n gm o d e lo f t e a c h i n ga sal e a d i n gr o l e a n dc o m b i n e si n d i v i d u a ls e l f - s t u d yw i t l l m u t u a la n dc o o r d i n a t i v es t u d y , w h i c hc a nn o to n l yp r o v i d et e a c h i n g r e s o u r c e sa d a p t i v e l ya c c o r d i n gt ot h es t u d e n t si n d i v i d u a l i t y , b u tg i v e s u g g e s t i o ni nv i e wo fs t u d yo p j e c t i v e ,a n ds h o wt h eu s e rt h ep r o c e d u r e s e q u e n c eo fk n o w l e d g el e a r n i n g i tt e s t sa n dv e r i f i e st h ei n t e l l i g e n t n e s s o fi t sb a s e do nb n ,a n dh a ss o u n d m u t u a l i t ya n da d a p t i v e n e s s k e yw o r d s i n t e l l i g e n tt u t o r i n gs y s t e m ,s t u d e n tm o d e l ,b a y e s i a n n e t w o r k ,o v e r l a ym o d e l ,f u z z yt r a n s f o r m a t i o n h i 原创性声明 本人声明,所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知,除了论文中特别加以标注和致谢 的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名:王堕垫日期:互丝翌年且上日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定,即:学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文, 允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内 容,可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到中国学位论文全文数据库, 并通过网络向社会公众提供信息服务。 作者签名:丘嗵导师签名竖日期:堕年= 勇2 日 硕士学位论文第一章绪论 1 1 研究背景 第一章绪论 教育部“面向2 1 世纪教学振兴行动计划 中倡导实施现代远程教育工程【1 】。 当前,我国远程教学体系的建设还只是处于起步阶段,各种资源的建设都处于初 级阶段,如何充分发挥网络的教学功能,使网络教学真正成为高等教育变革的开 始,怎样利用现有的技术,建成功能强大、结构合理的远程教学体系,正是目前 急需考虑和解决的重要问题【2 】。 现代远程教学最为突出的一点是:它利用现代技术手段,打破了地域的界限, 不仅使讲授更为生动,而且使双向教育成为可能【3 】。利用各种多媒体技术和网上 交流,学生可以不受时间和地点的限制进行学习,并且学习的内容更为生动形象。 这种网络化的现代远程教学,从根本上将传统的“以教为主 的教育模式变为“以 学为主 ,使学生个性化的自主学习与交互协调学习相结合,充分发挥了学生作 为认知主体的主动性和创造性。这些特点决定了远程网络教育更适合于2 1 世纪 对创新人才的需求。 在上世纪七十年代随着人工智能技术的发展和专家系统的成熟,智能授导系 统( r r s ,i n t e l l i g e n tt u t o r i n gs y s t e m ) 作为一个新的概念开始形成,i t s 研究的一 个重点是增加远程网络教学系统的适应性和智能型【4 】。这些特征对于完全依靠远 程学习的学习者来说显得尤其重要。因为在课堂学习中的学生可以得到教师或其 他同学的个性化的帮助和指导,而远程网络学习的学生则很难得到。i t s 运用人 工智能技术,直接与科学地了解到学生的个性特点和学习进展情况,适时地调整 自身的策略、方案来满足受教育对象的需求【5 1 。运行过程无须人工介入且实现了 真正意义上的资源共享。 人们研究智能授导系统虽已有多年历史,也取得了很多成绩,但由于涉及教 育心理学、认知理论和计算机科学等多学科的知识,因此i t s 的研究和开发是一 个艰难的过程,目前仍存在较多不足之处,主要包括以下几点: ( 1 ) 学生模型过于简单,学生的能力特征、认知特征、学习状态难以准确 获得,因材施教缺乏基础。另外,由于教学系统收集到的学生信息包含很大的不 确定性,使得在学生模型中组织和处理这些信息变得十分困难; ( 2 ) 系统的测试和评价功能不强,现有的大多数自主学习系统中的练习和 测试系统多是放在w e b 页面上的一些固定试题,不能根据学习者的需求和学习 情况自动选题及变换试题,不能根据学习者当前的学习状况,提供适合的相应的 硕士学位论文第一章绪论 学习内容,因而灵活性较差; ( 3 ) 缺少有效的导学机制,网络中的资源多种多样,学习者在网络中随意 性较大,既浪费了时间又达不到学习目标。所以在参加网络学习的过程中,需要 进行有效的引引6 1 。 ( 4 ) 系统的智能性较低,不能根据学习者的水平和学习情况提供合适的、 个性化的、交互的学习环境,依然束缚在传统教育的模式中,不能对学习者提供 相应的指导,以调动学习者的学习兴趣,实现个性化导学。 计算机辅助教学( c a i ,c o m p u t e r a i d e di n s t r u c t i o n ) 是人工智能的试验场【7 】, 计算机辅助教学系统的智能化研究具有深远的理论和实践意义,具有广阔的开拓 领域。作为i t s 要实现这种“智能性”,如何针对不同的学生找到并采用最合适 的教学策略并在学习过程中不断地调整是一个很重要的研究课题。 学生模型是i t s 的核心,也是最难实现的环节,成功获取用户的情况是其他 环节正确运行的保障【8 】。目前有许多关于学生建模的理论和方法,大致可分为四 类:产生式系统、贝叶斯网络、神经网络及模糊逻辑。其中贝叶斯网络( b n , b a y e s i a nn e t w o r k ) 模型是图论和概率论结合的产物,采用贝叶斯规则进行概率 推理,可解决不确定性和复杂性问题 9 1 。在贝叶斯网络中,每一个节点都有条件 概率分布,模块化的处理使得复杂系统能够由简单部件组合实现,概率论方法将 各个简单部件结合在一起,使系统保持整体一致性,提供了模型和数据接口的途 径。贝叶斯网络不仅具备事后诊断能力,还有事前预测能力,即概率推理,从一 组与问题相关的前提,通过反复应用规则集的规则,生成子目标和中间结果,作 为下一阶段推理的前提。 1 2 国内外研究现状 从2 0 世纪6 0 年代至今,计算机在教学中的应用经历了程序教学、计算机辅 助教学c a i 、智能计算机辅助教学i c a i 到智能授导i t s 等发展阶段。国外对智 能授导系统的研究较多,美国尤为活跃,此外,欧洲、日本、加拿大等国也纷纷 投入人力、物力和财力从事这方面的研究。研究工作主要集中在大学和军方,美 国的一些知名大学如s t a n d f o r d 、m r r 、m e m p h i s 、c a r n e g i e m e l l o n 、j o h n s h o p k i n s 、 c a l i f o r n i a 等都在进行这方面的研究工作,并且开发出了一些智能性比较高的可 以应用的智能授导系统软件,建立了内容丰富的智能化教育网站。美国国家科学 基金会( n s f ) 资助总数达0 2 2 5 亿美元基金【lo 】,以进行人类学习和创造的智能 学习系统的研究。 国外的智能授导系统早期比较有名的是s c h o l a r 系统( c a r b o n e l l & c o l l i n s ,1 9 7 0 ) ,它应用人工智能的知识表达方式,其知识库采用语义网络形式, 2 硕士学位论文第一章绪论 并由事实、概念和过程组成,教学方式采用苏格拉底对话式,根据学生的回答, 通过推理机制产生更多提问并评价学生的解答,系统能诊断学生的一些错误概念 并引导学生自己思考后纠正错误,但是它无法处理学生学习过程中的不确定性, 比如说学习者对知识的掌握程度。 2 0 世纪8 0 年代后,认知心理学、教学设计理论给i t s 的研究带来了深远的 影响,使i t s 进一步得到发展。人们在研究i t s 时更多考虑学生获得知识的过程。 1 9 8 0 年,r o w n & b a n l e h n 开发了b u g g y 系统,它是一种在数学基础运算领域 中( 特别是针对减法) 诊断过程型错误的系统,它能准确地测定运算中的细微技 能错误并说明错误原因。b u g g y 使用程序网络来构建延伸覆盖学生模型,但是 由于无法标识出所有可能存在的误区以及呈指数增长的网络结构,并且缺乏解释 的能力,使得该系统的应用无法得到推广。 c a l a n c e y 等开发的智能教学系统g u i d o n 与专家系统m y c i n 相结合,代 表了i t s 研究中的一个重大发展( c l a n c e y ,1 9 8 2 ) 。它采用产生式规则的知识表 示方法建立覆盖型学生模型,其教学过程是一个交互式的学习环境。但是 g u i d o n 系统在利用m y c i n 的知识库时缺乏解释和组织教学过程中的教学知 识,即缺乏教学策略。 多年的研究经验和教训使研究者们认识到,建立智能授导系统是一个比较艰 巨的任务,它是专家、教师与学习者三者智能活动的综合。因此,对智能授导系 统的研究重点在于领域知识库、学习者模型和教学策略以及各个模块的设计与实 现上。 。 2 0 世纪9 0 年代以后,随着多媒体、超媒体、网络通信技术的迅速兴起和蓬 勃发展,研究者们也逐步将这些技术应用到i t s 中,开始研究基于网络的智能授 导系统【1 1 。1 2 】,期间出现了诸多应用实例,如i n t e r b o o k 、p a t - i n t e r b o o k 、c a l a t 、 v c p r o l o gt u t o r 、p r o u s t 等等。另外,由于对智能代理( a g e n t ) 的研究日益 受到重视,i t s 在这方面也取得了一些成果 1 3 1 ,出现了一些基于a g e n t 的智能授 导系统【1 4 】。比如c r a t e 研究中心开发的教学代理s t e v e 和a d e l e 以及n o r t h c a r o l i n a 大学多媒体实验室开发的教学代理h e m a nt h eb u g 和c o s m o 等。 国内研究者对i t s 有不同的理解和翻译,如智能教学、智能导学、智能学习、 智能授导和智能引导【1 5 】等。由于基础和技术条件的原因,我国的智能授导系统研 究起步较晚,但也做出了一些有益的尝试。2 0 世纪8 0 年代初,师范大学的部分 教师从跟踪国外先进技术入手,开始了解、研究和探讨c a i 技术。到8 0 年代中 期,随着计算机技术、a i 技术的发展日趋成熟,我国的c a i 及i t s 技术也开始 发展【1 6 】。8 0 年代末,许多高校相继成立了c a i 研究中心,不断引进国外c a i 与 i t s 的先进技术,对c a i 与i t s 及相关技术进行了大量的研究和实践工作,并通 3 硕士学位论文第一章绪论 过定期召开教学年会和现代教育研讨会,研究c a i 与i t s 的理论与方法,课件 设计及开发等。到9 0 年代,我国c a i 及i t s 的研究取得了可喜的成绩,开发了 大量高水平的协作课件工具及教学系统,如理科教学软件:几何专家、数学 实验室一立体几何、北京大学计算机研究所c a i 研究室开发的微积分智能教学专 家系统、大连理工大学的郭禾、李德广等开发的c o u r s e t a l k 智能协作环境、上海 大学的王小辉等开发研制的k d i c a k s 等等。这些软件对我国的i t s 发展起到了 明显的促进作用。 然而,国内开发的这些智能教学系统多为研究和演示用的系统,系统的整体 智能性并不高,对学生模型的研究几乎没有深入。造成这种局面的主要原因与国 内有关教育软件的研制工作历史不长、计算机普及程度不高以及教育软件需求不 旺有关。相关的软件产品大多数只是将课本中的静态图形文字变成电子图书,将 多媒体计算机变成了录像机和影碟机,而近几年发展迅速的远程教育,也只是将 各种各样的教学资源从本地使用变成了网上共享。因此,虽然国内对超媒体技术 在教学上的应用研究方兴未艾,但人工智能技术在教育软件上的应用研究发展却 相对缓慢,对学生模型的研究基本还停留在国外9 0 年代初的水平【1 7 。1 引。 1 3 论文的主要工作 从教学环节来看,一个完整教学过程应包含教学和复习、测试和评价等部分, 无论哪个环节都需要在学生的实际情况的基础上灵活应用教学策略,呈现具体教 学内容,都涉及教学资源的组织。因此,开展适应性的网络教学活动,首先是网 络教学资源的自适应组织,这就需要考虑学生模型中学生对于学习内容的认知水 平,基于这一点,论文把教学策略和教学资源与学生模型进行整合,利用贝叶斯 网络构建学生模型,对学生认知能力进行诊断,通过贝叶斯网络的推理机制更新 网络节点的参数状态,从而实现适应性教学目的。 论文针对当前智能授导系统中评估导学方法存在的一些问题,以智能授导系 统的相关理论为背景,结合人工智能领域的一些成熟技术,对智能授导系统进行 了研究与改进,开发了一个基于贝叶斯网络与面向对象的知识表达方法相结合的 智能授导系统a i b n s ( a ni t sb a s e do nb a y e s i a nn e t w o r k ) ,在系统构建过程中, 进行了以下几方面的研究工作: ( 1 ) 学生模型是智能授导系统的基础和核心,是其他模块进行工作的前提。 所以本文的重点在学生模型的构建上,论文首先分析了基于前提关系和继承关系 的两种建模方式的优缺点,在划分知识项后经过网络结构和参数的学习基础上, 提出了一种构建覆盖型的贝叶斯网络学生模型的方法,对领域相关及无关信息分 别进行了建模,模型很好地反映了学生在特定领域内的知识结构,具备较强的预 4 硕士学位论文第一章绪论 测能力。 ( 2 ) 针对学生认知状态评估上存在的不确定性,以及测试过程中不正常反 应的干扰问题,论文提出了一种自适应选题算法,以求用尽量少的试题完成对学 生认知状态的精确评估,减少了评估测试中的噪声。设计了一个基于模糊变换原 理的学生认知状态评估模型,不仅可以对相关知识项进行认知评估,而且可以对 学生进行综合评估甚至多级别的综合评价,提高了对学生认知状态评估的准确 度。 ( 3 ) 研究了贝叶斯网络面向对象的知识表达方法,应用面向对象和关系数 据库技术实现了一个实验型智能授导系统a i b n s 。系统可以针对学生对知识项 的不同掌握状态,自动地采用不同的教学策略,验证了基于贝叶斯网络的智能授 导系统是智能化的,具有良好的交互性和适应性。 1 4 论文的组织结构 本文共分六章,各章的内容如下: 第一章绪论,阐述了远程网络教学在当今社会的重要性和紧迫性,i t s 系统 的自适应性与智能性,国内外研究现状以及不足,说明学生模型是i t s 的基础和 核心。 第二章基本理论和相关技术,介绍了与系统相关的理论和技术,包括教育 学、心理学理论基础;智能授导系统i t s 的智能性所在及其基本结构模型;学生 模型的概念、特点和分类;贝叶斯网络的定义、构成和构建方法,以及贝叶斯网 络推理理论和实现技术。 第三章基于贝叶斯网络的学生模型构建,提出了领域相关知识和领域无关 知识概念;建立全局知识模型和局部知识模型;对基于前提关系和继承关系的学 生模型进行了比较分析;确定了贝叶斯网络学生模型的参数,针对具体课程建立 了一个覆盖型的学生模型;对网络参数的更新以及证据的传播进行了研究。 第四章学生认知状态的评估方法,基于模糊变换的理论对学生掌握知识项 的情况进行评估,建立了一个学生认知状态的评估模型;设计了适合基于知识关 系的覆盖型贝叶斯网络学生模型的选题算法。 第五章a i b n s 系统的设计与实现,应用面向对象的知识表达方法表示贝叶 斯网络学生模型,并利用面向对象和关系数据库技术,开发了一个a i b n s 智能 授导实验系统。 第六章总结与展望,对本文所做的工作进行总结,指出了工作中的长处和不 足,并对下一步要做的工作进行探讨。 5 硕士学位论文 第二章基奉理论和相关技术 第二章基本理论和相关技术 2 1 教育心理学理论基础 适应性教学系统的建构涉及到许多教育学及心理学理论,如行为主义、建构 主义、发现学习、掌握学习、认知风格和学习风格等 1 9 1 。尽管这些理论都对教学 系统的设计有影响,本文重点介绍认知风格、学习风格与掌握学习。 1 认知风格 v e r n o n 认为,认知风格的主要先行研究可以追溯到经典希腊文学中对个性 的描述【2 0 】。m e s s i c k 对认知风格的起源也持同样的观点,他解释说,“不同个体 具有不同个性,这些个性对他们的认知与行为表现分别产生不同的影响【2 l 】”。在 当前的研究中,认知风格被理解为个体组织和表征信息的一种偏好的、习惯化的 方式。 r i d i n g 认为,认知风格由两个独立的维度构成,这两个维度分别是:整体一 分析维度,它反映个体或者用整体方式,或者用部分方式来组织信息;言语一表 象维度,它反映了个体或者用心理图像,或者用词语来表征信息 2 2 1 。 2 学习风格 学习风格指的是一系列个体差异,不仅包括与教学或特定形式的学习活动相 关的稳定的个人偏好,而且包括在智力或个性心理学中发现的个体差异【2 2 】。 对学习风格的研究创造了令人眼花缭乱的模型。r a y n e r & r i d i n g 对各种学 习风格进行了理性的分析,把它们分为以下四个维度:基于学习过程的风格模型、 基于学习定向的风格模型、基于教学偏好的风格模型、基于认知技能发展的风格 模型【2 2 】。识别学生的学习风格是一件不太容易的事情,而且不管是课堂教学还是 在适应性教学系统中要描述每一个人的学习风格更是困难。 3 掌握学习 美国教育心理学家b s 布鲁姆,在美国j b 卡罗尔“学校学习模式”的基础 上,创建了适应学生个体差异的掌握学习教学理论。该理论在战后世界性教学改 革热潮中产生了广泛的影响。 、 布鲁姆的掌握学习教学理论把大多数学生获得发展作为核心思想,注重从某 一具体学习任务来分析教学的质量,强调形成性评价,从而使大多数学生达到对 课程材料的真正掌握,并增强了学习的兴趣,促进了心理健康。因此,该理论受 到许多国家教育理论家的关注并以其推动当代教学改革。当然,掌握学习教学理 论也存在不足,它偏重于认知领域教育目标的测定,对学生独立学习的帮助较小, 6 硕士学位论文 第二章基本理论和相关技术 为了使所有学生达到掌握学习水平,往往需要较多的教学时间。 4 个性化的教学策略 当前已有很多基于w e b 的教学系统在远程教育中应用,但教学效果都不是 非常明显。在课堂教学中学习者需要个性化的关照,在基于w e b 的学习中同样 如此。而个性化的一个重要方面是个人偏好。 每一个学习者都有他们自己的学习风格或偏好【2 3 1 。有些学习者偏爱通过听觉 学习,而有些则喜欢视觉学习,有人则倾向于通过多种方式学习。学习风格有很 多种类型,而教学策略则相对较少。要使得教学系统取得较好的教学效果,提供 个性化的教学策略可以是一个开始。根据不同学习者的不同学习风格与动机,经 过适当的激发,学习可以成为一件很简单的任务,所以个性化的教学策略将对系 统的有效性提供很大的帮助。个性化的教学策略将考虑学生的学习风格,掌握学 习理论将用来决定提供适当的教学,体统提供严格的评价机制来评价整个学习过 程和学习效果。 2 2 智能授导系统i t s i t s 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。i t s 系统的 智能性主要体现在: ( 1 ) i t s 系统区别对待不同的学生,注重一对一的师生关系( t u t o r i n g ) , 讲究根据不同学生的认知特点进行个性化教学,实现“因材施教 。 ( 2 ) 系统具有一定的自主性,动态了解学生的学习状态,根据学生的水平 和学习情况选择和调整学习内容和进度,系统自动生成各种问题和联系,在理解 教学内容的基础上自动解决问题并生成答案。 ( 3 ) 系统具有一定的智能性,以最佳的方式组织教学。系统可以诊断学生 的学习错误,分析原因并采取纠正措施,能自动评价学生的学习行为,不断改善 教学策略等等。 h a r t l e y 确立了i t s 的基本模型渊,包括:领域模型、学生模型和教学模型。 后来随着人们对智能授导系统研究的深入,s t r e i t z 把“人机交互界面 也作为智 能授导系统的一个基本模型2 5 1 。在最近的研究中,b e c k 把i t s 分为五个组件【矧。 在以前四个模型的基础上增加了专家模型。 7 硕士学位论文 第二章基本理论和相关技术 图2 - 1i t s 的组件与交互 专家模型提供的知识表示是对掌握学科知识人的知识表征。专家模型用于与 学生解决问题进行比较。通过这种方式智能导师就能判别学习者是否理解或掌握 这个主题。图2 1 是b e c k 说明的i t s 各组件的关系。 2 3 学生模型 自人工智能在计算机辅助教学系统研究中得到应用以后,c a i 研究在系统中 考虑了学生模型。1 9 7 2 年a t k i n s o n 提出选择最适应教学内容的学生模型【2 7 】,1 9 7 5 年f l e t c h e r 等人提出的基于回归分析法的“回归模型1 2 8 ,1 9 7 8 年t e n n y s o n 等 人提出的基于贝叶斯的“概率模型”等【2 9 1 。 1 学生模型的定义 学生模型的描述存在许多观点。p s t o k a 给出的学生模型的定义 3 0 i :i t s 的一 个组件,用来推导学习者的知识状态。d j o r d j e v i c 。k a j a n 等人认为,学生模型收 集学生信息,以便识别和表示学生的知识状态( k n o w l e d g es t a t eo f t h es t u d e n t ) t 3 1 1 。 t s y b e n k 认为,学生模型必须包含学生知道什么,学生学习能力,学生的长处及 短处,等等【3 2 】。h a r t l e y 等人认为,学生模型反映了学生的特点与态度,它们有 助于在计算机和学生之间建立有效的、个别式的教与掣3 3 】。 综上所述,学生模型主要刻画学生所具有的知识结构和学生的认知能力。知 识结构是与领域知识相关的。因此,学生模型在知识学习方面应该描述学生所掌 握的概念、概念之间的关系、概念的属性等;在认知能力方面,根据布鲁姆的教 育目标分类,学生模型应该表征学生的识记、理解、应用、分析、综合和评价等 6 个能力。 2 学生模型的特点与要求 传统的远程教学系统由于教学设计在领域知识中相对固化,不存在学生模型 问题,因此不能开展个性化的教学过程;而智能授导系统作为对现实人类教育的 智能化模拟,系统可以根据学生具体情况采取不同的教学策略,既呈现合适的教 学内容,进而促进学生更好地学习知识 3 4 1 。这就要求系统能够了解和认识学生, 及时反应并记录学生的整体观念和认识并不断加以改进,以求最大限度地符合在 8 硕士学位论文 第二章基本理论和相关技术 知识量和学习能力上不断变化的学习信息总况,为系统开展相应内容的教学提供 量化特征,同时,也为学生了解自己的学习状况提供可靠的量化依据。这些内容 和功能主要是由系统中的学生模型加以实现的。 通过以上分析,可以得到要建立的学生模型的特点和要求如下:能够提供 对于学生实际认知状态的准确评价和表示;由于学生学习是一个与系统交互和 反复的过程,所以要求学生模型具有可更新、自学习的特征;因为人类的记忆 具有相对不确定性,无法一劳永逸地完全掌握某项知识,因此模型要考虑学生对 知识掌握程度的不确定性和模糊性。 3 学生模型的分类 学生模型一般包括短期模型和长期模型,短期模型识对学生当前学习过程信 息的记录,负责收集当前系统在学生与计算机交互过程中捕捉到的学生信息,然 后对这些信息进行筛选、过滤、转化等处理,并将这些信息提供给评估模型与导 学模型。长期模型包含学生的基本特征、对领域知识的掌握情况、学习变化趋势 等,长期学生模型对当前学生的描述是智能授导系统教学策略的重要数据来源, 也是系统为学生选择自适应教学方案的依据,长期学生模型在整个系统中的地位 十分重要。长期学生模型根据覆盖的学生知识的不同,通常分为三种类型:覆盖 学生模型、偏差学生模型和干扰学生模型。 ( 1 ) 覆盖学生模型( o v e r l a ys t u d e n tm o d e l ) ,覆盖学生模型3 孓3 刀是表示学 生领域知识的标准范例,是一种既方便又功能强大的模型,被应用于许多i t s 中, 如g u i d o n 。此类模型中,学生知识被假定为专家知识的子集,专家知识可以 被分解为各个模块或不同粒度层次知识,学生模型描述学生对各个项目或不同粒 度层次知识的掌握程度,即在专家知识模型中的每个概念上附加一个权值来表示 用户对该知识的掌握程度。因此学生模型是序偶对k n o w l e d g e l t e m v a l u e 的集合, 其中k n o w l e d g e l t e m 代表知识项,v a l u e 是一个值,代表掌握程度。一般地,v a l u e 可以是一个逻辑值( 掌握、不掌握) ,或定性描述( 好、一般、差) ,或统计值( o 1 0 0 ) 。 图2 - 2覆盖学生模型 覆盖学生模型中的学生描述的是一种相对简单的推理机制,它支持关于学生 认知状态伺理想的领域专家相关的推理,可以很好地适用于将知识由专家传授给 9 硕士学位论文第二章基本理论和相关技术 学生的一类系统。其优点是可以作为大量知识项的课程测试中的学生模型,能很 清楚地表示先验知识。 ( 2 ) 偏差学生模型( b u gs t u d e n tm o d e l ) ,偏差学生模型【3 6 】通过把学生的错 误概念表示为领域专家知识的偏差而获得学生行为的模型。此模型在每个正确概 念或技能的节点上均加入该正确概念或技能的变形,即该模型是在覆盖膜学生模 型的基础上,增加了学生对领域知识的偏差。实现偏差模型的通用技巧是首先展 示专家知识,然后再附加可能出现误解知识的基础上,对已做的陈述进行补充。 偏差在学习者和专家模型之间包含一个封闭的链接,而且它也代表了超出专家模 型范围的学习者所具有的知识状态。由于该模型着眼于学生学习过程中的出错而 进行构造来体现学生的知识掌握情况,因此也称为出错模型或诊断模型。 图2 - 3偏差学生模型 偏差学生模型虽然能通过找出学生行为产生的原因与途径来判断学生的认 知过程,以发现学生出错的性质,找出错误的知识的关系,但它的困难在于很难 全部找出解决问题的正确过程或在解题过程中的错误,而且即使找出,计算机也 难以完全实现。 ( 3 ) 干扰学生模型( p e r t u r b a t i o nm o d e l ) ,干扰学生模型【3 6 】将学生超出专家 知识的那部分知识自动认为是学生的误解,在这个模型中,学生的知识不再是领 域的子集,学生可以拥有在数量和性质上与领域知识不同的知识。干扰模型既要 维持学生知识与领域知识的关系,又要记录在领域知识之外的学生知识。 图2 - 4干扰学生模型 这种模型不仅在学生模型和专家模型之间建立了密切关系,而且表示了专家 1 0 硕士学位论文 第二章基本理论和相关技术 知识之外的学生错误知识,在此基础上,系统可提供相应的改正措施,对相应的 错误进行解释。但由于将学生超出专家知识的知识全部认为是学生的误解,将导 致知识难以解释及组合爆炸的问题,所以该模型的实现也存在困难。 2 4 贝叶斯网络理论基础 贝叶斯学派起源于1 7 6 3 年英国数学家贝叶斯发表的一篇名为“关于几率性 问题求解的评论”的论文,贝叶斯网络( b n ,b a y e s i a nn e t w o r k ) 是由路径分析 ( 因果推理链) 、因果模式、影响图( 决策图) 等逐渐演变而来,1 9 8 6 年p e a r l 首次在专家系统中引进了贝叶斯网1 3 8 1 。贝叶斯网络是贝叶斯方法与图形理论的有 机结合,它是一种基于有向无环图( d a g ,d i r e c t e da c y c l i cg r a p h ) 的图模型, 编码了一组变量的条件概率关系,是人工智能领域中较流行的不确定性知识表示 的方法口9 1 。 1 贝叶斯网络定义 贝叶斯网络( b n ) 又称为信度网络( b e l i e f n e t w o r k ) 、概率网络( p r o b a b i l i t y n e t w o r k ) 、因果网络( c a s u a ln e t w o r k ) 、知识图( k n o w l e d g em a p ) 等,它是一 种基于概率推理的有向无环图的模型,可以将具体问题中复杂的变量关系在一个 网络结构中表示,通过网络模型反映问题领域中变量的依赖关系,适用于不确定 性知识的表达和推理。 2 贝叶斯网络构成 一个贝叶斯网络主要由两部分构成,分别对应问题领域的定性描述和定量描 述,即贝叶斯网络结构和网络参数【加】。 ( 1 ) 叶斯网络结构,一个贝叶斯网络结构就是一个有向无环图( d a g ) , 由一个节点集合和一个有向边集合组成。节点集合中的每个节点代表一个随机变 量,变量可以是任何问题的抽象,用来代表感兴趣的现象、部件、状态或属性等, 具有一定的物理和实际意义。有向边表示变量之间的依赖或因果关系,有向边的 箭头代表因果关系影响的方向性( 由父节点指向子节点) ,节点之间若无连接边 表示节点所对应的变量之间是条件独立的。指向节点x 的所有节点称为x 的父 节点,x 则称为这些节点的子节点。 ( 2 ) 贝叶斯网络参数,贝叶斯网络的另一部分是反映变量之间关联性的局 部概率分布集即网络参数( 概率参数) ,通常称之为条件概率表( c 门,c o n d i t i o n a l p r o b a b i l i t yt a b l e ) ,该表列出了每个节点相对于其父节点所有可能的条件概率。 贝叶斯网络约定以节点的父节点为条件,) ( i 与任意非) ( i 子节点条件独立。 概率为其先验概率。贝叶斯网络结构是将数据实例抽象化的结果,是对问题领域 的一种宏观描述。而概率参数是对变量( 节点) 之间关联强度的精确表达,属于 硕士学位论文第二章基本理论和相关技术 定量描述的部分。 贝叶斯网络在有联系的节点之间建立连接弧,则有n 个节点的贝叶斯网络联 合概率分布为: p ( x ,x z ,品) = 1 1p ( x iip o t ) i = l 公式( 2 1 ) 其中p a i 为节点x i 的父节点集合。 3 构建贝叶斯网络 构建贝叶斯网络包括以下三部分内容:变量的定义;结构学习;参数 学习。这三个任务之间一般是顺序进行的,然而在构造过程中一般需要在以下两 个方面做折中:一方面为了达到足够的精度,需要构建一个足够大的、丰富的网 络模型;另一方面,要考虑构建、维护模型的费用和考虑概率推理的复杂性。一 般来讲,复杂的模型结构它的概率推理的复杂性也较高,而这往往是影响贝叶斯 网络效率的一个重要方面。实际上建立一个贝叶斯网络往往是上述三个过程迭代 地、反复地交互过程。 第一个任务主要是在领域专家的指导下选取适宜的研究问题领域的变量,同 时在有些情况下也需要一定的策略从专家提供的变量中选择重要的因子。第二、 第三个任务是构建贝叶斯网络的关键点也是难点所在,主要是构建出一个有向无 环图并给出图中每个节点的分布参数,即每个节点对应一个条件概率分布表。 4 贝叶斯网络推理 贝叶斯公式的数学描述如下: p ( hi 聃型铲公式( 2 2 ) 该等式表示在给定背景先验知识c 和额外的证据e 的情况下,通过该等式可 以更新h 的信任度。p ( hle ,c ) 代表后验概率,是考虑了在知识集c 上增加证据 e 之后,h 的概率。p ( hic ) 是在给定c 下,h 的先验概率。p ( eih ,c ) 称为似然 度,是在假设h 和背景知识c 为真的情况下证据e 的概率。 贝叶斯推理的目的是通过联合概率分布公式,在给定的网络结构和己知证据 下,计算某一事件发生的概率。理论上,在给定网络结构和概率分布下,任何查 询都可以通过反复应用贝叶斯公式和乘积与求和公式而得到,常见的推理方法可 分为精确推理和近似推理两种。精确推理完全按着概率基本公式对查询
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 合同签订及付款方式回复函7篇范文
- 关于逾期未付款通知4篇范文
- 订单状态更新通知函7篇范本
- 完成订单审核的确认函4篇范文
- 供应链透明度提升商议函4篇
- 室内设计师空间布局与色彩搭配指导手册
- 商洽处理供应商交货延误补偿问题函3篇范文
- 铁路司机安全驾驶与运营效率绩效分析表
- 老年人防走失智能手环操作手册
- 商洽2026年数据安全合规评估商洽函(4篇)
- 煤矿测量新手培训课件
- 义工考核管理制度
- 言语治疗共鸣障碍课件
- 福建莆田市拔尖人才选拔考试六年级试卷及答案
- 电力行业技术服务合同
- JGJ52-2006 普通混凝土用砂、石质量及检验方法标准
- 四川省民族地区旅游产业发展综合规划
- 主题班会调整心态缓解压力省公开课一等奖全国示范课微课金奖课件
- 病毒基因组课件
- 中裕能源项目短视频运营方案
- 三年级英语课标解读课件
评论
0/150
提交评论