【智能导学系统发展研究的国内外文献综述13000字】

智能导学系统发展研究的国内外文献综述目录TOC\o"1-3"\h\u9602智能导学系统发展研究的国内外文献综述 1111371.1文献基本情况 1159061.2系统结构模型 4276041.3领域知识库 13306371.4提示 1510941.5小结 2520世纪50年代，随着计算机技术的发展及其在教育领域的应用，出现了计算机辅助教学。早期的计算机辅助教学虽然已经开始考虑不同学习者的学习进度差异，但很难为学习者提供个性化的学习指导[]刘德建,杜静,姜男,黄荣怀.人工智能融入学校教育的发展趋势[J].开放教育研究,2018,24(04):33-42.。20世纪70年代，随着人工智能技术的发展，人们将专家系统引入教育领域，在认知学习理论的指导下，开始研发智能导学系统。卡内基梅隆大学的卡波纳尝试将人工智能技术应用于CAI系统,设计并实现了第一个智能化的地理教学系统SCHOLAR。该系统有一个包含教学主题材料和授导教学规律的知识库，能够以自然的方式从它的通用知识库里面生成问题和反馈[[]CarbonellJR.ArtificialIntelligenceandLargeInteractiveManComputerSystems.[R].BOLTBERANEKANDNEWMANINCCAMBRIDGEMASS,1971.]。史利曼和布朗1982年提出了用专门术语“智能导学系统(IntelligentTutoringSystem，ITS)”来描述这种新的ICAI系统[]张剑平,陈仕品.计算机辅助教学的智能化历程及其启示[J].教育研究,2008(01):76-83.。1988年，第一届智能导学系统国际会议在加拿大蒙特利尔召开，会议正式确定采用ITS作为专用名词，指代智能导学系统领域的研究[]刘德建,杜静,姜男,黄荣怀.人工智能融入学校教育的发展趋势[J].开放教育研究,2018,24(04):33-42.[]CarbonellJR.ArtificialIntelligenceandLargeInteractiveManComputerSystems.[R].BOLTBERANEKANDNEWMANINCCAMBRIDGEMASS,1971.[]张剑平,陈仕品.计算机辅助教学的智能化历程及其启示[J].教育研究,2008(01):76-83.[]NwanaHS.Intelligenttutoringsystems:anoverview[J].ArtificialIntelligenceReview,1987,4(4):251-277.面向数学思维培养的智能导学系统领域知识库构建与提示设计是本研究的重点，针对研究开展的需要，对国内外智能导学系统的结构、领域知识库的实现技术与提示的相关研究做了梳理，以为研究的开展提供参考。1.1文献基本情况在CNKI文献数据库中，限定主题检索条件为“智能导学系统or智能辅导系统or智能教学系统or智能导师系统or智能授导系统”，匹配要求为“精确”，时间跨度为所有年份，检索日期为2020年5月11日，得到检索结果2257条，研究主题分布在智能教学系统、学生模型、人工智能、知识点、agent、专家系统、网络教学、CAI等领域（如图2-1）。关于智能教学系统的研究，国内最早的文献出现于1985年，之后相关研究成果逐年增长，在2008年达到顶峰（95篇）之后，逐年减少，至2014年到达谷底，但仍保持较高研究热度与发文数量（44篇）。究其原因，一方面，智能导学系统的研究与人工智能技术的发展密切相关，人工智能技术研究的进展，在很大程度上影响着智能导学系统研究的受关注程度与推进程度。另一方面，智能导学系统的研究人员主要集中在教育技术、计算机应用领域，进入21世纪的第二个十年以来，教育技术的研究内容更加多元，在线课程、MOOC、混合学习、翻转课堂、TPACK、STEAM、教育大数据、学习分析、虚拟现实等研究热点纷纷涌现，分散了研究的焦点，但从事智能导学系统研究的一些团队仍持续推进相关研究，并取得了较为丰硕的成果。自2015年开始，随着移动互联、大数据、人工智能技术发展热潮的到来以及国家“互联网+”、人工智能战略的出台，智能导学系统的相关研究迎来的新的发展契机，吸引了更多研究者的参与，研究成果呈现出逐年增长的趋势（如图2-2）。图2-1智能教学系统相关中文文献主题分布情况图2-2智能教学系统相关中文文献年度分布情况基于科学严格的选刊原则，《中文社会科学引文索引》（CSSCI）与《中文核心期刊目录总览》（核心期刊）收录的期刊论文，能够在较高程度上代表中文社会科学领域的研究成果与研究现状。本研究在CNKI期刊数据库中，限定检索范围为“核心期刊orCSSCI”，设定的主题检索条件与在CNKI文献库中的检索相同，时间跨度为所有年份，检索日期为2020年5月11日，得到结果401条。利用CNKI提供的文献计量工具，可以发现核心期刊上关于智能导学系统发文趋势与文献库中的总体发文趋势基本一致（如图2-3），且自2014年以后，相关研究的发文数量呈上升趋势，说明随着数据挖掘、人工智能、移动互联技术的发展，智能导学系统获得技术方面的动力与支持，同时因其顺应了个性化学习、适应性教学的需求，再度成为相关研究领域的热点问题。图2-3核心期刊与CSSCI期刊中智能导学系统相关文献年度分布情况核心期刊论文的关键词共现网络如图2-4所示。“智能教学系统”“智能导学系统”“智能授导系统”“智能导师系统”“智能辅导系统”皆与“ITS”对应，因此将关键词共现图中的以上关键词作为一个关键词处理，发现与以上术语紧密关联的高频关键词包括“学生模型”“教学策略”“领域知识”“知识模型”“知识点”“知识表示”“知识网络”“教学过程”“学习过程”“适应性学习”“数据挖掘”等。结合对文章标题、摘要的梳理，发现国内关于智能导学系统的研究主要集中在系统模型构建、学生模型构建、领域模型构建、算法研究、应用研究等方面，其中理论研究居多，研发与应用方面的研究较少。在WebofScience数据库中，选择检索范围为“WebofScience核心合集”，以“IntelligentTutoringSystem”为主题关键词检索，检索时间为2020年6月23日，共得到检索结果2785个，将检索结果以“教育与教育研究”分类进行精炼，共得到结果759个，将记录导出至Histcite中进行引文关系可视化分析，共得到核心被引文献18篇，通过对核心被引文献的重点阅读与对其它741篇文献的摘要进行阅读，发现关于智能导学系统的研究分布在基本理论探讨、系统模型建构、算法实现、智能导学系统开发研究、智能导学系统应用研究等方面。图2-4核心期刊与CSSCI期刊中智能教学系统相关文献关键词共现图结合国内外关于智能导学系统文献分析，其研究主题主要包括智能导学系统的系统模型构建研究、领域知识库构建研究、学生模型构建研究、教学策略构建研究、交互模型构建研究以及智能导学系统的实践应用研究等五个方面。本研究主要聚焦智能导学系统中的领域知识库与提示设计，因此，根据研究需要主要对智能导学系统模型及各模块功能、领域知识库、提示设计与应用等方面对国内外相关文献进行梳理总结。1.2系统结构模型随着计算机技术、网络技术等的发展，研究者针对不同学科、不同应用场景设计或研发了不同的智能导学系统。由于研究者的关注点不同，不同子模块的功能会被进行针对性的设计或完善。早期的智能导学系统，多为单机运行软件，90年代后期开始出现基于互联网的智能导学系统，20世纪初，智能代理开始出现在研究者构建的智能导学系统中，而且逐渐出现了适合移动学习的智能导学系统。（1）智能导学系统通用框架描述智能导学系统的框架较多，最典型的是由Hartley和Sleeman于1973提出的三模块结构，其核心组件包括领域知识模型（domainmodel）、学习者模型（learnermodel）和教学策略模型（pedagogicmodel）[[]ShuteVJ,PsotkaJ.IntelligentTutoringSystems:Past,Present,andFuture[EB/OL].(1994)[2018-11-23]./edtech/ed1/19/index.html]，分别解决教授知识过程中教什么、教学对象和如何教的问题[[]HartleyJR,SleemanDH.Towardsmoreintelligentteachingsystems.[J].InternationalJournalofMan-MachineStudies.1973.]。随后，Wenger等人在上述三模块结构中加入了交互模型(communicationmodel)，这种四模块结构是智能导师系统研究领域较为通用的描述框架[]ShuteVJ,PsotkaJ.IntelligentTutoringSystems:Past,Present,andFuture[EB/OL].(1994)[2018-11-23]./edtech/ed1/19/index.html[]HartleyJR,SleemanDH.Towardsmoreintelligentteachingsystems.[J].InternationalJournalofMan-MachineStudies.1973.[]EtienneW.Artificialintelligenceandtutoringsystems[J].ComputationalandCognitiveApproachestotheCommunicationofKnowledge.SanFrancisco:MorganKaufmannPublishe,1987.图2-5智能导学系统的一般结构领域模型又被称为领域知识库，主要解决“教什么”的问题。该模块中包含教学所需的相关知识（概念、事实、规则）以及问题求解策略[[][]EtienneW.Artificialintelligenceandtutoringsystems[J].ComputationalandCognitiveApproachestotheCommunicationofKnowledge.SanFrancisco:MorganKaufmannPublishe,1987.学习者模型建立在领域模型的基础上，用来存储学习者的基本信息和其学习过程的动态信息[]陈丽,郭玉娟,王怀波,郑勤华.新时代信息化进程中教育研究问题域框架[J].现代远程教育研究,2018(01):40-46+87.。学习者模型包括知识模型、认知模型、心理模型等。知识模型主要包括覆盖模型、偏差模型、干扰模型等[[]李红美,徐振华.智能教学系统支持英语学习的案例研究[J].远程教育杂志,2012,30(003):66-72.]。认知模型强调对学生认知状态的建模，关注学生的知识掌握情况和学生的知识结构。心理模型关注学习者的心理因素，如学生的学习风格、情绪状态等。常见的学生模型构建方法主要包括基于模型追踪/知识追踪的构建方法[[]DesmaraisMC,BakerRSJD.Areviewofrecentadvancesinlearnerandskillmodelinginintelligentlearningenvironments[J].UserModelingandUser-AdaptedInteraction,2012,22(1-2):9-38.]、基于项目反应理论的构建方法[[]陈丽,郭玉娟,王怀波,郑勤华.新时代信息化进程中教育研究问题域框架[J].现代远程教育研究,2018(01):40-46+87.[]李红美,徐振华.智能教学系统支持英语学习的案例研究[J].远程教育杂志,2012,30(003):66-72.[]DesmaraisMC,BakerRSJD.Areviewofrecentadvancesinlearnerandskillmodelinginintelligentlearningenvironments[J].UserModelingandUser-AdaptedInteraction,2012,22(1-2):9-38.[]MillánE,Pérez-De-La-CruzJL.ABayesiandiagnosticalgorithmforstudentmodelinganditsevaluation[J].UserModelingandUser-AdaptedInteraction,2002,12(2-3):281-330.[]甘媛源,余嘉元.心理测量理论的新进展:潜在分类模型[J].中国考试(研究版),2009(03):3-8.[]文春明,吴建生.基于神经网络的智能教学系统学生模型设计[J].智能计算机与应用,2011,1(06):52-53.教学策略模型也称教学模型，关注如何合理有效的组织教学，即“如何教”。该模块基于学生模型，依据教学原理，确定合适的教学内容，并选择适当的教学策略。教学策略模块是系统实现适应性、个性化教学的核心组件。教学策略像一座桥梁，桥梁的一端是智能导学系统的内部表征，一端是学生输入的信息和学生从屏幕上接收的信息[[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.]。随着大数据、人工智能技术的发展，智能导学系统的教学策略呈现出由简单到复杂、由机械到智能的发展特征[[]陈凯泉，沙俊宏，何瑶,等.人工智能[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.[]陈凯泉，沙俊宏，何瑶,等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志,2017,35(05):40-53.[]SarrafzadehA,AlexanderS,DadgostarF,etal.“HowdoyouknowthatIdon’tunderstand?”Alookatthefutureofintelligenttutoringsystems[J].ComputersinHumanBehavior,2008,24(4):1342-1363.交互模型也被称为用户接口，主要考虑用户和应用程序之间实际发生的以及假设会发生的交互。交互包括用户可被监测到的与系统互动的各种行为，如提问、呈现答案、提供反馈与学习选项等。这些监测到的数据被用来进行用户信念或一些稳定特征的推测，如认知特征或档案信息（profile）等[[]WilsonCSB.AdaptiveSystemsinEducation:AReviewandConceptualUnification.[J].InternationalJournalofInformation&LearningTechnology,2017,34(1):2-19.]。常见的交互方法主要包括基于规则的交互[[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.]和基于自然语言理解的交互[[]WilsonCSB.AdaptiveSystemsinEducation:AReviewandConceptualUnification.[J].InternationalJournalofInformation&LearningTechnology,2017,34(1):2-19.[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.[]GraesserAC,LiH,ForsythC.LearningbyCommunicatinginNaturalLanguagewithConversationalAgents[J].CurrentDirectionsinPsychologicalScience,2014,23(5):374-380.（2）单机版智能导学系统受到计算机和网络技术技术发展水平的限制，早期的智能导学系统在独立的计算机上运行，除提供学习资源外，还可基于系统中设定的模型与算法，模仿专家为学生提供一定的指导和帮助。张涛利用FoxBASE+2.1和TurboC++，设计开发了《大学物理》智能辅导系统，包括学生自测、智能组卷、内容查询、系统维护和统计检索等5个模块，能为学生提供课外辅导、答疑和自测服务，也可支持教师开展课堂教学[[]张涛[]张涛.《大学物理》智能辅导系统的设计与制作[J].电子科技大学学报,1996(05):90-93.阮晓钢等在分析汉语教师能力结构的基础上，对教师知识体系和智能行为进行模拟，设计了面向汉语教学的智能教学系统（如图2-6）。该系统基于汉语知识库和对学生的认知状态，通过教学策略模块，选择教学目标和教学技法，实现适应性的教学[[][]阮晓钢,陈增武,胡上序,等.智能计算机辅助汉语教学系统的汉语知识表达[J].浙江大学学报(自然科学版),1993(06):46-54.图2-6智能汉语教学系统结构郭瑞标等面向中医穴位知识的学习构建了基于微型机的智能教学系统，包括领域静态知识库、元知识库、领域动态知识库和学生库等模块，通过对学习过程和学习资源的智能化管理与推送，实现个别化教学[[][]郭瑞标,纪世露.智能计算机辅助教学系统TCCA[J].计算机应用与软件,1993(05):50-54.图2-7“中医腧穴学”智能教学系统结构王小辉等基于黑板控制结构，面向个人、主动交互的教学模式实现的需要，设计了KD-ICAI系统（如图2-8），系统的教学内容来自领域知识库、题库和多媒体对象库。学生模型包括学生的基本信息、学习计划、生理信息和环境信息等。教学模块依据教案自动选择相应的教学资源，实现个别化教学[[]童頫[]童頫,王小辉.智能计算机辅助教学系统的设计[J].软件学报,1996(04):217-222.谢深泉等基于超文本技术构建领域知识库，提出了包括知识库模块、教师模块和学生模块的ICAI系统结构（如图2-9），阐述了每个模块的具体功能[[]谢深泉,李铮[]谢深泉,李铮.智能计算机辅助教学系统设计的探讨[J].计算机工程与应用,1998(01):42-44+65.图2-8KD-ICAI智能教学系统结构李文军等在介绍ITS的一般原理与结构的基础上,提出基于网络的、支持因材施教的智能远程教学模型，该模型主要包括教师模块、知识库模块和学生模块三部分[[][]李文军,周晓聪,许宇玲.一个基于Internet的智能远程教学模型[J].中山大学学报(自然科学版),1999(S1):22-27.图2-9ICAI系统结构图（3）网络环境下的智能导学系统随着网络技术、大数据技术的发展，智能导学系统也开始呈现出网络化、数据化的特征，其适应性与智能性得到了显著增强。徐建民面向多媒体、个别化和智能化的目标，构建了一个基于超媒体的智能教学辅导系统（如图2-10），该系统主要包括学生档案、教学内容库、教学实施模块等主要组件，能够支持学生进行在线自主学习[[]徐建民[]徐建民.一个超媒体智能计算机辅助教学系统的设计[J].中国电化教育,2001(05):44-47.图2-10基于超媒体的智能辅导系统结构图刘莹等利用Agent技术，构建了一个基于多Agent的远程智能教学系统（如图2-11），并对系统中知识的表示以及知识点的关联体系等问题进行了分析和探讨[[]刘莹,景波.基于多Agent的远程智能教学系统的设计[J].现代教育技术,2007(11):71-74+78.][]刘莹,景波.基于多Agent的远程智能教学系统的设计[J].现代教育技术,2007(11):71-74+78.[]李力.关于采用AGENT技术构建远程教育智能导学系统的研究[J].电化教育研究,2001(05):28-30.[]文孟飞,徐峥立,阳春华.基于智能代理技术的远程开放网络教学系统[J].中国电化教育,2006(01):89-92.图2-11基于多Agent的远程智能教学系统王晓东和高洪卿基于Ontology方法，按照KADS（KnowledgeAidedDesignSystem）知识模型把ITS划分成领域层、推理层和任务层（如图2-12）。领域层对应学科领域知识库，推理层对应教学策略，任务层对应学生用户不同学习目的[[]王晓东,高宏卿[]王晓东,高宏卿.基于Ontology的智能系统开发[J].河南师范大学学报(自然科学版),2005(01):25-28.图2-12KADS框架的知识模型林海平等面向网络学习的差异，设计并实现了一种个性化的智能导学系统。该系统以结构化知识域为基础组织学习对象，通过学习路径挖掘对学习者进行学习引导，但对学习资源和学习策略的选择，仍由教师决定[[]林海平,檀晓红[]林海平,檀晓红.适合大规模网络学习的个性化导学系统[J].中国远程教育,2009(09):68-71.吴青等面向网络环境下师生开展协作学习的需求，构建一个支持协作学习的数字化群体感知环境模型。该模型基于本体技术，构建了群体感知信息、群体感知本体和群体感知规则三个模块，并在ITS的一般框架基础上，扩展了协作学习模块[[]吴青,罗儒国.[]吴青,罗儒国.智能教学系统中支持协作学习的群体感知模型[J].现代远程教育研究,2013(04):107-112.图2-13基于群体感知模型构建的智能教学系统李小平等根据VR/AR教学思维的维度扩展构建了教学系统框架，提出了系统物理模型，并通过数据挖掘、教学回馈校正探索性地实现了个性化智能虚拟教学闭环控制系统（如图2-14）[[]李小平[]李小平,张琳,张少刚,等.智能虚拟现实/增强现实教学系统构造研究[J].中国电化教育,2018(01):97-105.图2-14智能虚拟教学系统此外，智能识别技术催生了智能导学系统的自动化测评和情绪感知功能，采用的技术包括语音识别、图像识别、表情识别、手势识别、眼动跟踪等，如GazeTutor通过为智能导学系统的交互模块增加表情识别功能，实现对学生学习情绪的追踪，以提供更好的学习体验[[]GraesserAC,KeshtkarF,LiH.Theroleofnaturallanguageanddiscourseprocessinginadvancedtutoringsystems[M].TheOxfordHandbookofLanguageandSocialPsychology,2014.]。虚拟现实技术的应用，使智能导学系统能够为学习者创设更为真实的情境，如V-CAEST系统（VirtualCivilianAeromedicalEvacuationSustainmentTraining）利用虚拟现实创设逼真的任务场景，用来实现平民伤病员空中医疗后送持续训练，提高了训练的成效，降低训练成本[[[]GraesserAC,KeshtkarF,LiH.Theroleofnaturallanguageanddiscourseprocessinginadvancedtutoringsystems[M].TheOxfordHandbookofLanguageandSocialPsychology,2014.[]PucherPH,BatrickN,TaylorD,etal.Virtual-WorldHospitalSimulationforReal-WorldDisasterResponse:DesignandValidationofaVirtualRealitySimulatorforMassCasualtyIncidentManagement[J].JournalofTrauma&AcuteCareSurgery,2014,77(2):315-321.（4）小结智能导学系统结构的演进过程，体现了智能技术与媒体技术的发展。从早期的单机版智能导学系统到适应网络环境的智能导学系统，从与学生进行简单机械的交互，发展到智能代理与学生的自然交互，从知识的简单呈现到利用虚拟现实技术构建更为真实的学习情境。各种技术的进步，为智能导学系统的功能完善提供了强力的支持。虽然技术的进步，赋予了智能导学系统更为灵活丰富的交互形态与更为智能、个性化的教学策略，且系统的复杂性也不断提高，但其基本结构并未发生太大的变化，领域知识库模块、学生模型、教学策略模块与交互策略模块，仍是智能导学系统的基本组成部分。智能导学系统结构的不断完善，同时受到不断发展的学习理论、教学理论的影响，智能导学系统的应用目标，正在从指导学生实现知识与技能的记忆、理解和熟练应用，逐渐向深度学习、能力提升、思维发展转变。这就要求智能导学系统在设计过程中，要更加重视知识的内在规律与学生的学习原理，对系统各模块的功能与结构进行相应的完善与创新。要提升智能导学系统的作用层次，使智能导学系统能够满足学生实现深度学习，发展高阶思维和元认知能力的需要，不仅需要关注新技术的应用和算法的更新，还需要从系统的教学目标、功能需求等视角，对领域知识库、学生模型、教学策略模型等模块开展创新研究与设计。领域知识库作为智能导学系统重要的基础性模块，其内容与结构在很大程度上决定了系统对学生进行认知诊断的精准性和所能提供学习支持的内容与类型，影响着学生模型和教学策略模型的构建与实现。因此，在系统设计与开发过程中，要充分重视领域知识库的基础性作用，结合系统开发的整体目标，综合考虑学生模型、教学策略模型、交互模型等模块的功能需求，对领域知识库的内容与结构进行系统化的设计。1.3领域知识库领域知识的概念源于人工智能研究领域，主要应用在自然语言理解系统和基于知识的专家系统中[[]BittencourtII,CostaE,SilvaM[]BittencourtII,CostaE,SilvaM,etal.Acomputationalmodelfordevelopingsemanticweb-basededucationalsystems[J].Knowledge-BasedSystems,2009,22(4):302-315.[]AdelaLau,EricTsui.Knowledgemanagementperspectiveone-learningeffectiveness[J].KnowledgeBasedSystems,22(4):324-325.领域知识库的实质是以一定的表达形式对知识进行组织和管理的数字化过程，知识表示的方法在领域知识库的构建中占据重要地位，当前较为成熟的知识表示技术包括框架表示、谓词逻辑表示、语义网络表示、产生式规则、知识本体[][]杨杰.系统仿真的新技术探讨－（3）：人工智能[J].计算机仿真,1996(03):51-54+29.（1）基于产生式规则的领域知识库构建Reiser和Anderson等人研发了用于大学生学习LISP编程语言的智能导学系统。该系统的领域知识库包括两部分内容，一部分为程序设计与编写的规则库，一部分为问题库。问题库中存储了与规则库中的规则对应的各类编程新手会产生的错误认识。这些错误认识可能是糟糕的编程策略、对函数的混淆、对变量的错误理解以及句法的误用等。系统会将学生的输入内容与规则库中的正确规则和问题库中的错误集进行对比，从而实现对问题的动态判断[[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.濮强国在介绍智能辅导系统一般结构的基础上，指出其中的专家模块通常利用专家系统来实现，并介绍了知识库的四种知识表达策略：“如果-那么”规则、具有不确定度的“如果-那么”规则、语义网络表达与基于框架的表达等[[]濮强国.智能辅导系统及其专家模块[J].科技进步与对策[]濮强国.智能辅导系统及其专家模块[J].科技进步与对策,2003(S1):64-65.赵瑛等构建了痛风临床诊治智能教学系统，基于对通风病症领域知识特点的分析，提出基于产生式规则构建领域知识库，利用语义树知识表示法和深度优先语义遍历算法，自动生成痛风病例，为学生提供模拟的痛风临床诊治环境，训练学生关于痛风的临床诊治技能[[][]赵瑛,魏绍谦,王成尧.Gout-ITS系统的深度优先语义遍历算法[J].计算机工程与设计,2005(12):3420-3422.（2）基于语义网络的领域知识库构建语义网络是一种用图来表示知识的结构化方式，是智能教学系统中常用的一种知识表示方式[[]杨勇.基于语义网络的智能教学系统开发环境[D].中国科学院研究生院（计算技术研究所）,1998.[]杨勇.基于语义网络的智能教学系统开发环境[D].中国科学院研究生院（计算技术研究所）,1998.高婷面向构建智能教学系统的需求，提出了知识网络图和模糊规则图的知识表示形式，分别用来组织系统中的领域知识和教学策略[[]马文龙,瞿有甜,张金伟[]马文龙,瞿有甜,张金伟.基于多Agent的适应性网络教学系统设计[J].计算机应用与软件,2007(10):141-142.马玉慧等基于文献梳理，归纳总结了自动问题求解智能教系统所能解决题目受限的原因，并指出问题表征是语义理解的方向，领域知识库是语义理解的基础，借鉴认知科学的研究成果是语义理解研究的趋势[[]马玉慧,谭凯,尚晓晶,等[]马玉慧,谭凯,尚晓晶,等.自动问题求解智能教学系统中语义理解方法综述[J].现代教育技术,2012,22(08):104-108.（3）基于知识本体的领域知识库构建“本体”在计算机科学与信息科学领域意为“一种形式化的，对共享概念体系的明确而又详细的说明”。本体一般可以用来对某领域的属性进行推理，也可用于定义该领域[][]百度百科.本体[EB/OL].[2018-2-21]./item/%E6%9C%AC%E4%BD%93/17330?fr=aladdin宾夕法尼亚州匹兹堡大学医学院的Crowley等开发的可视化分类问题解决智能导师系统，基于领域本体、领域任务本体和案例数据构建了系统知识库。知识库与专家模型协同作用，能够生成一个动态的问题解决曲线，以支持判定学生的当前状态并做出响应[[][]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving.[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.陈刚从领域特征和教学特征两个方面分析了智能授导系统中的领域知识，将从概念、子知识本体、行为、属性、实例、关系等六个维度，实现了领域知识模型的建构[[]陈刚[]陈刚.基于本体论的ITS领域知识建模[J].开放教育研究,2004(06):74-76.肖奎等提出一种面向学习路径推荐的领域知识网络构建方法，把学习对象的描述标签分类，分别标注每个学习对象的预备知识与目标知识，把知识点作为领域知识网络里的节点，学习对象作为领域知识网络里连接两个节点的边，构建了领域知识网络（如图2-15）[[]肖奎，吴天吉[]肖奎，吴天吉.一种面向学习路径推荐的知识网络构建方法[J].计算机工程与科学,2018,40(08):1521-1526.刘博基于知识本体构建了问题库，引入了基于流图推理的个性化学习支持策略，运用流图推理技术构建了在线练习学习活动模型，设计了具有增量式循环的教学知识问题资源建设机制，并阐述了设计、开发和推理等实现细节[[]刘博[]刘博.智能教学系统中个性化题库的设计与实现[J].中国电化教育,2010(09):110-114.图2-15肖奎等提出的领域知识网络构建方法（4）小结智能导学系统领域知识库的构建技术从早期的产生式规则，到语义网络、知识本体技术的应用，促进了系统智能化水平的提升。当前知识库的构建和知识表示，多采用知识本体的方法，从知识的关联结构入手，形成包括知识点、实例、关系等的领域知识库。由于知识的表征具有相当高的复杂性，单一的知识表示方法很难满足系统构建的所有需求，因此如何构建立体的领域知识库，形成结构清晰，利于提取、诊断与推送的知识库结构，是领域知识库研究的重点问题。领域知识库的构建机制，在很大程度上决定了智能导学系统对学生的知识结构、认知水平等方面的诊断与评价能力。领域知识库的内容体系、结构特点、知识粒度等，与学生模型的构建、学生认知诊断的精细程度直接相关，也决定了教学策略模块能够为学生推送的学习内容的类型和深度。随着教学理论、学习理论的发展和社会对人才需求的变化，智能导学系统的作用正在从夯实知识基础、提高技能熟练水平，向问题解决、思维发展、能力提升跃迁。这种转变，要求智能导学系统的领域知识库的结构与内容产生相应的调整与变化，因此在领域知识库的构建过程中，首先应明确智能导学系统的构建目标，根据相关学科领域的特点，选择适当的构建方法，设计合理的领域知识库结构与内容呈现形式。1.4提示在传统面授教学中，提示是教师常用的一种教学策略。教师可以通过多种方式呈现和传递提示信息，如在课堂上利用口头或书面回答问题的形式提示学生，还可以通过呈现多媒体资源或概念图、思维导图等形式提示学生。在基于计算机的学习系统中，常常根据学生的学习进度或问题解决情况，为学生提供支架来支持其自主学习，“提示”被认为是认知领域最有效的支架[[]DevolderA,BraakJV,TondeurJ.Supportingself-regulatedlearningincomputer‐basedlearningenvironments:systematicreviewofeffectsofscaffoldinginthedomainofscienceeducation[J].JournalofComputerAssistedLearning,2012,28(6):557-573.]。无论学习情境是在课上还是基于计算机，虽然提示的提供者、呈现形式和提供途径多种多样，大量研究均证明提示能够通过支持意义建构，促进学习者实现概念理解和观念转变[[][]DevolderA,BraakJV,TondeurJ.Supportingself-regulatedlearningincomputer‐basedlearningenvironments:systematicreviewofeffectsofscaffoldinginthedomainofscienceeducation[J].JournalofComputerAssistedLearning,2012,28(6):557-573.[]ElizabethA，Davis.PromptingMiddleSchoolScienceStudentsforProductiveReflection:GenericandDirectedPrompts[J],JournaloftheLearningSciences,2003，12（1）,91-142.[]DuffyMC,AzevedoR.Motivationmatters:Interactionsbetweenachievementgoalsandagentscaffoldingforself-regulatedlearningwithinanintelligenttutoringsystem[J].ComputersinHumanBehavior,2015,52(NOV.):338-348.[]SonnenbergC,BannertM.ScaffoldingHypermediaLearningthroughStudent’sSelf-CreatedMetacognitivePrompts[A].

ProceedingsofKogWis2012[C],2012:146.（1）提示的涵义提示通常意为“把对方没有想到或想不到的提出来，引起对方注意[[]中国社会科学院语言研究所.现代汉语词典[M].商务印书馆:北京,1996:1239.]。”Melero等人认为提示是帮助学生前进的线索或建议[[]JavierM，HERNÁNDEZ-LEOD，JosepB.Areviewofscaffoldingapproachesingamebasedlearningenvironments[A].Proceedingsofthe5thEuropeanConferenceonGamesBasedLearning[A],2011：20-21.]。Hume等人指出提示应提醒学生回想已知信息，或建议学生要实现问题解决应采取的下一个步骤[[]HUME,GregoryD.,etal.Theuseofhintsasatutorialtactic[A].

Proceedingsofthe15thAnnualConferenceoftheCognitiveScienceSociety[C],1993：563-568.[]中国社会科学院语言研究所.现代汉语词典[M].商务印书馆:北京,1996:1239.[]JavierM，HERNÁNDEZ-LEOD，JosepB.Areviewofscaffoldingapproachesingamebasedlearningenvironments[A].Proceedingsofthe5thEuropeanConferenceonGamesBasedLearning[A],2011：20-21.[]HUME,GregoryD.,etal.Theuseofhintsasatutorialtactic[A].

Proceedingsofthe15thAnnualConferenceoftheCognitiveScienceSociety[C],1993：563-568.[]HUME,Gregory,etal.Hintingasatacticinone-on-onetutoring[J].

TheJournaloftheLearningSciences,1996,5(1):23-47.[]Veenman,MarcelVJ,BernadetteH,et.al.Metacognitionandlearning:Conceptualandmethodologicalconsiderations[J].

Metacognitionandlearning,2006,

1(1):3-14.在计算机支持的学习情境中，为提高教学支持的有效性，系统提供的支架需要与学习者的知识与能力水平相适应。支架通常指为支持学生获得更高层次理解的工具、策略或指南[[]DevolderA,BraakJV,TondeurJ.Supportingself-regulatedlearningincomputer‐basedlearningenvironments:systematicreviewofeffectsofscaffoldinginthedomainofscienceeducation[J].JournalofComputerAssistedLearning,2012,28.]。根据功能的不同，支架可以分为四类：概念的、元认知的、程序的和策略的。其中，概念支架被定义为当问题或任务已经确定时，指导学习者应考虑什么或优先考虑什么的支架；元认知支架是思考一个问题的不同方式，或者需要考虑的不同策略；程序性支架用来指导学习者合理分配认知资源，在阐明要求的同时减轻认知负荷，帮助学习者专注于任务本身，不必受到问题解决程序或机制的困扰；策略支架被定义为如何处理任务或问题的指南，为用户提供了有关如何继续执行任务或执行任务时要考虑的其他方面的附加建议[[][]DevolderA,BraakJV,TondeurJ.Supportingself-regulatedlearningincomputer‐basedlearningenvironments:systematicreviewofeffectsofscaffoldinginthedomainofscienceeducation[J].JournalofComputerAssistedLearning,2012,28.[]HillJR,HannafinMJ.Teachingandlearningindigitalenvironments:Theresurgenceofresource-basedlearning[J].EducationalTechnologyResearch&Development,2001,49(3):37-52.[]ReigeluthC,SteinF.Elaborationtheory[A].

Instructional-designtheoriesandmodels:Anoverviewoftheircurrentstatus[M],1983:335-382.（2）提示的应用效果研究提示在学生自主学习过程中对元认知能力的影响是提示应用的重要研究领域，得到了研究者的广泛关注。Kramarski等人比较了两种网络学习环境下学生学习结果的差异：一种是有自我元认知提问支持的网络学习，另一种是没有提供元认知支持的网络学习。他们提出了“IMPROVE”策略以支持学生的数学自主学习。该策略包括四类元认知提问：（a）理解问题（如“问题是关于什么的？”)；（b）在以前的知识和新知识之间建立联系（如“手头的问题和你过去解决的问题有什么相似/不同之处？为什么？”）；（c）使用适当的策略解决问题（如“适合解决问题的策略/策略/原则是什么，为什么？”)；（d）反思流程和解决方案（如“我在这里做错了什么？”“解决方案有意义吗？”）。他们在一所以色列初中，以65名学习线性函数的九年级学生为实验对象开展了实验研究，在学生开展网络学习的过程中，以提示的形式向学生呈现IMPROVE策略。结果显示，获得IMPROVE提示支持的学生在数学问题解决程序和任务迁移方面显著优于对照组学生。同时，实验组的学生在解决问题时使用自我监控策略的表现优于他们的同龄人[[]KramarskiB,GutmanM.

Howcanself-regulatedlearningbesupportedinmathematicalE-learningenvironments?[J].JournalofComputerAssistedLearning,2006,22(1):24–33.

[]KramarskiB,GutmanM.

Howcanself-regulatedlearningbesupportedinmathematicalE-learningenvironments?[J].JournalofComputerAssistedLearning,2006,22(1):24–33.

[]KauffmanDF,GeX,XieK,etal.Promptinginweb-basedenvironments:Supportingself-monitoringandproblemsolvingskillsincollegestudents[J].JournalofEducationalComputingResearch,2008,38(2):115-137.一些研究者还关注提示对学生认知能力的影响效果。Berthold等人在一项实验中，研究了认知提示和元认知提示的作用效果。研究将84名心理学本科生分为4组，要求学生在观看完一段教学视频后，写出一篇关于视频内容的反思文章，在写文章之前，为学生提供不同的提示。第一组学生仅接受认知提示，第二组仅接受元认知提示，第三组则同时获得认知提示和元认知提示，第四组学生作为对照组，没有给予提示。其中，认知提示主要包括组织提示（①你如何才能最好地组织学习内容的结构？②哪些标题和副标题使您能够按照逻辑顺序排列学习内容？③你认为主要的观点是什么？）和精加工提示（④你能想到哪些例子能说明、确认或与学习内容冲突？⑤你能在视频内容和你的学校知识和日常经验之间建立任何联系吗？⑥你觉得学习材料的哪些方面有趣、有用、有说服力，哪些无趣？）。元认知提示主要包括检测和自诊断提示（a.我已经了解了哪些要点？b.哪些要点我还不明白？c.我怎样才能最好地解释我的理解问题？d.在我看来，哪些问题没有通过讲座视频得到充分的澄清？）和自我调节提示（e.我有什么可能克服我的理解问题？f.我应该在脑海中重述视频的哪一段？）同时接受认知和元认知提示的学生，在同等条件下，接受的提示包括认知提示中的①④⑥和元认知提示中的a、b、d等六条提示。研究结果表明提示刺激了认知和元认知学习策略的激发。然而，提供纯粹的元认知提示并不能提高学习效果。只有接受认知或认知和元认知相结合的提示的组比对照组学得更多。因此，单独的认知提示或认知提示与元认知提示相结合是促进学习的有效手段[[]BertholdK,MatthiasNückles,RenklA.Dolearningprotocolssupportlearningstrategiesandoutcomes?Theroleofcognitiveandmetacognitiveprompts[J].Learning&Instruction,2007,17(5):564-577.[]BertholdK,MatthiasNückles,RenklA.Dolearningprotocolssupportlearningstrategiesandoutcomes?Theroleofcognitiveandmetacognitiveprompts[J].Learning&Instruction,2007,17(5):564-577.还有学者对提示的呈现时机对提示有效性的影响开展了研究。Thillmann等人在一项单因素实验研究中，以“提示的呈现时间点”为自变量，策略使用和学习结果为因变量，将95名学生随机分配为三个组。在基于计算机的学习环境中开展物理学科的自主学习时，三个组的学生均得到相同的提示，但它们的呈现时间点不同。结果表明，在学习过程中而不是之前给出提示对学习结果有积极的影响，提示的呈现时间点对学习结果的影响是通过学习过程中的策略使用发挥效用的[[]ThillmannH,Künsting,Josef,WirthJ,etal.IsitMerelyaQuestionof"What"toPromptorAlso"When"toPrompt?[J].ZeitschriftFürPädagogischePsychologie,2009,23(2):105-115.]。Martina等研究者开展了一项利用智能导学系统支持学生学习分数概念的研究，主要探讨多元的图形表征与单一图形表征与自我解释提示（引导学生自己对自己解释所学，促进理解的提示）的交互作用。结果表明，在没有提供自我解释提示的条件下，多元图形系统反而可能会给学生造成困惑，而不是有所帮助。在接受自我解释提示时，基于多元图形表征学习的学生的学习结果明显优于利用单一图形表征学习的学生[[[]ThillmannH,Künsting,Josef,WirthJ,etal.IsitMerelyaQuestionof"What"toPromptorAlso"When"toPrompt?[J].ZeitschriftFürPädagogischePsychologie,2009,23(2):105-115.[]RauMA,AlevenV,RummelN.IntelligentTutoringSystemswithMultipleRepresentationsandSelf-ExplanationPromptsSupportLearningofFractions[A].Proceedingsofthe14thInternationalConferenceonArtificialIntelligenceinEducation[c].Amsterdam:IOSPress,2009:441-448.综上可知，在关于提示的研究中，研究者较为关注提示对学生认知与元认知发展的影响以及提示作用的提升策略等。研究者往往通过设计学习主题、选定研究环境和研究对象，通过开展实证研究，对提示的有效性进行检验。已有的研究在对元认知的提示策略、提示的组合效果、提示的出现时机等方面取得的成果，为本研究明确提示的类别与内容、提示的时机等提供了参考。当前关于提示研究的实践领域较为丰富，包括计算机编程、数学、物理、语言学习的等，但研究中涉及的学习主题普遍较小，研究开展时间较短，这虽然有利于研究的聚焦，提高了实验研究的效度，但对于支持学生开展系统化学习的智能导学系统而言，显然这些提示策略难以完全覆盖系统整体设计的需要。因此，对于面向数学能力培养的智能导学系统而言，仍需要从系统的教学目标和数学学科知识的特点、数学能力的发展需求等方面出发，对提示进行系统化的设计，才能更好地发挥提示作用，提升智能导学系统的学习支持能力。（3）提示的呈现形式提示在基于计算机的学习系统中是重要的学习支持组件，其呈现形式并不单一，而是体现出多样化的特点，如文本、图形、动画、视频等形式。1）文本式提示文本式提示是各类学习系统中最常见的提示形式，通常以静态文本方式呈现，因其可以用最少的信息激活学生已有知识，因此得到了广泛应用。文本式提示主要用来向学生呈现解决问题所需的知识、策略以及元认知提醒等内容。KIE（KnowledgeIntegrationEnvironment）是一个混合了定制软件和商业软件的学习系统。KIE提供多样的课程单元，这些课程单元以项目的形式开展，主要包括批判性项目、合作辩论项目和设计项目。这些项目旨在激励学生对科学概念的深入理解，帮助学生应用他们在课上学习的科学原理，并将这些原理与其他知识相结合，实现知识迁移。Mildred是KIE软件的一个子系统，用来实现按需指导，为学生整合自己的想法提供支持（如图2-16）。Mildred系统的提示以文本为载体，以问题的形式呈现，以引发学生思考。系统通过提示呈现专家思维，引导学生明确每个阶段的行动目标，并帮助学生将科学概念与他们自己的经历联系起来，如向学生提问“你以前经历过这样的事情吗？”或“如果实验在不同的条件下进行会发生什么？”；Mildred还通过提供反思和解释性提示，帮助学生更自由地参与知识整合，以发展其自主学习能力[[]PhilipB[]PhilipB，DAVIS,ElizabethA.DesigningMildred:Scaffoldingstudents’reflectionandargumentationusingacognitivesoftwareguide[A].Fourthinternationalconferenceofthelearningsciences[C],Mahwah,NJ:Erlbaum,2000：142-149.编程学习系统中常常为学习者提供提示与反馈，以使学生的代码更接近正确的解决方案，这已被证明可以提高学生的学习成果。但这些提示通常只显示“要做什么”，而不是“为什么”，这种缺少解释的提示使新手很难将提示与他们当前的代码联系起来，导致学生请求和遵循提示的频率降低，影响了提示效能的发挥。为了解决这一问题，Samiha和Joseph等人在iSNAP编程学习系统中增加了编程提示的文本提示——将代码提示与编程练习目标联系起来，在代码提示的基础上增加了文本解释（如图2-17）。对文本提示开展的探索性实验表明，这些解释性的提示有助于提高学生遵循代码提示的意愿，可以提高提示的感知有用性，以及学习者解释提示目的的能力[[]MARWAN,Samiha,etal.Theimpactofaddingtextualexplanationstonext-stephintsinanoviceprogrammingenvironment[A].

Proceedingsofthe2019ACMConferenceonInnovationandTechnologyinComputerScienceEducation[C][]MARWAN,Samiha,etal.Theimpactofaddingtextualexplanationstonext-stephintsinanoviceprogrammingenvironment[A].

Proceedingsofthe2019ACMConferenceonInnovationandTechnologyinComputerScienceEducation[C],2019:520-526.图2-16KIE系统中的Mildred提示系统图2-17iSNAP系统中的提示Reiser和Anderson等人研发的LISP语言智能导学系统主要使用文字呈现指导信息，其交互界面主要分为两部分。一部分为程序编写窗口，该窗口始终位于屏幕上，供学生输入程序；一部分为提示窗口，在学生出现错误时弹出。提示窗口（如图2-18）的上部为诊断区，呈现学生错误的相关信息；中部为知识提示区，呈现错误原因、相应的编程规则或程序编写框架等；下部是为案例区，用于呈现该编程任务要达到的训练目标或提供案例等[[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.[]CrowleyRS,MedvedevaO.Anintelligenttutoringsystemforvisualclassificationproblemsolving[J].ArtificialIntelligenceinMedicine,2006,36(1):85-117.图2-18LISP语言智能导学系统的提示窗口2）自然语言会话式提示一些智能导学系统采用agent机制，在学生解决问题的过程中，以自然语言会话提供教学指导和提示，如AutoTutor和Betty′sBrain等。此类提示与文本类提示的最大差别在于其动态性和交互性。AutoTutor是一套基于自然语言的智能导学系统，利用语音、图像、动画等多媒体表现方式进行教学，同时通过动画人物形象的agent，以自然会话的形式，利用提问、暗示、提示等性质的语言，引导学生深化对知识的理解并实现问题解决[[]高红丽,隆舟,刘凯,等.智能导学系统[]高红丽,隆舟,刘凯,等.智能导学系统AutoTutor:理论、技术、应用和预期影响[J].开放教育研究,2016,22(2):96-103.Betty′sBrain是美国范德堡大学的研究者开发的基于计算机开放式学习环境的智能导学系统。该系统利用动画教学agent，根据学习者的学习状态、因果图编辑过程和结果给出个性化指导和建议。以弹出对话框的方式，通过agent与学习者的自然语言交互，为学习者提供提示信息，以指导和规范学习者学习，监督和控制学习者的元认知，提高学习者的问题解决能力[[][]KinnebrewJS,SegedyJR,BiswasG.Analyzingthetemporalevolutionofstudents’behaviorsinopen-endedlearningenvironments[J].Metacognitionandlearning,2014,9(2):187-215.图2-19AutoTutor界面3）其它多媒体形式的提示为了适应不同学习内容的特点，提示还充分利用了图表、图形、动画等形式，以帮助学习者获得更好的学习体验，提高问题解决能力。LIM-G是一个用于辅助几何练习的教学系统（如图2-20），系统设计的目的是帮助学生加深对几何概念的理解，提高学生对几何问题的表征能力和问题解决能力，主要通过提供图表和提问式文本，在问题解决过程中向学生提供提示[[][]WongWing-Kwong,HsuSheng-Cheng,WuShi-Hung.LIM-G:Learner-initiatinginstructionmodelbasedoncognitiveknowledgeforgeometry