人工智能在教育中应用的主要技术进展

1、人工智能在教育中应用的主要技术进展人工智能（AI）以及人工智能科学从诞生起，其研究和应用领域就与教育紧密相关。人工智能就是研究让计算机接受教育、提高智能的科学技术。AI的研究成果又反过来应用到教育过程中，促进教育的工作效率、产生新的教学模式。用人工智能技术支持教学(过程)的设计、互动分析与评价，进而支持教师及其教学，这已经成为一个重要趋势；1.主要进展一、 教学设计自动化技术 “教学设计自动化”（AutomatedInstructionalDesign或AutomatingInstructionalDesign，简称AID）是指有效利用计算机技术，为教学设计人员和其他教学产品开发人员在教学设计

2、和教学产品开发过程中提供辅助、指导、咨询、帮助或决策的过程。“教学设计自动化”更为贴切的提法应该是“计算机辅助的教学设计”（ComputerAidedInstructionalDesign，简称CAID）教学设计是教育技术学最核心的内容之一，教学设计理论的发展为教育技术学的发展奠定了坚实的基础。但是，教学设计仍然是少数教学设计专家的“专利”，在广大教师中普及应用仍然有一定的距离。其原因主要有二，首先教学设计方法需要进一步完善和发展，包括教学设计的过程模式比较复杂、“通用”模式在各种教学情况下的不适应等；其次“设计”的工作量过于繁杂(如内容分析阶段的ABCD方法就是一项复杂的“机械”劳动)。因此

3、，若能让计算机帮助教师完成一些“机械劳动”，让教师把更多的精力关注于学与教的过程和行为，具有非常重要的理论意义和现实意义。目前教学设计自动化的研究成果主要集中在以下五个方面：1）提供集成写作工具：如WebCT、WebCL等各大网络教学支撑平台都集成了写作工具，充分利用网络的优势，简化了过程。2）提供教学设计专家系统 。例如，梅瑞尔等人研究与开发的IDExpert就是基于规则的专家系统。它可以根据教学设计人员提供的信息，提出关于课程组织、内容结构、教学策略等方面的建议。3）提供教学设计咨询服务 专家系统开辟了教学设计的新领域，但是却抑制了教学设计开发人员创造性的发挥，咨询系统更注重发挥教学设计人

4、员的主观能动性。4）提供教学设计的信息管理系统：如学习研究协会InstituteforResearchonLearning）开发的IDE（InstructionalDesignEnvironment）系统。5）提供电子绩效支持系统（EPSS）。如AGD绩效支持系统等。二、 教学自动测评技术教学自动测评是计算机辅助评价(Computer-AssistedAssessment，简称CAA)的核心内容和研究前沿之一，其基本流程是：把问题和任务通过计算机终端传给学生，学生通过计算机输入设备将问题的答案输入给计算机，计算机自动或半自动判断答案并记录分数。CAA可在诊断性、形成性和总结性等三类评价中均可得

5、到有效应用；既可以用于学生的自我评价，也可以用于教师对学生的评价4。CAA系统的构成主要包括三个方面：(1)题库与组卷；(2)测试环境与自动阅卷；(3)测评数据的统计分析：负责管理测评结果，按要求生成各种报表以及对题目进行分析。目前，CAA应用研究主要集中在三个方面5：(1)客观测试：测试题的答案从预先定义好的有限个问题答案中选择或比较，计算机对考题答案的评分不需要任何的主观因素参与，客观测试主要用于评估知识覆盖型和事实记忆型为主的课程；(2)计算机自适应测试(CAT)：指在具有一定规模的精选试题组成的题库支持下，按照一定的规则并根据被试的反应选取试题，直到满足停止条件为止；(3)基于Inte

6、rnet的远程考试与评价。客观测试和计算机化自适应测试的相关的理论、方法与技术已相当成熟，能比较好地解决了知识层面的评价问题。其热点及前沿课题主要有两方面：(1)主观题的测评问题及其自动化,例如，对自由文本答案的计算机测评的研究目前已经取得很大的进展；(2)技能性非客观题的测评。三、 专家系统在教育中的应用专家系统（ExpertSystem）可视为一类具有大量专门知识的计算机智能程序系统。它能运用特定领域一位和众多专家提供的专门知识和经验，并采用人工智能中推理技术来求解和模拟通过由专家才能解决的各种复杂问题，达到与专家具有同等解决问题的能力。它可使专家的特长不受时间和空间的限制。因此，专家系统

7、必须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知识来解决实际问题。例如，一个医学专家系统就能够像真正的医学专家一样，诊断病人的疾病，判断病情的严重性，并给出相应的处方和治疗建议等。同领域和不同类型的专家系统，其体系结构和功能有一定的差异，但它们的组成基本不变。一个基本的专家系统有知识库、数据库、推理机、解释器、知识获取和用户界面六个部分组成6。专家系统是人工智能研究中最重要的分支之一，它实现了人工智能从理论研究走向实践应用，从一般思维方法的探讨转入运用专门知识求解专门问题的重大突破。目前，被大多数人认可的专家系统在教育中的应用主要有两种：即将专家系统作为学习的工具和学习

8、的对象。四、利用机器人开展教育机器人教育是指学习、利用机器人,优化教育效果及师生劳动方式的理论与实践。主要五种基本类型：1.机器人学科教学(Robot-Subject Instruction,简称RSI)。2.机器人辅助教学( Robot Assisted Instruction,简称RAI)。3.机器人管理教学(Robot Managed Instruction,简称RMI)。4.机器人代理(师生)事务(Robot-Represented Routine,简称RRR)。5.机器人主持教学( Robot - Directed Instruction,简称RDI)五、 智能教学系统（ ITS ）

9、及其发展智能教学系统ITS（ Intelligent Tutoring System ）的定义 智能教学系统是一种借助人工智能技术,让计算机扮演教师的角色实施个别化教学,向不同需求、不同特征的学习者传授知识、提供指导的适应性教学系统。智能教学系统产生可以追溯到上世纪60年代的程序教学(Programmed Instruction,PI),随后出现的基于计算机的训练(CBT)和计算机辅助教学(CAI)。CBT和CAI在一定程度上有助于学生的学习,但都没有提供“一个学生对应”的教学方式,其主要原因在于“传统的CAI中的教学信息是按预置的教学流程提供给学生的”。换言之,传统的CBT和CAI的不足之处

10、在于:系统不了解学生的认知风格和认知水平,不了解学生当前的知识状态,当学生有学习困难时不能诊断原因并提出针对性的指导意见,也不能根据学生的认知风格和认知水平提供个性化的学习材料。2. 以大数据算法为代表人工智能技术在教育中的应用大数据智能分析在教育行业中能够发挥不容小觑的影响力，特别是在智能风控预警、学生成长轨迹跟踪等方面产生深刻影响。平台通过搭建不同的数据模型，将大量用户的海量信息、课件资源信息、教学视频、用户行为信息归类、整理，抽象出不同的用户图像，不仅可以针对个人推送最适合的优质教学资源，还能对教学资源做优化整理，促进教学资源更人性化、更优质化。针对用户图像，还可以设置预警线，对特定的学

11、生进行特定的观察，实时给予辅导工作，减少问题学生的出现，推动学生在成长过程中健康发展。主要的算法：一、推荐算法基于内容的算法-CB，它根据用户过去喜欢的产品（item），为用户推荐和他过去喜欢的产品相似的产品。例如，一个推荐饭店的电影可以依据用户之前喜欢很多的电影为他推荐。（Hadoop）随着网络技术和数据挖掘技术的发展，智能教学系统中个性化学习路径的寻径已成为重要课题，选择合适的学习对象并推荐给学习者是在线学习系统面临的一个挑战。目前，在线学习面临的问题是：信息过载导致学习者找不到适合自己的学习资源，推荐的学习资源不能满足学习者的个性需求。推荐系统是信息过滤的重要手段，是解决信息过载问题的非

12、常有潜力的方法。因此，适应性学习路径推荐被认为是解决在线学习中上述问题的有效手段。有关学习路径的研究较多，然而对各种学习路径推荐算法进行比较分析的研究并不多。二、 协同过滤算法(CollaborativeFiltering,CF)CF是很常用的一种算法，在很多电商网站上都有用到。是一种基于相似度的方法。CF算法包括基于用户的CF(User-basedCF)和基于物品的CF(Item-basedCF)。协同过滤技术的基本思想是: 利用一些兴趣爱好相似、拥有相同经验群体的偏好给目标用户推荐可能感兴趣的项目。协同过滤算法的实现大致分为构建用户, 形成项目矩阵, 寻找最近邻居, 产生最相似推荐数据三个

13、步骤。目前主要有两类协同过滤推荐算法: 基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法。基于用户的协同过滤推荐算法是根据目标用户的最相似的若干用户对某个项目的评分。从中找到与目标用户最相似的用户, 参考其对目标项目的评分, 从而决定是否推荐给目标用户; 基于项目的协同过滤推荐算法其总体思路就是根据用户的评价数据, 为每个物品计算出与其评价最为相近的其他项目。首先构建学生信息数据库、教学资源库、图书信息数据库、借阅图书记录; 然后, 建立学生- 资源评分矩阵; 其次, 判断用户是否有阅读记录, 然后在根据不同的协同过滤推荐算法对学生进行教学资源的推荐。三、 分类算法SVM(Support

14、VectorMachine)指的是支持向量机，是常见的一种判别方点击文档链接，在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析，SVM最基本的应用就是分类。随着Internet的迅速发展,出现了大量的自然语言文本,如何在这些信息中提取对我们有用的信息已经成为当前研究的一个热点问题,同时这也是文本自动分类的主要任务之一。几何级数增长的电子文本、海量信息在日常生活中的传播,都迫切的需要我们对这些文本进行自动分类。使用文本自动分类系统可以帮助人们自动检索文本,以及判断文本的类别。分类问题是实际应用中普遍存在的问题,随着信息技术的快速发展,对其在理论研究和实际应用中提出了新的难题和挑战。建立在统计学习理论基础上的支持向量机是一种新型的机器学习方法,它根据有限的样本信息在模型的复杂度和期望风险之间寻求最佳方案,从而获得比较好的泛化性能。与传统的学习方法相比，SVM具有对维数不太敏感、收敛到全局最优点、泛化能力强等的优点,比较好的解决了传统算法中经常出现的维数灾难、局部极值、过学习等的棘手问题。四、 聚类算法层次聚类方法（HierarchicalClustering）就是通过对数据集按照某种方法进行层次分解，直到满足某种条件为止。层次聚类方法的基本思想是：通过某种相似性测度计算节点之间的相似性，并按相似度由