人工智能教学策略汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇人工智能教学策略范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

1我国农业发展背景和农业培训必要性分析

11我国农业发展背景

我国是传统的农业大国，农业对我国的经济发展具有极其重要的影响，一方面是由于我国人口基数大；另一方面是由于我国进出口贸易主要依靠农产品，农业发展成为影响我国经济发展最重要的因素之一。但由于各方面原因，我国农业发展还比较落后，尤其与发达国家的现代化农业相比，依旧有较大差距。

12开展农业知识培训的必要性

反思其他发达国家在?r业发展上实施过的举措，包括重视农业教育、科研和技术推广，注意提高劳动者素质；推广现代农业机械和高技术，重视农场管理；经营集约化、产业化；生产专业化；服务社会化；市场机制与政府扶持相结合；加强农业基础设施建设等，可以看出，我国在农业知识培训、素质教育、技术推广方面与发达国家差距明显。为发展我国农业，培养一批高素质、懂技术、会经营的农民以及一批愿意为农业发展做出自己贡献的高学历人才成为关键。农业的发展离不开农民的发展和进步，也离不开受过高等教育的精英人才的共同努力，而开展农业知识培训，则是为他们的发展奠定了一条夯实的道路。

2人工智能在教育中的应用与发展

近年来，伴随着人工智能在各行业的应用和发展，人工智能在教育领域中发挥的作用也越来越显著。例如，智能化的作业批改可以大大减轻教育工作者的沉重负担，在线学习等网络教学模式可以让人们更灵活地接受教育。从人工智能诞生伊始，其就与教育产生了密不可分的联系，延续发展至今，人工智能在教育领域中的应用主要包含以下几个方面。

21基于人工智能的计算机网络课程

计算机网络教育是对传统教育方式的一次革新，而人工智能对网络教育的渗透，又将其推向了新的发展高度。[2]学生可以自主地登录网络平台进行在线学习，根据智能导学系统制订学习计划，进行在线测试。例如近年来大为流行的MOOC课程，学生可以便捷地通过网络获取全球最高质量的教学资源，并可以量身打造自己的学习计划。

22基于人工智能的教师辅助系统

近十年来，智能传感器、语音识别、图像识别、深度学习、大数据等方面的蓬勃发展令信息的采集及处理越来越准确高效，这无疑使得人工智能与辅助教学系统的融合变得越来越深入。借助于语音识别、图像识别等技术，学生可以将学习过程中遇到的问题上传至系统，借助于数据库系统对信息准确的搜素和整合能力，实时地为学生提供答案或相关信息，答疑解惑。目前此类应用软件的应用广泛，例如小猿搜题、百度作业帮等。

23基于人工智能的教育数据库系统

随着信息化时代的到来，如何高效地搜集、分类和检索碎片化的教育信息和教学资源，无疑是一项巨大的挑战。为了更有效地分配和管理信息，在教育中引入智能化的数据库系统势在必行。现如今数据挖掘和深度学习的研究成果不断深入，依托知识库系统对教育信息的整合与构建，学生可以将已习得的零星的知识点进行扩充，由点至面的不断学习新知识；依托教育资源管理系统中来，教育管理工作者可以合理分配教学资源，让人们从爆炸式的高密度信息中解放出来，真正做到物为己用，因材施教。

3人工智能与农业知识培训的结合

新时代社会经济的发展为国家农业产业的发展翻开了新的篇章，如何加快社会主义农业现代化，促进农业转型，这为新时代的农业知识教育提出了新的要求。另外，近年来劳动力转型的趋势日益显著。随着农业劳动人口数量的减少，为了提高农业生产效率，需要有素质、懂知识的农民投入农业生产中来。因而，对于农业知识培训的革新作为农业现代化建设的重中之重，已被提上日程。

人工智能技术和教育领域融合的不断完善成熟，基于人工智能的农业知识培训正如雨后春笋般涌现，在农业教育培训领域崭露头角。

31人工智能应用于农业知识培训的优势

从我国农业发展的现状看，较之于发达国家，我国农业从业者的基数巨大但是整体受教育程度偏低，农业专业领域的知识匮乏，农业知识教育的推广不仅薄弱，而且效率低下。因此，伴随着信息化时代“互联网+”的新型教育模式对传统教模式的强有力革新，基于人工智能的农业知识培训展示了其强大的威力和优势，具体可以总结为如下两个方面。

311个性化教育针对性强

相比于课堂教学的传统模式，基于人工智能的网上在线教育模式能够为学生个性化地制订学习计划，灵活安排学习时间。这有力地解决了学生参加农业知识培训的时间成本问题，农业从业者可利用闲暇时间自主安排学习。另外，针对于培训者的当前知识水平和培训需求，培训平台可以个性化地安排教学相关领域的专业知识和操作技能。

312教育资源利用率高

我国当前的农业知识培训，教育教师需求数量和实际在岗教师资源极不匹配，具备丰富农业专业知识和农业生产经验的教师数量缺乏，这是导致农业知识培训推广速度缓慢的重要原因。而人工智能为这一问题的解决带来了福音，智能化的教学进程得以让教师从繁重的教学负担中解放。同时，基于网络的课程资源共享可以让先进的农业技术走进千家万户，让学生与优秀农业知识的距离不再遥远。

4平台开发的系统架构

基于人工智能技术，一个合理的农业知识培训平台能够像一个优秀的教师那样具备完备的农业专业知识和优良的教学技能知识，并且能够模拟及扩充教师的教学过程。除此之外，该培训平台还能够准确实时地与学生进行信息交互，有针对性地开展个性化教学，并可以自适应地完成教学效力评估和反馈，不断更新和完善教学内容和教学策略。基于以上分析，该开发平台的系统架构分为学生模型、教师模型、综合数据库模型和人机交互接口四个组成部分，结合下图对每一部分分别进行详细阐述。

41学生模型

学生模型应针对不同的学生，准确地评估学生当前的学习水平，对学生的学习背景、知识水平、知识架构进行诊断和评定，以便有针对性地制订教学方案，进而实施个性化教育。

另外，学生模型需要对学习过程中的学生的学习情况进行记录入库，对教育效果进行评定，从而诊断出当前教学计划是否合适，以便下述教师模型中对教学内容和教学策略的灵活调整。

42教师模型

教师是教学工作开展过程中的主体，一个合理的教师模型应该包括如下三个部分。

教师模型首先完成教学内容的选择，这要根据学生模型中对学生当前的学习水平的评定，并且针对学生既定的学习目标，并从下述知识库中调取对应的内容，为教学的开展做好准备。

在确定了教什么的问题之后，教室模型要确定如何教的问题，即选取合理的教学策略开展教学。教学方式的选择依附于学生模型，而又能根据学生学习情况记录进行反馈动态，不断完善和调整教学策略。

另外，在传统教学模式中，教师传授知识，并能为学生答疑解惑。当学生在学习过程中遇到问题和疑惑时，教师模型应该实时地提供信息支持，为学生提供针对性的帮助。因而教师模型要实现与人机交互接口的实时连接，在问题到来时控制模块驱动应答部分为学生答疑解惑。

43综合数据库模型

综合数据库模块为农业知识培训系统提供数据库支持，主要包括以下三个模块。

知识库模块中分类别地存放着农业领域的专业知识，包括文本、图像、自然语言、多媒体等多个类型的学习知识。一旦教师模型中完成了教学内容的选择，便由此模块中调取相对应的文件开展教学。

专家评估模块用于处理教学过程中的教学效果评价和经验总结，为教师模型中的各个环节的反馈和更新迭代提供数据支持。在一个完善的教学过程，教师需要根据学生的学习效果进行总结和反馈，以此指导下一步的教学内容和策略的更新。

为了对学生阶段性学习的效果进行评估，还需要引入测试考核模块对学生的成绩进行量化考核。测试考核模块中包含学生答题库和成绩测评库，准确检测出开展农业知识培?的作用与效果。

44人机交互接口

篇（2）

中图分类号：TP315　文献标识码：A　文章编号：1673-8454(2012)03-0007-03

智能教学系统(Intelligence Tutoring System，简称ITS)是把人工智能技术引入到计算机辅助教学系统中，应用人工智能技术开发出能够因材施教的教学系统，使“计算机导师”贴近人类教师的水平，具有推理、诊断、决策的能力。能够根据每个学习者的特点制定教学计划，选择教学策略，实现因材施教。

一、智能教学系统的模型及功能

基于教育学、心理学和教学设计原理分析，智能教学系统模型应包含学生模块、教学策略模块、知识库和智能接口几个主要模块，各模块的系统结构如图所示。

学生模块记录每个学生原有的知识水平和学习能力。其依据为学生与系统之间的交互问答历史，并对每个学生的学习进步情况进行动态调整。这样，系统通过学生模型就可随时了解每个学生的情况，有的放矢地进行个别化教学。

教学策略模块根据学生模块情况和知识库做出智能化的教学决策，评判学生的学习效果，帮助学生分析错误原因。提出改进方法和意见等。

知识库存储所要教的学科领域知识和教学知识。

智能接口能够理解自然语言，实现更普遍意义上的人机对话。

智能教学系统与传统CAI相比，具备以下功能：

第一，了解学生的学习能力、学习基础和当前的知识水平，以此为依据为不同的学生做出不同的教学决策，有针对性地进行个别指导，并在学习过程中根据学生进度自动调整学习内容，具有适应能力。

第二，允许学生用自然语言与“计算机导师”进行人机对话，并能对带有学生个性特点的问题做出解答，从而具备更好的交互能力。

第三，能诊断学生学习过程中的错误，并分析错误原因和给出解决方案，在此基础上逐渐积累“经验”，从而具备纠错能力。

第四，大大拓宽了CAI的模式，例如建立虚拟教室、智能导师系统、教学模拟等。从而使CAI不再是简单的课本搬家、教室搬家，而具有更多的创造能力。

二、智能教学系统的局限性分析

智能教学系统虽然较传统CAI在诸多方面有很大改进。但就智能教学系统的工作原理以及目前的研发现状而言，应当冷静地看到，它自身也存在一些固有的局限性。

要计算机解决某个问题，有三个基本的前提：必须把问题形式化、必须有一定的算法、必须有合理的复杂度。由于人的智能活动不能完全形式化，因此，机器就不能将人脑的智力活动全部复制出来。教育是一种人类所特有的活动，基于人工智能技术的智能教学系统在教育中的应用也存在局限性。

1.智能教学系统不能实现自我更新，自我改进

智能教学系统的设计原理是把现有的专家的知识和教师的教学方法和策略集中到一个数据库中。随着现代社会知识的迅猛增长，教育理念的不断更新以及教学模式和教学方法的不断改进，智能教学系统无法像人类教师那样跟随时代的变化而实现知识库的自我更新以及教学策略模型的自我改进。还需要人从外界对整个ITS进行翻新，甚至需要从一种新的教育理念出发，重新设计ITS。智能教学系统的自我更新涉及机器学习这个难点。

2.智能教学系统适用的学习领域存在局限

以智能模拟的方法实现的人工智能应用于教育中时，并非适合所有的学习领域。人的智能活动可以分为四个领域。领域一是“刺激――反应”领域，其中包括任何形式的条件反射，与上下文环境无关的、各种形式的初级联想行为，最典型的如无意义音节的机械学习。领域二是数学思维的领域，这是比较适合于人工智能的领域。它是由概念世界而不是感知世界构成，这一领域中的问题完全形式化了，并可以计算，这一领域又可称为简单形式化领域，典型的例子如逻辑和有精确规则的游戏。领域三是复杂形式化领域，这是比较难把握的一个领域。这一领域包括原则上可形式化而实际上不易驾驭的行为，包括那些不能用穷举算法处理的。因而需要设计启发程序的系统，如围棋。领域四可称作非形式化行为领域，包括有规律但无规则支配的、我们人类世界中的一些日常活动，这一领域又称作感知思维领域。在这一领域内解决问题都是直觉的遵从，无须求助规则。包括一些规则不确定的游戏，如文字猜谜游戏。以上四个领域中前两个领域适合用数字计算机模拟，第三个领域只是部分可程序化，而第四个领域则很难驾驭。

与此相对应的，根据加涅的学习结果分类，学习分为言语信息、智慧技能、认知策略、动作技能和态度五类。言语信息分为符号学习、事实学习和有组织的知识学习，这些属于可形式化内容，适用于智能教学系统；智慧技能分为辨别、具体概念、定义性概念、规则和高级规则，其中前四项属于可形式化内容，适用于智能教学系统，而高级规则属于复杂形式化内容，部分内容不适用于智能教学系统；动作技能和态度领域的学习。在其认知成分中可以使用智能教学系统，但情感和行为成分等非形式化内容，则难以用智能教学系统来实现。

因此，并不是所有的学习领域都适用于智能教学系统。智能教学系统在教育中应用的重点应放在认知领域中的符号学习、事实学习和有组织的知识学习、辨别、具体概念、定义性概念以及规则这些学习内容上。

3.与学生之间无法畅通交流

教育是一种交互活动，智能教学系统的交互功能虽然较传统CAI有所改进。但仍然缺乏在学生和计算机之间交换信息的自然的、畅通的途径。系统只能通过学生输入计算机的信息来判断其掌握和内化程度。而无法像人类教师通过自然状态的交流和观察来判断学生的真实情况，因此，“机器智能”很容易被蒙蔽“双眼”，无法做到像人与人之间那样自然畅通的交流。此外，系统在遇到新的学习情境时。不能理解和产生对话，这会影响智能教学系统功能的实施。

4.决策和推理机制不完善

智能教学系统的关键智能所在是其决策和推理机制，即“教学策略”模块根据不同学生的具体情况通过推理做出灵活决策，这种决策基于学生模块提供的学生的知识水平、认知特点和学习风格。智能教学系统虽然加入诊断系统并不断调整对学生学习水平的判断，但由于学习风格、认知特点等不能完全被形式化，因此，根据系统的教学策略模块中预先存入的诊断知识来评估不同学生的学习过程和理解每个学生不同的推理过程也是有局限的。

三、智能教学系统在教育中应用的建议

1.不能忽略教师的作用

虽然智能教学系统具有“智能性”。但在使用它的过程中，决不能放弃教师的主导作用。要明确教师是教学的设计者和教学过程的主导，应该把智能教学系统的应用纳入到教学设计中。教师作为教学的“主导”。要引领教学

全过程，时刻注意学生的学习状态、学习程度、情感交流，尽量照顾到每个同学。ITS不是将教师搁置了。而是把教师从ITS能做的事情中解放出来，有更多的时间去从事机器所无法替代的事情。例如，计划教学，开发教学补充材料，示范成熟的行为，启发、引导学生去克服遇到的各种困难。特别是一个优秀教师对学生的态度和道德的影响和培养，是任何智能教学机器所无法取代的。所以，在利用智能教学系统教学的过程中，不能用智能教学系统取代教师，不能忽略教师的指导作用。

2.注意教学模式的运用

作为一种教育技术的实现，ITS主要依赖于各种技术的发展，但作为一个能够实施完整教学过程的教学系统，ITS的应用效果更多地依赖于所采用的教学模式。长期以来，传统CAI在教学中的应用都以个别化教学模式为主。但随着认知心理学的发展，基于建构主义学习理论的以“学”为中心的教学模式逐渐受到青睐。这种教学模式更能满足学习者的个性化要求，也为协作学习创造了更大的可能性。目前，协作学习模式因其利于培养学生的多样化思维和合作精神而日益受到重视。同一个智能教学系统，用于个别化教学模式和用于协作学习模式就会产生截然不同的教学效果。因此。在利用智能教学系统时，要注意根据教学内容和教学目标灵活采用个别化教学模式或协作学习模式。

3.有效与网络相结合

随着多媒体技术和Internet网络的飞速发展，多媒体教育技术与Internet的进一步融合，ITS不仅仅在人工智能上单一发展。它要向多维的网络空间发展。网络化成为当今世界ITS系统的一大优势和特色。“无机不联”正是现代教育计算机使用情况的真实写照。智能教学系统应与网络相结合。借助网络的优势，完成在线学习、实时讨论、网上测试等多种教学任务。学生可以在学校或家中通过计算机登录到系统，系统按其不同的认知水平为其准备不同难度的教学内容。完成学习时，系统通过自适应的测试确定学生新的认知水平，作为其下一次登录学习时为其准备学习内容的依据，并向学生提出进一步需学习内容的建议。学生在学习过程中可以实时地与其他在线的学习者进行讨论，并可通过E-mail的形式与教师进行交流。教师可以使用自己的计算机，在教研室或家中登录到系统，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。网络与智能计算机辅助教学系统有机结合，相互补足，必将构建成一个新的系统工程。

参考文献：

[1]王士同主编.人工智能教程[M].北京：电子工业出版社，2001.

[1]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社，1998.

篇（3）

人工智能（Artificial Intelligence）是研究使计算机模拟人的学习、推理、思考、规划等思维过程和智能行为的学科，用过对计算机实现智能的原理的研究，制造出类似于人脑智能的计算机，使计算机实现更高层次的应用。随着信息技术的发展和网络的广泛普及，人们教育观念正在悄然改变，新型的教育模式正在成形，计算机网络远程教育迅速发展，然而由于计算机网络远程教育发展尚不成熟，实际应用过程中存在诸多问题，而人工智能的引入，则使计算机网络教育水平提升到一个全新的发展台阶，并展现了其广阔的发展前景[1]。

一、人工智能技术概况

人工智能是通过研究人的智慧机理和思维过程，利用计算机体现和模拟人的智能行为。人工智能自其正式提出至今短短几十年内取得飞速的发展，已经成为一种成熟的工具。由于人工智能的效用堪比人的智慧，在进行信息分析处理时可以采取语音识别，实现人机对话，所以其应用范围自其发展以来逐步向诸多领域扩展，如医学、建筑学、地质学、机械等，而其研究课题也不断深入，如专家系统、机器人、自然语言处理系统、博弈等。人工智能具有理解经验并从中学习、辨别模糊或互相矛盾的信息、快速而成功地对新环境做出反应、在解决问题时使用推理进行有效的推导、能处理复杂的情况、应用知识控制环境等诸多能力。人工智能是一个知识信息系统，知识在人工智能中占据重要的地位，计算机的智能只有通过对知识的发现、储存、学习、推理和决策才能展现出来。人工智能主要有以下优势：首先，由于知识储存与计算机系统中，为人们知识传播和复制带来了极大的便利，计算机网络技术的发展，使知识的传播和复制突破时间和空间的限制，为人们带来无限的知识共享。其次，人工智能系统拓展了知识信息获取渠道，同时在某些任务处理的质量和速度上，人工智能展现的能力惊人的能力，远非人类所能及[2]。

二、人工智能技术在计算机网络教育中的应用

（一）智能决策支持系统

智能决策支持系统（IntelligentDecision Support System）是由决策支持系统与人工智能结合的产物，在网络教育领域的应用展现出广阔的发展前景。智能决策支持系统在数字图书馆中的应用，则使得决策目标和进行问题的识别更加明确，帮助决策者建立起完善的决策模型，提供多种备选方案，同时对各种备选方案进行选择、优化、比较、分析，从而使决策者的决策更加准确、有效[3]。

（二）智能教学专家系统

智能教学专家系统ITES（Intelligent Teaching Expert System）是传统CAI系统转向的主要方向，是一种开放式交互教学系统，通过智能教学专家系统利用计算机对专家教授教学思维的模拟，从而为教学提供一个良好的智能环境。一方面，学生可以通过智能专家系统获取知识，另一方面，智能教学专家系统能根据学生的具体实际情况（包括知识储备、能力、学习方式等）进行知识传授，从而使教学效果大大提升。在智能教学专家系统中，智能计算机辅助教学占据重要地位，具有以下智能：首先，自动生成各种问题和练习，并在教学内容理解的基础上，形成问题解决方案，同时还能自动生成和理解自然语言；其次，能根据学生的自身实际情况，对学生的学习内容和教学进度进行合理调整，并对教学内容具有解释咨询的能力；再次，能对学生的错误进行判断，评价学生学习行为，并帮助学生纠正错误，同时使自身教学策略得到完善。

（三）智能导学系统

智能导学系统（Intelligent Induct-learning System）是现代继续安吉网络教育系统的重要组成部分，是实现计算机网络教育项目的保障。通过智能导学系统，能为学生提供一个良好的学习环境，并能快速地获取其所需要的各种资源，从而使学习者获得学习的全方位服务，进而达到学习的成功。智能Agent技术的智能导学系统，可根据学生的具体情况制定符合学生实际的导学策略，并为学生提供个性化、针对性的服务。在这种导学策略下，系统不仅能自动生成各种问题和解决方案，并且能合理规划、调整学习内容和进度，同时能针对信息反馈内容及时修正导学策略，使导学策略更加合理科学[4]。除了上述3各种系统在计算教学中的应用，还有智能仿真技术（Intelligent Simulation Technology）、智能硬件网络IHN（Intelligent Hardware Network）、智能网络组卷系统INES （Intelligent Network Examine System）、智能信息检索引擎 （Intelligence Information Retrieval Engine）等系统在计算机网络教学中应用，这些人工智能在计算机网络教学中的应用，共同推进了计算机网络教学的发展。

三、结语

计算机网络教育中加强对人工智能技术的引入，使我国现代计算机网络教育呈现蓬勃发展的态势，通过多种智能系统的应用，使计算机网络教育的学习环境得到极大的改善，计算机网络教育的时空制约进一步突破，大大延伸了计算机网络教育的服务领域。随着人工智能技术在计算机网络教育中应用的深入研究和发展，未来计算机网络教育的个性化将会更加突出，远程教育也将实现更好的发展。

参考文献：

[1]潘瑞玲，余轮.具有Agent功能的远程教育系统的设计[J]. 福州大学学报（自然科学版）. 2012（03）：105-106.

篇（4）

中图分类号：G250.73 文献标识码：B 文章编号：1673-8454(2012)01-0030-04

计算机辅助教学（Computer Aided Instruction，简称CAI）是利用计算机来模拟教师的行为，通过学生与计算机之间的交互活动来达到教学的目的。即在计算机辅助下进行的各种教学活动，主要是以对话方式和学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI为学生提供一个个人化的学习环境，综合应用多媒体、知识库等计算机技术，这是传统CAI的主要应用方式。

在没有智能系统支持的情况下，传统CAI尽管可能具有良好的教学材料模型，但它往往仅借助于计算机来展示教学内容，并不能很好地根据它所教学生的学习特征，以不同的教学策略和教学方法来教授；只是盲目地传授知识给学生，如果某个学生不能接受提供的教学策略，系统没有为这个学生提供可供选择的另外的教学策略。目前使用的绝大多数CAI是将全部教学信息以编程方式预置于课件中，这样的CAI课件一旦制作完成，很难对课件进行更新和维护，尤其是在这样的CAI系统中，学生的学习仍然处于被动状态，即完全受计算机控制。

一、智能化计算机辅助教学概念

现代教育技术的日益发展以及与其他领先技术的结合，必然促使计算机辅助教学CAI的进一步发展。人工智能技术应用于CAI产生的基于网络环境的智能化CAI，就是现代信息化社会发展的产物，并在教育教学领域中有很好的发展前景。

人工智能是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的，目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多地是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、博弈、智能决定支持系统、人工神经网络等等。人工智能技术与专家系统的成就，促使人们把问题求解、知识表示这些技术引入CAI，并借助于网络环境来实施，这便是智能型计算机辅助教学。

智能计算机辅助教学ICAI（Intelligence Computer Assisted Instruction）属于人工智能的一个分支，是以认知科学和思维科学为理论基础，综合人工智能技术，教育心理学等多门学科的知识对学生实施教育的一门新的教育技术。ICAI通过研究人类学习思维的特征和过程，探索学习知识的模式，利用信息化网络环境使学生获得个别化自适应性学习的获取知识方法，从而使学生的学习更有针对性，更有效。

ICAI依靠人工智能技术的进步，主要应在因材施教方面取得进展。其主要特点是:

（1）能自动生成适合学习者程度的学习内容。

（2）能根据学生的不同认知水平与学习风格选择教学策略和教学方法。

（3）能评价学生的学习结果，并不断地在教学中改善教学策略。

二、智能化计算机辅助教学研究现状

现阶段，在一些发达国家，如美国、日本、加拿大、英国、法国、澳大利亚等，CAI已经普遍存在于学校和家庭中，正起着越来越大的作用。而ICAI的研究还处于初始阶段。目前国内在这一领域的研究主要集中在CAI和ICAI的优缺点比较，ICAI的理论来源、系统特征、模块建设、发展趋势等基础理论知识的研究，基于相关课程或学科的实践研究还比较少见。智能教学系统的设计和开发是一项复杂的系统工程，由于需要考虑的因素较多，系统比较庞大，同时也依赖于人工智能等技术的发展,因而要建立完善的ICAI还是比较困难的。[1]因此ICAI有很大的理论和实践发展空间。

完善的ICAI系统需能够充分调动学生的主动性，并能通过分析推理，对某具体学生做出适合的教学决策。使学生获得个别化自适应性学习的学习方法，达到因材施教的目的。人工智能技术的发展必将会对ICAI的发展起到巨大的推动作用。随着计算机科学的发展，21世纪的教育教学辅助手段将是以ICAI为主线，多学科、多方位发展的新技术的体现，越来越多的教育工作者会从更多的视角审视ICAI，并从事ICAI的研究。相信ICAI将会在现代教育领域中有更广泛的应用。

“现代教育技术”既是教育技术专业的必修课程，也是大中专院校广泛设置的选修课程，适用范围非常广泛。本文以《现代教育技术》这门课程为主要研究对象，来研究智能化教学系统设计在具体实践中的应用。

三、ICAI决策系统的理论依据

1.综合集成理论

教育是以人为主体参与的活动，而人本身就是一个复杂巨系统，因此以这种大量的复杂巨系统为子系统组成的系统――教育系统，是一个复杂巨系统。依据系统与其环境是否有物质、能量和信息的交换，将系统划分为开放系统和封闭系统来看，学生的学习受到教师、同学、家庭及社会等因素的影响，所以教育系统是一个开放的复杂巨系统。

钱学森的理论和实践研究表明：现在能用的、惟一能有效处理开放的复杂巨系统的方法，就是定性定量相结合的综合集成方法论。综合集成方法论（Meta-synthesis Methodology MSM）是方法论上的创新，它是研究复杂巨系统和复杂性问题的方法论。[2]定性定量相结合的综合集成方法是将专家群体(各种有关的专家)、数据和各种信息与计算机技术有机结合起来，把各种学科的科学理论和人的经验知识结合起来，发挥这个系统的整体优势和综合优势。[3]它把人的经验、知识、智慧以及各种情况、资料和信息系统集成起来，从多方面定性认识上升到定量认识，从而达到解决复杂系统问题的目的。在解决问题的过程中，专家群体和专家的经验知识起着重要的作用。

教学系统设计是一个复杂的系统，它是由教育系统的复杂性决定的。教育系统具有复杂系统的基本特点，它在结构与功能上表现为规模大、相关因素多且相关方式复杂、目标多样等；在运动上表现为随机性、非线性等。用一般的理论方法无法全面合理地解决这一不良结构的问题，本研究尝试用综合集成方法论来指导、分析教学设计智能化过程。因此，运用综合集成理论的方法来研究教学设计系统，探讨具体科目的教学设计在设计过程中遇到的复杂性问题，进而构建科学合理的教学设计系统，具有重要的理论和实践价值。

2.教学设计理论

本文采用“双主”教学模式作为ICAI的教学设计的理论基础。“双主”教学模式既能发挥教师的主导作用又能充分发挥学习者认知主体作用，是在教师主导下的课堂中能让学习者参与进来共同学习的一种教学模式。

基于“双主”的教学模式，要求根据学习者的特征、学习内容、学习策略、学习目标等多种因素的不同情况研究它们的结合方式，以使系统达到理想的教学效果。

基于网络环境的ICAI相对于传统的CAI来说，充分体现了“双主”的教学模式。ICAI中有专门分析学习者学习方式和认知水平的学生模型，有专门为不同的学习内容选择不同的学习策略的策略库模型（也称为教师模型），有评价学习效果并反馈给系统的评价模型。学生模型是对学习者的学习特征进行分析，包括学习者的学习风格、认知水平。策略库模型包含有丰富教学策略和有一个智能推理机，能根据学生模型的信息和学习目标为学习者选择合适的学习策略，指导学习者学习。

3.建构主义学习理论

当代建构主义者主张，世界是客观存在的，但是对于世界的理解和赋予意义却是由每个人自己决定的。建构主义者认为学习者要以自己的经验为基础来建构现实，或者至少说是在解释现实，每个人的经验世界是用自己的头脑创建的。

学习过程同时包含两方面的建构：一方面是对新知识意义的建构，同时又包含对原有经验的改造和重组。建构主义者强调学习者在学习过程中能够灵活地建构起用于指导实践活动的图式，这种图式是对概念的丰富理解，依据个人经验背景的不同而不同。

教学应当把学习者原有的知识经验作为新知识的生长点，引导学习者从原有的知识经验中，生长新的知识经验。教学不是知识的传递，而是知识的处理和转换。

ICAI伴随着这种理论的发展而发展，它注重的是由学习者来控制学习过程，重视学习内容的知识结构和学习情境，让学习者主动构建对自己有意义的知识的活动。基于网络环境的ICAI积极地为学习者创设学习情境，帮助学习者用他们已有的知识去建构、生成、整合新的知识。

4.教学处方理论

“教学处方理论”是郑永柏博士于1998年提出的一种新型适合于信息化教学设计的理论，他通过对教学系统设计理论和计算机辅助教学设计方面的研究，建构了一种新型的教学系统设计理论――教学处方理论。该理论主要包括：六个基本概念、一个理论框架、三条基本原理和两个关于教学设计的知识库。[4]

该理论指出教学处方可以看作是教学设计者(有时可以看作是教师)依据系统分析后使用的各种教学模式、教学方法和教学内容处理模式的组合；说明了在特定教学条件下对特定教学结果的教学，以不同的学习理论和教学理论为指导将会采用不同的教学方法，即教学处方，这也是本研究的核心内容，是该系统设计的指导理论。“教学处方理论”具有更好的包容性、开放性，能够吸收和容纳丰富的学习和教学研究成果。

四、ICAI系统的模块结构

1.前端分析模块：认知能力、学习动机、认知风格

前端分析是美国学者哈利斯（Harless，J．）在1968年提出的一个概念，指的是在教学设计过程开始的时候，先分析若干直接影响教学设计但又不属于具体设计事项的问题，本文主要指认知能力、学习动机和认知风格方面的分析。前端分析模块主要是建立相应的学生特征类型的数据库。

认知能力的测量采用认记、理解、应用、分析、综合、评价六个维度，每个维度有“优、良、中、差”四个选项。通过数据分析找出学习者的现状和期望之间的差距，确定需要解决的问题是什么，并确定问题的性质，形成不同层次的教学设计项目的目标。

学习风格和学习动机通过专门的量表来收集数据。

2.内容分析模块

教学内容分析就是在确定好总教学目标的前提下，借助归类分析法、图解分析法、层级分析法、信息加工分析法等方法，分析学习者要实现总的教学目标，需要掌握哪些知识、技能或形成什么态度。通过对教学内容的处理，确定学习者所需学习内容的范围和深度，确定内容各组成部分之间的关系，为以后教学顺序的安排奠定好基础。

对教学内容的处理主要包括：教学内容的选择、教学内容的编排、确定单元目标及对内容进行初步评价、分析教学内容类别及性质等四个基本方面。在构建规定性教学内容处理模式库时，应对上述四个方面提供具体的方法。[5]

3.决策模块

教学策略（处方）的制定就是根据特定的教学目标、教学内容、教学对象等条件，来合理地选择相应的教学顺序、教学方法、教学组织形式。在数据库中建立可供选择的不同的教学策略（处方），是本文所研究的ICAI系统的主要模块，也是特色模块。

教学策略（处方）的制定包括教学顺序的确定、教学方法的选择、教学组织形式的选择等。教学顺序的确定就是要确定教学内容各组成部分之间的先后顺序；教学方法的选择就是要通过讲授法、演示法、讨论法、练习法、实验法、示范模仿法等不同方法的选择，来激发并维持学习者的注意和兴趣，传递教学内容；教学组织形式主要有集体授课、小组讨论和个别化自学三种形式，各种形式各有所长，须根据具体情况进行相应的选择。教学策略的制定是根据具体的目标、内容、对象等来确定的，要具体问题具体分析，不存在能适用于所有目标、内容、对象的教学策略。

4.评价模块

在基于网络环境的ICAI的评价模块，要依据前面确定的教学目标，运用评价量表，分析学习者对预期学习目标的完成情况，主要收集三个方面的基本信息，一是要收集关于教师对教学设计方案和教学方案实施结果的满意度的信息数据，二是要收集关于学习者对教学过程、教学策略的适应性的信息数据，三是要看与其他方法相比，本处方中所采用的方法是否有独到之处，是否有不足之处。[6]在数据分析的基础上，对教学策略和教学内容的修改和完善提出建议，并以此为基础对ICAI各个环节的工作进行相应的修改。

5.ICAI系统模型框图

学习者前端数据采集数据库包括：认知结构测量及分析系统、学习动机测量及分析系统、学习风格测量及分析系统和学生基本信息系统。系统模型如图所示。

五、ICAI决策系统实验数据来源

本课题实践研究的调查对象来自云南大学，是2008届市场营销教育和财会教育本科生，共89人，课程设置为现代教育技术。学生调查表包括本科生基本信息表，所罗门学习风格量表，学习者认知能力调查问卷，学习者学习动机调查问卷四份表格组成。实际收到数据表89份，有效数据表75份。数据表中的信息选项根据所占权重，统一折合成百分制进行处理。

六、总结

本文把教学设计理论、方法与“现代教育技术”课程相结合，拟研发出一个基于综合集成方法论的广义智能网络教学设计辅助系统。主要研究成果如下：

（1）把综合集成方法论引入解决教学设计这一不良结构问题；

（2）结合数字化方法和数据挖掘技术，它能对学习者进行数字化的前端分析；

（3）它所自动化给出的教学设计方案，可为青年教师提供良好借鉴，有利于教师因材施教、因风格施教、因需要施教；

（4）它所自动化给出的学习者学习建议方案，有利于促进学习者自主学习。

现有的CAI存在的许多问题随着新技术的不断出现而显得越来越不能适应新环境的需求，因此以基于网络环境的ICAI为代表的新计算机辅助教学系统，将是教育教学研究人员在教育技术上需要不断探求、努力实现的发展方向。

参考文献：

[1]杨采坚，董玉铭.智能教学系统设计[J].中国电大教育,1993（3）.

[2]于景元,涂元季.从定性到定量综合集成方法――案例研究[J].系统工程理论与实践,2002.5.

[3]钱学森,于景元,戴汝为.一个科学新领域：开放的复杂巨系统及其方法论[J].自然杂志,1990(1).

篇（5）

中图分类号TP31 文献标识码A 文章编号 1674-6708（2012）58-0165-02

计算机辅助教学(CAI)是以对话方式利用多媒体计算机的功能与特点与学生讨论教学内容、安排教学进程和进行教学训练的方法与技术。但是存在交互能力差和缺乏虚拟技术支持、智能性及教学策略等问题。人工智能（AI）是计算机科学、信息论、神经生理学、控制论、心理学、语言学等多种学科互相交叉渗透而发展起来的一门综合性学科。它用人工的方法在机器(计算机)上执行智能行为：感知、理解、学习、判断、推理、规划、设计、求解等。其技术特征主要是具有搜索功能、知识表示能力、一定的推理功能、抽象功能、语音识别功能及模糊信息处理能力。

1 智能授导系统

智能授导系统（ITS）技术是在对计算机辅助教学研究局限性的改革突破中发展起来的，它不仅克服了仅仅关注学生行为的缺陷，还引入了对知识的描述以及智能推理技术，智能授导系统的独特之处是能依据每个学习对象的不同需求而调整教学策略。

ITS从上个世纪80年代提出到至今已有30多年了，几乎涉及人工智能技术的所有问题，而且一直是人工智能技术在教育领域的核心研究之一。比较有代表性的是Peng-Kiat Pek和Kim-Leng Poh应用贝叶斯网络构建的学生模型可以较好的估计出学生的学习兴趣值，从而对学生的学习行为方向进行预测；Dietrich Albert和Cord Hockemeyer通过分析知识空间理论而得出的超文本结构和知识空间在结构上的有很强的相似性，通过对知识空间进行建模，使之适用于网络Web结构模式；Joel Martin和Kurt VanLehn使用贝叶斯网络技术对学生的学习结果进行评估，有效的分析出学生学习过程中的问题和不足；Declan Kelly和Bren­dan Tangney提出了一种多Agent技术（Multi-Agent System，MAS），通过对个体的个性化学习进行动态建模的智能框架的建构重组，满足了学习者的不同需求。随着国内数字化教学与教育信息化的大趋势，最近几年国内对于该领域的研究发展的相对比较快，而且需要进行综合性的研究，以不断促进智能授导系统的实际应用价值。

2 自适应智能授导系统机制

由于个体学习者基本上是基于资源的自主学习，在教学上的有效组织主要体现在学习资源的组织、传递和共享上，良好的资源组织和个性化资源服务是学习个体最强烈的需求。为了支持个体的自主学习，辅助教学研究十分强调“授导”。“授”即系统地对教学内容的组织和传播，通常反映为学习目标制定、学习材料序列化、学习路径引导以及学习结果评价等方面；而“导”则侧重对学生的具体学习过程提供针对性的学习支持。

2.1 网络智能授导的技术实现

网络辅助教学平台设计者们一直致力于智能授导机制的理论研究和实现，不仅在理论上提出很多模型和设想，而且实践上也有所突破，特别是可以借助计算机网络技术和人工智能技术构建一个更有针对性的、更智能的信息空间，为学习者提供个性化的学习支持。通过调研，网络辅助教学中智能授导的研发技术路线主要是模拟课堂面授的路线、人工智能的技术路线和网络协同进化的路线。

2.2 本体的智能授导机制

根据Brusilovsky提出的关于虚拟校园环境的部件理论知道，当前分布式虚拟环境支撑的网络教学平台大多是围绕内容部件、行为部件、通信部件、管理部件来提供学习者本体的智能授导应用功能。

1）内容部件是辅助教学系统的核心，多由构成课程的多媒体教学材料组成。运用静态超媒体比较容易实现，以一种同有的结构和形式呈现给学习者同样的教学内容。但是会产生由适应性内容所呈现的各种方法与技术问题，例如：附加解释、前提知识解释、比较性解释、解释变体、信息排序等。其实现需依赖于知识表示与呈现技术，特别是知识建模和知识本体的研究；2）行为部件主要功能是需要学生通过“做”的交互方式来完成的自主学习的过程，表现形式多指学习导航、练习、测试、模拟、实验等。其三个主要应用方向是自适应导航、自适应测试和虚拟实验；3）通信部件在智能授导系统中起到媒介作用，主要是支持学生与教师之间、学生相互之间的交流和沟通的通信工具，支持学习社区的协作学习和协同进化；其3个主要应用方向为)针对交互信息的知识发现、学习者智能互助和群体智慧；4）管理部件主要是支持教学过程中必要的管理职能。如学生管理、课程管理等。

2.3 自适应智能授导系统的构建策略

个性化的自适应辅助教学研究已成为现代教学系统应用的一个热点问题，而自适应智能授导系统运用人工智能技术，直接、科学地了解到学习者的个性特点及学习进展情况，灵活调整自身的策略、方案来满足受教育对象的需求。从集成观点出发，自适应智能授导系统首先涉及的是教学理论和思想与计算机技术的交叉。从计算机辅助教学的发展线索出发，网络技术与人工智能方法的应用是计算机辅助教学的必然趋势，但智能授导绝不是在计算机网络通信技术上的简单翻版，其需要进行更为深刻的分析与抽象。总的来看，自适应智能授导系统是一种建立在软件协同基础上的分布式的群体智能，更是一种人机协调的智能。

学习者模型是自适应智能授导系统的核心，而学习者学习过程中存在大量的不确定性因素和不确定性信息，因而成功获取学习者的情况是其它环节正确运行的保障。在学习者模型设计中，我们利用贝叶斯网络的条件概率分布量化知识项之间的组织关系及依赖关系，很好地反映学习者特定领域中的知识结构，当学习者模型中的知识项的状态发生改变时，将引起相关知识项的状态的改变，因而使学习者模型具有一定的预测能力。同时我们选择专门为语义Web设计的本体表示语言OWL语言来描述学习者模型，因为它具有更强大的功能来表示语义，比XML和RDF更容易被机器理解。

我们在辅助教学软件的研究开发中选择了语义Web下的自适应智能授导系统，因为它更多的关注系统各模块的标准化、形式化构建，以及系统间的互操作和知识共享与重用。其目标是使机器能够更好的理解网络上的内容，构建一个基础结构使在网络上运行的智能能够进行复杂的活动，对嵌入在基于网络的应用程序中的知识进行显性的描述，从而以智能化的方式来整合信息，提供基于语义的方式来访问网络，以及从文本中进行信息抽取。语义Web技术可以通过对智能授导系统不同模块中嵌入的知识和学习者的交互信息进行共享，从而在一定程度上推动了分布式智能授导系统的开放程度。图1给出了自适应智能授导系统的智能产生流程图。

3 结论

伴随着互联网络的日益发展，我们日常的学习与工作越发依赖数字化的资源与服务，智能化与人性化将是数字化教学重要的发展方向。我们选择了自适应智能授导系统作为数字化技术辅助教学研究的一个切入点，依据网络智能授导系统实现的三条技术路线，从理论框架上阐述了教学辅助平台中常见的智能授导机制，利用人工智能中贝叶斯网络的思想来设计学习者模型来实现适应性和个性化的教学，并选择了语义Web下的自适应智能授导系统来实现辅助教学软件的开发。

参考文献

[1]闵宇锋.浅谈网络教学平台中的智能授导机制[J].科技情报开发与经济，2010.

篇（6）

中图分类号：TP393-4

所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。

1 人工智能技术的特征

智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。

1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。

1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。

2 计算机网络教育的现状

随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。

计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。

主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。

3 人工智能技术在计算机网络教学中的运用

3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。

3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。

4 结束语

人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。

参考文献：

[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.

篇（7）

一、引言

人工智能的发展,使CAI出现了新的研究方向,通过在CAI中引入人工智能,可对教学加以适当控制,即智能计算机辅助教学(Intelligent CAI,ICAI)。ICAI系统模拟的是教师,服务对象是学生,综合了专家系统与人工智能技术、教育心理学、教学理论等领域知识,是一种新的教学手段和教学思想。本文提出了一种ICAI多媒体课件设计结构,介绍了各模块的设计思想。

二、ICAI系统结构

教学是教、学两个方面有机结合的过程。一个完善的ICAI系统应能像优秀教师那样,具有丰富的专业知识、多样的问题求解方法以及解释问题的能力,并能根据学生的实际情况动态地组织和调整教学过程,而且能提出具有建设性的建议。因此,ICAI系统的重要标志是具有综合而有效的数据库。

同时,ICAI系统要体现教师的教学思想,可以考虑把教学策略和教学内容分开,通过学生模型及个别指导规则,动态生成适合于个别化教学的内容,通过跟踪学生的学习情况,随时更新学生的学习记录,达到实现个别化教学的效果。为便于不同层次的教师应用和功能扩展,系统应该采用模块化和开放型设计。

三、系统各主体模块的设计

考虑到系统实用性,ICAI采用Authorware、Borland C++以及SQL Server开发。在CAI教学中普遍应用的Authorware用于系统的流程设计、逻辑控制及界面开发;Borland C++用于生成推理诊断、计算过程和教学策略的动态链接库,供Authorware调用;SQL Server用来开发综合数据库。

1.学生模型的设计。ICAI系统是以“学生”为中心,因此学生模型是系统设计的中心问题,其作用是反映学生的学习要求、学习能力、知识水平,并建立和更新学生档案。

学习者对于某一知识点的有关测试题的回答情况构成了对该知识点的掌握程度。此外,考虑到不同认知能力学生在学习不同类型的知识时表现出不同的学习能力,我们对某学生已学习过的所有知识点,分类计算以下几个平均值:

总平均值=已学习过的所有知识点得分的平均值;

平均值1=已学习过的所有难度为“简单”的知识点得分的平均值;

平均值2=已学习过的所有难度为“较难”的知识点得分的平均值;

平均值3=已学习过的所有难度为“很难”的知识点得分的平均值;

记忆能力=已学习过的所有类型为“记忆型”的知识点得分的平均值;

理解能力=已学习过的所有类型为“理解型”的知识点得分的平均值;

应用能力=已学习过的所有类型为“应用型”的知识点得分的平均值;

学生模型根据这些信息建立学生档案,并记录入“学习历史记录”,供系统选择合适的教学方案时参考。

2.教师模型的设计。教师模型的主要功能,是通过对“学习历史记录”信息的分析推理,判断对知识的需求,根据专家经验选择教学策略和教学内容;通过测试后的分析反馈,了解学生的学习情况,以便组织下一次教学内容和进度,并能给提出相应的建议。一般地,当学生参加了某单元的测试后,教师模型便根据学生的成绩自动地调整其教学目标和教学内容,并动态地生成最佳教学序列,实现个别化教学。

3.综合数据库的设计。综合数据库是ICAI系统的基础,它包括:学科知识库、教学材料库、试题库、学生答疑库、教师评价库等内容,其中学科知识库是其主要内容和设计重点。

学科知识库包含两个方面内容:一是有关课程内容;二是有关应用这些知识求解问题的知识。这些知识相互之间的关系构成了一个知识网络。该知识网络可以用关系数据库表示,这种知识体系有两个典型的作用:可以确定知识点教学的先后次序;可以错误诊断。所有知识分为从易到难的多个层次,以知识点为索引用关系数据库存放在课件中,为实现个别化教学提供材料,同时也便于教学材料的扩充。

4.教学策略库的设计。教学策略即教学方法以及实现该方法的教学过程,教学策略的选用由所教授知识以及学生的认知结构决定。教学策略库中包含标准策略和自定义策略,教师可以根据不同的知识类型以及不同水平的学习者选用合理的教学策略模板,从而实现教学智能。

每一个教学策略均对应的“适应学生类型”设定值,教师模型根据每一个学生的“学习历史记录”与该设定值进行匹配,选择合适的教学策略。系统还可以将教学策略模板对不同知识和不同能力的学生的教学效果记录下来加以分析。

5.诊断模块的设计。本模块的主要功能是对学生的提问做出判断,给出结论和解释。这里主要是在综合数据库中搜索,对关键词进行模糊匹配,并根据数据库中关键词的权值高低依次列出推理结果。如果学生问题中的有多个关键词没有匹配上时,应根据现有知识进行推理,得到最优解作为临时答案,同时将该问题记录入数据库,由教师回答。本模块的推理判断由神经网络完成。

四、ICAI课件设计中的教学原则

利用ICAI多媒体课件教学是一种新的教学思想和教学方式,还处于尝试阶段,在它的开发设计中有多种结构和形式,也存在一些问题。笔者结合教学经验,简要介绍在ICAI设计中应该遵循基本原则。

1.多媒体素材与知识的科学性相结合,是ICAI课件编写中应坚持的首要教学原则。多媒体素材必须以反映英语语言规律的科学性为前提,切不可本末倒置,在系统开发中盲目追求界面精致、动画美观。

2.多媒体课件应方便与常规教学手段结合。不可一味追求多媒体教学课件在课堂上的展示,把由教师讲述的内容变为多媒体演示,把教师与学生、学生与学生的口头交流变为人机对话,企图用ICAI包括一切教学内容。

3.以学生为中心的原则。ICAI系统应该能充分发挥学生的主动性,让学生有多种机会在不同的情境下,应用所学的知识和探索解决实际问题的方案。

4.ICAI系统应强调对学习环境的设计。ICAI课件是针对学习环境而非教学环境的设计,在学习过程中要为学生提供各种信息资源(教学媒体和教学资料),这些资源用于支持学生的自主学习和协作式探索。

5.ICAI系统的评价结果要能准确、及时地反馈给学生,使学生知道自己的学习状况和学习效果,并据此变更学习策略、改进学习方法。评价反馈功能不仅仅是指出“对”、“错”,而且要帮助学生发现、分析、改正错误,还可指出要特别注意的相关知识点。

6.系统要具有开放性和模块化的特点,具有普遍性的功能可单独封装,各模块采用统一标准的接口,便于教师更新教学内容和教学方法,也便于系统功能的扩展。

五、结论

ICAI比CAI具有更大的灵活性,它以教师和专家的经验为基础,利用逻辑分析和计算能力,对学生的信息进行分析、计算、推理和决策,具有广阔的发展前景。本文提出了一种动态、智能的ICAI系统结构,进行设计和系统原型开发,从而可以更好地实现教学目的。

参考文献:

[1]刘炜,朱学增.ICAI的研究和发展概况[J].计算机应用,1994,14(5):17-20.

篇（8）

中图分类号：tp 文献标识码：a

收录日期：2013年4月16日

计算机辅助教学的智能化源于20世纪五十年代后期。英国数学家图灵在“计算机器与智能”一文中提出了著名的图灵测试，用来测试一台机器有无智能。当时，麦卡锡和纽厄尔等人认为机器能够像人一样思考的时代已经近在咫尺，实现这一目标的主要问题只是需要创建更大的、运算速度更快的计算机。如果机器能够像人一样地思考这一命题成立，就可以据此提出一个合理的假设：人们能够制造出聪明的机器，它能够执行需要人类思考才能完成的复杂任务，例如开展教学。计算机辅助教学的智能化研究正是基于这样的假设，从20世纪五十年代至今，在计算机科学、教育科学、认知科学等学科专家的不懈努力下取得了不少成果。

普莱西于1924年发明了第一台教学机器，但是直到20世纪五十年代，哈佛大学心理学家斯金纳把他研究的操作条件反射和积极强化原理成功地运用到教学机器上，在美国军队中进行应用并取得了良好的教学效果，使程序教学获得社会的承认并有了很大的发展，才导致了教学机器和程序教学的兴起。程序教学（pi）就是将教学内容按一定的逻辑顺序分解成若干小的学习单元，编制成教学程序由学习者自主学习。程序教学具有小的学习步骤、自定学习进度、积极反应、即时反馈等特点，综合使用比单个使用某种能产生更好的记忆效果，从而改善学习。如果将视、听觉和做结合起来，那么学习效果会有更大的提高。通过多媒体条件下个性化学习环境的创设，智能教学系统能够有效地支持学生看、听和做，从而提高学习效率。但智能教学系统也存在着一些难以解决的问题，例如，如何让学生从被动地接受教学转为主动的建构式学习；如何根据学生的需求和教学目标，实现学习者和教学系统之间有效的知识通讯；如何在网络环境下有效地支持个别化学习、协作学习和探究学习等。此外，智能教学系统的开发需要领域专家、知识工程师、教学专家的通力合作，开发难度大。由于人工智能技术自身的局限，当前智能教学系统的智能化程度并不令人满意。

20世纪九十年代以来，计算机多媒体技术、网络通信技术以及人工智能技术的发展，为基于建构主义学习理论的多媒体教学环境的构建提供了有效的技术支持，数字化学习（e-learning）迅速成为人们崇尚的一种学习方式。但是，在网络环境下，教学材料的选择和组织往往缺乏系统的设计，容易造成数字化学习者的认知超载和网络迷航。为了提高网络学习效率和学习质量，一些智能教学系统的研究专家开始转向网络环境下的适应性学习支持系统研究。

在学习过程中，学习者个体具有很大的差异性，具体表现在个人的能力、背景、学习风格以及学习目标等各个方面。即使是个体本身，在学习过程中其知识状态也是在不断变化和发展的。适应性学习支持系统（alss），是针对个体学习过程中的差异性而提供的适合个体特征的一种支持学习的系统。适应性学习支持系统本质上是一类个别化的学习支持系统，它能够提供一个适应用户个性化特征的用户视图，这种个性化的学习视图不仅包括个性化的资源，而且包括个性化的学习过程和策略。适应性学习支持系统提供对不同学习者个别化需求的适应，包括学习诊断、学习内容、自主选择学习策略等。对于相同的学习内容，该系统可以为不同的学生提供不同的学习方式。不同的学习者通过适应性学习支持系统学习同样的知识，会有不同的学习路径、学习策略和学习内容。

换言之，适应性学习支持系统提供的学习是个别化的、因人而异的，是符合学习者个人学习情况的。在其支持之下，学习者能够以更快的速度，更加有效地进行学习。由于学习者在适应性学习支持系统中不仅可以进行个别学习，而且可以开展在线的协作学习、探究式学习等多种学习方式，适应性学习支持系统已经超越了作为传统意义上的辅助教学的工具，而是作为认知工具、协作交流工具和情感激励工具，可以作为导师、学习伙伴和学习工具。

近年来，我国不少学者开始对适应性学习支持系统进行研究，例如开放的、通用的适应性学习支持系统外壳a-tutor；基于教师经验性知识的适应性学习系统在中小学校的应用，等等。智能教学系统

主要特点在于能够针对不同学生进行因材施教，但由于该类系统过于强调理想化的教育，生硬的界面和过多的程序控制往往无法激发学习者学习的主动性或维持学习者的学习兴趣，因此，它的实现和应用受到了较大的限制。计算机作为教师，监控学生学习过程，执行错误诊断和生成提示信息采用知识表示技术，教学内容由系统自动安排多媒体，主要由文本构成、辅以图片、动画、声音适应性学习支持系统开放的网络学习环境下自主学习、协作学习、探究学习。计算机作为学习伙伴，或作为认知工具、协作和交流工具、情感激励工具由多媒体、超媒体构成，采用适应性超媒体、超文本系统综合了生成性cai和面向帧的cai的设计思想，并规定了问题的描述格式，系统据此生成参数，然后在数据库里查询正确的答案。

卡内基梅隆大学卡波纳尝试将人工智能（ai）技术应用于cai系统，并设想了这样一种教学系统。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，能够用自然语言与学生对话，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。卡波纳按照上述设想建立了第一个智能化的地理教学系统 scholar，它采用语义网络知识表示，建立了覆盖学生模型，能够自动生成教学材料和问题，也是第一个能够用自然语言与学生交互的系统。scholar 的出现标志着智能计算机辅助教学（icai）的开始。

篇（9）

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2014）23-0029-02

智能控制作为自动化类专业的一门专业课程，要求学生了解控制学科发展的方向和前沿，熟悉智能控制的主要理论分支、数学基础以及发展趋势等，掌握基本智能控制方法的结构和算法，为未来实际工程应用奠定一定的基础。当前，在国内外备受关注的CDIO模式即把“构思（Conceive）―设计（Design）―执行（Implement）―运作（Operate）”作为工程教育的环境背景，按照产品生命周期构建课程体系，以课堂和项目相结合的方式进行主动学习，使学生达到预想的学习目标。

考虑到安徽工程大学（以下简称“我校”）自动化专业被确定为教育部“卓越计划”试点专业，如何通过智能控制课程教学改革来提高教学质量，充分借鉴CDIO先进的教育理念，推行卓越工程师培养计划，提高大学生的创新技能、实践技能，协调课程体系对培养目标支撑力不强以及与我国产业发展和结构的调整不相适应的矛盾，创建适应新形式发展需要的课程教学体系，同时促进我国智能控制学科发展，是我校授课老师所面临和亟待解决的问题。

一、智能控制课程分析

1.智能控制发展历程

智能控制是一种新型自动控制技术，代表了自动控制的最新发展阶段。[1]20世纪90年代中期之后，智能控制日益成熟，在工业、农业、家用、军事等领域得到了广泛的应用，据统计，2012年全球智能控制市场规模接近6800亿美元，而我国智能控制行业规模也已经达到4200亿元。

智能控制思潮第一次出现于20世纪60年代由Leonaes等人首次正式提出，[2]到了1987年，IEEE控制系统学会和计算机学会在美国费城联合召开了智能控制国际学术讨论会，智能控制正式作为一门新学科，登上历史舞台，而“智能控制”课程是在智能控制学科建立之后开设的。

国内首部“智能控制”教材，是在1990年由中南大学蔡自兴教授编写电子工业出版社出版，蔡教授把递阶控制、专家控制、模糊控制、神经控制、学习控制作为智能控制课程的初步框架和主要研究分支。[1]随后，王耀南、李士勇、李人厚、孙增圻等专家也编写了智能控制相关教材。这些教材出版对我国智能控制课程教学发挥了积极的作用，为智能控制学科建设和人材培养做出突出贡献。[3]

近年来，国内学者对智能控制的研究十分活跃，举行各种与智能控制有关的学术讨论会，如全球智能控制与自动化大会（World Congress on Intelligent Control and Automation，WCICA）、中国智能自动化会议（Chinese Intelligent Automation Conference，CIAC）、中国控制会议（Chinese Control Conference，CCC）、中国控制与决策会议（Chinese Control and Decision Conference，CCDC）等，这标志我国智能控制作为独立学科已正形成。[2]

2.智能控制理论体系

随着科学技术的发展，智能控制理论和技术得到不断的发展和完善，受到越来越多科研工作者的关注。常规的智能控制方法主要包括：模糊控制、神经网络控制、分级递阶控制、专家系统控制以及其他仿人智能控制等。[3，4]

（1）模糊控制：将人类专家对特定对象的控制经验，运用模糊集理论进行量化，转化为可数学实现的控制器，从而实现对被控对象的控制，其主要包括输入模糊化、模糊规则库、模糊推理以及输出逆模糊化四个部分。

（2）神经网络控制：是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点，它利用大量的人工神经元按一定的拓扑结构互连，构建具有仿人控制的功能。神经网络虽然不善于显式表达知识，但具有很强的学习能力和自适应能力，能够任意逼近复杂的非线性系统，对高度非线性和严重不确定性系统的控制方面具有良好效果。

（3）分级递阶控制：是从工程控制论的角度总结人工智能与自适应、自学习和自组织的关系之后逐渐形成的，主要由组织级、协调级和执行级构成。其中组织级起主导作用，涉及知识的表示与处理，主要应用人工智能；协调级在组织级和执行级间起连接作用，涉及决策方式及其表示，采用人工智能及运筹学实现控制；执行级是底层，具有很高的控制精度，采用常规自动控制。

（4）专家系统控制：是指具有模糊专家智能的功能，采用专家系统技术与控制理论相结合的方法设计的控制策略，它是人工智能应用领域最成功的分支之一，由知识库、推理机、解释机制、知识获取系统以及综合数据库五个部分组成。在工业过程控制中主要呈现直接专家控制和间接专家控制两种形式。

二、智能控制课程教学改革

1.理论教学

UNESCO在2010年的工程学报告中指出，工程是人类面临的最大挑战和机遇，为了满足卓越工程师培养计划要求，我校重新修订课程教学大纲，调整了各知识点的学时分配，扩大了知识面的覆盖范围，并提高了实验内容所占学时比例，注重实践环节内容设置。在课程建设考虑理论与实践的均衡，避免理论与实践用脱节，教材选用为王耀南主编、机械工业出版社出版的《智能控制理论及应用》，[5]总共设计30个学时，具体如图1所示。概述部分为2个学时，主要讲解智能控制理论的历史背景、研究现状以及未来的发展趋势；模糊控制与神经网络控制是本课程主要讲解部分，分别安排9个学时；分级递阶控制与专家系统控制部分要求学生以了解为主，因此分别安排4个学时；最后，剩余2个学时讲解当前最新的一些智能控制方法，目的为扩展学生的视野。

考虑到“智能控制”课程涉及的知识面较为广泛，因此，在教学过程中，教师主要担负组织者、引导者的职责，课堂上注重采用启发式的教学模式，并增加案例讲解，让学生明确课程教学服务于国家战略需要和行业需要，如：液浮陀螺仪温控系统的模糊控制策略设计、单级倒立摆系统的神经网络PID控制器的设计、数控机床专家系统设计等。鼓励学生自由探讨，实现教学环节中的互动，提高学生的认知能力。

2.实践教学

本课程专业性很强，学生缺少对智能控制方法的感性认识，且受学时数的限制，因此鼓励学生自主学习，充分利用课余时间。[6]每次课后，有针对性地预留课外作业，引导学生复习、预习，这有利于老师教学内容的精练讲解，学生对智能控制的熟悉掌握，引导学生注重工程能力和自主学习能力的提高。

另外，在“智能控制”教学计划中，安排6个学时作为实验课，让学生独自设计相关智能控制器，培养学生的实践动手能力，增加对模糊控制系统、神经网络控制系统分析和设计的熟练程度。实验采用先讲解、后实验、再总结的方式进行。为了保证实践教学质量，每20位学生安排1名指导教师。实验前，要求学生实验之前完成预习报告；实验中学生每人一台机，独立记录实验过程和实验结果，教师全程答疑辅导；实验后学生及时上交实验报告，其内容包括：实验名称、内容、方法、步骤、结果及个人心得、体会。

3.教学手段

为了适应时代的发展，授课借助先进的教学软件。在相关理论知识点展开前，可通过实例模拟让学生初步了解相关方法，再切换到理论知识的讲解，以帮助学生做到思维的自然过渡。

课堂还采用多媒体教学，以提高学生获取信息的效率。多媒体课件制作过程中，力求图文并茂，能吸引学生的注意力，这有利于实现情景式的教学，充分调动学生的主观能动性，变被动教育为主动教育，使学生加深对知识的理解。[7，8]

4.考核方式

本课程理论性较强，为避免“一张试卷定乾坤”带来的弊端，课程成绩采用多元化考核制度，主要包括：平时成绩（30%）、实验成绩（30%）和期末考试成绩（40%）。

三、结束语

综上所述，我国的智能控制教育已取得了可喜成绩，我校在研究专业培养目标和现有教学资源基础上，借鉴国内相关高校成功教学经验，并不断完善智能控制学科教学的方法、手段、策略，研究制订新的大纲，开发设计多媒体课件，与时俱进，紧密围绕“卓越工程师培养计划”的重点和目标，为培养敢创新、会创造的高质量人才不断努力。

参考文献：

[1]蔡自兴，张钟俊.智能控制的理论与实践[J].中南矿冶学院学报，1989，（6）：644-650.

[2]陈爱斌，肖晓明，魏世勇，等.智能控制的学科发展与学科教育[J].现代大学教育，2006，（3）：102-105.

[3]涂象初.关于智能控制的几个问题[J].科学通报，1991，（7）：481-485.

[4]张德江.智能控制技术现状与展望[J].长春工业大学学报，2002，

（S1）：58-61.

[5]王耀南，孙炜.智能控制理论及应用[M].北京：机械工业出版社，2011.

[6]朱建红，张蔚，顾菊平，等.基于卓越工程师目标的教学策略改进研究[J].中国电力教育，2013，（5）：90-91.

篇（10）

在当前，计算机技术发展引起的智能化普遍应用的情况下，深入探索智能教学环境下的教育理念、教学模式和教学方法，充分利用现有信息技术成果，研究更加先进的智能网络教学模型，不仅可行，而且也是智能网络教学系统研究、开发和应用中的一项重要内容。文章拟主要分析当前智能化教学系统的特点与设计方法。

一、智能化教学系统的特点

智能教学系统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。系统的智能性主要表现为能够实现“一对一”的教学，这种教学模式被誉为是最有效果的教学方式。“一对一”的教学方式可以归结为以下三点：（1）指导教师可以采用测试和问题的方式来探测学生实时的知识状态。（2）在学生开始学习某个知识之前，指导教师能够为他设计一条从最基础知识到某一个具体知识的学习路径。（3）在教师和学生的交互过程中，教师能够了解潜在的探测此学生所具有的学习风格，并且提供风格匹配的教学材料给学生进行学习。

基于以上的实践经验以及人工智能技术，设计和开发一个基于计算机的智能教学系统来模拟人类教师的教学方式和行为已经成为可能，并且很有前景。使用具有智能性的智能教学系统，将可以有效地弥补其教育教学上的缺陷和不足，改善学生的学习效果，提高教学效率，对教育具有极大的推动作用。

二、智能教学系统的设计方法

1.智能教学系统的设计原理

进行科学的教学系统设计，必须从了解学习的发生机制和学习的本质问题入手。教学系统设计，是架设于学习理论与教育教学实践之间的一座桥梁。纵观教学系统设计的发展轨迹，可以清晰地看到学习理论对教学系统设计的影响最为深刻。每一次学习理论的发展，都必然为教学系统设计带来巨大的触动和冲击。学习理论的发展大致可以分为行为主义学习理论、认知广义学习理论、建构主义学习理论和人本主义学习理论等，所以相应地出现了基于行为主义的教学系统设计理论、基于认知主义的教学系统设计理论、基于建构主义的教学系统设计理论和基于人本主义的教学系统设计理论。

2.智能教学系统的的主要功能

智能教学系统关键在于能够对学习者的学习效果进行检验并能够给出相应的学习建议，从而实现学习过程的智能化。主要功能包括：

(l)建立教学内容的智能知识库。根据不同的教学内容，按知识体系结构进行知识点的划分，并建立学习要素的数据库。

(2)对学习过程进行评价。学习效果是学习质量的重要标志，学习过程包括在线学习、在线练习、在线测试、实践教学，收集学习过程信息，进而对学习效果进行合理评价。

(3)学习指导和建议。根据学习情况给出学习效果评价，然后根据学习效果给出学习指导和学习建议，从而使学习过程具有更强的针对性，以达到提高学习质量的目的。

(4)学习导航。及时收集学生的应答信息，并加以分析处理，评判学生的成绩；为不同的学生选择不同的教学内容，将学生不具备学习条件的知识过滤掉；帮助学生分析错误原因，判断并标示出学生当前最需要学习的知识点，提供针对性的个别辅导和适当的补充材料。

（5）教学方法。允许学生用自然语言与计算机导师进行交流，这样就突破了传统的学法指导和教法，并且教法还可以针对特定学生进行，即“一对一”教学模式。

3.智能教学系统的组成

(1)领域模型。存放传授给学生的课程专业知识，还能生成问题，提供对问题的正确解答以及求解问题的过程。领域模型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。知识表示方法有语义网络、规则等。

(2)诊断模型。利用诊断规则来分析学生的响应，判断学生己经懂得的知识或学生产生的错误概念，并传递到学生模型的当前状态中去。

(3)学生模型。准确反映学生的知识水平、学习能力等，为系统实现个别化教学提供依据。

(4)教师模型。结合教学策略和课程结构方面的知识，为学生选择问题供他们解答，监督和评价他们的行为，当学生需要时为他们选择适当的补习材料。教师模型中，交叉和解释模式以及学生模型是实现“面向个人以交互方式进行教学”的具体手段。教师模型中采用的教学策略主要有诊断或排错法、苏格拉底法、教练法等。

(5)人机接口。人机接口作为学生与系统之间交流信息的媒介，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。

4.智能教学系统的使用

学生使用教学系统进行学习活动时，可以自己选择学习内容，也可以在教师模型的作用下由系统引导进入某一教学单元。教师利用测试结果，通过诊断模块和诊断规则来判断学生当前的认知能力，通过学生的总体认知能力来决定学生下一步的行为。

（1）教学诊断模块。主要负责判断学生对某一知识点的掌握情况，进而能判断学生的当前知识水平，为判断学生的认知能力提供依据。

（2）能力测定模块。主要负责评价学生的学习能力。在教学之前、教学期间和教学之后都要进行。通过评价取得反馈信息以修正、完善教学计划，为教师模型制定正确的教学策略提供条件，保证教学的顺利完成。它是本系统的重要部分。

（3）学生行为评定。对学生行为的评价，依据评价的目的不同，分绝对评价和相对评价两种方法，系统中以教学目标为基准进行绝对评价，以掌握学生达到教学目标的程度和诊断学生知识、能力结构中的缺欠，即根据专家知识库中的测试题目信息及学生的回答情况，给出分析结果及相应各认知能力不同层次的分数比重，为制定相应的教学策略提供数据依据。

（4）试题评定。主要是对试卷的要求进行综合评价，包括学生测试的内容是否是学习过的，是否符合教学大纲的要求，试题分数的比例是否符合难度比例、认知层次比例和各章节的分配比例。

（5）教学内容生成。系统根据学生的认知能力、当前的知识水平和学习历史，利用教学策略生成个性化教学内容。

三、结语

智能教学系统能监控学生的学习过程，实现教学各环节的知识共享与交互，从而实现学生的按需学习和教师的因材施教，体现“以学习者为中心”的教学思想。但是，目前的智能教学系统的研究可以说仍然处于基础理论的研究阶段，其主要的研究方法就是将远程教学技术与传统的智能教学系统相结合，运用人工智能技术来更加有效地实现教学的个性化和智能化。

参考文献:

[1]谢忠新，王林泉，葛元.智能教学系统中认知型学生模型的建立[J].算机工程与应用，2005，(3)：229-232.