基于Ｗｅｂ的智能化作業系統研究

摘要：本文設計了智能化作業系統的工作模型及其層次結構：采用學習者需求驅動模式，并采用四層模型層次結構來實現，數據層、網絡服務層和用戶類型表現層和個性化表現層；本系統的數據庫設計應用了基于關系數據庫的面向對象理論，方便了信息的獲得，同時提高了系統的可擴展性。

關鍵詞：智能化作業系統；智能作業提醒；知識架構挖掘

中圖分類號：TP393文獻標識碼：A文章編號：1009-3044(2008)19-30126-03

Research of Web-Based Intelligent Homework System

ZHANG Hui-yan， ZHANG Hu

(College of Information Technology， Anhui University Finance Economics， Bengbu 233041， China)

Abstract: This paper design a schema and its layer model on which it works for the intelligent homework system. All of the schemas are based on the Student-oriented mode. And we use four layers model， data layer， network service layer， users type of performance layer and personalized performance layer; The database design of the system applications based on the relationship between the object-oriented database theory， Convenient access to information， at the same time improve the system scalability.

Key words: Intelligent Homework system; Intelligent Homework awake; knowledge structure mining

1 引言

遠程教育是學生與教師、學生與學校之間采用多種媒體方式進行系統教學和學習交流的一種教育形式。現代遠程教育是隨著現代信息技術的發展而產生的一種新型教育方式。現代遠程教育是隨著現代信息技術的發展而產生的一種新型教育方式。計算機技術、多媒體技術、通信技術的發展，特別是互聯網技術的出現和發展，使遠程教育的手段有了質的飛躍。

基于Web的遠程教育方式是指教學資源（如大綱、教案、課件、作業、考試等）存放在Web服務器上，學習者可以在隨時隨地通過瀏覽器獨立地進行課程學習、做作業、考試，向教師提問以及和其他同學交流，我們稱之為異步的或面向學生的(student-oriented)學習模式 。

采用“學習者需求驅動模式”的思想設計的遠程教育網站，可以統計學生的學習情況，更直接與科學地了解到學習者的需求與教育網站的資源信息的冗余和不足，適時地調整自身的策略、方案來滿足受教育對象的需求。

傳統作業系統平臺在設計過程中忽略了學習本身是一種個性化的過程，接受教育的對象存在個性差異，學習者的學習能力、興趣與習慣、努力程度都存在巨大的差異。現有的作業系統平臺雖然可以做到作業形式多樣，數量巨大，但是學生并不了解自己的課程掌握程度，于是就不了解哪些是適合自己的作業，或者同一作業中哪些題目適合自己，老師也不了解學生的學習進度，只能夠統一發布作業，所有的學習者都是相同的作業，這樣在教學方法與模式上就顯得很單一。網絡教學過程中忽略了老師的個別指導作用和因材施教的教學原則，在傳統的遠程教育平臺，這是一對無法調和的矛盾。

隨著互聯網技術的發展，在Web領域開始采用人工智能和數據挖掘技術，通過知識發現、機器學習、統計分析或其他方法，從大量的學習者學習行為數據中進行數據挖掘，提取有用的信息。這些使個性化教學服務成為可能。將為學習者提供更具有針對性的學習資源，作業系統平臺上的內容也更具有針對性，能夠更好的促進學習者掌握教學內容。因此，在傳統的遠程教育技術上引入智能化是必要的、可行的。

2 基于Web的智能化作業系統模型

智能化作業系統模型主要研究如何搭建一個智能化、開放化的作業系統平臺。相對于傳統的作業系統，這一系統主要實現兩個方面的特性：一是對于作業系統中的數據流，狀態流，控制流建立統一標準，使其能夠與作業系統外的其他遠程教育子系統共享；二是通過數據信息的分析與挖掘，提取有用的學習行為信息，并在系統運行過程中不斷的進行自我學習和擴展。

本系統設計在四層模型層次結構上來實現。即在通常三層（數據層、服務層、表現層）模式基礎上，將表現層分為二層：用戶類型表現層和個性化表現層。

數據層的數據提供給網絡服務層，網絡服務層對數據進行組織，通過編寫的服務過程來完成網絡服務功能。用戶類型表現層調用網絡服務層提供的服務功能，實現在用戶界面中基本內容的表現，最后經過用戶個性化表現層的個性化服務，對內容進行篩選、調整，最終表現出不同用戶的個性化界面。

這樣，通過對表現層次進行細化，即體現了用戶在用戶類型表現層的共性，又在個性化表現層體現了作為一個個性化的服務系統所具有的表現特性。在這樣一個模型的基礎上，我們來實現作業平臺的智能化、個性化。

這個模型中各層次中與基于Web的智能化作業系統相關的主要功能為：

1) 在數據層上主要存放與作業系統相關的數據，我們把所有數據信息分為幾種類型的對象。主要包括：

①用戶對象：是指用戶的屬性以及他們的行為記錄；

②資源對象：是指學習者的主要學習對象，也是指導者的主要管理對象。他們本身具有一定的屬性（如，資源名稱、存儲路徑等），同時也具有一定的行為；

③行為對象：對應于用戶對象的某一種行動，即用戶對象的行動是一個新的對象。行為對象的屬性（行為執行人、行為發生時間等）是后臺實現數據挖掘，實現智能化的基礎；

④行為結果對象：是一些行為發生后所產生的結果對象。由于行為的結果可以反映用戶對象，尤其是學習者的學習偏好和學習效果，所以這一類對象也是后臺數據挖掘、學習評估和智能化指導的一個基礎；

⑤后臺信息統計對象：是由于后臺數據挖掘而產生的對象。這些對象是后臺系統對用戶對象的行為、表現、偏好，根據一定的數據挖掘算法得到的結果。

對以上這些對象，我們采用面向對象的數據庫來保存這些信息，為上層的功能實現提供信息基礎。

2) 網絡服務層的功能是接收表現層發來的請求，對數據層的數據進行存取，并根據服務要求調用相應的服務來完成用戶的請求。

本模型將作業發布、答案發布、作業批改、管理等功能都以模塊化的方式在服務器端運行，并且允許遵循一定定義規則的新功能的自由添加。其主要特點是：對于系統中的數據流（數據庫數據），控制流（消息傳遞），過程流指定統一標準，使各個子系統中信息都能遵從一定標準而方便共享。通過數據信息的分析與挖掘，智能化作業系統可以不斷的進行自我學習和擴展。

3) 用戶類型表現層設計用戶類型基本接口，按照用戶類型產生基本用戶格式表現和用戶請求類型。

4) 個性化表現層是用戶的接口，包括根據用戶的個性化定義，接收用戶請求與產生格式化數據返回頁面。

3 作業系統部分智能化功能的實現

3.1 智能作業提醒模塊

在基于Web的作業方式中，學生通過網絡資源學習，接受老師布置的作業，由于對作業上交期限沒有注意，導致過了期限，從而影響了作業的成績。另外，可能由于學生各人對于Web的掌握能力有限，可能造成其根本不知道作業的上交期限。這就要求我們建立一個能夠以各種方式在特定時間向用戶發送作業上交提醒的模塊。

我們通過將當前的系統時間與數據庫中各個作業的最后期限相比較，若是符合設定的條件，則向所有還沒有交此作業的學生發送提醒。

向學生發送提醒消息的實現：當查找到符合提醒要求的學生以后，記錄其用戶代號，在數據庫的消息表格中添加一條消息，將其屬性設置為新消息，即未閱讀的消息，并將其內容設置為提醒內容，所屬用戶設置為此用戶。

向學生發送提醒電子郵件的實現：當查找到符合提醒要求的學生以后，記錄其用戶代號，在數據庫用戶電子郵件表格中查找到用戶的電子郵件，將其連同郵件主題及內容等添加入待發郵件隊列，完成某個作業判斷以后，通過系統提供的郵件發送控件，將郵件發送出去。

作為系統的智能作業提醒功能，應該是自動的運行，由于數據庫的查找有嵌套，所以數據庫的查詢及修改操作的數目很大，所以不可能讓該功能不停地運行。所以將其設計為，加入某個頁面的頭部，每次該頁面被請求的同時，該功能就被啟動。將作業提醒功能在用戶登陸遠程教育主頁時就運行，這樣就能保證該功能的正常運作。并建立一個記錄文件，文件中記錄的為上次提醒功能運行的日期，每次遠程教育首頁被請求時，提醒功能啟動，首先讀取該記錄文件，讀取上次運行時間，如果與系統日期相同，說明已經運行過提醒，就跳過提醒直接進入首頁；若讀取的日期與系統日期不同，則需要運行提醒模塊。

3.2 智能化作業統計模塊

在傳統的課堂教學方式中，教師在完成作業的批改之后必須手動做出統計表格，才能對學生的作業情況有一個整體的了解，以安排合適的教學進度和教學方法。在遠程教育系統中，我們可以實現智能化的作業統計功能。

作業上交情況統計的實現：在數據庫中查找出當前課程下的所有作業；然后對于每個作業，查找其相應的班級人數、已上交人數、遲交的人數和已經批改的人數。這樣，經過計算就可以得到應交人數、異交人數、遲交人數、未交人數、已批人數和未批人數，及其各自的百分比。

作業得分情況統計的實現：在數據庫中查找出當前課程下的所有作業，同樣，該作業必須是未刪除的作業；然后對于每個作業，查找統計出已經上交的人數，再查找出分別獲得各個分數的人數，與已上交人數相除就可以得到其相應各個分數人數的百分比。

3.3 知識架構智能挖掘模塊

學生知識架構的挖掘是智能化作業系統的一個重要部分。通過智能化作業系統，教師可以了解學生的作業完成情況，進而了解不同學生的知識架構，掌握學生對知識點的掌握情況，然后根據不同學生的特點選擇合適的教學方法。這里我們需要實現知識點與作業相關聯的數據庫表格設計，還有設計教師布置作業時指定與知識點的連接關系的方法。

在教師布置作業時，通過多項選擇框列出的所有與該課程相關的知識點。教師在布置作業的同時選擇和該作業相關聯的知識點，然后將新作業插入作業表格，將其與知識點的關系插入知識點關聯表。

然后我們在每次作業學生全部完成后，通過數據挖掘功能，挖掘出學生本次作業完成的情況，作業中知識點的掌握程度，以及本次作業與以前知識點的相關程度，學生對相關知識點的掌握，進而在教學過程中發現知識點的相關性，把握好教學的重點和難點。

4 小結

基于Web的遠程教育環境具有4W(Whoever、Wherever、Whenever、Whatever)的特征，但目前這種教育模式也有許多的缺點有待克服。尤其是目前的大多數遠程教育系統都缺乏足夠的開放性和智能性，站點基本是靜態的內容，所有資源完全交給用戶自己去選擇。這種做法忽略了學生之間的能力差異和學習興趣，忽視了教師在學習中的指導作用。因此，在傳統的基于Web的遠程教育環境基礎上，充分考慮了遠程教育的特點和實際應用中的需求，提出了建立一個開放化、智能化的遠程教育平臺。在這個平臺下，學生可以獲得動態的個性化的教學資源配置，通過智能化的反饋，使得學生真正做到按需學習，老師真正做到因材施教。

參考文獻：

[1] Pat-Anthony Federico.Learning styles and student attitudes toward various aspects of network-based instruction Computers ，Human Behavior，2000.

[2] Draft Standard for Learning Technology-Learning Technology Systems Architecture (LTSA).IEEE P1484.1/D6，2000-11-14.

[3] Chien Chou.Constructing a Computer-Assisted Testing Evaluation System on the World Wide Web-The CATES Experience[J].IEEE TRANSACTIONS ON EDUCATION，2000，43(3).

[4] B. Parkinson，P.Hudson.Extending the Learning Experience Using the Web and a Knowledge-based Virtual Environment[J].Computers Education，2002，38:95-102.

[5] 申瑞民，戴欣，孫健.基于Web的智能遠程學習環境的構建[J].計算機應用與軟件，2004(02).

[6] 陳思敏，黃曉櫓，顧君忠. 基于XML技術的遠程教育協同系統研究[J].計算機應用研究， 2002(01).

[7] 桂芳，吳杰，張世永. 基于Web的遠程教育系統參考模型研究[J].計算機工程，2000(12).

[8] 李慧，周國華.基于Web的智能化遠程教育系統研究與設計[J].中國西部科技，2004(11).