基于人工智能技術的智能教學系統的設計與研究

孫麗梅，張玉柳，鄧三軍

（云南師范大學，云南昆明 650500）

隨著互聯網的迅速普及和計算機技術的日益提高，網絡學習正逐步滲透到各行業中。在學習交流過程中，網絡教學突破了對時間和空間的瓶頸。同時網絡教學系統通過對真實校園設施和資源的虛擬化，使學生可以無附加學習地過渡到教學系統中來。

在互聯網時代，使用人工智能技術, 在教學過程中，智能教學系統能根據學習者的認知能力，自動診斷學生的學習水平, 發現學習過程中存在的問題,并結合學習現狀提出解決辦法, 最后有針對性地提出反饋意見與建議。智能教學系統克服了傳統教育存在的不足。智能教學系統為學生提供各類教學資源，并共享好的師資，極大地提高了教與學的質量。讓學生能隨機地在系統上進行教導與學習。智能教學系統根據學習者認知發展水平和學習風格，為學生提供了高度個性化和智能化的學習體驗。

該研究結合人工智能技術和智能教學系統開發原理，運用Web 技術，通過記錄和觀察學生在網絡教學平臺中的學習行為、足跡和成績等，結合學生的學習風格、動機和學習興趣，最終設計出智能、個性化的學習系統。為教學提供更優化的教學方案，為學生提供更高效、更個性化的教學服務。

1 理論基礎

1.1 人工智能

“人工智能”(Artificial Intelligence, AI) 這一概念，初期由John Mc Carthy 在Dartmouth 學會提出。人工智能是融合多門學科的一門技術科學，用于研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術[1]。李德毅認為它是社會發展和技術創新的產物，是促進人類進步的重要技術形態。“研究如何讓智能體去完成人類需要解決的復雜問題，形成模擬人類智能行為的理論、技術，所構建的智能系統，能夠結合人類的需求，像人類一樣思考問題，并進一步提升人的智能”[2]。在人工智能領域，人工智能通常采用機器學習進行算法運算，深度學習是實現機器學習的算法或方法[3]，因此，學術界將人工智能、機器學習和深度學習三者視為近似包含關系。

1.2 智能教學系統

智能教學系統這一概念源于1982年,由計算機輔助教學發展而來, 它是借助人工智能技術讓計算機扮演教師的角色實施個別化教學, 向學習者傳授知識、并提供指導的適應性教學系統[4]。“智能教學”指所提供的教學能夠滿足學習者需求, 實現個性化教學。智能教學系統針對傳統CAI 的不足，利用先進的信息技術提出了能夠基于學習資源和學習特征進行指導和評價反饋的智能化教學系統，基于此,智能教學系統結合學習者認知水平和學習興趣等特點, 能夠為學習者提供適合的學習資源和教學策略,拓展教學時間和空間, 提升教師的教學效能,提高學生的學習效率[5]。智能系統的設計能通過問題的提出和答案的分析對學習者進行個性化教學指導, 為學習者提供個性化、 智能化的學習體驗。為教育領域21 世紀核心人才培養提供有效教學途徑，有效地培養學生解決問題能力，實現教學中的因材施教，為學生提供個性化指導和反饋。

2 研究內容與技術路線

2.1 研究內容

該文結合人工智能在教育中的應用和教學系統的研究現狀，同時結合系統設計的原則，設計出智能化、個性化的學習環境。該文的研究內容主要包括以下幾個方面。

(1)利用數據挖掘技術分析網絡學習平臺中學生行為信息，設計并實現學習興趣子模型和學習風格子模型，并提出一種包含學習興趣和學生學習風格兩個子模型的個性化認知學生模型。

(2)設計與實現基于單元化知識域三重隨機自動建題算法；同時結合特定專家題庫的權威性，設計并實現融合專家題庫和自建題庫的測試算法。

(3)設計并實現一個簡單的基于Web 的智能教學系統，并運用個性化認知學生模型對學生建模，采用專家題庫和自建題庫對學生進行學習測試，給系統對學生的下一步學習提供依據。

2.2 學生模型相關技術研究

（1）學習者學習興趣模型設計。

根據當前學習者在系統中進行的學習過程，通過分析學生學習行為來預測學習者的學習興趣，該文主要基于學習者瀏覽、保存、下載、打印、收藏等行為，通過對學習行為挖掘來得到興趣信息。該研究利用關鍵字列表和主題搜索的方式來構建學習者興趣模型。

（2）學習風格模型設計。

該研究利用Felder-Silverman 學習風格模型設計原則來對學習者學習風格進行分析，并設計出適合學習者的學習風格模型。

（3）學生個性化認知學生模型設計。

該研究結合學習者學習興趣和學習風格兩個子模型，設計出個性化認知學生模型。

2.3 數據獲取

該研究主要通過數據挖掘技術獲取學習者學習行為數據，進而對學生進行建模，通過設計出的個性化認知學生模型對智能系統進行開發，該系統的開發提供給學習者更具有價值的學習資源。

3 智能系統設計

3.1 系統功能分析

智能教學系統采用先進的信息技術，提升了教師的教學能力，提高了學生學習效率，智能系統的設計克服了傳統CAI 的缺點。研究設計的智能教學系統由專業知識庫、專家模型、學生模型、教學與控制模塊和用戶接口模塊5 個部分組成，如圖1 所示。

圖1 智能系統功能結構圖

專業知識庫：該模塊是系統設計的核心，是實現智能化的關鍵，主要用于解決“教什么”的問題，知識庫模型主要是由教學資源、知識體系、教學規則和教學方法4 個部分組成[6]。

專家模塊：ITS 中的專家模塊具備問題解答的能力，該模塊根據學習環境中存在的復雜問題能自動推理生成正確的答案，并將答案反饋給學習者。

學生模型： 該模型用于描述學習者的學習風格以及對知識點的理解和掌握程度，基于此，ITS 結合學習者認知能力來調整教學策略并提供反饋。

教學與控制模塊：該模塊涉及“如何教”的問題，具體功能如下。

(1)內容的選擇。

由學習者的學習狀態和多種教學策略共同決定。

(2)問題的選擇。

根據選定的教學內容，系統生成的相關問題由粒度和難度共同決定，粒度決定問題規模的大小。問題粒度的選擇受教學策略和教學內容等因素影響；而問題的難度由學生的認知能力決定。

(3)反饋與幫助。

系統能根據學生遇到的困難提供相應的反饋和幫助。但系統太少的幫助會使學生感到困難，過多的幫助又會影響教學質量。因此，系統應該根據學生能力來控制幫助的程度。

用戶接口模塊： 這是系統與用戶交流的模塊。ITS 依靠其用戶接口模塊來把教學內容呈現給用戶、接受用戶的輸入、并向用戶提供反饋[7]。

3.2 智能教學系統設計與實現

3.2.1 系統總體設計

該系統由管理員、教師和學生三類用戶組成。管理員是對用戶信息及權利進行管理和維護； 教師主要對各類教學資源（如課件、試題庫）進行管理，對學生的學習行為進行分析并評價，并根據反饋結果及時調整和改進；學生展開自主化、個性化的網絡課程學習、在線討論、在線測試等。

3.2.2 系統的實現

該系統設計采用B/S 模式，用Python,Tensor-Flow，dlib 進行建模、訓練、檢測、信息記錄。使用HTML5，Node.js 實現學習資源（視頻和圖像拍攝）上傳保存到指定位置。

4 結語

在大數據背景下, 學校的信息化發展受到教育領域的廣泛關注，教育領域嘗試采用“問題為導向”的教學方式，使學生脫離“輔導學習”的過程來接受新知識。21 世紀的教育教學手段將是以ITS 為主，實現用技術來優化教學。因此，將人工智能技術與教學系統相結合是當前教育界研究的熱點。運用人工智能技術進行教學，可以培養學生解決問題的能力,實現網絡教育的個性化,滿足學習者個別化,實現教學意義上的因材施教。研究在梳理文獻的基礎上，總結出傳統教育存在的不足，并利用人工智能技術結合智能教學系統的設計原理和目的，為學生提供高度個性化和智能化的教學系統。