人工智能技术在教育中应用.docx

人工智能技术在教育中应用.docx

《人工智能技术在教育中应用.docx》由会员分享，可在线阅读，更多相关《人工智能技术在教育中应用.docx（8页珍藏版）》请在冰豆网上搜索。

人工智能技术在教育中应用

人工智能技术在教育中应用

学院

专业

研究方向

学生姓名

学号

任课教师姓名

任课教师职称

2013年6月24日

人工智能技术在教育中应用

摘要:

 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；本文阐述了教学设计自动化技术、、教学自动测评技术、专家系统、Agent等概念、重点关注的问题，以期为广大教育技术工作者提供一点借鉴.

关键词:

人工智能;教学设计自动化;教学自动测评,专家系统，Agent技术

一、教学设计自动化技术

“教学设计自动化”（Automated Instructional Design或Automating Instructional Design，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[1]。

“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”（Computer Aided Instructional Design，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，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。

  从1984年梅瑞尔首次提出“教学设计自动化”开始，教学设计自动化吸引了很多教育技术专家、心理学家、人工智能专家和计算机专家的参与并取得了相当多的成果[1]。

目前教学设计自动化的研究主要集中在5个方面[1] [2] [3]：

（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ID Expert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（Institute for Research on Learning）开发的IDE（Instructional Design Environment）系统。

（5）提供电子绩效支持系统（EPSS）。

如AGD绩效支持系统等。

另外，教学设计自动化技术一个最直接的应用是为教师提供教学设计模板。

Web Quest就是一个很好的例子，它提供了多套方便适用的教学设计模板，教学设计人员和教师只需填入相应的内容，就可生成WebQuest教学网站，大大降低了教学设计的难度。

教学设计自动化的更进一步发展要求它具备更高的“智能”，这需要积极借助自然语言理解和信息检索领域的成果。

例如，我们有理由要求教学设计自动化系统能够帮助我们抽取文章中的概念以及概念之间的关系，生成一定的可视化图表，如概念图、思维导图等，并在人工校对后，生成可用的演示文稿。

达成这一目标的核心技术包括信息抽取领域的实体抽取技术和关系抽取技术。

二、教学自动测评技术

教学自动测评是计算机辅助评价（Computer- Assisted Assessment，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Internet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

谓专家，一般都拥有某一特定领域的大量知识和丰富的经验。

在解决问题时，专家们通常拥有一套独特的思维方式，能较圆满的解决一类难题，或向用户提出一些建设性的意见。

专家系统（Expert System）可视为一类具有大量专门知识的计算机智能程序系统[6]。

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的对象。

专家系统作为学习的工具

专家系统作为学习的工具首先将改变现有的教育模式，勃朗逊（Robert Branson）在美国的《教育技术》杂志上发表的题为《过去、现在和未来的教学模式》[7]一文中，描述了一个以教育技术为基础的未来教育模式，该模式是由教师、专家系统和学生三个方面所组成的。

其中的专家系统是一个由知识和数据库组成的智能教学专家系统。

以它作为学习的工具，为学习者提供像学科专家一样的学习支持，学生通过主动地与专家系统的交互来获取知识。

同时，在这一系统中，将教师从学科事务中解放出来，使其有更多的时间和精力来协调学习者之间、学习者与专家系统之间的关系，使教师的主导作用得以充分的发挥。

这一模式的实现，可以使目前的“以教师为中心”、“以课堂为中心”的教学模式从根本上有所改变。

其次，专家系统能提供智能化的决策服务，支持服务是现代远程教育系统的重要构成要素，其宗旨是创造一个优良的学习环境，使学习者方便快捷地调用各种资源，接受关于学习的全方位服务，以获得学习的成功。

建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施远程教育项目的保证，关系到现代远程教育的发展和生存。

但当前远程教育中的学习支持服务并不尽人意，导学和答疑的手段都还十分落后，服务方式也受到诸多限制（如：

地域、时间、人员和设施等），缺乏主动性、针对性和策略性。

欲改变支持服务的被动状况，提高支持服务的质量，其有效途径之一就是引进人工智能技术，实现服务的智能化。

例如在20世纪80年代初提出来的，把决策系统与人工智能相结合，尤其是与专家系统相结合的智能决策系统（Intelligence Decision Support System），它比传统的决策支持系统具有更有效的辅导决策作用。

智能决策系统可以实现以下的一些功能：

  分析和识别问题； 形成候选的决策方案（目标、规划、方法和途径等）； 构造决策问题的求解模型；多方案、多准则、多目标情况下的比较和优化；  综合分析，包括决策结构或方案对实际问题可能产生的作用和影响的分析，以及各种环境因素、变量对决策方案或结果的影响程度分析

专家系统作为学习的对象

教育部于2003年4月正式颁布普通高中课程标准（实验稿），首次在信息技术课程中设立“人工智能初步”选修模块，从而迈出了我国高中阶段开展人工智能教育的第一步。

专家系统在人工智能领域享有很高的声誉，曾被认为“是人工智能从幻想到实践，再由实践到理论的主角”。

以专家系统作为学习对象，可以对学生的以下几个方面产生积极的作用：

1、培养学生问题解决方法的多样性

人们在现实生活中遇到的问题按其结构划分，大致可以分为三类：

[6]]结构化问题（能用形式化或公式化方法描述和求解的问题）、非结构化问题（难用确定的形式来描述，主要根据经验来求解的一类问题）和半结构化问题（介于以上两种之间的问题）。

学生在中学阶段要求解决的大都是结构化问题。

求解结构化问题主要途径是：

算法＋数据结构。

而专家系统最适合那些没有高效算法解决的情况，即非结构化问题和半结构化问题。

解决这类问题，推理可能是寻求较好解决方法的唯一希望。

因此，求解非结构化、半结构化问题的主要途径是：

知识＋推理。

通过让学生借助专家系统工具建造专家系统，包括知识库的构建和推理机制的设计，可以让学生在了解专家系统的基本特征，体验、认识专家系统的知识与技术的过程中获得对非结构化、半结构化问题解决过程的了解，从而使学生了解计算机解决问题方法的多样性，培养学生的多种思维方式，达到提高信息素养的目的。

2、培养学生人际交流的能力

为成功开发一个专家系统要求领域专家、知识工程师和用户的密切配合，领域专家提供知识和求解方法，用户提供需求，知识工程师从专家那里获取知识，并将其转化到计算机上。

在专家系统的教学中，可以要求学生自行构建由产生式规则组成的知识库，学生作为知识工程师或领域专家，即要能清楚地向他人表述自己意图，又要具备从别人那里获得对自己有用的信息的能力。

通过这种角色扮演，有利于培养学生的人际交流的能力，提高协作意识。

3、  开发学生的元认知能力

元认知又称反省认知，即对认知的认知，是个人关于他自己的认知活动过程和结果以及与之有关的任何事项的认知，其实质是个体对自己认知活动的自我意识和自我调节[8]。

斯腾伯格认为，人们对自身思维过程（分析、创造和实践性的问题解决、推理和决策制定等）了解和控制的元认知能力，相比单纯的认知能力（如知觉、记忆和思维过程）更能影响到智力[9]。

而我国现行的学习目标大都以布卢姆的教育目标分类学或加涅的理论为指导，在制定学习目标时往往忽略元认知能力的培养。

由于专家系统中的知识组织和推理过程是对人类专家思维方式的一种模拟与再现，因此学生在建造知识库过程中，需要反省自己的思维过程，将原来零碎的未成型的知识概念化、形式化和条理化，从而内化为学生自己的东西。

通过自己实践构建一个小型的专家系统，可以为学习者提供一个反思自身思维过程的机会，有助于学生认知水平的提高。

四、Agent技术在教育中的应用

Agent是一个具有自治能力的实体，这个实体是一个由软件支持下的系统[10]。

一般以软件为多。

这种软件能够在目标的驱动下采取社会交往、学习等行为对环境的变化作出主动的反应，完成特定任务。

Agent的特点主要包括自主性、进化性、协作性、进化性、通信性、移动性等。

目前的网络教育课程很大程度上是把传统的教育课程搬到了网上，原有的教育体系中一些好的方面没有被继承和发扬。

在网络教学中，教学方式单一，教学内容没有很好的针对性，对于学生的关心程度几乎为零。

Agent技术的引入，有望较好地解决这些存在的问题。

Agent应用网络教学中以后，主要的优点有以下几个方在面：

1、 网络教育的个别化

目前的网络教育中教育的个别化只是时空上的个别化，而要教学方式和教学内容上没有发生根本变化。

网络由于其自身的特点，个别化教育应是其重要的一个优点。

但如果只是将课堂教学简单搬上网络，不但没有实现其个别化的特点，反而使传统课堂教学中的优点也被剥夺了。

在Agent被应用以后，利用其智能性可以针对每一个教学对象的水平、学习内容、学习中遇到的难点、学习的动机等一系列的特征，采取不同的教学方式，提供不同的教学资源，做到对每一个学习者的教学资源和过程都不尽相同。

学习者的Agent组成为每一个学习者的“私人教师”。

2、人性化的交互和教学方式

Agent引入后，教学系统和学习者的交互方式将发生根本的变革。

基于Agent的网络课程的根本特点在于学习者的极大“关怀”。

在教学的过程中学生将感到与以往完全不同的教学气氛，计算机随时地“倾听”学习者的声音，并对教学过程进行调整。

3、强大的自我进化功能

Agent本身的进化功能在引入到教育中以后，其潜力将得到最大程度的发挥。

在对每一个学生建立在一个属于自己的Agent以后，整个Agent组处在不停的进化过程中，通过与学习者的交互，对学习者的了解日趋深入，使整个的Agent组越来越适合学习者。

资源的数量和资源的质量（从某种意义上是指对学习者的适当应性）。

4、对网络资源的有效利用

目前，Internet的资源极大丰富，但是资源的存在方式却是一种无序的、杂乱的状态，只能算是一种信息（information）或者数据（data），而学习者需要的是一种知识（knowledge）。

要把这些信息和数据转换成为有用的知识点是一个庞大而复杂的工具。

因此在目前的状况下，很多的学习者在利用网络资源的时候，是被“溺水”而不是有效地利用了网络资源。

在基于Agent的网络教学体系中，资源Agent将主动地为学习者完成这一过程，网络的信息（information）和数据（data）将变成学习者所需的知识（knowledge）.

５、讨论协作学习智能化

传统的网络教学中，学习者的交流和协办作者的交流和协作者是静态的，网络环境只是提供了一个交流的场所。

而在基于Agent的网络教学系统中，讨论板块对讨论的问题有总结提炼，并能根据讨论的情况组织专题性的讨论，引导学生作更深入的研究和探讨，发挥协作式学习的优越性。

６、改善学习模式，培养学习者的各种能力，有益于素质教育的开展

学习者可以提出自己的问题，或者根据已有的问，在学习系统的协助下受逐步求解，甚至可以对领域内的某一问题作深入的研究探讨。

基于Agent的网络学习体系将的提供开放的环境、详尽的资源，而不是呆板的学习模式，学习者可以自主地选择学习者重点、学习者的方式。

在学习过程中，自身的问题得到逐步的解决，同时解决问题的各种能力出得到提高。

基于Agent的网络课程出有其不足之外，主要是在实现方面有较高的技术要求和资金投入。

但随着Agent软件方法可重用性的可扩展性的提高，在不同的课程中只要改变专业知识模块，而整体的框架可重复利用，并加以扩展。

相对于现在的一次性课件，从长远的角度来看，投入出并不高。

在技术性方面，目前已经有不少的商用系统投入使用，效果良好。

在教育领域，United States Army War College 已完成人工智能课程的学习Agent,并投入使用。

以上所谈及的几项技术是当前人工智能技术在教育中的热点技术，尽管一些技术还不够完善和成熟，但是它们已经对当前的教育产生了深远的影响，它改变了教师的角色、开发了新的教学模式、极大提高了学生学习效果；随着人工智能技术的进一步发展和深入，这种影响将会更加持久和深远。

参考文献：

[1] 马宁,余胜泉.简述教学设计自动化研究[DB/OL] 

[2]  Merrill, M. David.An Integrated Model for Automating Instructional Design and Delivery[A]. Michael Spector, Martha C. Polson &Daniel J. Muraida.Automating Instructional Design:

 Concepts and Issues[C]. Englewood Cliffs, NJ:

 Educational Technology Publications, 1993. 147-190.

[3]  Kasowitz, Abby.  Tools for Automating Instructional Design[DB/OL]. .ericdigests.org/1999-1/tools.html  .

[4]  黄荣怀，刘黄玲子，李向荣. 计算机辅助评价的发展趋势[J]. 电化教育研究，2002,（5）:

15-21.

[5]  黄荣怀  关于教育技术学领域中的若干关键技术   .chinaret./html/20051018_198.html 

[6]  王万森编著. 人工智能原理及其应用.  ：

电子工业出版社. 2000.9

[7]  李慧迎 章伟民 专家系统及其在教育中的应用

218.22.0.27/lunwen/dianziban/200501/021924.htm 

[8]  张剑平. 关于人工智能教育的思考[J]  电化教育研究. 2003.1，24——28

[9]  朱永祥. 小学生元认知技能培养实验研究报告[J]. 教育研究. 2000.6

[10] 吴战杰，秦健Agent技术及其在网络教育中的应用研究    

[11] 刘大有,杨鲲,陈建中.Agent研究现状与发展趋势[J].软件学报,2000,11,

（2）.