多代理强化学习在智能教学系统中的应用

教学的个性化和智能化是智能教学系统研究的重点和难点。文章采用智能代理技术模拟系统中学生的智能和行为方式,将强化学习理论应用于多代理体,设计了结合资格迹理论的强化学习算法,并用以生成和调整适合于每个学生个体的教学内容和教学策略。多代理体技术实现了教学的个性化,强化学习算法使得教学策略具有智能化。实验结果表明,新的算法较原有算法更为有效。     

一种面向学习路径推荐的知识网络构建方法

随着在线教育的迅速发展,互联网上的教学资源数量也呈现出快速增长的趋势。针对当前在线学习平台普遍存在着教学资源内容重复、人们难以辨别与选择,导致学习者很难应用这些资源构建适合自己的学习路径的问题,提出一种面向学习路径推荐的领域知识网络构建方法。通过对每个学习对象的预备知识与目标知识进行社会标注,构建相应的领域知识网络,然后,运用弗洛伊德算法计算领域知识网络里任意两个知识点间的最短路径,为学习路径推荐提供基础。     

智能教学系统中知识表示模型的研究与设计

研究了智能教学系统功能与结构。分析了知识库模型在智能教学系统中的重要地位;通过对知识库中的教学内容与教学规则两类知识的分析和对超媒体知识表示的研究,构建了一个基于层次结构的超媒体网络模型,并在知识网络图中节点里嵌入教学规则,以实现教学内容的动态组织、呈现和教学过程中的自适应导航。该模型为教学系统的决策与分析提供了智能的辅助手段。     

基于情感学习本体的教学反馈策略生成算法的研究

研究如何采用本体建模的方法解决智能教学系统中的情感理解与情感反馈的问题。构建了一个情感学习本体用于描述在学习过程中出现的与情感相关的概念及概念之间的关系,设计了基于该本体的教学反馈策略的生成算法,可以在不需要和学生进行问答交互的情况下获得学生学习过程的感知和理解状态,可以更好地理解学生的学习状态以提供更好的基于\"情感触发\"的认知和情感支持。并将情感学习本体和一个C语言程序设计领域知识本体以及反馈策略生成算法应用到一个以教学视频为主体学习资料的智能教学系统中。应用实例表明,该教学反馈策略生成算法能对学习者提供有效的认知反馈和情感反馈。     

自适应网络教学系统的研究与设计

针对现有网络教学的不足，来研究自适应性学习的内涵，从而设计一个具有自适应学习的网络教学系统，弥补原有系统缺乏交互性、适应性、针对性和智能性，使其能够针对个体特征引导学生学习，真正实现因材施教。     

基于Web的智能教学系统知识模型与学习控制

目前,基于Web的智能教学系统是计算机应用于教育领域的研究方向之一。其中教学知识模型和基于模型的学,控制,是实现教学系统智能控制的关键之一。从知识点及其关系出发构建一个知识网络模型,并基于该模型探讨了正向和反向两种推理控制策略。     

Uni-LSDPM：基于预训练的统一在线学习会话退出预测模型

为了辅助学习者维持在线学习的连贯性以引导最优学习路径的执行,智能辅导系统（intelligent tutoring system,ITS）需要及时发现学习者退出学习的倾向,在合适的时间采取相应的干预措施,因此,在线学习会话退出预测研究十分必要. 然而,与传统的课程辍学相比,会话退出发生的频率更高,单次学习时长更短,故需要在有限的行为数据中对学习会话退出状态进行准确预测. 因此,学习行为的碎片性和预测结果的即时性、准确性是学习会话退出预测任务的挑战和难点. 针对会话退出预测任务,提出了一种基于预训练-微调的统一在线学习会话退出预测模型 （unified online learning session dropout prediction model,Uni-LSDPM）. 该模型采用多层Transformer结构,分为预训练阶段和微调阶段. 在预训练阶段,使用双向注意机制对学习者连续行为交互特征序列的特征表示进行学习. 在微调阶段,应用序列到序列（sequence-to-sequence,Seq2Seq）的注意力机制对学习者连续行为交互特征序列与退出状态联合序列进行学习. 基于EdNet公共数据集对模型进行预训练和微调,通过消融实验以获得最佳预测效果,并基于多个数据集进行了对比测试实验. 实验结果表明,Uni-LSDPM在AUC和ACC方面优于现有的模型,并证明该模型具有一定的鲁棒性和扩展性.     

Intelligent computer-assisted language learning: A bibliography

This bibliography focuses on works discussing intelligent computer-assisted language learning (ICALL). It includes over 200 entries divided into three sections: (1) collections, special issues and bibliographies, (2) general/theoretical works, (3) specific applications.Alan Bailin (Ph.D., McGill) is Associate Editor ofComputers and the Humanities. He has participated in the field of Intelligent Computer-Assisted Language Learning as a writer, editor, and researcher. He has also published in the areas of linguistics and semiotics.     

User modelling and user adapted interaction in an intelligent tutoring system

User modelling and user-adapted interaction are crucial to the provision of true individualised instruction, which intelligent tutoring systems strive to achieve. This paper presents how user (student) modelling and student adapted instruction is achieved in FITS, an intelligent tutoring system for the fractions domain. Some researchers have begun questioning both the need for detailed student models as well as the pragmatic possibility of building them. The key contributions of this paper are in its attempt to rehabilitate student modelling/adaptive tutoring within ITSs and in FITS's practical use of simple techniques to realise them with seemingly encouraging results; some illustrations are given to demonstrate the latter.     

基于LOM的知识模型与个性化学习控制

在智能教学系统中,知识模型是专家模型的核心,是实现智能教学的一个关键问题。本文讨论知识点及其相互关系的形式表示,提出基于LOM的知识点模型与学习控制策略。知识点被设计、封装为学习对象,提高了学习内容的可重用性、可管理性、可定制性与互操作性。LOM的语义描述能力,使得系统本身具有一定程度的知识理解能力。以知识点LOM模型为结点的知识网络是语义网络,其语义计算能力便于知识的发现与关联。将专家知识网络动态映射为学生知识网络,实现了个性化学习。     

基于宠物游戏的智能教学系统

通过利用游戏宠物扮演各种教育角色,扩展智能教学系统(intelligent tutoring system,ITS)中的学生模型,从而完成宠物游戏与ITS的有机结合.设计了一个基于宠物游戏的游戏化智能教学系统架构,架构中的宠物模块能记录学习者的学习活动、分析学习者的学习进程.基于该软件架构,实现了一款游戏化智能教学系统--宠物星际旅行,将宠物游戏的游戏化特性引入到了小学分数知识的学习过程中.测试结果表明,学生对该游戏越专注,就能越快地理解和运用所学知识.     

一种面向语义Web的智能教学系统

根据智能教学系统的特点,在分析现有智能教学系统特点的基础上,提出一种面向语义Web的智能教学系统模型,分析系统各组成部分的功能。在系统模型中引入领域本体组织教学内容,并运用网络爬虫工具获取网页新知识更新教学内容,以提高系统的适应性,取得良好的效果。     

基于情感识别的智能教学系统研究

针对传统的智能教学系统(ITS)在情感方面的缺失,提出了基于情感识别技术的ITS模型.该系统模型在传统的教学系统上新增情感识别模块,利用人脸表情识别以及文本识别等技术所构建,可以获取和识别学生的学习情感,并根据学习情感进行相应的情感激励策略,实现情感化的教学.     

多模式智能教学系统教学规划与模式调度研究

具有多种教学模式的智能教学系统为适应不同学生的学习风格和学习要求，具有其它智能教学系统不可替代的优势，其关键问题之一是要解决教学规划和教学模式调度问题。提出了多模式智能教学系统的教学规划及教学模式调度的解决方案，以知识点关系图为基础提出了全局教学规划算法，根据对学生学习的评价和教学资源的相关特征为学生选择合适的教学模式并激活之。实验证明这种解决方案能取得令人满意的效果。     

Algorithm recognition for programming tutoring based on flow graph parsing

Plan-recognition with template matching shows reasonable performance for recognizing general control structures. However, problems containing well-defined algorithms such as sorting and searching are difficult to recognize by the template-based methodology alone, because an algorithm is often highly optimized and therefore hard to divide into smaller meaningful units. Based on this observation, we propose an algorithm recognition methodology to augment the plan-recognition approach.Our algorithm recognition approach is based on the flow graph parsing which performs a partial recognition of programs. The methodology is extended to completely understand algorithm implementations by providing the information of the program's goal, a specification of programming assignment in tutoring environment. Utilization of goal information is two-fold; extending the role of transformation rules to represent algorithm-specific information and looking for salient graph parts of algorithm plan to determine which has been used to implement the goal. Preliminary evaluation was performed on students' programs containing sort algorithm.     

基于强化学习的智能机器人避碰方法研究

本文采用强化学习方法实现了智能机器人的避碰行为学习．文中首先介绍了强化学习原理,讨论了采用神经网络实现强化学习系统的方法,然后对具有强化学习机制的智能机器人避碰行为学习系统进行了仿真实验,并对仿真结果进行了分析．     

专题学习网站中思维导图式导学系统的设计

专题学习网站是目前网络教育研究的热点之一，但大多数专题学习网站是一种完全“学生驱动”的学习资源库式的系统．用户很难把握好自己的学习方向和过程，难以保证学习的质量。本文设计的思维导图式导学系统，结合了专题学习网站的教学设计、超文本（超媒体）、思维导图等领域的理论和技术。系统根据用户向系统提交的交互信息建立起用户所需的思维导图型导航链接。从而有效引导用户的学习方向。     

Gout-ITS系统的深度优先语义遍历算法

该文分析了痛风临床诊治智能教学系统（Intelligent Tutoring System for the Instruction of Gout Clinical Diagnosis and Treatment，以下简称Gout-ITS系统）自动生成病例所需的领域知识及其特点，提出了语义树知识表示法和深度优先语义遍历算法。该算法可以有效地生成既符合学生的学习难度要求、又符合病理逻辑的、多样化不重复的病例。最后，将该算法与人工智能中的深度优先搜索算法进行了比较，阐述了其中的不同之处。