协作学生模型的建构及其应用

《协作学生模型的建构及其应用》由会员分享，可在线阅读，更多相关《协作学生模型的建构及其应用（28页珍藏版）》请在金锄头文库上搜索。

1、协作学生模型的建构及其在智能CSCL系统开发中应用,概述,基本概念 ITS（智能导师系统）：在计算机教育软件中应用人工智能技术，根据需要向学习者提供适应性的专业学习材料、诊断和补救措施，以将学习者培养为专家为系统的目标。 主要面向个体学习者 智能CSCL系统：是将人工智能技术应用于CSCL系统而建造的一种适应性系统，它能够根据学习者的特征（如知识状态、认知风格等），在一定教学策略的支持下参与学习过程，并为学习者提供学习服务。 需要处理个体学习者之间的协作,ITS与智能CSCL系统,ITS的基础 皮亚杰的认知发展理论 智能CSCL系统的基础 Vygotsky的社会文化理论 儿童在某一特定领域中，

2、其认知发展水平不能通过自身对自治任务的复杂程度进行充分描述，而是需要在同成人或同伴的协作交流中，由于他们具有更多的知识，因此儿童可以参与超越其独立管理具有更高复杂程度和绩效水平的任务。,ITS与智能CSCL系统,智能计算机辅助教学（ICAI） 从线性CAI到复杂的、分支性CAI，从基本的ICAI到具有自治（Autonomous）功能的ICAI，它们是一脉相承的（Wenger, 1987）。 人工智能是应用计算机模型来研究人类智力能力”（Charniak & McDermott, 1985） ICAI和ITS是两个可以互换的名称，二者的细微区别在于：ITS是ICAI的特例。 ITS的基本组件：

3、专门知识（专家模型） 学生的知识（学生模型） 教学策略知识（导师）。,ITS模式图,开始,呈现问题,方案的比较,学生的 解决方案,更新学 习标记,领域专家,学生模型,更新学生 技能模型,呈现反馈,生成问题,计算机的 解决方案,学生顾问,学生模型,基本概念 在ITS中，表示学生当前知识状态的模块叫学生模型。对学生模型进行推理的模块叫诊断。学生模型是一个数据结构，诊断则是对学生模型操纵过程。学生模型可以用于判断学生当前对学科领域的理解状态。描述当前学生的知识状态的数据被储存在学生模型中。 学生模型的建构 误解：学生有，专家没有。 缺失：可以被专家处理，但学生不能。,学生模型的种类 覆盖模型（Ove

4、rlay Model）： 适用于必备教学材料展示的场合 学生知识看作是专家知识的子集，导师的目标是扩大这一子集。,缺陷 学生不能学习专家不知道的知识 忽视了学生理解知识的误解或偏差 微分模型（Differential Model） 微分模型是覆盖模型的扩展，知识被区分为学生探索或没有探索过两部分。,缺陷： 微分模型将领域知识区分为向学生展示和没有展示两部分。 微分模型涉及了学生的误解或偏差。 偏差模型（Perturbation or Buggy Model） 考虑了学生对知识的处理没有包含在专家领域知识中的部分,采用附加的偏差库，拓展了专家知识。产生偏差库的过程可以采用列举法或产生法。 列举的

5、方法是通过分析问题范围和学生产生的错误，将学生所有产生偏差的可能都列举出来。 产生式方法是尝试利用认知理论产生偏差。 学生诊断 是促进学生模型演化的过程。通过分析学生和系统之间的交互，可以促进学生模型的演化。通常通过检查学生对问题的回答情况和分析问题解决步骤来完成。还包括请求帮助、超文本系统的浏览方式等。,诊断的技巧 跟踪模型（Model Tracing）：分析问题解决的过程，并且包含跟踪学生活动的问题解决模型。-List Tutor （Anderson, Reiser, 1985） 主题跟踪（Issue Tracing）：跟踪模型的一种。通过问题解决过程的分析，判断哪一种技巧或主题被使用过。

6、学生模型中个体技巧计数器被更新以标记被使用过。-West（Burton & Brown, 1982） 专家系统（Expert System）：用于分析学生的答案或结论，专家系统的结论通常包含在学生模型中。为所有的情境提供诊断规则。-Guidon （Clancey, 1983）,诊断技巧 路径发现（Path Finding） 条件推理（Condition Induction） 计划辩识（Plan Recognition） 决策树（Decision Tree） 产生和测试（Generate and Test） 交互诊断（Interactive Diagnosis）,智能CSCL系统基础,个体和小组

7、的核心知识与邻近发展区知识（Lewis, 1996） 个体知识具有一个属于个体自己的核心概念：在任务绩效中可以用于自治。 核心知识的外围是ZPD区域，个体虽然具有一些知识，但不是实践所需要的完全结构，因此在执行知识任务时需要依靠帮助。 核心知识是指那些已经内化的知识，然而ZPD代表的是人们在领域内所参加的、并且超越其自治能力的一个系统（包括其他人和物体）。 人们核心知识的某些部分同其他人的核心知识相互重叠。尤其重要的是，某个体的ZPD覆盖了其他人的核心知识。 结论： 集体的核心知识不仅远大于个体的核心知识，而且在小组中任何人都可以依靠其他人提供的“支架”帮助个体的认知发展。,小组参加者的前提是

8、他们的核心知识相互重叠，并组成一个为信息交换而共享的参考区域或者“回归库”。同时，他们不断努力以维持和增强这种重叠，该过程有时被称为“基础”。,智能CSCL系统的组成部分,社区模型 社区模型的作用是为了描述和定义协作社区。可以把社区模型看成是一个小组模型。需要考虑小组人数、所组建的小组类型（同质或异质小组）、小组结构（轮型、辐射型、线型或者网络型等）、维持时间、小组规范、小组角色、小组日程、小组任务和小组评价等。 社区模型的建立是为了对社区进行管理，包括评价、诊断、预测和交流等。,智能CSCL系统的组成部分,伙伴模型 强调的是非单一性（即其他伙伴的存在） 在一定策略的支持下，采用同ITS系统中

9、学生模型相似的构建方式，如覆盖模型法、微分模型法、偏差模型法和摄动模型法。 智能CSCL系统的伙伴模型在对其自身的知识状态进行诊断的同时，还要参考其他伙伴的知识发展情况。 采用iAgent，尤其是多Agent实现伙伴模型非常有效。,智能CSCL系统的组成部分,专门知识模型 专门知识一般采用基于问题和基于项目的任务。 鼓励学生投入到具体的任务解决过程中从事相关研究性和知识建构活动。 采用学习资源、教学资源的形式向学习者提供。可以对资源的组织进行相应分类，并根据社区所承担的任务和智能诊断的结果为社区提供学习参考。,智能CSCL系统的组成部分,协作学习知识库 用于向智能CSCL系统中的学生提供相应知

10、识 协作学习知识库包括通用知识库、社区知识库和伙伴知识库。 协作学习知识库充分利用数据库的分布式计算、数据获取与挖掘、并行处理等技术，提高协作学习知识库的通用性和存储效率。,智能CSCL系统的组成部分,协作诊断模型 为智能CSCL系统中的诊断及其评价服务。 诊断是为了系统的后续决策提供依据，评价则是为某任务的执行情况提供相应的结果性信息，以明确该任务的成功与否、以及所存在的问题。 诊断对象包括社区和学习伙伴。 对社区的诊断主要反映了社区的知识状态（问题解决情况、任务完成情况）、发展潜力（即社区的ZPD）、特色经验和存在问题。 对个体的诊断则反映了伙伴的知识发展情况、对社区的贡献（提出的建设性意

11、见和建议）、发展潜力（伙伴的ZPD）、特色经验和知识缺陷。,智能CSCL系统的组成部分,协作知识表示 指如何组织协作学习过程中的知识问题。 在智能CSCL系统中，协作知识的表示一般采用网络结构。 网络结构的节点代表特定知识，其形式包括问题、资料、资源和任务等。不同节点之间的知识按照一定的因果、逻辑关系和语义联结在一起。,智能CSCL系统的组成部分,协作知识经验与偏差 具有自我学习的功能，代表了社区和伙伴个体的知识发展。 采用经验积累和从失败中吸取经验两种形式。 经验积累是指社区和伙伴从所取得成果中获取经验 从失败中积累经验是解决如何从错误中学习的问题 将社区和个体成果看成是个体的知识发展而成为

12、核心知识. 偏差是在协作学习过程中需要注意的问题，尤其是当今类似问题后遇到时，系统能够给出相应提示.,智能CSCL系统的建模,三维协作问题解决模型的构建 三维认知的含义： 学生在协作过程中所能够应用的知识 学生在协作过程中的信息交换 学生在协作过程中所扮演的角色 协作问题解决和学习的认知模型的构建可以遵循如下途径： 对参与协作过程的学生所具有的知识进行诊断 对参与协作学生所扮演的角色所具有的知识进行诊断 给出一个被协作解决的问题,智能CSCL系统的建模,协作问题解决的认知模拟模型（Ploetzner等人, 1997） 两个基本假设： 如果开始对所思考的应用领域具有不同观点，那么它对所包含的科目

13、特别有益。 协作问题解决为了能够得到足够的自我诊断能力，应考虑如何恰当地将其伙伴作为资源来进行应用。,智能CSCL系统的建模,认知模拟系统结构模型,WINCOL系统的构建,WinCOL系统：一个基于Web的CSCL系统。 设计目标 具有灵活性、适应性、移动性和智能性 提供一种标准（Formal）和非标准（Informal）环境 教师能参与对协作学习过程的监控与指导 针对不同的学科，建立具有针对性的学习者模型（即伙伴模型） 采用智能Agent技术对协作学习过程、学习者和教师等进行辅助与管理 基于相关学习技术标准设计 基于知识库，实现灵活的知识表示与课程内容呈现 运用协作学习资源库 系统构成的组件化与模块化,WinCOL系统的构建,系统的基本框架,几个思考的问题,在智能CSCL系统开发中，如何设计与建构理想的协作学生模型？ 只能将协作学生模型应用于智能导师开发中吗？ 人工智能技术的发展成果如何体现在学生模型的设计与开发中？ ,