邝天福[1]2008年在《基于本体的智能教学知识库构建与知识地图生成研究》文中研究表明智能教学系统(Intelligent Tutoring System, ITS)是人工智能技术在教育中最重要的应用之一。自19世纪初诞生以来,随着认知科学、计算机科学与技术、教育科学的发展,ITS在教育实践中取得了许多成绩,并研制出诸多具有代表性的系统。进入新世纪以来,随着复杂计算、分布式认知、模式识别、知识表示、自然语言的理解、网络计算与计算机可视化等的进步,ITS面临着又一个新的快速发展时期。智能教学系统的研究无论在理论上还是在应用上都有着重要的意义。本文的主要工作从叁方面展开：学科知识库构建、知识推理和学习导航,具体从以下几方面进行：(1)对常用的知识表示方法和学科知识的描述方法进行了研究,并提出了适合智能教学系统的学科知识模型和一种改进的学生模型。(2)将领域本体的理论和建立方法应用到了学科知识库的构建之中,并将姜智提出的知识点的关系描述与曹存根提出的本体表示方法给合起来,运用叁种类型的槽构建学科知识本体中的类,形成的类模型用于学科知识库的构建。(3)将知识地图的概念引入到智能教学系统的导航和管理中,归纳、总结出了构建知识地图的原则,提出了智能教学的知识地图构建步骤；在资源层与描述层之间引入了推理层,并界定了各层的功能,从而扩展了知识地图的结构模型；推理层中引入Agent技术形成推理模型,并应用基于VSK-BDI逻辑的Agent描述语言定义教学Agent的功能；提出了基于知识地图的自主学习导航算法—求最佳学习系列的算法,分析了算法的复杂性。(4)以Microsoft Visual Studio 2005作为开发环境,ASP. net2.0为开发工具,用Microsoft Access来存储各种知识,以《数据结构》中的线性结构作为教学内容,开发了一个实验软件。智能教学系统(Intelligent Tutoring System, ITS)是人工智能技术在教育中最重要的应用之一。自19世纪初诞生以来,随着认知科学、计算机科学与技术、教育科学的发展,ITS在教育实践中取得了许多成绩,并研制出诸多具有代表性的系统。进入新世纪以来,随着复杂计算、分布式认知、模式识别、知识表示、自然语言的理解、网络计算与计算机可视化等的进步,ITS面临着又一个新的快速发展期。良好的知识表示方法不仅可以合理、有效地将领域知识组织在一起,也能为系统提供信息查询,而且还可以帮助学生建立清晰的概念关系,建立良好的知识结构,可以提高问题求解能力。知识表示方法的优劣对教学系统是至关重要的,因此,知识表示方法是ITS开发系统的关键。一般可以从以下叁方面来考虑：设计者的要求(表示能力,正确性,相容性)；使用者的要求(可理解性,可访问性,解释能力)；一般要求(可扩充性,简洁性,明确性)。基于Ontology的知识库构建是提高知识的共享性、互操作性、可维护性和可重用性的一个有效途径；知识地图是一种能在语义和知识层次上描述知识的模型,其目的在于以一种通用、直观的方式来获取知识、组织与呈现知识,进行知识的快速检索,实现知识的共享和重利用。本文介绍了常用的知识表示方法,并作了系统的分析对比；本文的第二个主要工作是研究了本体中的相关技术和本体建模的原理；本文的第叁个主要工作是对知识地图的功能、构建原则、构建方法作了研究。本文对ITS中的协同学习也作了一定的介绍。
刘丹[2]2011年在《基于Web的智能计算机辅助教学系统的研究》文中研究说明随着计算机技术和网络技术的不断发展和普及,代表着先进的教学思想和教学方法的智能计算机辅助教学(Intelligence Computer-Assisted Instruction,ICAI)应运而生,它改变了传统CAI模式化、机械化的教学方式,为学生提供了一种新型的双向式教学环境。ICAI将教学内容与教学策略分开,根据学习资源库提供的学生模型,通过智能系统的搜索与推理,动态生成适合于个别化教学的内容与策略;通过智能诊断机制判断学生的学习水平,分析学生产生错误的原因,提供合理的改进方案,同时修改原来的学习策略,为教师对教学内容的调整改进提供依据。本文从ICAI系统实际需求出发,首先阐述了智能教学系统的理论基础和开发原理,然后在基于Web的ICAI系统基础上,研究了系统的教师模块、学生模块、管理模块等各个模块模型的构建,在上述叁大模块及相关基本数据模型基础上,给出了系统的总体和具体的框架结构设计方案,系统在设计实现上主要采用了Scorm数据标准,集合多媒体、网络和Web技术,综合运用了Prolog语言、浏览器/服务器、Internet信息服务等众多现代软件设计方法、开发模型模式、技术技巧和最新的开发工具。本文最后深入讨论并解决了系统的重点难点:基于可信度的不确定性推理方法的使用;Scorm数据模型的应用;用概念图的知识表示实现知识诊断;认知型学生模型的建立;模糊综合评价学生水平;教师教学策略的正反向推理以及使用改进的遗传算法实现智能组卷。该系统对于突破教学在时间和空间上的限制性,实现教师“教”与学生“学”的实时互动性和协作性、教育资源的共享性都具有深远的意义,充分体现了网络教学的互动、开放、智能、自适应的特点。
郭长庚[3]2012年在《智能教学系统若干关键技术研究》文中研究指明网络教学作为一种新的教学方式,随着计算机技术、网络技术和多媒体技术的发展而迅速兴起并日益普及,然而随着高新技术的发展,传统的网络教学方式已无法满足需要,因此研究具有智能技术的网络教学系统是目前网络教学的发展趋势。随着Web技术的不断发展,基于Web的智能教学系统研究受到更多的重视。在Web上构建智能教学系统,利用网络实现分布式教学,可以同时接受多个用户的并发访问,不受时间和空间的限制,因此得到教育领域的广泛应用。目前,智能教学系统已在Web技术的基础上,集成了智能代理、人工智能、数据挖掘、自然语言处理和虚拟现实等先进技术。目前,各种电子学习系统以不同的形式出现。但是,在通过虚拟社区支持共享和协作学习方面仍然存在着巨大的障碍。解决这些问题的途径是研发一种教育中介软件,即以社区为基础的学习COBL框架,运用此框架可以弥补虚拟社区在支持共享和协作学习方面的不足。在学生模型领域,许多建模途径已经得到了尝试,贝叶斯网络模型是其中发展较快的。本文基于贝叶斯网络建模过程,提出贝叶斯学生建模,体现出个性化知识教学。为了扩大教师转变模型的范围,提出基于交互论和建构主义的观点整合社会文化。因此模型的重点放在了文化和情境因素、与社会互动过程、以及在个人层面的发展上。本文首先研究了角色、状态、期望在由学生、教师组成的教学实践过程中的形成,然后构建了一个合作、交互的教师转变模型来整合社会文化因素。基于早期的COBL系统原型,本文利用IBM Agents、Java和XML语言实现了其功能,并对COBL系统共享数据的功能进行可行性分析、讨论,并分析研究了COBL原型中会话用户的相互作用。
温绍洁[4]2006年在《基于WEB和多Agent的智能网络教学系统的研究与设计》文中研究指明智能网络教学系统在教育领域中的应用不仅改变了传统的教育理念、教育模式和教学方法等，同时也为人们提供了便捷的学习机会、优良的教学环境和丰富的教学资源，使人们的学习活动更加自主化和个性化。智能网络教学是服务于终生教育、构建学习型社会的一种重要技术基础，有着巨大的发展潜力和广阔的应用前景。 目前，国内高校一般都建有良好的校园网环境，为开展网络教学提供了必要的硬件基础。然而，不少现有网络教学系统却没能充分利用和发挥这些资源应有的特色和优势，在教学模式、系统模型和开发技术上都还存在着较大的缺陷。例如：智能性较差，难以实现自适应教学、缺乏个性化服务和协作型学习机制等。因此，深入探索网络教学环境下的教育理念、教学模式和教学方法，充分利用现有信息技术成果，研究更加先进的智能网络教学模型，是智能网络教学系统研究、开发和应用中的一项重要内容。 本文主要针对现有网络教学系统存在的缺陷，依据现代教育理论，利用现有信息技术，研究Web环境下的具有个性化教学和协作型学习功能的智能网络教学系统模型。本论文所作的主要工作如下：(1)通过对现有网络教学系统的研究分析，归纳出了现有网络教学系统存在的一些主要缺陷，并根据未来智能网络教学系统的发展模式和应用需求，提出了一种基于Web和多Agent的智能网络教学系统模型；(2)通过对各种相关技术，如网络技术、人工智能技术、CSCL技术、多Agent技术等的研究分析，并结合现代教育理念，采用多种技术相结合的系统构造方法，设计了具有个性化教学和协作型学习功能的智能教学模型和协作交互学习环境；(3)给出了基于Web和多Agent的智能网络教学系统的组成和模块划分，并分析了各模块的主要功能；(4)基于个性化教学和协作性学习的思想，在．NET平台上，利用SQL server数据库系统和C#语言等工具开发了一个原型系统。
陈燕娟[5]2008年在《基于Web的智能教学系统的研究与实现》文中研究指明基于Web的智能教学系统综合传统的ITS系统优势,同时又结合Web的特点,系统具有智能性,能够智能地引导学生学习。它是以认知科学为理论基础,综合利用人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一种对学生实施有效教学的技术。提出了一种基于Web的智能教学系统模型,给出了智能教学系统的知识库的设计、学生模型的构建方法及教学策略的设计,并探讨了学生模型的学习评价,最后对实现系统的关键技术进行了研究。
刘江平[6]2007年在《基于Web的ICAI系统的研究与实现》文中研究说明基于Web的智能计算机辅助教学系统是近几年来随着计算机网络技术和人工智能理论迅速发展而新兴的研究课题，同时也是一个涉及计算机科学，教育学，心理学，认知科学和行为科学的复杂系统，其研究的目的是由计算机系统负担起人类教育的责任，即赋予计算机系统以智能，由计算机系统在一定程度上代替人类教师实现最佳教学。利用智能计算机辅助教学系统，学习者可以突破传统教育资源和教育方法的限制，不受时间和空间等条件的约束，根据自己的知识水平和时间情况去进行个性化学习。本文从智能计算机辅助教学系统的实际需求出发，分析了智能教学系统模型，对系统所具备的主要功能进行了详细讨论，然后构建了基于WEB的ICAI系统。该系统将课程划分为多个知识点，用知识树来表示各个知识点间的关系，根据知识点的特点，采用产生式表示法、框架表示法、语义网络表示法以及面向对象表示法等多种知识表示方法表达了系统的知识信息。同时利用学生的学习情况，在认知理论的指导下构建了认知型学生模型，并且采用逐步逼近法实现了该模型，提升了系统的个性化教学能力，更好地体现了因材施教。最后，通过对智能考试系统的核心——组卷算法的重点研究，在传统遗传算法的基础上，提出了基于整数编码和自适应遗传算法的组卷策略，大大地提高了试卷生成的有效性和速度。并且通过建立试卷范围、试卷难度、试题数量以及题型种类四个因素的评判和专家水平可信度集合，应用模糊综合评价法对利用遗传算法所组的试卷进行了质量评估。在此基础上，采用B／S模式，运用JSP技术和MySQL数据库，实现了一个在线智能考试系统。本系统的实现能有效地改善原有认知结构，注重培养学生分析问题、解决问题的能力，为越来越多的学习者提供更智能化、更方便和更高效的网络学习环境。对其他智能计算机辅助教学系统的研究者和开发者也有一定的借鉴作用。
刘寅[7]2005年在《基于Web的智能教学系统的研究与实现》文中指出目前,随着Internet的发展,国内的网络教学平台不断的涌现,但许多系统由于缺少必要的个性化和一定的智能性,造成教学质量不高的结果。智能教学系统(Intelligent Tutoring System,ITS)是解决以上问题,并实现个性化教学的有效解决方案。它是以认知科学为理论基础,综合利用人工智能技术、教育心理学、计算机科学等多门学科的成果而形成的一种对学生实施有效教学的技术。 本文对ITS的相关概念、体系结构和功能进行了探讨,分别研究了ITS的理论基础和教学知识模型、学生模型以及教学控制的实现,并从整体上提出了一个基于Web的智能教学系统模型,给出了其框架结构。其中教学知识模型的构建主要是从知识点的角度出发,对知识点的划分、知识点的关系进行了研究,在此基础上构建了一个可用于智能推理的教学知识网络。同时给出了一个认知型学生模型的构建方法,然后基于知识网络和学生模型又探讨了正向和反向两种教学控制策略。 论文最后对该系统的关键实现技术进行了研究,并将该模型应用于SAS教学系统(SASTutor)的设计和开发中。
周晓军[8]2000年在《多媒体智能教学系统研究与设计》文中认为智能教学系统(Intelligent Tutoring System, ITS))作为人工智能问题的重要研究课题,内容涉及人工智能、计算机科学、认知科学、教育学、心理学、行为科学等多个领域,是一门综合性极强的交叉性学科。智能教学系统主要研究如何通过计算机模拟人类优秀教师,采取因人施教的教学策略,实现最有效的个别化的学习。自20世纪70年代以来,经过30年的发展,智能教学系统取得了较大的进展。现代计算机的发展和普及,特别是多媒体和网络技术与计算机性能的不断发展,加速了计算机应用于人类教育的过程。在智能教学系统功能不断完善,智能特征不断提高的同时,如何进一步适应用户要求不断提升、多媒体文件格式复杂多变、软件升级换代速度加快、软件开发成本不断攀升的需要,如何从整体上而不是局部地构建高智能、高交互、高灵活的自适应自组织高智能的多媒体智能教学系统,构成了本文研究工作的目标之一。为实现上述目标,本文着重在两个核心问题上开展研究:一是知识的智能组织:主要是围绕系统的知识特性,在知识获取、知识表示、知识存储、知识结构等方面的内容,在领域专家的研究中予以体现;二是知识的动态运用:主要是围绕系统教学功能的实现上,按因材施教的智能教学思想,综合运用多种用户建模技术,根据不同学生的学习特点和具体要求,通过相应的教学策略,进行知识的智能调度,实现系统的教学目标,从而完成智能教学过程。本文提出了基于SC文法的复杂知识划一表示方法和细粒度知识模型构建方法,在简化知识处理难度,加速知识整理的速度的同时,通过知识点结构化层次属性标注,促进了ITS系统复杂知识之间广泛语义联系的实现;创造性地提出了面向ITS的知识树增长模型,通过知识树动态构建和知识点结构和语义的映射过程,实现学生模型和教师模型动态一体化构建,并与动态教学规划和知识学习过程完全集成;系统采用面向对象的设计方法以及运用软件代理的策略,使得系统结构清晰,智能良好,系统的智能化功能添加或改进更加方便;通过层次知识索引实现知识存储与知识调用无关,在保证知识有机联系的同时,使得知识可以动态智能化添加和系统维护,保证学生错误的正确定位和实时诊断,便利知识智能化查询;通过基于SC文法规则机制的智能推理方法,实现了启发式的知识搜索和调用,开展教学过程的智能化控制和实现;开放的软件结构和设计方法,便利了系统的扩展;在系统的学习规划以及系统体系化开发上,运用了机器学习机制和概率统计分析方法;通过知识内容与知识学习无关策略保证了系统领域无关的特性,使得系统可以作为一个通用的开发环境,进行广泛的多媒体智能教学系统的进一步研究和系列化开发。在本文的这些研究工作中,系统性地融合了遗传算法的基本方法和进化计算的设计思想,促进了系统的自适应持续优化,保证了系统的个别化最优化智能教学过程。
任剑洪[9]2011年在《基于Web的网络智能教学系统设计与实现》文中研究指明随着网络技术的飞速发展和广泛应用,一种新的教学系统——网络智能教学系统正在蓬勃兴起。网络智能教学系统在教育领域中的应用不仅改变了传统的教育理念、教育模式和教学方法等,同时也为人们提供了便捷的学习机会、优良的教学环境和丰富的教学资源,使人们的学习活动更加自主化和个性化。网络智能教学是服务于终生教育、构建学习型社会的一种重要技术基础,有着巨大的发展潜力和广阔的应用前景。本课题研究了传统的计算机辅助教学(CAI)、智能计算机辅助教学(ICAI)以及基于网络的计算机辅助教学的特点,并针对其不足设计了一个基于Web的网络智能教学系统。本文主要围绕该教学系统的功能实现以及关键技术展开研究并予以实现。该系统以“数据结构”课程的网络教学为例,并针对该门课程的具体情况进行分析设计。依据模块化设计方法,此系统划分为注册登录,课件及录像点播,自我测试和网上交流4大模块。本文研究了几种基于Web的数据库交互技术,从各方面进行对比研究,选择了ISAPI技术实现了本系统的数据库交互。本系统把研究重点放在自我测试这个模块,提出了一种改进的智能组卷算法,根据“数据结构”这门课程算法主观题区别于纯文字主观题的明显特点提出了一种基于正则表达式的算法题自动评分技术。本系统使用Visual C++6.0和SqlSever 2000进行开发,主要实现了课程简介、授课录像、网络课件、资源共享、自我测试和师生交流等功能。学生可以根据自身需要点播授课录像及课件进行自主学习,资源共享和师生交流把学习环境进一步扩大,在学习中遇到困难时,通过这两个模块可以寻求帮助。通过自我测试的智能组卷和自动评分,学生可以及时把握自己对相关知识点的掌握程度,并根据系统提出的学习建议,进行更深层次的学习。本文的研究工作使得众多学习者可以根据自身的特点随时随地获取一份为自己度身定做的学习计划进行学习,从而实现学习型社会中让学习者主动构建知识,获取知识、更新知识、创新知识的目标。本文的研究内容可以扩展到其他相关学科实践中去,具有较大的灵活性和实用价值。
刘敏娜[10]2006年在《基于Web和数据挖掘的智能教学系统研究》文中进行了进一步梳理随着技术的发展与应用，教育者对于智能教学系统的研究日益提上日程，其中为提高智能化水平，以人工智能技术应用最为突出。本项研究预期通过对于智能系统运作原理的探讨；通过分析系统构建中的关键环节以及传统系统的不足之处；通过介绍数据挖掘技术的原理，探讨数据挖掘技术在智能系统中的应用，并在此基础上，提出了构建以学生模型为中心的系统结构图及基本策略和方法。 本项研究的主要内容分为四个部分。 第一部分：前言。通过对国内外智能教学系统(ITS)的发展情况回顾，了解到目前技术发展水平，同时也发现，目前多数基于网络的教学系统，尽管使用了ITS设计思想和开发模式，但也普遍存在智能程度低的问题。在基于学生信息库、知识库、教学策略库的数据库技术所支持的网络教学系统中，其数据库优化时也存在着对学生信息关注和挖掘不够的问题。同时基于网络的学生活动中对学生所产生学习行为的Web记录等一些潜在的信息挖掘，还存在比较大的研究空间。基此而提出了本项研究问题。 第二部分：智能教学系统研究。界定文章中基本概念，指出传统ITS由学生模型、教师模型、知识库以及人机接口四个部分组成，其中学生模型是整个系统的基础，教师模型是进行教学的执行部件，知识库和学生模型是教师模型进行推理的基础。构建智能教学系统中的关键技术在于知识表示方法的选择、推理机制的选择、学生模型的构建、教师模型的构建以及各部分间相互配合所要完成的推理，知识表示常用的方法有：框架表示法，语义表示法以及产生式规则表示法，各种方法都有各自的优缺点，推理机制则根据知识表示方法的不同而不同，基于产生式规则表示方法的推理机制有正向、反向推理以及基于事例的推理。学生模型构建中存在的问题在于各属性间的孤立以及学生模型信息的固定性，而教师模型的构建主要在于教学策略库的形成。 第叁部分：数据挖掘及Web挖掘在智能教学系统中的应用探微。数据挖掘的一般过程包括了六个步骤，挖掘方法各异，应用时根据不同的挖掘需要来进行选择。可利用序列模式分析分析知识点间的关联规则，根据得到的知识点使用规则来调整知识库中知识点的序列关系；采用多层神经网络方法来挖掘学习者对知识点的理解程度；通过Web使用挖掘技术构建学生信息库，采用聚类分析技术来对学生进行分类。 第四部分：ITS的设计。指出叁种可进行ITS设计的思想，基于Web和数据
参考文献：
[1]. 基于本体的智能教学知识库构建与知识地图生成研究[D]. 邝天福. 云南师范大学. 2008
[2]. 基于Web的智能计算机辅助教学系统的研究[D]. 刘丹. 石家庄铁道大学. 2011
[3]. 智能教学系统若干关键技术研究[D]. 郭长庚. 武汉理工大学. 2012
[4]. 基于WEB和多Agent的智能网络教学系统的研究与设计[D]. 温绍洁. 首都师范大学. 2006
[5]. 基于Web的智能教学系统的研究与实现[J]. 陈燕娟. 计算机技术与发展. 2008
[6]. 基于Web的ICAI系统的研究与实现[D]. 刘江平. 太原理工大学. 2007
[7]. 基于Web的智能教学系统的研究与实现[D]. 刘寅. 中国农业大学. 2005
[8]. 多媒体智能教学系统研究与设计[D]. 周晓军. 中国科学院研究生院（计算技术研究所）. 2000
[9]. 基于Web的网络智能教学系统设计与实现[D]. 任剑洪. 华南理工大学. 2011
[10]. 基于Web和数据挖掘的智能教学系统研究[D]. 刘敏娜. 陕西师范大学. 2006
标签：教育理论与教育管理论文; 网络教学论文; 计算机辅助教学论文; web技术论文; 网络模型论文; 系统学习论文; 功能分析论文;