绪论:写作既是个人情感的抒发,也是对学术真理的探索,欢迎阅读由发表云整理的11篇人工智能网络教学范文,希望它们能为您的写作提供参考和启发。
中图分类号:TP18
“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科,但又同时包含了很多领域的不同学科,例如生物信息学、机械理论学、数理推论、语言文化等,它的研究领域非常的广泛,包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后,越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等,中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。
目前,将人工智能应用在网络教育中是很多研究者关注的热点,在近些年的研究中取得了很大的进步,取得了一些先进的成果,但是在研究中也遇到了一些问题,需要研究人员进行解决并创新。本文首先介绍了网络教育的现状,探讨了人工智能在网络教育中的应用,通过研究提出了做好人工智能在网络教育中应用的有效措施,最后对人工智能在网络教育中的发展前景进行展望。
1 网络教育的现状
随着信息技术和网络技术的不断发展,人们对教育的观念以及接受教育的方式发生了巨大的改变,“网络教育文化”日趋成熟。网络的发展给传统的教育模式带来新的挑战,它除了将传统教育模式的一些显著不足进行了改变以外,同时使教学更富有吸引力和生气,吸引更多的人愿意到Internet教学中来学习自己想要的知识,他们可以不受时间、空间、身份的限制,到这个虚拟的课堂来进行“充电”。但在当前,网络教育还在初级的发展阶段,在实际的推广和应用中还存在着一些问题:
(1)在网络远程教育的过程中,支持学习的服务系统没有很好的满足学习者的要求,引导学习者学习的手段和给学习者答疑的方法都比较落后,服务的方式受到一些客观因素的限制;
(2)网络实验教学中有很的问题存在,例如空间的分散性差,时间的流动性和自主性差,除此之外,便携性也比较差等;
(3)目前,虽然网络教育中进行的考试具有开放性,但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证;
(4)目前来看,网络系统本身具有了信息查询能力,但这种查询的能力是很有限的。
2 人工智能在网络教育中的应用
2.1 智能决策支持系统
智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的,是决策支持系统与人工智能技术相结合的产物。目前,由于智能决策支持系统的不断发展和创新,在网络教育的应用和研究方面表现出很强的发展潜力。例如,智能决策支持系统在数字和移动图书馆中的得到了广泛的应用,该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息,帮助他们明确决策和管理的目标,通过建立决策模型并加以修改或完善,为数字图书馆正确、有效的管理和决策提供必要的支持。
2.2 智能教学系统
智能教学系统是在1970年以后迅速发展起来的,可以为学习者提供一种智能的授课环境,它将计算机的模拟功能来体现在整个教学过程中,使用人工智能技术和多媒体技术等先进的教学手段,共同形成一个交互式的开放的教学系统,在这个学习系统中,学生可以主动的获取学习知识,系统可以根据学习者的个人情况来进行合理和科学的教学,以达到最佳的、理想的教学效果。
2.3 智能导学系统
支持服务是现代计算机网络教育系统的重要构成要素。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、管理和实施计算机网络教育项目的保证。智能导学系统可以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,以获得学习的成功。
2.4 智能硬件网络
智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及,通过网络进行学习,不仅要求多媒体综合化的信息处理能力,而且要求网络能够提供高级信息处理能力。就目前的状况而言,对现有的计算机教育网络赋予其一定的“智能”,从硬件性能本身加以提升是一种不乏远见的选择。
3 做好人工智能在网络教育中应用的有效措施
3.1 加大资金的支持
对于做好人工智能在网络教育中的应用工作,绝对离不开资金的支持,因此各级政府部门应该做好相关的预算,落实好国家对于支持人工智能技术的相关政策,对于在人工智能技术发展中做出突出贡献的企业和科研单位要给予一定的资金支持,支持这些企业、科研单位的研究工作,促进人工智能在网络教育中更好的发展和应用。
3.2 加快人员培训工作,建立技术研究团队
人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征,因此,必须培养一批高素质的人工智能专业人才,同时还要对这些人员进行全面的业务培训,使得这些人员既要懂管理,又要精通人工智能的专业知识,通过全面的业务培训和人才引进,建立人工智能的技术研究团队,使得这些人的才能得到很好的发挥,在人工智能方面有所创新,保证人工智能在网络教育中得到更好的应用。
3.3 加强和先进研究机构的合作
在人工智能技术研究方面,美国、英国、德国等国家都走在世界的前列,而我国的人工智能技术研究的能力较低,与上述发达国家相比还存在一定的差距。因此,如何缩小这种差距,实现人工智能在网络教育中更好的应用,就需要我们的研究人员加强专业知识的学习,和这些国家的先进研究机构进行有效的沟通和联系,借鉴其先进的研究经验,根据自己的实际需要,进行一些实际的合作。
4 结束语
由于人工智能技术本身存在着巨大的优势,人工智能网络技术也会不断地进行发展而趋于成熟,这将极大地改善并且优化网络教育的学习环境,全面提升网络教育的整体教学质量,并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用,需要加大资金的支持,加快人员培训工作,建立技术研究团队,加强和先进研究机构的合作,使网络学习的支持服务更加人性化和拟人化,更加体现以人为本的关怀精神。
参考文献:
[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯,2009(01):198.
[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯,2007(34):108-109.
[3]陆志一,吴学庆.计算机未来的发展趋势[J].黑龙江科技信息,2008(04).
[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化,2010(08).
教育是着眼于未来的事业,教育的首要任务就是为未来社会培养相适应的合格人才。随着人工智能的诞生和发展,我国已经开始将人工智能应用于教育领域,并显示出人工智能对于弥补当前教育存在的种种缺陷和不足,推动教学现代化和教育发展改革进程起着越来越重要的作用。在现代医学发展中,工程科学与临床医学不断融合,相互进步。近几年,随着人工智能技术,机器人技术,虚拟与增强现实技术,3D打印技术与医学不断的融合发展,衍生出一系列的医学诊疗技术,仪器,大大推进了医学发展。从2013年到2017年,国务院、发改委、FAD连续发文,多次提及医疗走智能化、云化的趋势,为推动智能医疗领域保驾护航。智能与医学的结合已经是大势所趋,因此,为培养大量智能医学人才极有必要对智能医学教育新模式进行深入研究。
一、目前医学教育以及医学人才培养状况
智能医学工程是一门将人工智能、传感技术等高科技手段综合运用于医学领域的新兴交叉学科,研究内容包括智能药物研发、医疗机器人、智能诊疗、智能影像识别、智能健康数据管理等。
智能医学工程的毕业生掌握了基础医学、临床医学的基础理论,对智慧医院、区域医疗中心、家庭自助健康监护三级网络中的医学现象、医学问题和医疗模式有较深入的理解,能熟练地将电子技术、计算机技术、网络技术、人工智能技术,应用于医疗信息大数据的智能采集、智能分析、智能诊疗、临床实践等各个环节。实验教学正是融合型创新人才的最好培养方式。智能医学人才的培养需要各学科间的相互交融更为紧密,学生的创新应用能力才能得到更好的培养。与此同时,由于绝大部分医工结合的专业大部分归属与工科学院下,缺乏必要的临床经验,因而学生不能很好的把握新技术的应用。
而国内相关人才缺口还非常大,目前,国内仅仅有生物医学工程、医学信息工程等工科专业培养医工结合人才。但是囿于培养时间与培养模式,他们往往只能针对具体某一方向,并且目前的培养体系还多着重于工学技术的研究,缺乏临床实践。
二、智能+医学教育的必要性探究
2.1技术进步对医疗人员的诊疗帮助
以癌症的治疗为例,由于针对癌症药物的研究何药物数量非常巨大,对于普通医生在短时间内难以进行准确的判断针对癌症的研究和药物数量非常巨大,具体来说,目前已有800多种药物和疫苗用于治疗癌症。但是,这对于医生来说却有负面的影响,因为有太多种选择可供选择,使得为病人选择合适的抗癌药物变的更加困难。同样,精确医学的进步也是非常困难的,因为基因规模的知识和推理成为决定癌症和其他复杂疾病的最终瓶颈。今天,许多受过专业训练的医学研究员需要数小时的时间来检查一个病人的基因组数据并作出治疗决定。
上述问题在拥有工学、医学双背景的医生手中已经不是问题,通过目前日渐成熟的AI技术,对于大量的医疗数据进行检索,通过可靠的编程手段,通过人工智能技术,建立完备的医疗数据库,帮助医生进行诊疗。据调查,美国微软公司已经研制出帮助医生治疗癌症的人工智能机器,其原理是对于所有关于癌症的论文进行检索,并提出对于病人治疗最有效的参考方案,它可以通过机器学习来帮助医生找到最有效,最个性化的癌症治疗方案,同时提供可视化的研究数据。
2.2智能医学对于新时代医生培养的影响
人工智能通过计算机可为学生提供图文并茂的丰富信息和数据,一方面加强了学生的感性认识,加强了对所学知识的理解和掌握,从而提高了教学质量。同时,人工智能可帮助教师完成繁杂的、需适应各种教学的教学课程、课件等设计,使教师将更多的精力专注于学与教的行为和过程,从而提高教学效率。正如前面所述例子,智能网络模块化学习平台可使教学摆脱以往对于示教病例的依赖,拓展了学生们的学习空间和时间,可极大地提高医学学习效率和教学质量。
教育与人工智能相结合将会创新教育方式和理念。北京师范大学何克抗教授在《当代教育技术的研究内容与发展趋势》中提到当代教育技术的五大发展趋势之一就是“愈来愈重视人工智能在教育中应用的研究”。结合上述人工结合上述人工智能在医学教育中的创新作用,下面就人工智能结合医学学教育新模式提出一些构想。
三、交叉医学人才的培养
3.1建立智能医学人才培养体系的必要性
目前智能医学的研发和临床还存在隔阂,临床医生并没有很好地理解人工智能,无法从实践出发提出人工智能能够解决的方向,而人工智能的产业界热情高涨,却未必能踩准点,所以产业界需要和临床深度沟通融合,才能真正解决看病难、看病贵的问题,缓解医疗资源紧张。目前,国内仅仅有生物医学工程、醫学信息工程等工科专业培养医工结合人才。
3.2医学人才培养体系初步构想
1 绪论
随着现代通信与信息技术的高速发展, 以网络教育为基础的现代远程教育系统得到了迅猛发展,并且取得了良好的社会效应和教育效应。然而一般的远程教育系统教育方法较为单一,用户和系统之间的交互性较差,用户界面也较为单一。Agent技术提供了一种网络智能程序设计方法,多Agent则放松对集中式、规划、顺序控制的限制,提供了分散控制和并行处理,该技术适用于多用户和并发处理,适用于网络教学系统的开发。基于Agent的智能网络答疑系统能够通过个性化分析准确了解用户学习中的难点重点,并且根据用户个性化信息推导问题的最佳答案。本论文论述了多Agent理论在网络智能答疑系统中的应用。
2 Agent技术概述
Agent技术是人工智能的一种,其概念是由麻省理工学院的著名计算机学家和人工智能学科创始人之一的Minsky首先提出。 Agent可以理解为计算社会中的一些特殊个体,它的体系结构就是用软件或硬件的方式来实现Agent的过程[2]。Agent的基本结构如图1所示[3]。
图1 Agent 基本结构
从图2.1中可知,Agent主要由环境感知模块、执行模块、通讯模块、信息处理模块、决策与智能控制模块以及知识库和任务表组成。环境感知模块、执行模块和通讯模块负责与系统环境和其它Agent 进行交互,任务表为该Agent 所要完成的功能和任务。信息处理模块负责对感知和接收到的信息进行初步地加工、处理和存储,决策与智能控制模块是赋予Agent 智能的关键部件。它运用知识库中的知识对信息处理模块处理所得到的外部环境信息和其它Agent 的通讯信息进行进一步的分析、推理,为进一步的通讯或从任务表中选择适当的任务供执行模块执行做出合理的决策。
3 网络智能答疑结构框图
基于多Agent理论的网络智能答疑系统的功能如下:
(1)用户通过登陆能对学习过程中遇到的问题,运用自然语言进行提问,并可对提问方式进行选择,也可选择系统自动回答的相关参数。
(2)系统可以通过常见问题库、知识库及课件素材库中搜索答案并自动回答用户所提问题,也可以通过e-mail、BBS或留言板等方式使用户的问题得以解答。
(3)系统呈现在用户浏览器上的答案应包括两方面内容:一是多媒体形式的问题解答;二是用户应巩固复习的知识点建议、少量练习题等。
(4)系统能够自动生成和维护常见问题库(FAQ库),并保持其结构良好性,同时还应该支持专任教师用户的人工维护(增加、删除和修改等)。
多Agent系统强调从整体上对多个Agent集体行为的性质进行分析与定义,因此Agent 是能自主学习、适应环境的实体,应用基于多Agent系统的网络教学模式,能克服一般系统的局限和不足,提高了系统的智能性,达到了个性化教育和改善教学效果的目的。基于多Agent思想的智能答疑系统结构框图如图2所示。
图2 答疑系统结构框图
智能答疑系统由接口层、功能实现层和数据服务器三层体系,其中接口层由学员Agent和教师Agent通过Internet与数据服务器进行交互,其中接口可以实现学员以多种方式连接系统并且提问;;功能实现层是整个系统的应用核心,由Agent自主进行学习、自动答疑、自动交互等功能;数据服务器主要是管理用户资料和存放知识库等大型数据,并且数据库Agent可以自动生成和维护常见问题库。
客户端Agent包括学习者、教师和管理员三类用户,每类用户均通过浏览器登录系统, 经过客户端的Agent处理, 与服务器端的Agent进行联系, 并从服务器端取回相应需要的数据。功能实现层就是各个Agent实体进行通信的过程,由Agent自主进行学习、自动答疑、自动交互;数据服务器Agent在接收到学习者Agent的描述后,会自动根据提取的特征词进行数据库匹配。由于一般数据库层所包含的数据量较大,因此必须使用高效快速的搜索算法进行结果匹配,才能满足多用户同时应用的需求。
4 主要Agent设计
在网络智能答疑系统的设计中,根据网络智能答疑系统的功能,把整个系统拆分为多个Agent系统,并且对主要的Agent进行设计。
总体来看,客户端Agent除了用户的权限有区别外,其他行为模型是一致的,在系统收到客户端信息匹配后,由通信层的Agent进行信息的提取、问题分类等工作。对于人机交互界面的Agents,主要功能是对身份信息的识别和提取,首先由系统提示用户输入个人信息,然后由交互界面的Agent进行判断,如果用户信息错误,则转到提示错误界面,如果用户信息正确,则转到系统的下层界面,流程图如图3所示。
图3 Agent 登录流程
通信层Agent包括用户管理Agent,用户模型Agent,答疑Agent,教学管理Agent,答疑信息Agent等Agent组件,分别负责用户管理、用户模型匹配、用户提问处理、答疑系统维护等,以答疑Agent为例进行说明。
在答疑Agent中,用户进入提问后,系统给出提问输入界面,等待用户输入。在用于确定提出来的问题后,点击“提交问题”,此时系统的答疑Agent开始工作,工作原理如图4所示。
图 4 答疑Agent 工作原理
答疑Agent通过与外界的交互感知了解用户的输入动作,得到用户输入的问题,通过目标分解,把用户问题分解为小问题。通过数据库对问题进行匹配,提取出问题的答案等知识信息。然后在输出层对问题整合,并且最终把整合后的信息传递给用户。
5 结论
本文论述了智能答疑系统在网络教育中的重要地位,介绍了Agent系统和主要结构,分析了多Agent系统在网络答疑中的作用,对整个答疑系统的功能及其功能实现进行了论述和剖析,最后结合系统中Agent的功能,分析了Agent的设计思想和设计思路。
参考文献
[1] 绕涛,林育曼.基于Agent技术的智能答疑系统的研究与设计[J].佛山科学技术学院学报,2008.1.1
中图分类号: TP391 文献标识码: A
Research on the constitution of ITS by adaptiveperspective.
Abstract:The research of Intelligent Tutoring System (ITS) has been changed along with the appearance of the different technology―supported learning environments. This paper analyzes the influence and enlightenment that distributed cognition theory has on ITS-based the prototype of ITS, choose the self-adaptation techniques of ITS as a research entry point of digital technology aided teaching software and find the appropriate connection point between the concept and technology of Intelligent Tutoring, and then propose constitution strategy to improve the ITS. Finally, a new model of distributed adaptive ITS is presented and eventually improvetheabilityof system’s self-reasoningand self-organization.
Key words:ITS; adaptive; adjunct instruction
0 引言
人工智能(AI)是计算机科学、信息论、神经生理学、控制论、心理学、语言学等多种学科互相交叉渗透而发展起来的一门综合性学科[1]。人工智能的本质问题就是研究如何制造出人造的智能机器或系统,来模拟人类智能活动的能力,以延伸人们智能的科学。其技术特征主要是具有搜索功能、知识表示能力、一定的推理功能、抽象功能、语音识别功能及模糊信息处理能力。
智能授导系统〔ITS)是一种学习技术系统,能根据学习者的特定目标、需求和偏好,利用教学方法和学科知识动态地调整学习内容。它的发展源于对传统计算机辅助教学的改进,克服了仅仅关注学生行为的缺陷,引入了对知识的描述以及智能推理技术。ITS大都由学习者模块、专家模块、课程与诊断模块和通讯模块组成[2]。Hartley和Seeman最早提出一个ITS的框架应该包括专门知识(专家模型)、学生的知识(学生模型)和教学策略知识(导师)[3]。近十几年的研究中比较有代表性的是Peng-Kiat Pek和Kim-Leng Poh应用贝叶斯网络构建的学生模型可以较好的估计出学生的学习兴趣值,从而对学生的学习行为方向进行预测[4]。Dietrich Albert和Cord Hockemeyer分析知识空间理论而得出超文本结构和知识空间在结构上的有很强的相似性,通过对知识空间进行建模,使之适用于网络Web结构模式[5]。Joel Martin和Kurt VanLehn使用贝叶斯网络技术对学生的学习结果进行评估,得出学习者学习过程中的缺陷和不足[6]。Declan Kelly和Brendan Tangney提出了一种多Agent技术(Multi-Agent System,MAS),通过对个体的个性化学习进行动态建模的智能框架的建构重组,满足了学习者的不同需求[7]。在构建策略和技术支持上的最新研究[8-10]都对数字化技术辅助教学软件的开发提供了新的思路和算法。
目前ITS的研究和实现在自推理能力和自组织上存在不足,未能充分发掘ITS的自学习能力。基于现代网络发展对学习环境的技术支持,从自适应角度出发,给出分布式自适应的智能授导系统模型,强化自适应策略推理机制,提高ITS的自组织和自适应能力。
1 分布式ITS
从分布式学习的角度分析传统ITS的设计与应用实践,在系统开发过程中存在的问题有:①传统“智能推理”系统缺乏与环境的灵活交互能力;②认知监控与激励机制的缺失;③忽视系统最本质、最具价值的“授导”服务功能,没能实现学习与认知目标;④人机交互过程不够和谐。随着计算机科学和网络技术的发展,分布式智能授导理论[11]提供了一种全新的分布式模式和问题求解途径,恰当地表述出数字化教育的主题,其核心思想强调学习者为中心、关注学习活动、注意学习情境脉络,使建构性的学习过程理论替代了传统的学习理论。
分布式学习是一种学习模式,它允许学习者、指导者和学习内容分布于不同的位置,使教和学可以不受时间和地点的限制而作用,其关键要素包括基于Web的模块化内容、智能导师、互操作与重用、更大范围的协同工作。综合国内外有关研究机构和Philip Bell、William Winn、傅小兰、李克东等中外学者的观点,分布式ITS的主要特征可以概括为[12]:重点在于对观点特征的表述,资源的交流与共享是必要条件,分布式系统中的制品主要用于拓展学习主体的能力,分布式学习环境取决于学习本体的特征以及认知方式。
目前针对ITS存在的不足,学者们主要采用项目反应原理、数据挖掘、分布式人工智能、计算机智能网格、自然语言处理、可扩展标记语言等技术对ITS进行改进。最终目标是以分布式学习理论和教育教学理论为指导,应用人工智能中的多Agent技术,根据认知本体的数据模型和知识类型确定认知过程中采用的基本认知策略。
2 分布式自适应ITS的模型构建
2.1 分布式自适应ITS的机理特征
自适应是软件系统中的概念,可以看作是一个能根据环境变化智能调节和控制自身特性以使系统能工作在最优状态的机制与功能,它可以为智能授导系统提供了一种响应外界环境变化而产生自身调节的一种能力。这意味着软件能够主动实现自身功能性的调整与适应,而与使用者对系统的操作方式无关。从分布式角度分析,ITS应是一种具有自适应能力的知识系统,就人机交互而言,其自适应能力依据用户维、知识维和决策维发生变化。自适应的核心技术是能够让机器广义的“学习”机制,系统自适应能力的产生是否在很大程度上取决于它能否自组织地自我学习和完善。通常情况下用适应性(adaptive)与顺应性(adaptable)来表示自适应的ITS系统的不同方式[12],其区别如图1所示给出的智能系统结构。
2.2 学习者模型建模
研究表明,学习者模型是分布式自适应ITS的核心,而学习者学习过程中存在着大量不确定性的因素和信息,因而成功获取学习者的情况是其它环节正确运行的保障。在学习者模型设计中,基于自适应为特征的设计思路,本文不仅利用贝叶斯网络的条件概率分布量化知识项之间的组织关系及依赖关系,很好地反映学习者特定领域中的知识结构,还让学习者模型的相关知识项的状态随时可以改变,使学习者模型具有较强的预测能力和自学习能力。图2给出了具有自适应特征的学习者模型结构。
2.3 分布式自适应ITS模型
根据Brusilovsky提出的虚拟校园环境的部件理论[13]及以自适应为特征的技术支持,本文给出了一种新的基于分布式自适应的ITS模型(如图3所示)。它主要由内容部件、行为部件、通信部件和管理部件组成,其中内容部件是辅助教学系统的核心,由构成课程的多媒体教学材料组成,实现时依赖于知识表示与技术呈现,特别是依赖于知识建模和本体的研究。行为部件主要功能是需要学习者通过“做”的交互方式来完成的自主学习的过程,表现形式有自适应学习导航、自适应练习与测试、自适应模拟模拟实验等。通信部件起到媒介作用,主要是支持学习者与教学专家之间、学习者相互之间的交流和沟通的通信工具,支持学习者的协作学习和协同进化。管理部件主要是支持教学过程中必要的管理职能。在功能模块实现上主要由学习者模型库、领域知识库和教学决策库组成。
3 分布式自适应ITS的技术实现
3.1 智能授导机制和网络技术支持
数字化技术辅助教学中智能授导的研发技术路线主要有模拟课堂面授的路线、人工智能的技术路线和网络协同进化的路线。在分布式自适应ITS中,由于学习者本体基本上是基于资源的自主学习,其最强烈的需求是学习资源的组织传递和共享以及人机协同进化[8]中的自组织性。为满足此要求,具有自适应特征的网络协同进化的技术路线十分突出“授导”特性,即满足了系统地对教学内容的组织和传播,又兼顾对学习者本体提供针对性的适应性学习支持。网络协同进化的技术路线是基于网络这一分布式系统自身知识获取的主动性与持续性,充分发挥人机协同进化中的反馈性与自组织性,激发群体智慧的生成,从而影响学习者个体的较低层次的进化。
庄秀丽等研究阐述了Web2.0网络中如何通过拓展人群关系网络来聚合所需资料[14],学习者应用学习资源的行为螺旋往复、不断拓展与优化,实质上它构成了一个网络协同进化的过程,学习者在参与、分享、共创的网络学习行为中,群体智慧自然而然地产生,并对学习者的学习产生积极作用。这充分证明了网络协同进化的网络学习空间为分布式自适应ITS的实现准备了外在条件与技术支持。
3.2 分布式自适应ITS的实现
根据智能授导机制,基于本文提出的模型和智能网络的技术支持,实现中借助AI中的产生式算法、模糊推理、人工神经网络等技术手段组建内在的组织领域知识库,原因在于领域知识获取是赋予智能授导系统具有推理、判别与自适应能力的关键环节,进而最终形成的知识库基本包含两类知识:陈述式的学科知识与反映专家经验的程序式知识。在教学决策库的构建中采用了数据挖掘技术,首先通过学习者特征分析模块引导学习者与系统进行对话,确定挖掘目标、提交系统参数,产生初步挖掘结果;其次通过对领域知识库中的专家经验知识和系统领域背景知识进行数据挖掘分析,得出补充的挖掘结果;最后结合自适应测量推理机产生全面的挖掘结果,并在教学决策库中对其做出合理的决策结果。
此外,把群体决策技术引入到分布式自适应ITS中充分发挥了自适应的特征。通过从系统工程的视角分析,给出了由问题维、用户维、过程维等构成的描述学习者群体决策结构,较好反映了群体决策对象之间综合信息关系。同时选择专门为语义Web设计的本体表示语言OWL语言来描述学习者模型[15],它具有更强大的功能来表示语义和容易被机器理解的特点。
在辅助教学软件的初步开发实践中,测试发现本模型能够满足学习者模型所要求具备的自学习性、自组织性和自适应性特征。
4 结束语
针对当前ITS研究的不足,本文选择了基于自适应为特征的分布式ITS作为数字化技术辅助教学软件开发研究的一个切入点,利用贝叶斯网络的思想来设计学习者原型模型来满足适应性和个性化的要求,融入了先进成熟的AI技术、数据挖掘技术和群体决策技术,更多的关注系统各模块的标准化、形式化构建以及分布式系统的协同工作,达到知识的共享与重用,还选择了专门为语义Web设计的本体表示语言OWL语言来描述学习者模型,并依据网络协同进化的技术路线,最后给出了分布式自适应的智能授导系统模型。此模型能够让机器更好的理解网络内容和对知识进行显性的描述,弥补了传统智能授导方式整合信息并产生自适应策略机制的不足。如何提高自适应特征下教学决策效率是今后研究工作的另一个重点。
参考文献:
[1] 王万森.人工智能原理及其应用[M].北京.电子工业出版社,2007:4-6.
[2] Mand1 H, Lesgold A. Learning s for intelligent tutoring systems[M]. New York: Springer-Vedag, 1988:307-307.
[3] Hartley J R, Sleeman D H. Towards more intelligent teaching system[J].International Jounal of Man-Machines Studies,1973,5(2):215-236.
[4] Peng-Kiat Pek, Kim-Leng Poh. A Bayesian tutoring system for Newtonian mechanics: Can it adapt to different learners?[J]. Educational Computing Research, 2004(3): 281-307.
[5] Albert D, Hockemeyer C. Adaptive and Dynamic Hypertext Tutoring Systems Based on Knowledge Space Theory [C]. AIED’97 Artificial Intelligence in Education, 1997: 553-555.
[6] Martin J, VanLehn K. A bayesian approach to cognitive assessment [J]. Cognitively Diagnostic Assessment, 1995:141-165.
[7] Declan Kelly, Brendan Tangney. Adapting to intelligence profile in an adaptive educational system [J].Interacting with Computers, 2006 (3):385-409.
[8] 智勇,曹梅,杜楚源. 基于B/S结构的智能授导系统的设计与实现[J].计算机工程与应,2004(11):159-161.
[9] 张蕾,郭文强.浅谈现代网络通信技术的发展对智能授导系统的影响[J].无线互联科技, 2011(11):15-16.
[10] 郭文强,王思秀.基于智能授导系统的软件开发策略研究[J].科技传播,2012(1):165-166.
[11] 李欣.分布式认知视角下的智能授导系统的设计与开发[J].电化教育研究,2008(1):52-58.
[12] Stephanidis C, Paramythis A, Akoumianakis and Sfyrakis M. Self-adapting web-based systems: Towards universal accessibility [DB/OL]. 2000.
[13] Brusilovsky P, MILLER P. Course delivery systems for the virtual university [EB/OL].2001.
[14] 庄秀丽.Web2.0技术学习的作川研究[J].中国远程教育,2009(11):32-36.
[15] 岳静,张自力.本体表示语言研究综述[J].计算机科学,2006(2):158-162.
基金项目:
中图分类号:TP311文献标识码:A文章编号:1009-3044(2011)31-pppp-0c
1 研究背景
Internet和WWW技术的迅猛发展给传统的网络教学、学习和答疑模式带来了新的思路和方法,基于Internet和WWW技术的教学系统已经广泛应用并且取得了良好的教学效果。然而,传统的网络教学系统存在交互手段缺乏,智能性较低,针对用户水平的个性化帮助和辅导较少的问题,难以制定针对个人的教学方法。Agent是一种网络智能算法,多Agent则是由多个Agent组成的系统,多Agent具有分散控制、并行处理等特点,适用于多用户和并发处理,适用于网络教学系统的开发。本文论述了基于多Agent的智能网络学习系统的设计和实现。
2 Agent技术概述
Agent技术也称技术,从广义上来说,包括具有智能的任何实体,如人类、智能硬件、智能软件等。Agent定义可以分为软件Agent和硬件Agent定义,其中软件Agent是指执行用户任务,具有一定的人工智能,可以与环境相互作用自主完成任务的软件程序。硬件Agent是指可以从环境中获得反映环境中所发生事件的数据,执行相关影响的行为主体。
智能Agent技术能够用户完成某项任务,并且不断积累知识和经验,提高问题处理能力。总体来说,智能Agent有以下四个方面的特性:
1)自主性:Agent具有属于自身的计算资源和行为控制机制,能够在其他Agent干涉的情况下自动运行,并且自身具有学习功能,能根据自身内部状态、感知到的外界环境信息和本身已有的经验知识决定和控制自身的状态和行为。
2)自发性:Agent的行为总是为了实现内在目标,自主的产生主动的行为对环境做出反应。
3)反应性:Agent能够探测并感知所处的外界环境,并且能对相关事件的发生自主作出反应。
4)社会性:Agent处于由多个Agent构成的社会环境中,能够与其他Agent进行交互和通讯,实现与其他Agent的合作和协调,并且共享其他Agent的知识 。
Agent一般由感知模块、执行模块、通讯模块、处理模块、控制模块、知识库和任务表组成。其中感知模块、执行模块和通讯模块与其他的Agent和外界环境交互,处理模块对感知和接收到的信息进行加工、处理和存储,控制模块对接收到的信息进行分析、推理并做出决策。
多Agent系统是指由多个Agent组成的松散的联邦,所有Agent成员的活动均是自制的和独立的,其他Agent成员也不限制他的目标和行为。每个Agent对于所要完成的任务具有不完全的信息或能力,任务的执行和计算是异步的。可以看出,单个Agent的功能并不强大,但是一旦通过适当的体系结构把Agent组织起来构成多Agent系统,系统就具有很强的求解能力,能够处理一些复杂的问题。
3 答疑系统模型
3.1 系统的主要功能
智能网络答疑系统的关键在于能够对提问用户进行个性化分析,根据个性化分析的结果搜索用户提问的答案,并且以多媒体的形式显示问题答案。系统同时具有自学习功能,可以根据用户的新问题和补充的系统的知识库,具有自学习功能。答疑系统的主要功能如下。
1)用户可以选择同步提问和异步提问等提问方式,也可选择系统自动回答,在登陆后向系统提问。
2)系统可以以多种方式回答用户问题,既可以通过知识库、问题库、课件库搜素答案并自动回答用户问题,也可通过BBS,e-mail或留言板回答用户提问。
3)系统在搜索完用户问题答案之后,在用户浏览器上显示的答案即包括多媒体形式(图文并茂)的问题解答,又包括用户应巩固复习的知识点建议、少量练习题等。
4)系统能够根据用户的提问自动生成以及维护常见数据库,保持结构良好性,同时支持教师等高级别用户的人工维护操作,比如增加、删除和修改。
3.2 智能答疑系统的组成和关系
智能答疑系统主要包括用户子系统、教师子系统、知识库子系统和答疑子系统组成,系统的基本结构图如图1所示。
guyx01.tif
图1答疑系统结构图
各子系统的功能如下:
1)用户子系统:用户子系统搜集用户个性化信息,实现用户的智能化、个性化提问好回答。用户子系统的功能包括用户信息注册,用户个性化信息分析,用户提问整理抽象等。
2)教师子系统:教师子系统用于教师登陆实现指示库的人工维护,包括知识的增加、删除和修改等。
3)知识库子系统:知识库子系统用于系统知识库的保存,维护和扩展。知识库保存的指示分为两个方面,一方面是有关课程的内容,就是课程的知识点、重点和难点,第二个方面是典型例题,例题答案。知识库的维护和扩展是指知识库子系统可以根据用户的提问频率和提问方法不断优化调整知识库的结构,提高频繁提问知识点的权重。
4)答疑子系统:在用户登陆系统并且提问之后,该子系统一方面接受用户提出的问题,另一方接收用户Agent提供的用户子信息,根据用户信息采用对应的推理规则寻求问题的答案。同时,它还可以对问题和答案进行统计和分析,并且把统计结果传递给知识库子系统,知识库子系统可以根据答疑子系统传递过来的信息来维护和优化知识库。
5)接口子系统:接口子系统一方面多种形式接受用户的问题,处理传统的键盘输入之外,还可以通过e-mail、BBS或留言板等方式输入,并且把问题经过整理后传递到答疑子系统。并且根据答疑子系统的回答情况,以多媒体的形式显示问题答案。
3.3 知识库的设计
由于SQL语言风格统一,可以独立完成数据库中全部操作,并且集据定义语言、数据操纵语言、数据控制语言等功能于一体,因此系统知识库采用SQL数据库,在系统的构建中,涉及到的知识库主要有用户信息库、知识试题库和答疑推理库。其中用户信息库用来保存用户的注册信息,存放用户名、口令字和身份信息,由于口令信息并不固定,因此调用用户的个人信息表保存登录时输入的个人信息。注册人员身份包括用户和教师,其中用户个人信息保存于用户表中,教师个人信息保存于教师表中。知识试题库用于存放试题和知识信息,其中知识信息表按照知识章节-课程等进行保存,试题信息按照章节-字符保存并建立索引,并且试题信息表根据用户的提问和教师的解答不断进行自动扩充。答疑推理库保存不同水平的用户的答疑推理需求,从而根据不同的用户制定个性化的答疑推理方法。
4 基于多Agent的网络智能系统的开发和实现
4.1 多Agent实现
智能科学精品课程教学团队长期坚持“严肃对待教育工作、严格要求学生、严密组织教学过程”的先进教育理念,履行“严谨教学改革是教育发展的动力”的指导思想[1]。本教学团队围绕“人工智能”和“智能控制”国家精品课程、“人工智能”国家级双语教学示范课程、“人工智能PK人类智能”国家级精品视频公开课、“智能控制”国家级精品资源共享课程、“智能科学基础系列课程教学团队”(国家级)、“人工智能网络课程”教育部国家新世纪网络课程建设工程以及“智能控制”、“人工智能”、“机器人学基础”和“智能系统原理与应用”等省级和校级智能科学系列课程群建设,潜心教学改革,建立了以师生互动、多维交叉、强化实践为特点的创新型人才培养模式,取得一些获得同行首肯的教学改革成果[2-7]。
本文着重介绍教学团队在智能科学精品课程群建设方面的基本情况。
一、智能科学精品课程群的建立
该团队逐步推进智能科学精品课程群建设,不断积累教学改革成果。首先,利用颇具特色的优秀教材群,建立起国内首个立体交叉的智能科学教材体系。其次,把多元智能理论和本体论的知识组织方法用于课程群建设,并建立了智能科学课程群之间的内在联系,建成国家级智能科学精品课程群。再次,增强实验教学,整合多元资源,创建开放式软硬件训练环境,促进智能科学精品课程群的进一步建设与发展。
(1)率先建设立体交叉的智能科学教材体系
智能科学具有高度交叉、多学科融合的特点,结合这些特点研究了不同课程、不同学历层次、不同学科门类之间的交叉链接关系。建设以信息学科类本科生教育为主,兼顾硕士和博士研究生的教材体系,并辐射到管理类、机械类等专业。教学团队与时俱进,对教材不断更新,自1987年以来共出版人工智能、机器人学、智能控制等教材共20个版本[8-13]。例如,《人工智能及其应用》、《机器人原理及其应用》和《智能控制》均为我国相关课程的第一部具有自主知识产权的著作,被誉为“智能三部曲”,为国内高等院校广泛使用。
(2)建立多层次智能科学精品课程群
团队把多元智能理论和本体论的知识组织方法运用于课程群建设,并依据个性化元素特征和个体差异构建模块化课程体系及系列化课程设置,并据此设计课程群及课程相关的实践环节。
设计出各课程间的横向关系和专业间的纵向关系,即建立智能科学课程群之间在知识、技能、素质三个维度上的横向联系,以及在本科生、硕士研究生、博士研究生三个学历层次与专业基础课、专业课专业层次上的纵向关系。
经过长期建设,10年来共获准12项各级质量工程等立项,建立与形成了国家级智能科学精品课程群。其中包括国家级精品课程、全国双语教学示范课程、国家级教学团队、全国优秀网络课程、国家级规划教材、国家级精品视频公开课和国家级精品资源共享课程以及省级和校级精品课程等。
(3)整合资源,加强实验,创建开放式训练软硬件教学环境
教学改革没有最好,只有更好。教学团队不断增加与逐步完善智能科学精品课程群的实验和实践环节,开设智能科学相关培训课程和专题讲座。注重整合各种资源,增强智能学科与其他学科的交叉,创建开放式训练环境和训练中心,建设智能科学与技术创新实验室、大学生程序设计竞赛训练中心、大学生智能移动机器人科技创新平台等。此外,还积极参与智能类学科竞赛,如“飞思卡尔”大学生智能车竞赛、全国大学生智能设计大赛、ACM/ICPC程序设计大赛,以及多种智能机器人和智能小车大赛等。
经过多年精品课程建设与积累,目前,教学大纲、教学日历、教案或演示文稿、重点难点指导、作业、参考资料目录和课程全程教学录像等教学必需资源均进行了持续建设与更新补充。其中一些特色资源得到建设与共享。首先,共享国家级教学名师积累的丰富教学资源。通过建立名师工作室、名师示范项目实验室和名师图书室,形成多元化的带教制度,使老教师的教学理念和经验得以传承。这样就能够加快年轻教师的培养与成长。其次,共享网络课程资源。各门网络课程均采用智能技术中的知识推理和智能算法来实现编程、答疑和虚拟实验,具有智能化、个性化、情境化和形象化等特色,以及导航系统多样化、向导学习个性化和情景化学习等功能。促进了各课程教学改革,提高学生培养质量,深受学生欢迎。再次,共享实验资源。教学实验从无到有,从弱到强,逐步建立教学实验室和科研实验室,全面向学生开放,使广大学生共享实验资源。通过实验,学生发挥了主动性,提出并积极验证和探索自己的思路,从而更好地掌握知识,培养学生的理论联系实际能力和创新能力。
二、改革课程教学,建设精品课程群
着力课程教学改革,建立以精品课程群为核心、以课堂教学为基础、以实践训练深化教学效果的课堂教学与实践教学创新体系。为了实现教学目标,保证课程群的教学和教改的顺利进行,加强了教师队伍建设和教学管理,建立教学质量评价系统,保证课程群的教学质量。
(1)建立以精品课程群为核心,以课堂教学为基础,以实训深化教学效果的课堂教学与实践教学创新体系。
提出“以趣导课、以疑启思、以法解惑、以律求知”的“四以”教学方法。建立“课堂讲授+启发互动+创新实践”三位一体的教学模式,探索出“项目驱动教学”(Project-orientedlearning)和“做中学、趣导思”的主动教学方法和学生培养途径。开发双语教学平台,改进与强化双语教学模式,完善双语教学的方法和手段,提高教学质量。
(2)加强教师队伍建设,改进管理,改革考试,促进课程群的教学和教改的顺利进行。
总结并推行“严肃对待教学工作,严格要求学生,严密组织教学过程,严谨施行教学改革”的“四严”教育思想,指导教师队伍思想建设[1]。注重对青年教师的业务培养,提高他们的授课水平。改革考试制度和方法,培养学生思维、分析能力和创造创新能力。
(3)建立教学质量评价系统,监控课程教学全过程,保证课程群的教学质量。
将控制论(Cybernetics)中的闭环控制信息反馈和故障诊断理念引入教学质量评估过程,建立教学质量的诊断、分析与校正评价系统DIACES (Diagnosis,Analysis and Correction Evaluation System)。
(4)利用教师试讲、督导听课、网上评教、同行评议、讲课竞赛、质量评优、师生座谈、公开示范课等一系列措施,反映教学中的存在问题和成功范例。然后通过集体讨论分析,提出对存在问题的纠正措施或对成功范例的推广意见,实现评估监控过程的自动化、智能化与常态化,保证教师授课技能、教学效果和人才培养质量的提高。
三、经验与结论
在智能科学精品课程群建设过程中,取得了丰硕成果,探索与积累了丰富经验。主要体会如下:
(1)在该精品课程群建设中,始终贯彻“以人为本”的育人理念,把多元教学理论和本体论的知识组织方法用于课程群建设,创建因材施教和探索性的学习环境。以“教书育人”为根本任务,坚持“严肃对待教学工作,严格要求学生,严密组织教学过程题,严谨施行教学改革”(“四严”)教育指导思想,奠定创新型人才培养的理论基础。
(2)注重“课程核心”教育定位,总结出“以趣导学、以疑启思、以法解惑、以律求知”(“四以”)的教学方法和“做中学、趣导思”的综合素质培养方法。做到师生互动,理论联系实际,深化教学,摸索出创新型人才培养的有效途径。
(3)建立覆盖多层次、多专业、多语种、立体配套的智能科学精品课程群系列教材体系,实现课程群系列教材的“精品化”。建立网络化、个性化、智能化的多维教育网络课程体系。建立一种教学质量评估系统,即质量诊断、分析与校正闭环评价系统。这些措施为课程教学和创新型人才培养提供了有力保障。
中图分类号:G643 文献标志码:A 文章编号:1674-9324(2014)33-0229-03
一、引言
非全日制研究生教育,是指与全日制研究生教育相对应的,功能互补的,适应现代社会、经济、科技发展需要的,以培养高层次创造型人才为目标的现代教育体系,是我国研究生教育体系的重要组成部分。非全日制研究生教育的主要内容,包括教育的思想定位、教育目标、教育方法、教育技术手段、教育过程管理等,是一项系统工程。随着国家建设学习型社会和人才强国战略的相继实施,非全日制研究生教育的规范和发展开始受到社会和教育界的关注。非全日制研究生教育以在职人员为主要培养对象,以不离岗学习为主要学习形式,在教育对象、教学及管理方面有其自身的特点并具有明显的特殊性,因此,在教育教学活动中出现了一些问题。其中,如何提高课堂教学质量成为非全日制研究生培养过程中亟待解决的问题。
网络智能教学系统(Web Intelligent Tutoring System简称WITS)是基于World WideWeb技术的智能教学系统(Intelligent Tutoring System简称ITS)。ITS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成果形成的,对学生实施有效教学的技术。智能网络教学利用计算机模拟教师的教学思维过程,以学生为中心、以计算机为媒介,形成开放式交互的教学方式,能够达到真正个别化教学的目的。以Web为代表的互联网技术为ITS的教学理念和功能实现提供了较为理想的技术平台以及海量的信息资源。
在非全日制研究生教育中,面临的实际问题是学生与教师的见面交流机会较少,缺乏教学互动相长的平台。而且,非全日制学生一般都有正式职业,且分散在社会各行各业,平时对大学图书资料等教学资源的利用机会不多,因此将网络智能教学平台引入非全日制研究生的教育和培养过程是非常必要的,对于提高研究生培养质量起着重要的作用。本文将选取非全日制研究生的教学培养作为网络智能教学系统的具体应用领域,对非全日制研究生课程教学中面临的典型问题进行分析,然后依据网络智能教学系统的系统思想和模型结构,设计构建一种适用于非全日制研究生教学培养的网络智能教学系统。
二、智能网络教学平台的构架介绍
综合运用网络技术(网络编程技术、网页制作技术、网络数据库技术)、多媒体技术以及面向对象编程技术,研究并开发了基于Web的智能网络教学平台。该教学平台主要分为四个模块:学生模块、教师模块、交流模块及资料库,如图1所示。
学生模块是系统为不同学习者提供的个别化教学内容与学习界面。学生首先登陆系统,然后进行自主学习。学生可自愿参与评估测试,了解自己的知识水平、认知能力、学习习惯及风格等。后续学习中系统将根据评估测试结果、学生学习记录以及教师反馈等选择教学知识库中适合该生特点与实际水平的学习内容,并可根据学生情况动态生成教学过程,以及根据学生情况采用不同的教学策略,实现有针对性的个别化教学。学生也可在该模块中提交作业,便于教师掌握学习情况。交流模块是学生和教师互动的模块,学生可以在此提出问题等待答疑,并有相关论坛可以留言讨论。每个学期开始,学生可自主进入选课系统。选课系统主要由两部分组成,基础模块和复合模块。其中,基础模块主要由必修课程和基础课程组成,而复合模块主要针对非全日制研究生“产学研结合”的特点,增加了选修课程,保证整个选课系统既满足了基础性、实践性、先进性,又增强了社会适用性、针对性和务实性。教师模型是网络教学平台中组织、管理和实施教学活动的核心。它由现实的教师主体和计算机化的教师属性以及行为能力组件构成,用于网上授课、课件、知识传授、组织讨论、考试和管理等。其中,教师的教学经验、教学策略、IT应用水平等是影响教师模型的关键因素。教学经验和教学策略决定课程教学内容的结构、知识点划分和知识内容的组织规则,同时,也影响课程素材的组织规则和问题答疑的组织规则。教师的IT应用水平是教师应用智能教学系统的技术能力,是教师灵活应用网络教学平台的技术要素。教师一般是通过学生学习状态生成课程教学内容,通过学生评价状态控制学习过程,并通过交流模块的答疑系统实现对学生问题的解答。此外,教师模型还可以实现对于知识库系统的维护。交流模块主要是提供一个交流的环境来实现同学之间、师生之间实时的相互交流的需求,以便于师生之间、同学之间及相关人员的交流、设问、解答等。通过建立交流模块可以解决学生无法在课堂上实时解决的一些问题,亦能实现远程、分布式的协作学习。交流模块主要包括答疑、公共BBS、专题讨论、公告留言等版块。通过交流教师可以将一些较为普遍或专业性较强的问题进行统一回答,并一些公告信息。在公共BBS中,任何人都可以发表意见和建议,提高学生的表达能力并提高学习兴趣。教师可以根据教学内容、需要设立一些专题,在某一时间由学生和教师共同参与讨论,通过网上聊天的形式,让学生发表见解,教师加以引导,加深对于该问题涉及知识的理解。资料库模块是非全日制研究生网络智能教学平台的基础和资源来源。知识库模型中主要包括课程知识点、课程素材库、课程习题库等,并提供查询打印功能。课程知识点汇聚了课程中具有独立属性和相互关系的知识点。课程素材库包括与相关例题、图片、音视频文件等素材,为学习提供内容和形式支持。课程习题库则按照章节提供习题及参考答案。该模块最为突出的特点是加入了Web搜索功能组件,该组件的作用主要针对知识库系统满足不了学生答疑问题时转向Web搜索,获取知识答案。
三、智能网络教学平台的构建方法及关键技术
1.三层B/S分布式计算结构。为了有效地减少网络流量、防止客户端肥大、易于数据更新及实现系统间的连接,网络教学平台的设计采用了“三层B/S分布式计算结构”的Web技术,形成基于Web数据库应用下的网络教学环境。三层B/S分布式计算结构分为三部分:客户端、应用服务器和数据库服务器。客户端提供一个可视化接口,用来显示信息和收集数据,它只与应用服务器打交道。在智能网络教学平台中有三类客户:学生、教师和管理员。他们各自具有不同的用户界面,不同的用户界面显示的信息也不同,从而体现不同的用户身份。应用服务器主要用来实现应用逻辑,是连接客户与数据库服务器的桥梁。它主要根据用户发出的请求执行某种任务,并与数据库服务器打交道。数据库服务器实现数据的定义、维护、访问、更新和管理,并对应用服务器的数据进行响应。可以采用某一种数据库管理也可以是多个数据库的集合。常用的数据库服务器有Oracle、Sybase等。网络教学管理系统正是基于上述B/S结构的三层结构:教学信息表示层、教学应用逻辑层和教学资源访问层进行实施的。
中图分类号:TP3文献标识码:A文章编号:1009-3044(2009)24-6600-02
Research and Implementation of Self-adaptive Distance Eduection Platform Based on Specialist System
WEN Guo-qi1, YANG Ke1,YING Guan-yi2
(1.Tianzhuang Coal Preparation Plant of Pingdingshan Tianan Coal Mining CO.,LTD, Pingdingshan 467013,China; 2. Wuyang Iron and Steel, Hebei Iron & Steel Group Co., Ltd, Pingdingshan 462500,China)
Abstract: The rapid development of the computer-centered internet and multi-media technologies is fundamentally changing our ways of work,association and life and in the meanwhile,it’s deeply influencing our education.The simple teaching mode and less intelligence are common problems in the net education, which brings contradiction between net teaching platform and students.The article introduces a self-adaptive learning platform of distance education which is based on specialist system,the aim is to achieve personal net education.
Key words: specialist system;personal net education;a self-adaptive learing platform of distance education
近十年来,科学技术的突飞猛进为人类社会带来了一系列的深刻变革。信息技术在各个领域的应用改变了人们工作、生活和学习的方式,远程教育的发展也面临着前所未有的挑战。
目前的网络教学平台主要是以“系统”为中心,没有体现以“学习者”为中心的思想。为了解决这一矛盾,在网络教学系统中引入了自适应学习概念。所谓自适应学习,就是指学习不是一个被动的接受知识的过程,而是主动发现知识的过程[1]。开发自适应远程教育平台就是要为每一个学习者提供适应其需求特点的学习资源,自动地调整系统内容以适应学习者的兴趣,真正达到“因材施教”的目的。
1 现代远程教育存在的不足
目前,基于Web的远程教学系统在国内外已有不少,但是总体来说仍存在以下一些问题:
1) 目前网上的课程内容基本上是教师的教案,教学的重点,难点,例题分析,练习和测试题等,主要是帮助学习者巩固课堂上所学的知识,很难实现真正的网上自主学习,更难进行自适应学习。
2) 不具备真正的“以学习者为中心”的网上教学管理功能。目前大多数的学习网站,除了对用户进行注册登记外,不再进行其他管理活动,不关心学习者的学习情况,而学习者也无法记录和了解自己的学习情况,整个学习活动呈无序状态。
3) 不能对学习者学习活动进行较客观的评价。尽管有些网站设有对学习者学习活动的测试、考试及评价系统,可是绝大多数只是将传统测试、考试试题电子化,并以此作为评价学习者学习能力及学习成绩的手段,没有很好的利用网络技术及人工智能技术对学习者学习能力及学习成绩做出客观、及时的评价。因此,学习者难以进行自适应学习。
由此可见,要克服目前基于网络学习中存在的问题,探讨基于网络的自适应学习系统是一项迫切而重要的工作。
2 专家系统介绍
2.1 专家系统的定义及其基本特征
什么是专家系统目前尚无统一定义的、精确的、公认的定义。但一般来说,所谓专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识,来解决过去需要人类专家才能解决的现实问题的计算机系统[2]。专家系统是计算机程序系统,但与一般的程序系统不同,其知识库和程序是分开的,易于修改和增删,其有很大的灵活性,而在一般程序中,知识是以隐式方式存在的,程序完成之后就确定了,一般不易修改。与数据库不同之处在于,它与逻辑推理有联系,具有启发性,而一般的数据库只是对大量数据进行组织和管理,提供检索方法。
一个高性能的专家系统应具备如下特征[3]:
1) 具有专家水平的知识。专家系统间做的一个最重要的目标是达到一个专家在解决任务时所体现出的高水平的性能。
2) 符号处理。专家系统使用符号推理。
3) 一般问题的求解能力。
4) 复杂度与难度。
5) 具有解释功能。
6)具有获取知识的能力。
7) 知识与推机构相互独立。
2.2 专家系统的结构
专家系统的一般结构,如图1所示。该结构在目前专家系统建造中比较流行。包括六个部分[4]:知识库、推理机、综合数据库、人机接口、解释程序以及知识获取程序。
2.3 专家系统的一般设计方法
设计专家系统的关键有两大部分:一是建造知识库,二是设计推理机制与策略。一般一个专家系统的设计可按三个步骤进行[5]。
1) 初步设计。分析要求解的领域问题,在领域专家的协作下明确专家系统期望实现的目标和专家系统如何从整个问题中分离出来,又怎样与其它子系统嵌接起来;确定参与系统研制的合作专家和知识源;在领域专家的指导下,对专家系统求解的问题进行了解,通过各种知识源的知识获取和领域专家的配合,专家系统求解目标任务的主要概念、关系、假设、约束等进行图解形式的描述;选择合适的知识表示方法,把图解形式的内容形式化表达出来,并确定推理的控制方向等内容。
2) 开发原型系统。选择合适的程序设计语言或专家系统开发工具,设计推理机制或借用工具语言已具备的推理机制,把形式化表示的知识以专家系统求解目标或图解形式中的模块为单元,逐个单元地把知识转换为适合程序设计语言或工具能接受的内部编码的形式,输入知识库。在不断供给知识库新的知识的同时,要不断地对已有知识和新加入的知识的正确性及协调性进行用例测试。这种不断扩充知识库和不断测试的过程一般可以发现已形式化的知识有许多不完善之处,从而需要在领域专家的配合下不断调整。这一阶段产生出可运行的专家系统雏形,包括知识获取模块和解释机制等可交付使用[6]。
3) 知识库的维护。当开发出原系统之后,让领域专家选择一些有代表性的试验用例,在可能的情况下让领域专家用这些试验例子进行实际问题的求解,通过实际例子的运行可能出现新的问题,比如人机接口的输入输出模块,知识库中的知识不全或不精确等,甚至领域专家还会人为地需要完善知识库中的某些知识。这一阶段理想方式是在上一阶段提供一个知识获取模块和解释机制,让领域专家或未来的实际用户与知识库直接打交道。
3 专家系统在开发本系统中的具体应用
3.1 智能答疑模型的设计
本答疑模型是一个自适应性的知识库系统,分为人工答疑和自动答疑两部分,允许学习者通过浏览器在线提问、离线提问、BBS、发送E-mail等,不受时空的限制。智能答疑系统的结构图如图2所示。
当学生提出问题后,对学生提出的这些问题的知识点和语义进行分析处理,并查找所有相关问题。其中答疑知识库的构造主要是实现教学信息向智能答疑的知识转换,进行知识库的层次化和结构化处理,并通过推理机制进行教学信息的存取控制。答疑知识库主要包括教学库和问题库。教学库汇集了按特定环境和条件进行有效教学的方法和策略,这些方法和策略采用产生式规则表示。问题库中保存了在教学中遇到的问题,首先是确定问题的范围,然后通过对问题的分析,找出各个知识点的层次关系和语义联系等信息。
3.2 智能网上测试模型的设计
智能化的网上测试主要体现在智能组卷上。如何保证生成的试卷能最大程度地满足不用用户的需要,并具有随机性、科学性、合理性,是首要解决的问题。
智能组卷的智能性主要体现在组卷的过程是根据学生对知识点掌握的程度,确定测试知识点权值以及难度系数范围等参数,然后基于一种算法从题库中抽取满足要求的试卷。另外,智能组卷采用基于专家知识的表示及实现方法模拟人的思维来确定试卷题型比例等参数。因此它能充分体现组卷系统的“因材施教”的能力。
4 结束语
远程教育以其不受时空限制和独具的交互性越来越受到人们的关注,但是目前的研究开发大多数还只是将老师的课堂教学内容简单、机械地挪到网上,并没有充分利用计算机和网络在教学中交互和智能分析的优势。今后远程教育应该朝着智能化,个性化教学系统的方向发展。本人提出开发一种基于专家系统的远程教育平台,也只是某些理论在实际中的应用,相信随着人们不断的深入研究,远程教育系统将具有更为深远的发展前景。
参考文献:
[1] 朱新明,李亦菲,朱丹.人类的自适应学习――示例学习的理论与实践[M].北京:中央广播电视大学出版社,1997.
[2] 万玛宁,关永.人工智能技术在计算机辅助教学中的应用研究[J].微计算机信息,2006,5:257-260.
[3] 武波,马玉祥.专家系统[M].北京:北京理工大学出版社,2001.
在当前,计算机技术发展引起的智能化普遍应用的情况下,深入探索智能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,不仅可行,而且也是智能网络教学系统研究、开发和应用中的一项重要内容。文章拟主要分析当前智能化教学系统的特点与设计方法。
一、智能化教学系统的特点
智能教学系统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。系统的智能性主要表现为能够实现“一对一”的教学,这种教学模式被誉为是最有效果的教学方式。“一对一”的教学方式可以归结为以下三点:(1)指导教师可以采用测试和问题的方式来探测学生实时的知识状态。(2)在学生开始学习某个知识之前,指导教师能够为他设计一条从最基础知识到某一个具体知识的学习路径。(3)在教师和学生的交互过程中,教师能够了解潜在的探测此学生所具有的学习风格,并且提供风格匹配的教学材料给学生进行学习。
基于以上的实践经验以及人工智能技术,设计和开发一个基于计算机的智能教学系统来模拟人类教师的教学方式和行为已经成为可能,并且很有前景。使用具有智能性的智能教学系统,将可以有效地弥补其教育教学上的缺陷和不足,改善学生的学习效果,提高教学效率,对教育具有极大的推动作用。
二、智能教学系统的设计方法
1.智能教学系统的设计原理
进行科学的教学系统设计,必须从了解学习的发生机制和学习的本质问题入手。教学系统设计,是架设于学习理论与教育教学实践之间的一座桥梁。纵观教学系统设计的发展轨迹,可以清晰地看到学习理论对教学系统设计的影响最为深刻。每一次学习理论的发展,都必然为教学系统设计带来巨大的触动和冲击。学习理论的发展大致可以分为行为主义学习理论、认知广义学习理论、建构主义学习理论和人本主义学习理论等,所以相应地出现了基于行为主义的教学系统设计理论、基于认知主义的教学系统设计理论、基于建构主义的教学系统设计理论和基于人本主义的教学系统设计理论。
2.智能教学系统的的主要功能
智能教学系统关键在于能够对学习者的学习效果进行检验并能够给出相应的学习建议,从而实现学习过程的智能化。主要功能包括:
(l)建立教学内容的智能知识库。根据不同的教学内容,按知识体系结构进行知识点的划分,并建立学习要素的数据库。
(2)对学习过程进行评价。学习效果是学习质量的重要标志,学习过程包括在线学习、在线练习、在线测试、实践教学,收集学习过程信息,进而对学习效果进行合理评价。
(3)学习指导和建议。根据学习情况给出学习效果评价,然后根据学习效果给出学习指导和学习建议,从而使学习过程具有更强的针对性,以达到提高学习质量的目的。
(4)学习导航。及时收集学生的应答信息,并加以分析处理,评判学生的成绩;为不同的学生选择不同的教学内容,将学生不具备学习条件的知识过滤掉;帮助学生分析错误原因,判断并标示出学生当前最需要学习的知识点,提供针对性的个别辅导和适当的补充材料。
(5)教学方法。允许学生用自然语言与计算机导师进行交流,这样就突破了传统的学法指导和教法,并且教法还可以针对特定学生进行,即“一对一”教学模式。
3.智能教学系统的组成
(1)领域模型。存放传授给学生的课程专业知识,还能生成问题,提供对问题的正确解答以及求解问题的过程。领域模型一般包含两方面的知识:一是有关课程的内容,二是有关应用这些知识来求解问题的知识,即过程知识。知识表示方法有语义网络、规则等。
(2)诊断模型。利用诊断规则来分析学生的响应,判断学生己经懂得的知识或学生产生的错误概念,并传递到学生模型的当前状态中去。
(3)学生模型。准确反映学生的知识水平、学习能力等,为系统实现个别化教学提供依据。
(4)教师模型。结合教学策略和课程结构方面的知识,为学生选择问题供他们解答,监督和评价他们的行为,当学生需要时为他们选择适当的补习材料。教师模型中,交叉和解释模式以及学生模型是实现“面向个人以交互方式进行教学”的具体手段。教师模型中采用的教学策略主要有诊断或排错法、苏格拉底法、教练法等。
(5)人机接口。人机接口作为学生与系统之间交流信息的媒介,它所提供的表达知识和信息的手段必须是学生熟悉并便于使用的。
4.智能教学系统的使用
学生使用教学系统进行学习活动时,可以自己选择学习内容,也可以在教师模型的作用下由系统引导进入某一教学单元。教师利用测试结果,通过诊断模块和诊断规则来判断学生当前的认知能力,通过学生的总体认知能力来决定学生下一步的行为。
(1)教学诊断模块。主要负责判断学生对某一知识点的掌握情况,进而能判断学生的当前知识水平,为判断学生的认知能力提供依据。
(2)能力测定模块。主要负责评价学生的学习能力。在教学之前、教学期间和教学之后都要进行。通过评价取得反馈信息以修正、完善教学计划,为教师模型制定正确的教学策略提供条件,保证教学的顺利完成。它是本系统的重要部分。
(3)学生行为评定。对学生行为的评价,依据评价的目的不同,分绝对评价和相对评价两种方法,系统中以教学目标为基准进行绝对评价,以掌握学生达到教学目标的程度和诊断学生知识、能力结构中的缺欠,即根据专家知识库中的测试题目信息及学生的回答情况,给出分析结果及相应各认知能力不同层次的分数比重,为制定相应的教学策略提供数据依据。
(4)试题评定。主要是对试卷的要求进行综合评价,包括学生测试的内容是否是学习过的,是否符合教学大纲的要求,试题分数的比例是否符合难度比例、认知层次比例和各章节的分配比例。
(5)教学内容生成。系统根据学生的认知能力、当前的知识水平和学习历史,利用教学策略生成个性化教学内容。
三、结语
智能教学系统能监控学生的学习过程,实现教学各环节的知识共享与交互,从而实现学生的按需学习和教师的因材施教,体现“以学习者为中心”的教学思想。但是,目前的智能教学系统的研究可以说仍然处于基础理论的研究阶段,其主要的研究方法就是将远程教学技术与传统的智能教学系统相结合,运用人工智能技术来更加有效地实现教学的个性化和智能化。
参考文献:
[1]谢忠新,王林泉,葛元.智能教学系统中认知型学生模型的建立[J].算机工程与应用,2005,(3):229-232.
中图分类号:G642 文献标识码:A、
1 引言
智能科学的理论、技术及其应用已经发展成为信息技术创新的重要生长点,“智能科学与技术”本科专业是面向21世纪、具有广阔发展前景和巨大应用需求的新型专业。该专业旨在培养具有信息科学、智能科学、脑与认知科学、现代科学方法学的基本理论知识,掌握计算机、人工智能、信息网络、信息处理、自动控制、系统优化专业知识和综合技能的高级复合型人才。2004年,北京大学开始在“智能科学与技术”本科专业招生,开创了“智能科学与技术”专业本科教育的先河。随后,国内更多院校陆续开设该专业,现在“智能科学与技术”本科专业在全国已初具规模。
尽管“智能科学与技术”本科专业被誉为“操纵未来的专业”,但将其纳入本科教育,仍处于探索阶段,可供参考的资料和形成的教学经验和体系非常有限,仍需要开拓创新,努力探索,大胆实践。本文结合我校在专业建设过程中的一些探索和想法,就教学平台建设谈一些体会,重点谈课程体系、实验体系、学生创新能力培养方面的问题。
2 课程体系建设
计算机和通讯技术的结合,形成了以计算机为核心的信息网络,由此引发的信息革命也是一场数字化革命,智能革命的时空动力是网络革命,促使信息网络发展为智能网络。“智能科学与技术”专业的课程体系建设应以计算机科学的内涵为逻辑起点,以数字信息获取、处理和响应的本质属性为中心,由浅入深地推理和演绎出一套完整的理论体系,在理论框架的指导下科学合理地建立一套完整的课程体系。结合我院的实际,我们在对学生、学科和社会需求研究的基础上,确定了课程内容。我们把对学习主体的尊重、学科的发展和社会的需要协调起来,在课程体系建设方面重点考虑了以下内容:
(1)面向应用
我院是以教学为主的高等院校,重点培养应用型人才,学生应具有较强的实践动手能力。
(2)以学生为中心
课程体系的建设应树立以学生为本、为学生服务的思想,有利于学生素质教育和创新能力的培养。
(3)突出特色
信息通信是我院的传统和特色,它和测控技术、自动化技术、计算机技术、信息技术密切相关。根据我院的办学特色,参考其他兄弟院校的培养方案,我们将该专业培养的重点放在智能信息处理、智能机器人两个方向上。
按照课程设置的原则,遵循国家的相关规定,参考其他院校的经验,我院智能科学与技术专业的课程体系围绕“三个平台,两个方向,一个目标”进行建设。三个平台分别为公共基础课平台、专业基础课平台、专业课平台;两个方向分别为智能信息处理和智能机器人;一个目标为培养有特色、面向就业的工程应用型人才。具体如图1所示:
3 实验体系建设
“智能科学与技术”是一个新兴专业,实验教学体系尚处于探索阶段。总结近年来智能信息处理和智能机器人理论研究成果和实验设备开发已有素材的基础上,我们在“智能科学与技术”专业的实验教学体系建设上重点考虑了以下几方面:
(1)层次化
实验教学一方面是为了配合理论教学而设置的验证性实验,一方面是为了提高学生的综合能力而进行的综合设计性实验。此外还应面向学生就业,通过各种方法和手段开展实训、创新性实验。
(2)开放性
开放性包含两个层面的含义,一是开放实验时间和实验场地,让学生自己选择实验时间和实验场地;二是开放实验内容,让学生自己选择部分实验项目,提高学生理解和解决问题的能力,加强学生的动手实践能力。
(3)有特色
立足我院信息通信特色,强化智能信息处理、智能机器人方向的实验设置。
为此,我们的实验室建设体系围绕“三个层次,两个方向”进行建设。三个层次是配合理论教学的验证性实验、提高学生能力的综合设计性实验、强调创新的开放性实验。两个方向是奇偶智能信息处理和智能机器人,智能信息处理以图形图像为主要处理对象,进行图像处理、模式识别等内容的实验,以软件设计为主、部分结合硬件;智能机器人重点放在了以硬件设计为主的嵌入式系统设计。具体的教学实验平台如图2所示:
4 创新能力培养
在高等学院质量工程建设中,国家明确提出了培养创新型人才。作为新兴的专业,“智能科学与技术”专业更是应该从一开始就抓住这个机遇,制定创新型人才培养的新模式。我们认为,培养创新精神需要坚持“一个中心”、“三个结合”,即以学生为中心,课内与课外相结合,科学与人文相结合,教学与研究相结合,逐渐形成独具特色的创新人才培养模式。重点考虑做好以下几方面的工作:
(1)加强学生集中实践环节的教学,建立实习基地,加强认识实习、课程设计、开放实验、科研训练、生产实习和毕业设计实践环节的教学,提高学生的团队协作、认真求实和独立思考的创新意识。
(2)增加选修课、跨学科课程和素质拓展类课程,提高学生的求知欲、进取心、挑战欲、自信心、意志力等。
(3)积极引导和鼓励学生参加各种竞赛,参加学科竞赛是引导学生努力学习、灵活创新的有效途径。
摘要:应用人才培养模式改革是高水平计算机持续发展的保障。文章按照国家和军队应用需求,结合军队院校特色,从保持课程群教学内容的先进性、科学设置课程群、在课程实验与创新实践活动中培养学生应用能力等方面出发,探讨如何依托教学团队优势资源培养高水平计算机应用型人才。.
关键词:课程群建设;计算机应用;教学团队;创新型应用人才;教学改革
1 从走出去到引进来,确保教学内容的先进性
1.1 走出去,拓展教育理念
在国家和军队对计算机应用人才培养需求不断提高的背景下,国防科学技术大学计算机应用教学团队主动跟踪国际计算机应用学科和教育理念的最新发展趋势,科学谋划计算机应用课程群建设方案,在两年多的建设过程中,有计划地选派优秀教员出国访学,把握前沿教育理念,促进团队的教学实力逐渐与国际接轨。近5年来,计算机应用教学团队成员出国参加了多个国际会议,包括SIGGRAPH(Asia)、ICPR2010、SIGIR2010、IJCAI2011、ICIAR2011等,及时掌握了计算机应用方向的最新进展,充实了教学内容。2011年9月教学团队成员赴韩国忠南大学参加NUDT-CNU双边交流会,加强了两校教学和学术交流,扩大了团队的国际影响。
1.2 引进来,促进自身发展
2011年1月国防科学技术大学计算机学院聘请图灵奖获得者康奈尔大学John Hopcroft教授来校讲授课程,来自全国各地的教师、学生以及本校师生共60余人聆听了课程,反响热烈。2011年7月由殷建平教授和祝恩副教授担任主席和PC委员的人工智能领域的国际会议MDAI2011在长沙召开,进一步提升了计算机应用教学团队的实力和国际声誉。
1.3 定路子,保持先进性
计算机应用教学团队拥有1名全国优秀教师、3名全军优秀教师和1名湖南省教学名师。团队建设了多门精品课程,始终结合科研优势,瞄准领域发展前沿,及时更新教学和实验内容,课堂教学强调对原理、方法、实现技术、发展趋势等方面的融会贯通,教学实践凸显综合性、设计性、自主性和创新性。分层次、多元化的培养模式成效显著,培养了大批具有高信息素养和计算机应用能力、具有较强创新意识、技术与指挥并重的高素质人才。教学团队在高性能计算方向具有国际领先的优势,在图形图像处理、智能计算、科学计算、数据处理库管理等方向承担了多项国家自然科学基金、国家863计划等高水平科研项目。
2 面向国家和军队应用需求,科学设置课程群,促进课程体系的整体优化
课程建设是对单门课程的教学内容及其结构作调整和改进,相对于整个课程体系来说是局部优化。课程群建设不仅注重课程内部的衔接和组织,更强调课程之间的关系,这有利于培养学生的贯通能力,提高综合素质。课程群建设始终参照国际国内相关课程体系,从课程内容、实验内容、教材选定等多角度人手进行改革,同时注重科学研究,确保了课程群教学内容的先进性。计算机应用课程群体系如图l所示。
2.1 依据部队实际需求,分层次培养人才,构建动态型课程群
课程群设置紧跟国家和军队信息化建设新需求,通过选派部分老师到部队讲学和体验生活、持续对历届毕业生进行追踪、听取用人单位反馈等多种途径,了解部队新军革对新型军事人才的需求,打破单一类型人才培养模式,采用分层次、多元化的思想,积极探索新型人才培养模式,为部队培养技术和指挥两类人才。前者理论功底扎实、技术操作熟练,胜任技术研发工作;后者懂需求、会技术、能管理,将成为信息系统的需求提出者、软件开发的参与者以及信息系统的维护者的技术型指挥人才。对毕业生的追踪调查结果表明,这种动态型、探索式的创新型课程群建设能够满足国防科学技术大学不同类型学生的任职需要,能够与国家和军队信息化建设的需要紧密结合,凸显学校信息技术优势。
2.2 根据教学团队的科研项目经验优化课程群科学计算在国家和军队武器装备研制与维护中有着极为广泛的应用,如军用计算机的研制、各种导弹的研制与仿真实验、航空航天设备的研发以及各种武器装备的仿真训练器的研制等。这些应用往往都是一些大型的科学工程,怎样科学合理地对科学计算课程子群进行教学改革与创新,使学员毕业后具有科学与工程计算相关方面扎实的基础以及较强的应用能力,这一直是教学团队研究的主要课题。团队教员积极参与部队导师行、武器装备试验基地调研以及武器装备预研课题等工作,努力探索国家和军队对科学计算课程子群的应用能力需求,不断积累经验,力争科学合理地对科学计算课程群进行教学改革与创新,提出课程群在本科阶段设置“数值分析”与“仿真与模拟技术”2门课程。在教学内容改革上,教学团队注重计算机科学与技术专业在数值问题和仿真建模方面有关计算思维训练的要求,较大幅度修订了课程群的授课内容和实验内容,在有限的学时内注意选择与国家和军队应用能力需求相关的核心基础以及应用较广泛的内容,包括数值建模、数值稳定及收敛分析和仿真实验。
3 在“强专业基础、重应用能力”的模式下实施课堂教学
在确定教学内容之后,我们在实际的教学过程中,从便于学生学习的角度出发,根据不同的教学内容尝试了自顶向下逐级分解法、自底向上逐级归纳抽象法、“提纲一展开一小结”法、参与式教学法、目标制导教学法、章回小说式教学法、情感教学法、交互式教学法等多种不同的教学方法和教学技巧。
从2002年开始,课程组便搭建了618因特网、AI天堂和军网多媒体网络教学环境,学生与教师可以在课外进行流畅而生动的沟通互动,教师利用这些平台指导学生开展自学活动。学校军网网络教学平台开通后,课程组精心设计和建设的数据库网络课程、大学计算机基础网络课程、人工智能网络课程等成为课堂教学的有力助手,在辅助教学和帮助学生自主学习方面发挥着巨大作用。
3.1 科学计算课程子群
科学计算首要的应用特色就是一整套解决科学问题的普适的方法论,即数值建模—数值稳定性及收敛性分析—仿真实验。课程组在教学组织上以从简到繁的案例不断强调这一方法。而这一方法在不同问题或同一问题不同环节的应用中也可以融入不同的教学方法,如导弹轨迹的数值建模(案例式)、数值求导的稳定性分析(研讨式)、插值实验扩展的稳定性调试(自主探讨式)等。
3.2 数据管理课程子群
除为本科生开设数据库相关课程外,课程组还结合科研工作建设并完善了先进数据库技术、实用数据库、数据库管理系统、数据仓库与数据挖掘、计算机信息管理系统等一系列课程。指导研究生在分布式数据库系统、海量信息处理、复杂信息系统开发等方向开展课题研究。
3.3 智能计算课程子群
课程组在对麻省理工学院和约克大学的模式识别课程的教学组织方式进行研究的基础上,将模式识别的许多应用研究问题引入课程实践环节。这些研究问题为研究生课题选题提供了依据,部分研究生针对实践环节的研究问题撰写的课程论文经过讨论修改被国际刊物录用。在研讨课程自动指纹识别技术中,介绍国内外的最新研究成果,同时引入课题组的研究成果,针对关键的开放研究问题组织学员进行研究性地学习和讨论,学员经历了查阅剖析文献、学术交流讨论的过程,为从事科学研究打下了基础。
3.4 可视计算课程子群
课程组在查阅国外多本主流教材的基础上,充分将各知识点前后贯通,综合案例式、启发式等多种教学手段,组织学员进行图形实践创作比赛,调动了学员对图形设计的兴趣。针对工程硕士、工学硕士、工学博士分别构建不同的可视计算课程,课程子群设置分层次、重继承、有深度。针对不同课程内容知识结构的特点,从经典的ISAS教学法、MCLA教学法、Workshop教学法和Project-learning教学法中选择合适的教学方法。例如,能力素质模型建立时会涉及数学思维、计算思维、编程实现、团队合作等各项能力。课程组针对不同类型研究生对可视计算技术的目标要求不同,设计相应的能力素质模型。
4 发挥实验室优势,在实践中培养能力
实践教学作为高等教育的重要组成部分,对学生创新精神和动手能力的培养具有不可替代的作用。如何提高学生的创新能力和工程实践能力是课程群体系实践环节设计的关键。实验是吸收、消化课程内容的第一实践环节,实验内容的设计既要考虑对基本知识的理解又要考虑对后续内容的铺垫;既强调知识与技能的融合,又强调创新思维能力的培养。实训是对课程内容的总结,在加强案例教学的同时,遵循学生的认知规律,合理安排实训的内容;既要考虑课程内容衔接,又要考虑加强工程化训练,把提高学生的创新能力和工程实践能力贯穿于整个实践环节的始终。
4.1 加强校企合作,获取最新实验资源
学院与国内外研究机构密切交流与合作,得到了Microsoft、Oracle等公司的技术支持,以Oracle教据库等免费资源作为教学的实验平台,多名教师获得了IBM、Oracle、Microsoft等公司数据库产品的培训合格证,实验软环境得到充分改善。教学团队在实训环节中加强与企业合作,将企业的资源优势与学校的理论知识优势充分结合,共同设计和建设课程群中的实训项目。
4.2 分层次设计递进式的实验内容
整个实验课程体系的设置涵盖技能、基本知识、设计、综合、创新5个层次。实验内容根据各类学生的特点,按演示性实验、验证性实验、综合性实验、设计性实验4个层次组织。各实验项目彼此衔接,循序渐进,便于学生掌握。实验项目选择具有灵活性,既有必做项目,也有较多的选做项目,适应不同层次的学生要求。演示性和验证性实验帮助学生掌握DBMS的一般性操作,综合性实验和设计性实验则重在培养学生的综合应用能力和创新能力,要求学生综合利用程序设计、软件工程、计算机网络、人机交互、信息安全以及数据库课程所学知识,开发一个(基于网络的)MIS系统,设计该系统的安全保障体系,同时要求提供新颖的人机交互界面和交互方式。
4.3 针对不同学生群体设置多元化实践教学方案
考虑到计算机专业与信息大类非计算机专业学生的培养方案不同,我们实施了多元化的实践教学方案。计算机专业学生的实验方案重在综合性和设计性。课程组为该类学生设计了9个实验,旨在培养DBMS的高级使用及研发能力。在2009年之前的培养方案中,学生完成这9个实验之后,还要在软件工程课程设计课程中进行数据库系统的综合设计开发,学生需要完成数据库实验和软件工程实验后,才能体验一个完整的软件开发过程。在2009年的培养方案中,根据信息化建设的需求,我们为计算机专业学生单独开设了数据库课程设计课程,强化学生的信息基础;信息大类非计算机专业学生的实验方案则偏重于验证性和综合性。我们偏向计算机专业应用方向设计了一系列的实验:SQL语句、存储过程、触发器、数据库导入、导出、备份、MIS系统的设计与开发。这些实验旨在强调DBMS一般应用能力的培养。
4.4 结合实际项目设计实训模块
教学团队结合国防科学技术大学“十一五”实验室项目“计算机技术综合实验中心”的建设任务,围绕其中的计算机应用技术方向子项目,设计了“人工智能”基础实践能力训练模块、“机器人中的智能技术”综合实践能力培养项目、“智能信息系统的军事应用”主题创新活动,同时将“人工智能”基础实践能力训练模块细化为专家系统和机器学习两个基础型实验单元以及自然语言处理和神经计算两个提高型实验单元,明确了每个实验单元的目的和内容,包括基于sics prolog的搜索实验和约束满足问题实验、基于移动机器人平台的智能agent实验等。智能计算子群和综合实验子群采用课堂教学与课外活动相结合的方法来加强实践教育,让学生在实践中掌握专业技能,教师全程参与实验指导并在实际的创新实践中培养学生的创新能力。上述一系列活动的开展取得了良好的效果,如基于LEGO机器人的创新实践活动成果在银河之光计算机文化节上和实验室项目检查中获得学校领导和专家的好评。
5 结语
通过近4年的试行,高水平计算机应用人才培养模式改革在国防科学技术大学计算机学院取得实质性成效。目前,计算机应用教学团队培养出的学员超过9000名,他们遍布军内外机关、科研院所、高等学校、部队及地方IT企业。大量调查数据表明,这些学员的综合素质、学术水平、工程实践能力、团队协作能力和创造性思维均得到明显提高,受到用人单位的好评。
参考文献: