学位论文 > 优秀研究生学位论文题录展示

分布式学习环境中的智能授导系统研究

作　者: 智勇
导　师: 李艺
学　校: 南京师范大学
专　业: 教育技术学
关键词: 分布式学习智能授导系统基于案例的推理自适应
分类号: G424.4
类　型: 博士论文
年　份: 2004年
下　载: 680次
引　用: 21次
阅　读: 论文下载

内容摘要

当前，网络的发展已使我们学习、工作与生活发生了难以想象的变化，应该说计算机与网络是人类迄今为止发明的最重要、最有力的学习工具。我们更是愿意相信方法技术的变革会为传统的教学带来更大的创新机会，智能化与人性化无疑将是计算机辅助教学发展的重要方向。这一概念使数字化技术的教育领域应用充满了创新，如果一种创新有生命力，那么它就必然有用。在上述背景所提出的内在动因驱使下，如何把握以分布式学习理论为基础的智能教学系统研究的发展取向；如何运用先进的智能方法，在理念与技术应用之间寻找一个恰当的突破口，从功能层面优化完善ITS的系统构建；如何从具体技术实现的角度提高系统的自适应能力，并最终到达促进学习者知识获取的目的，是本研究试图探究与解决的主要问题。本文首先回顾了ITS研究的起源、发展与主要的内容框架。在问题反思的基础上，结合智能化软件应用的主流趋势，探讨与总结了分布式学习环境中“智能”教学的应用取向，并随后在此基础上分析了分布式认知理论对ITS的影响与启示；承继对问题的理论分析，对于分布式学习环境中的ITS建模而言，笔者提出了以“自适应”为特征的建模概念。其主要观点在于系统自身知识获取的主动性与持续性，主要途径在于人机协同进化中的反馈性与自组织性。并进一步在抽象分析的基础上将自适应的概念具体到反馈式知识获取、群体协作的教学决策、进化系统的开发策略以及动态学生建模等几个方面；与自适应的思路相一致，基于案例的推理，作为从应用角度支持分布式自适应建模的一种技术，是对专家经验知识与产生式推理智慧最直接的补充与拓展。为此，笔者简要介绍了这项技术的工作原理，研究了CBR技术的对于分布式教学应用的意涵，提出了结合规则与案例集成应用的观点，并针对两个具体案例进行了分析。除此之外，为了验证理论方法在实践应用中的可行性与合理性，以“数据结构”的学科知识为基础，设计与实现了DS-Tutor的原型系统。通过对实践过程的总结与反思，进一步加深了对智能方法辅助教学的认识。

全文目录

中文摘要  7-8
英文摘要  8-10
前言  10-18
第一章绪论  18-31
  1.1 分布式学习环境中的ITS研究的背景及意义  18-20
    1.1.1 课题研究的背景  18-19
    1.1.2 课题研究的意义  19-20
  1.2 国内外相关研究综述  20-29
    1.2.1 ITS的起源与发展  20-23
    1.2.2 ITS的主要研究框架  23-26
    1.2.3 学生模型  26-27
    1.2.4 AI技术的支持  27-28
    1.2.5 ITS的典型案例  28-29
  1.3 课题研究思路  29-30
  1.4 本章小结  30-31
第二章分布式学习之于ITS  31-47
  2.1 问题与反思  31-33
  2.2 分布式学习的理论要义  33-35
  2.3 分布式学习环境中的“智能”取向  35-40
    2.3.1 特征分析  35-37
    2.3.2 智能取向  37-40
  2.4 对ITS的影响与启示  40-45
    2.4.1 ITS中的“智能”认识论  40-42
    2.4.2 授导与机器教学  42-44
    2.4.3 分布式学习中的“智能”应用  44-45
  2.5 本章小结  45-47
第三章以自适应为特征的ITS建模  47-69
  3.1 自适应的ITS建模  47-54
    3.1.1 什么是自适应  48-50
    3.1.2 分布式?自适应ITS的机理分析  50-52
    3.1.3 分布式自适应ITS的特征  52-54
  3.2 与自适应一致的知识建模方法  54-63
    3.2.1 反馈式的知识获取  54-57
    3.2.2 支持群体协作的教学决策  57-61
    3.2.3 进化系统开发策略  61-63
  3.3 分步式环境中的学生建模  63-68
    3.3.1 学生模型概述  63-64
    3.3.2 分布式认知的学生建模原则  64-65
    3.3.3 学生模型的使用  65-67
    3.3.4 动态学生建模  67-68
  3.4 本章小结  68-69
第四章基于案例推理技术的应用研究  69-87
  4.1 CBR的基本原理  69-75
    4.1.1 CBR概述  70
    4.1.2 CBR的工作机制  70-75
  4.2 基于CBR的分布式ITS系统  75-80
    4.2.1 CBR支持的智能辅助教学  75-77
    4.2.2 CBR对于分布式认知的意涵  77-79
    4.2.3 规则(Rule)和案例(Case)集成的混合系统  79-80
  4.3 基于CBR的教学应用案例研究  80-86
    4.3.1 SMILE(Supportive Multi-User Interactive Learning Environment)--支持多用户交互学习环境  81-84
    4.3.2 STABLE(The SmallTalk Apprenticeship-based learning Environment)--基于学徒制的学习环境  84-86
  4.4 本章小结  86-87
第五章原型系统的设计与实现  87-117
  5.1 DS-Tutor的总体设计  87-94
    5.1.1 问题描述  87-88
    5.1.2 设计目的  88
    5.1.3 设计原则  88-90
    5.1.4 DS-Tutor的综合分析  90-92
    5.1.5 DS-Tutor的功能设计  92-93
    5.1.6 DS-Tutor的系统结构设计  93-94
  5.2 DS-Tutor的领域专家设计  94-106
    5.2.1 功能设计  95
    5.2.2 知识的表示  95-97
    5.2.3 系统教学流程的设计  97-101
    5.2.4 经验共享的助学策略  101-103
    5.2.5 人机接口设计  103-106
  5.3 学生建模  106-110
    5.3.1 学生模型的功能设计  106
    5.3.2 学生模型的表征  106-107
    5.3.3 学生模型的更新  107-109
    5.3.4 进一步讨论的问题  109-110
  5.4 基于虚拟试验的教学  110-115
    5.4.1 功能设计  110
    5.4.2 虚拟试验系统的过程模型  110-113
    5.4.3 虚拟试验问题的表征  113-114
    5.4.4 进一步讨论的问题  114-115
  5.5 有待完善的工作  115-116
  5.6 本章小结  116-117
第六章总结与展望  117-120
致谢  120-122
参考文献  122-128
  中文部分  122-125
  英文部分  125-128

分布式学习环境中的智能授导系统研究

内容摘要

全文目录

相似论文