學困生智能化輔助學習系統的構建

張紅軍

(東華大學 人文學院，上海 201620)

一、為什么要構建智能化輔助學習系統

針對學困生的研究是世界范圍內教育界、心理學界等廣泛關注的重點、熱點問題之一。美國學習困難全國聯合委員會認為：“學習困難是多種異源性 (heterogeneous) 失調，表現為人們在吸收與運用所接收的信息、說話、閱讀、書寫、推理或數學能力時所出現的困難?！盵1][2]我國研究者認為：“學習困難學生一般是指那些在知識、能力、品格、方法、體質等要素及要素的融合方面存在著偏離常規的結構性缺陷,智力得不到正常的開發，不能達到教學大綱的基本要求，需要通過有針對性的教育、教學或醫療措施給予補償和矯治的學生。”[3]

研究發現，在我國基礎教育中的中學階段，學生學業發展分化現象十分突出，相繼出現了大量學習困難學生，在高中階段尤為嚴重。依據成因不同，可將學習困難大致分為智力型、動力型、學習不得法型和外因導致型[2]這些類型。那么，如何幫助這些學生從這一困境中走出來？

筆者所在的研究團隊嘗試在教育、教學理論指導下，利用信息技術，構建一套計算機智能化輔助學習系統，通過學生自主學習以及輔加系統智能引導，來幫助教師和“學習不得法”類型的學困生發現學習中存在的問題，繼而通過具有自學功能的學習系統引導和教師指導，讓處在這一困境中的學生逐步克服學習困難。

二、學困生智能化輔助學習系統

學困生智能化輔助學習系統是一套網絡化、個性化、智能化的輔助學習軟件。系統由知識庫、學生特征庫、智能化模型、智能代理和應用系統五個核心部分構成(如圖1所示)。系統具有自學功能，能夠實時跟蹤記錄學生的學習過程，并對其錯誤的解答原因進行診斷和分析。之后，一方面系統自動不斷充實、更新知識庫，另一方面系統將刻畫每位學生的特征，構建其學習模型，在此基礎上進行相應的訓練和引導，提升其學習能力，讓其逐步建立學習的信心和興趣，提高學習成績，走出困境，逐步邁向成功。

圖1　學困生智能化輔助學習系統

1.系統基本工作原理

根據基礎教育的教育教學理論和實踐經驗，可將學生一次典型的學習過程具體分解為以下7個步驟(如圖2所示)：

圖2　典型的學習過程分解步驟

(1)選定學習對象。對應于教材章節，既可以由學生自主選擇，也可以根據學生之前在系統中的學習記錄由系統自動選擇。

(2)“學習+解題”過程。系統中將學習分成“單元學習、階段復習、每日復習和考試測驗”四種類型，由學習流程引擎進行選擇。根據學習的分類及學生的個性化信息，使用試題搜索引擎從知識庫搜索學習的典型試題，然后學生使用外接手寫板或系統提供的試題描述語言在計算機上解題，解題過程中可以查看相關知識點的內容，如典型例題等。

(3)初步診斷。使用知識庫中的答案判定程序，通過診斷流程引擎判斷學生答題是否有效。如果有效，那么是否正確；如果錯誤，用相似性診斷法來判斷錯誤是不是偶然性失誤造成的。如果學生解題正確，可以進入強化訓練，也可以直接進入學習評估。

(4)知識點缺陷診斷。使用知識庫中的錯誤原因診斷程序，通過診斷流程引擎，幫助學生自主發現答題錯誤是因為哪些知識點掌握不好造成的。

(5)解題引導。基于診斷的結果，系統生成引導序列，從易到難逐步引導，逐層增加包含知識點的數量，直到學生掌握正確的解題思路。

(6)強化遷移練習。在診斷和引導過程中，發現學困生解題錯誤的一些原因。如果確診是由于某些輔助單元知識點掌握不好或者某一類型的問題不夠熟練，則對這方面進行強化訓練。

(7)學習評估。對于學習過程中的錯誤，系統進行了診斷、引導和強化訓練。學習評估則是給出一組新的試題，以檢驗診斷、引導和強化訓練的最后效果是否達到標準要求。

系統在每一個工作步驟中，自動記錄并存儲相應的信息，經過知識庫更新模型及學生特征更新模型的處理，動態更新知識庫和學生特征庫，這也就形成系統的自學習機制，使試題的編制和選擇越來越有針對性，診斷和引導越來越正確。

2.知識庫

知識庫是一個相對獨立的系統，是整個系統得以正常工作的基礎，它包括知識的定義、計算機程序和自適應題庫三個部分。知識庫子系統通過試題搜索引擎和知識庫更新模型，與其他子系統進行數據交互。其構成如圖3所示：

圖3　知識庫構成

試題搜索引擎通過接收主要知識點、問題類型和試題難度，然后自動從試題庫中檢索出符合要求的試題，傳遞給應用系統供學習者使用。

(1)主要知識點。試題庫中的每道試題可以包含一個或多個知識點，但有且只有一個主要知識點。也就是說，一道試題只能歸在一個主要知識點下面。以初一數學中“應用提取公因式法進行因式分解”(知識點編碼為M7214102)為例，說明本學習系統中知識點的編碼方法，見表1。

表1　應用提取公因式法進行因式分解知識點

如果從某一位開始，全部都是0，表示所轄范圍內的全部知識點。比如 M7000000表示初中一年級數學的全部知識點；M7214000表示初中一年級第二學期數學第14章“因式分解”的全部知識點。

(2)問題類型。它是試題搜索引擎的一個十分重要的輸入項。試題雖然千變萬化，但問題類型的定義要具體到一個特定的知識點。系統使用一個可變長字符串來表示問題類型。一般問題類型的定義方法如下：①第1字節：當前知識點下面的題目類型，可以取多個值。需要說明的是，題目類型并不僅僅指填空題、選擇題。②第2字節：該題目類型下的自動出題模板序列，可以取多個值。③后續字節：后續字節可以有多個，每個字節的取值一般為0或1，表示是否包含某個知識點。下面以初中數學中的知識點“一元一次方程解法”(知識點編碼為M7308105)為例，說明在本學習系統知識點下問題類型的定義方法，見表2。

圖4　試題搜索引擎工作流程

位置含義取值范圍1題目類型12選用哪個自動出題模板1-33系數中是否出現分數0-14未知數是否形如pX+q0-15分數的分子分母中是否出現小數0-16未知數是否為絕對值形式0-17是否出現字母系數0-1

(3)試題難度。它是試題生成或搜索時的一個重要輸入項，用1-100之間的一個整數來表示，數值越大，表示難度越大。根據經典測量理論，出題的教師和自動出題系統會給試題設定一個初始難度，系統經過大量使用后，每道試題的難度都會發生變化。

(4)試題搜索引擎的工作流程。其中根據輸入的數據項在知識庫中檢索，如果找不到匹配的試題，則會啟動自動出題模塊，看是否可以自動生成符合要求的試題，其具體工作流程如圖4所示。

(5)試題搜索引擎的輸出。檢索出符合要求的試題，以XML表示，主要數據項見表3。

表3　試題主要數據項

總之，作為一個科學、合理、全面的知識庫，包含的試題不僅有標準化的選擇題和判斷題，更有形式多樣的主觀試題。如何讓計算機自動判斷學生輸入的答案是否正確，成為一個重要的難點，也是本研究團隊當前和今后工作的重要內容之一。

圖5　學生特征庫中存儲的信息

3.學生特征庫

學生特征庫可以保留使用本系統的每一位學生的“特征”信息，它是實現個性化教育的數據基礎，也是構建學困生的學習模型的基礎。學生特征庫中存儲的信息如圖5所示，在學生使用系統的過程中，由系統自動收集這類信息，并通過學生特征更新模型動態更新學生特征庫。在學生下次使用系統時，由學生特征庫中已有的信息，通過相應的智能化模型，自動調整學生的學習狀態，諸如學習難度和學習速度、內容選擇、出錯原因分析、引導過程選擇、強化訓練方法等方面，以實現個性化的教學。

另外，具體構建與實施時，知識庫和學生特征庫通常都存儲在服務器端的數據庫中。但為了提高系統的運行速度，可以考慮將部分數據在客戶端留有一個拷貝，如知識庫的知識點、學習單元信息、學習場景記錄、知識點掌握情況、發展期屬性，并通過增量方式與服務器數據同步進行。

4.智能化模型

診斷流程引擎、學習流程引擎、學生特征庫更新模型和知識庫更新模型，在本系統中統稱為智能化模型。智能化模型是系統的核心，它包含本系統的主要算法。目前已經設計了表4中的18個智能化模型，但模型的調整、優化甚至重構等工作需要持續不斷進行，因為模型的優劣直接影響到系統運行的效果。

表4　智能化模型一覽表

智能化模型中的診斷流程引擎、學習流程引擎與其他子系統的關系如圖6所示。

圖6　診斷流程引擎、學習流程引擎與其他子系統的關系

其中學習流程引擎目前支持4種類型的學習，分別是單元學習、每日復習、階段復習和考試測驗。

(1)單元學習。訓練單元是一個不可分割的學習和訓練單位，一個訓練單元包括一個或多個知識點。一般情況下一個訓練單元的知識點均在一個章節內，但也可以是包含兩個以上章節的知識點。訓練之所以要以訓練單元而不是以知識點為單位，目的是為了加強對學生模式識別能力的訓練，建立學生的整體知識概念。引入訓練單元的另一個好處是增強了教學內容編排的靈活性，而不局限于教材的知識點順序。一個單元包含若干個難度等級，學生學習完一個等級后進入下一個等級學習，這里稱之為遞進式單元學習。

(2)每日復習。系統按照“艾賓浩斯記憶曲線”的規律，提示學生復習曾經做錯的試題。學生復習后，系統給出同原題相似的試題進行訓練，以提高其復習效果。

圖7　診斷分析主要流程

(3)階段復習。階段復習有4種類型：小節復習題、章節復習題、期中復習題、期末復習題。復習試題的覆蓋范圍有兩種：全部知識點；掌握不好的知識點試題。難度的選擇也有兩種方式：①系統根據學生以前的答題情況，自動給定難度；②學生自己指定難度。

(4)考試測驗。在計算機上完成一次考試或自我測驗。結束后，根據具體情況開始診斷和引導。

診斷流程引擎是一個獨立于學習流程引擎的模塊。它接受學生解答完的試題集，并診斷分析。其主要流程如圖7所示。

智能化模型與知識庫、學生特征庫、學習過程之間的關系如圖8所示。

圖8　智能化模型與知識庫、學生特征庫、學習過程之間的關系

5.智能代理

智能代理是一種在異質的協同計算環境中能夠持續完成自治的面向目標行為的軟件實體，可以通過感知學習推理以及行動，在基于知識庫的訓練后模仿人類社會的行為。[4]它“具有某一學科領域的學科知識和相關的教學知識，能對學生學習進行個別化教學，即根據學生對知識的理解掌握程度，選擇相應的教學策略，在一定程度上模擬人類教學專家進行教學活動?！盵5]因而，它具有導航、解惑、過濾、整理、發現等功能，可以解決“信息過載”和“資源迷向”等問題。與此同時，智能代理可以作為虛擬的教師、虛擬的學習伙伴、虛擬的實驗室設備、虛擬的圖書館管理員等出現在系統中，在一定程度上增加教學內容的趣味性和人性化色彩，提高學習效果。

在本系統設計時，智能代理是借助Microsoft的Agent技術實現 “代理教師”的部分功能。其在系統中的應用如圖9所示。

圖9　Agent的工作原理

6.應用系統

應用系統分為三個子系統：

(1)學生學習和診斷子系統。主要提供單元學習、階段復習、每日復習、考試測驗、在線答疑等功能。

(2)教師管理子系統。主要提供學生資料維護、學生學習過程瀏覽、知識點維護、學習單元維護、考卷維護、試題集成編輯、問題庫管理等功能。

(3)系統維護子系統。主要用于公共表維護、用戶維護、系統參數維護、系統自動更新等。

三、結語

以馬克思主義關于人的全面發展的學說指導，在前人的研究成果及成功經驗的基礎上，根據學困生尤其是“學不得法”學生的特點和形成原因，結合當下先進的教學理念，運用先進的信息技術所構建的這套網絡化、個性化、智能化的輔助學習軟件，能夠幫助教師進行針對性指導，幫助學生鍛煉其自主學習，提高學生根據不同學習任務采用相應的學習策略并適時進行調整的能力，使其逐步擺脫學習困境。

在此研究及實踐過程中，也遇到一些問題，主要表現為知識點的組織，方式、學習困難學生學習特征的構成及測定、知識點缺陷的判定以及引導。針對知識點的組織本著恪守學科知識體系與系統能較為高效運行的原則，針對每道問題采用“一主多次，相互連通”的規則進行組織所涉及的知識點。針對學困生學習特征的構成及測定，構建了由文中表4所列舉的18個具體模型。針對學困生知識點缺陷的判定及引導，遵循“逐級減少，自我發現缺陷，自主學習為主、智能引導為輔，逐級增加，強化遷移，自主建構”的規律，做了一些嘗試。此外，筆者認為還存在一些更為重要也需要進一步深入探究的問題，比如，學困生相關基礎理論研究不夠細致和深入、學生學習特征如何進一步完善與優化、智能化診斷的效率及準確度如何提高等。這里只是拋磚引玉，希望能引起更多學者、專家的關注與思考。

參考文獻：

[1]柯克. 特殊兒童的心理教育[M]. 湯盛領,譯. 天津：天津出版社, 1989：12.

[2]陳栩,郭斯萍. 國外學習困難學生研究綜述[J]. 教育科學研究,2006,(6):37-39.

[3]全國教育管理研究會課題組. 初中學習困難學生教育的研究[J]. 教育研究,1996,(8)：40-46.

[4]楊潔,朱信忠. 基于Agent的遠程教育系統的設計與實現[J].電化教育研究,2003,(9):43-46.

[5]何克抗，李文光. 教育技術學[M]. 北京：北京師范大學出版社，2009.