ASSISTments平臺：一款優秀的智能導學系統

（南京師范大學 教育科學學院，江蘇南京 210097）

引言

智能導學系統（Intelligent Tutoring System，ITS）是指借助人工智能技術，結合具體學科的教學知識，讓計算機扮演教師對學生進行個別化指導的系統[1]。智能導學系統與傳統導學系統最主要的區別在于智能導學系統結合學習者特征，為其提供個別化的指導[2]。智能導學系統涉及理論研究和技術發展等方面，既是學生的智能伙伴，也是學生的指導教師。根據學生對知識的理解情況和掌握程度，智能導學系統幫助學生獲取知識并解決問題，為學生的學習、問題解決、知識技能獲得等過程提供學習支架、提示和反饋，既有利于教師的教，也有利于學生的學。

當前，世界各國都很重視智能導學系統的開發，如美國、英國和日本等。國際上具有代表性的智能導學系統有 MetaTutor、Protus、Andes、SimStudent、ASSISTments、Betty’s Brain 等[3]。其中，ASSISTments平臺是一款優秀的基于計算機環境的智能導學系統，旨在結合學習者特征，整合傳統的教學方法和理想狀態下的教學方法，為學生提供個性化的指導[4]。由于國內已開發的一些智能導學系統還存在一些不足，主要表現在系統的智能、數據的挖掘、學生的導學等方面[5]，因此借鑒ASSISTments平臺的成功經驗，可為我國智能導學系統的建設帶來有益的啟示。

一 ASSISTments平臺簡介

ASSISTments平臺是由美國聯邦基金資助的、伍斯特理工學院主辦的免費公共服務平臺（首頁如圖1所示）。自2005年創建以來，ASSISTments平臺獲得了迅速發展，其使用者已由美國逐漸發展到中國、英國和澳大利亞等多個國家[6]。截至2018年3月，已有近1000名教師和6萬多名學生在ASSISTments平臺上注冊，創建了1000多萬個問題，為智能導學系統的研究和開發提供了良好的范式[7]。ASSISTments平臺旨在通過提示和反饋等形式，為學生的學習提供支持和評價——其名稱是“Assistance”和“Assessment”的結合，即“支持”和“評價”的結合，這正是ASSISTments平臺的核心所在[8]。ASSISTments平臺由于其強大的功能，已成為目前影響力很大的一款智能導學系統。

ASSISTments平臺一方面根據學生的需求，為學生提供個性化的指導；另一方面根據學生的診斷報告，為教師提供學生的學習情況——可見，通過ASSISTments平臺，學生和教師獲得了“雙贏”的效果[9]。在 ASSISTments平臺上，教師和學生無需在固定時間、固定場所進行交互，學生可以隨時隨地獲得有意義的指導，教師也可以隨時隨地跟蹤學生的學習，并及時采取行動、提供支持[10]。

圖1 ASSISTments平臺的首頁

圖2 ASSISTments平臺的學生學習界面

二 ASSISTments平臺的特征

1 開放性的應用環境

ASSISTments平臺是一款開放的智能導學系統。從用戶的角度來看，ASSISTments平臺可以供教師、學生、研究者等不同角色的用戶使用。其中，教師作為資源的創建者，可以直接或間接地使用平臺的已有資源，并創建全新的、符合教學目標和教學進度的資源；同時，教師作為數據的監控者，可以及時獲得學生的診斷報告，從而掌握學生的學習情況。學生作為資源的使用者，可以在自主學習的過程中得到系統提供的個別化指導（包括提示和反饋），從而提高學習的效率、提升學習的效果；同時，學生作為數據的持有者，不僅可以了解自己對知識點的理解程度，而且可以了解自己對知識的整體掌握情況。研究者作為資源和數據的利用者，通過監控、追蹤與挖掘平臺的數據進行科學研究，發現有助于教育教學的方式方法，從而改進教育。

從適用范圍的角度來看，ASSISTments平臺所涵蓋的學科已由單一的數學學科發展到多種類型的學科，包括科學、技術和工程類（如物理、化學和統計）、英語語言藝術類（如閱讀理解和語法）和社會科學類（如地理和歷史），涉及的學段也由小學、初中、高中擴展至大學。由此可見，ASSISTments平臺并沒有特指單一的學科和單一的學段，而是作為工具供用戶使用，這一方面使得ASSISTments平臺的資源越來越豐富、適用范圍越來越廣，另一方面讓用戶的使用更方便、平臺的推廣更高效。

從跨平臺的角度來看，ASSISTments平臺可以嵌入到任何學習管理系統中，如Coursera、edX、Moodle、NovoEd、Blackboard、Canvas等，因此，用戶無需重復使用多個學習管理系統，僅需在自己當前使用的管理系統中添加ASSISTments平臺即可。由此可見，ASSISTments平臺與各個學習管理系統之間的互動性很強，既便于教師和學生使用ASSISTments平臺，又使教師對學生的管理更系統及時、學生對資源的使用更迅速便捷。

從搭載設備的角度來看，ASSISTments平臺開發了可供用戶在電腦上使用的網絡版，同時開發了可供用戶在手機上通過 APP使用的移動版，以保證用戶可以通過多種終端使用ASSISTments平臺，從而滿足用戶隨時隨地接入平臺進行學習的需求。

2 適應性的學習支架

ASSISTments平臺更加強調對學習過程的指導，側重學生解決問題時解題步驟的提示和解題結果的反饋[11]，而提示和反饋就屬于學習支架的兩種表現形式。Bruner[12]認為，學習支架是教師與學生之間的對話，是教師通過提示和反饋等呈現方式引導學生解決問題，促進學生對問題的積極思考和深入探索，幫助學生主動參與到學習活動中。ASSISTments平臺就采用了學習支架策略，來為學生提供個性化的學習指導。

ASSISTments平臺的學生學習界面如圖2所示，具體包括：①左側部分記錄學生的答題結果。根據學生的答題情況和使用提示的情況，答題結果分為四種，分別用綠色對號（學生未使用提示且第一次嘗試答題就正確）、綠色叉號（學生使用提示和嘗試答題次數未超過教師規定總數而回答正確）、紅色叉號（學生使用提示和嘗試答題次數超過教師規定總數但未使用“顯示答案”功能而回答正確）、紅色黃底叉號（學生使用提示和嘗試答題次數超過教師規定總數并使用“顯示答案”功能后才回答正確）表示。此外，通過點擊題號，彈出的對話框可呈現詳細的學習過程記錄，包括具體的時間和過程報告。②中間部分顯示問題、提示和即時反饋——當學生回答正確時，顯示“正確！”當學生回答錯誤時，顯示“對不起，請重新嘗試。”③右下角包括綠色進度條和提示按鈕。綠色進度條滿額時為100%，之后，隨著學生答錯次數和使用提示次數的增多，綠色進度條會不斷衰減，可直觀地反映學生的答題情況和使用提示的情況，并與最終的答題結果（即界面左側部分）相對應。提示按鈕則用于學生根據自身的情況選擇相應的提示信息。

本研究以計算“4+3×5”為例，來介紹 ASSISTments平臺的適應性提示。“4+3×5”的提示過程如圖3所示，共分為三個步驟：第一步為“運算順序：1.括號 2.指數（冪、根等） 3.乘法和除法（從左至右） 4.加減法（從左到右）”；第二步為“根據運算順序，先乘后加，故3和5相乘再加 4，即 4+3×5=4+15”；第三步為“得出結果，即 4+15=19”。由此可見，ASSISTments平臺的提示過程是漸進的，并不是在學生答錯或者請求提示的情況下便將所有的解題過程一股腦地呈現給學生，而是首先呈現解題思路，引導學生作答；然后逐步呈現解題步驟，完善解題思路；最后呈現解題結果。

圖3 “4+3×5”的提示過程

ASSISTments平臺的學習支架具有以下亮點：①適應性提示。為了防止一味地給予學生提示而導致“高原效應”、“學習效益遞減規則”的發生，ASSISTments平臺采用適應性提示，首先劃分解題思路，然后嵌入提示，最后學生根據自身的情況選擇相應的提示信息[13]。②完整性記錄。ASSISTments平臺一方面通過綠色進度條提示學生關于本道題的答題情況和使用提示的情況，另一方面通過左側答案結果記錄學生整體的學習情況。③即時性反饋。當學生解答完問題之后，ASSISTments平臺會對答案給予即時反饋，以保證學生及時地了解、掌握自己的學習動態，從而對自己的學習進行及時的調控。

3 多樣化的診斷報告

當學生完成學習任務后，ASSISTments平臺會為教師提供即時的診斷報告（如圖4所示）。診斷報告一般包括學生的整體情況和個體情況——整體情況主要包括總體的平均成績、每道題的平均成績，而個體情況主要包括個體的平均成績、個體答題的正誤、答案和用時。根據ASSISTments平臺的功能差異，ASSISTments平臺的診斷報告又具有其特殊性[14]。ASSISTments平臺的診斷功能主要分為兩種：①用于作業，一是用于自我檢查，診斷報告內容比較詳細，除包括一般的結果外，還包括學生使用提示和反饋的情況，而學生根據獲得的提示和反饋進行自我檢查的過程就是主動獲取作業信息的過程，能夠促進學生積極參與并主動學習；二是用于提交開放性作業，學生通過ASSISTments平臺向教師提交開放性作業，教師通過診斷報告收集開放性作業，并對學生的開放性作業進行評價（包括評分和評語），如圖5所示。②用于測試，一是用于課后即時的掌握性測試，二是用于單元學習的綜合性測試。測試過程沒有提示，診斷報告僅用于教師收集學生的答題情況[15]。此外，ASSISTments平臺還支持家長登錄，家長可通過郵件獲得診斷報告，如孩子每周使用ASSISTments平臺的情況、每日需要在ASSISTments平臺上完成的任務和任務的完成情況等。

圖4 ASSISTments平臺的診斷報告

圖5 ASSISTments平臺用于開放性作業的診斷報告

多樣化的診斷報告對學生、教師和家長都頗有價值：①對學生而言，診斷報告是對自己學習的評價，可以幫助自己查漏補缺，同時經過長期的積累，可以對自己的學習情況有一個整體的把握；②對教師而言，診斷報告是對學生學習的反映，有助于節約時間、提高工作效率——診斷報告可以直觀地為教師提供全面系統的信息，并可用于多種情況，如課前幫助教師備課、調整教學，課中為教師提供討論話題、加深學生對易錯點的關注，課后幫助教師有針對性地為學生提供課后指導；③對家長而言，診斷報告有利于家長了解和掌握孩子的學習動態，并根據孩子的學習情況及時與教師溝通，以協助孩子在學習上獲得更大的進步。

4 自動化的再評補救

當學生完成教師安排的一門課程后，ASSISTments平臺會自動化地進行再評和補救，具體過程如下：①7天后進行測試一，即選擇一道問題重新測試課程知識，若答案正確，就進行第二步；若答案錯誤就進行補救學習，并在7天后重新測試。②14天后進行測試二，即再次選擇一道問題重新測試課程知識，若答案正確，就進行第三步；若答案錯誤就進行補救學習，并在14天后重新測試。③28天后進行測試三，即再次選擇一道問題重新測試課程知識，若答案正確，就進行第四步；若答案錯誤就進行補救學習，并在28天后重新測試。④56天后進行測試四，即再次選擇一道問題重新測試課程知識，若答案正確，就完成了再評補救過程；若答案錯誤就進行補救學習，并在56天后重新測試。

ASSISTments平臺的再評補救不需要教師和學生記錄時間間隔，而是在特定時間自動安排學生進行再評補救。自動化的再評補救可以督促學生鞏固并強化他們對課程知識的學習，實現知識的內化和遷移，從而使學生真正掌握這門課程，進而不斷完善學生的知識體系。

三 ASSISTments平臺對中國智能導學系統建設的啟示

ASSISTments平臺作為一款優秀的智能導學系統，其開放的應用環境創造了學習和研究的便捷條件、適應性的學習支架提供了個別化的指導和幫助、多樣化的診斷報告加強了對學生學習的管理和控制、自動化的再評補救保證了知識的學習和遷移，這些均可為我國智能導學系統的建設提供啟示。

1 加強系統的研究開發

智能導學系統的研究和開發是一個復雜的工程，需要各方面的力量如計算機專家、教育專家、心理專家和一線教師等的共同努力，才能保證系統的有效運行。ASSISTments平臺的研究和開發也強調各種力量的合作，包括高校、研究所、企業和中小學等。目前，我國智能導學系統的研究者和開發者主要是高校，也有部分公司，且各機構在研究和開發的過程中缺少合作。因此，我國應加強智能導學系統研發團隊的建設，并強調各單位之間的合作，以研發出既先進又具有本土特色的智能導學系統。

2 擴展多元的應用環境

成功的ASSISTments平臺應具有多元的應用環境，主要表現在：①不僅是教師和學生的使用平臺，而且是眾多研究者的研究平臺，使研究者可以借助平臺進行教育實驗，從而改進教育[16]；②平臺的關注點不應是課程，而應是工具，可提供多學科、多學段的學習資源[17]；③可以跨平臺供用戶使用，從而方便用戶接入；④具有多種形式，可以在電腦、智能手機、PAD等多種設備上使用，以便于用戶隨時隨地學習。基于此，我國研發智能導學系統時，應注意從多個方面擴展多元的應用環境。

3 構建合理的運行機制

ASSISTments平臺有著不同于傳統導學系統的運行機制，適應性的學習支架是其核心特征。在構建合理的運行機制方面，ASSISTments平臺主要采取兩條運行路徑：①內部路徑，是指學生對一個學習事件的學習過程；內部路徑的功能是對學生的學習需求給予指導，或給出適應性提示，或進行即時反饋。②外部路徑，是指學生對多個學習事件的再評補救過程；外部路徑的功能是對課程知識的復習鞏固，若學生在一段時間內完成了一次又一次關于某一課程知識的測試，則證明其真正理解并掌握了此知識；若學生未能完成測試，則證明其對此知識的學習仍存在問題，平臺會自動為其推送補救材料。從整體上來說，國內智能導學系統的“適應性”還較弱，因此宜借鑒ASSISTments平臺的運行機制，做到內部路徑和外部路徑的協調運行，既保證對學生每個知識學習的適應性指導，又保證對學生整體學習的適應性管理和控制[18]。

4 增加強大的診斷功能

國外的智能導學系統普遍重視對學生學習活動的診斷，ASSISTments平臺更是把診斷作為重中之重，它提供的診斷報告對國內建設智能導學系統是一個很好的借鑒：①ASSISTments平臺的診斷范圍廣，學生、教師和家長都可以獲得相應的診斷報告并從中受益；②ASSISTments平臺的診斷內容精，不僅可以呈現學生的答題正誤和答案，而且可以呈現學生答錯和使用提示的頻率以及作答的時間，故有利于教師及時發現學生存在的學習問題，并據此及時調整教學內容；③ASSISTments平臺的診斷功能強，既可用于作業，也可用于測試。目前，國內智能導學系統的診斷功能較弱，故可以借鑒ASSISTments平臺的診斷報告，掌握診斷的基本原理和架構，然后研究和開發適合我國智能導學系統的診斷功能[19]。

[1]劉清堂,吳林靜,劉嫚,等.智能導師系統研究現狀與發展趨勢[J].中國電化教育,2016,(10):39-44.

[2]楊翠蓉,陳衛東,韋洪濤.智能導學系統人機互動的跨學科研究與設計[J].現代遠程教育研究,2016,(6):103-111.

[3]韓建華,姜強,趙蔚.基于元認知能力發展的智能導學系統研究[J].現代教育技術,2016,(3):107-113.

[4]Heffernan N T, Koedinger K R. An intelligent tutoring system incorporating a model of an experienced human tutor[A]. ITS. Intelligent tutoring systems[C]. Berlin: Springer-Verlag, 2002:596-608.

[5]尚曉晶.基于“導學案”教學模式的智能導學系統的設計開發與實證研究[D].錦州:渤海大學,2013:8-15.

[6]Heffernan N T, Heffernan C L. The ASSISTments ecosystem: Building a platform that brings scientists and teachers together for minimally invasive research on human learning and teaching[J]. International Journal of Artificial Intelligence in Education, 2014,(4):470-497.

[7]Heffernan N T. ASSISTments[OL].

[8]Heffernan N T, Ostrow K S, Kelly K, et al. The future of adaptive learning: Does the crowd hold the key?[J].International Journal of Artificial Intelligence in Education, 2016,(2):615-644.

[9]Ocumpaugh J, Baker R, Gowda S, et al. Population validity for educational data mining models: A case study in affect detection[J]. British Journal of Educational Technology, 2014,(3):487-501.

[10]Pardos Z A, Gowda S M, Baker R S J D, et al. The sum is greater than the parts: Ensembling models of student knowledge in educational software[J]. Acm Sigkdd Explorations Newsletter, 2012,(2):37-44.

[11]Singh R, Saleem M, Pradhan P, et al. Feedback during web-based homework: The role of hints[A]. AIED. Artificial intelligence in education[C]. Berlin: Springer-Verlag, 2011:328-336.

[12]Bruner J S. The culture of education[M]. Cambridge: Harvard University Press, 1996:224.

[13]Razzaq L, Heffernan N T. Scaffolding vs. hints in the assistment system[A]. ITS. Intelligent tutoring systems[C].Berlin: Springer-Verlag, 2006:635-644.

[14]Gong Y, Beck J E, Heffernan N T. How to construct more accurate student models: Comparing and optimizing knowledge tracing and performance factor analysis[J]. International Journal of Artificial Intelligence in Education, 2011,(1):27-46.

[15]Pardos Z A, Dailey M D, Heffernan N T. Learning what works in its from non-traditional randomized controlled trial data[A]. ITS. Intelligent tutoring systems[C]. Berlin: Springer-Verlag, 2010:41-50.

[16]張蔚磊,李馨,趙云建.高等教育數字化學習的未來——訪哈佛大學教育技術學專家克里斯·德迪教授[J].中國電化教育,2014,(12):3-7.

[17](美)克里斯多夫·迪德,彭雪峰,肖俊洪.高等教育數字化學習的未來[J].開放教育研究,2014,(4):9-18.

[18]顧小清,蔡慧英,王華文.促進實踐與政策創新的教育研究力量——美國 2014 AERA 年會述評[J].遠程教育雜志,2014,(5):3-16.

[19]謝紹平.國外基于網絡的協作探究學習平臺研究——來自Co-Lab的啟示[J].現代教育技術,2013,(1):74-79.