网络智能学习系统特征分析

　　摘要:本文通过对传统网络学习模型的介绍,对基于WEB2.0的网络智能学习系统的关键特征进行比较分析,认识学生利用网络智能学习系统提供的学习环境进行学习的主要特征,从而更好地改进系统以指导学生的学习,进而提出网络智能学习系统的发展趋势。
　　关键词:网络智能学习系统学习模型
　　中图分类号: 文献标识码:A文章编号:1007-9416(2010)01-0000-00
　　
　　1 传统网络学习系统的学习模型
　　在基于WWW的网络教育发展过程中,一般采用了B/S浏览学习结构,即:将课程资料、素材、讲义、电子教案等存放在远端的WEB服务器上,并且如果系统使用了数据库则通过WEB服务器与数据库进行连接。然后学习者在通过Internet或者Intranet接入的方式,对WEB服务器提出请求,由服务器端进行处理,然后反馈给客户端相应的内容,这是传统网络教学系统所普遍采用的基于WWW的远程学习模型,如下图:
　　这种基于WWW的远程学习模型满足了网络学习的基本要求,能够实现网络学习。而且现在的很多网络学习系统和平台依然在采用这种模型,其优点是学习系统结构清楚,维护方便,而且B/S结构和数据库的引入可以让所有接入这个系统的学生进行有效的学习,如果在功能上(例如作业系统、评价系统、监控系统、讨论平台等)和学习资源上给予足够的支持,将是实现网络远程学习的更有效的途径。
　　但是应该看到,这种模型同样具有一个明显的缺点:这种学习系统主要以系统为中心,并没有充分考虑学生的需求和习惯,要求人来适应系统而不是系统来适应学习者,没有充分按照人的个性要求等因素来实施系统设计。实践也逐渐地证明了这一点,那就是学生在这样的环境中学习,需要花很长的时间来适应这种环境,而且一成不变的学习环境、不感兴趣的辅助材料使学习会变得枯燥和无味。
　　
　　2 网络智能学习系统的特征及其发展趋势
　　在传统的网络学习系统中存在的最大的问题就是没有以学生学习为中心,系统对学生不能自动的适应,没有照顾到学生的个性因素,不利于学生完全自由的学习,也无法做到个性化指导。
　　要解决这一问题,最关键的就是要在学习系统中增加对学生个性化因素、学习策略等方面进行支持的功能模块。因此,需要研究具有智能分析学生个性化特征的网络智能学习系统,在这种系统中,不是简单的对传统网络学习系统的改进,而是一种理念上的更新:这将以学生的学习为中心,尊重不同学生的个性,发掘学生学习的潜在规律,让系统智能的来适应学生,从而更好的支持学生自行选择的学习策略,培养其元认知能力,在了解学生学习过程的情况下给予适当的个别的学习指导。
　　在传统网络智能学习系统研究中主要具有如下特征:
　　2.1 具有更强的交互性
　　在这里更强调人机交互的方便和易用性,学生可以对系统提出相关资源请求信息,得到系统及时的反馈,比较常见的有智能搜索引擎等。
　　2.2 具有良好的导航功能
　　良好的导航功能可以使学生在浩如烟海的学习资源中清楚把握自己所在的学习位置,并能迅速方便的找到自己需要的资料,避免出现迷航现象。
　　2.3 能提供一定规模的专家知识领域库
　　这就加强了对学生自主学习的指导作用,学生在学习过程中,可以借助比较智能的专家知识领域库来做出对遇到问题的解释,在这里,专家知识领域库并不是完全作为一种答案解答机制,也不是对所有问题都提供详实的解释,而是指导问题解决的相关概念,这样可以让学生利用适当的学习策略,通过知识的迁移来完成对问题的解决,培养其学会学习的能力。
　　2.4 采用了具有一定智能测试反馈策略
　　在过去的研究中,智能(自适应)测验也开始引入了智能学习系统的设计。自适应测验是计算机技术和项目反应理论相结合的测验方式,它需要根据学生对试题的反应来选择下一个测试题,它需要实时对学生的反应做出判决,并需要根据一定的规则选择下一试题。通过具有智能特征自适应测试,可以对学生的知识水平和学习效果做出一个初步的判断。
　　传统网络智能学习系统确实在一定程度上体现了更加重视学生“学”的特点,将学生学习置于中心地位,是网络教育的重大进步。同时,随着研究的深入进行,发现基于网络的自主化学习对网络学习系统的要求也越来越高,因此就要求网络智能学习系统有更深层次的改善和发展,其主要结构特征发展趋势为:
　　2.4.1 建立动态学生的认知模型,以存储学生学习过程中的特征信息
　　网络智能学习系统最核心的特征就是根据学生的能力特征和认知特征提供最适合学生需求的学习环境。从这个角度看,就要求通过一定的技术测控手段将学生的个人学习情况记录下来,再通过分析决策得到相关结论,作为教学决策的依据。认知模型主要记录每个学生原有的知识水平认知能力和特点。
　　2.4.2 智能学习内容呈现方式
　　能根据学生的动态信息特征来动态的为每个学生提供不同的学习内容。这就需要对学生特征有详细的掌握,主要包括个人信息、安全信息、学业信息、管理信息、偏好信息、关系信息、绩效信息、作品集信息、学习行为(进度信息、课程内容学习信息、典型例题学习信息、练习信息、作业信息、测试信息、提问信息、交流信息、媒体学习信息)等,而且学生的这些特征将随着学生的学习发生适应性的改变。根据学生的这些特征信息进而确定不同内容的不同呈现方式,更好地适应每个学生的学习特征,实现学生的个性化学习。
　　2.4.3 智能导航功能支持
　　智能导航主要为了解决学生在超媒体和超文本空间航行过程中的方向性问题。因为在网络学习中,学习内容虽然形式多样,但主要是以超文本方式链接起来的。学生在其中学习的过程中,容易在超媒体的复杂关系干扰下出现迷航现象,所以需要有智能导航系统的辅助。如树形导航、路径导航、内容导航等。
　　2.4.4 智能学习策略的支持
　　网络学习是以学生学习为中心的学习,每个学生根据其认知水平、兴趣爱好、认知特征、元认知能力等方面的差异,对相同的学习内容、学习目标会采取不同的学习策略。对于网络智能学习系统而言,就需要将知识以单元的形式,通过对学生相关信息的判断,提供对不同学习策略的支持。例如对同一学习内容而言,在教学设计之初就应该建立完备的设计规划,充分考虑到传授式学习、探索式学习或是协作学习的具体支持策略。
　　2.4.5 智能语义搜索
　　根据语义网络原理建立知识库和语义网络的对应关系,构建基于限定领域的搜索引擎。根据学科和学习者的特征以及他的历史搜索记录、历史学习记录等,呈现其最需要的查询内容。
　　2.4.6 学生学习记录与智能分析
　　对学生学习的历史记录包括学习内容、参与测试的过程和结果、参与的讨论和提问、学习策略的选择、学生自行记录的学习日志等等,记录学生的学习行为,并以一定的规则进行数据抽取,以得到学生学习过程的概括描述,这就是关于学生学习过程的智能分析。通过对学生学习的历史记录进行智能分析,可以知道学生对知识掌握、学习策略选择、参与讨论的积极性、学习时间分配等许多学习要素。然后根据这些要素分析的结果给予学习者一定的客观的评价,同时推荐给学习者相应的学习建议,包括可能需要的学习内容或学习资源等等。
　　2.4.7 智能答疑系统
　　学生遇有疑难问题时,可以通过智能答疑系统中的智能语义搜索引擎来自动解答。在接到学生提问后,首先在已有专家知识领域库和已解答问题库中进行搜索,若找到相关问题则呈现给学生,若没有找到则将问题存入未解答问题库,待解答之后返回给学生,同时并存储在已解答知识库中,并定期对问题进行统计分析,得到学生对学习内容的整体提问分布,从而
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 　　2.4.8 智能评价与反馈系统
　　网络智能学习系统中,学生的学习成果和知识获得可以通过测验、考试等办法得到,同时利用智能评价系统,基于学生的学习过程做出形成性评价,对测验、考试的结果做出总结性评价,并给予适当的建议让学生进行调整。
　　从上述研究来看,网络课程的特征结构可以表示为如图2所示的结构组成。
　　3 网络智能学习系统的学习特征
　　在网络智能学习环境中,学习是学生通过自身原有知识经验与智能学习系统进行交互活动来获取知识、提高能力的过程。在这个过程中,学生能够自我组织、制定并执行学习计划,自主选择学习策略,并能控制整个学习过程。这种学习主要有以下特点:
　　3.1 是基于资源的学习
　　但是学习资源在呈现上并不是按照事先完全确定的顺序和模式来为学生提供的。而是由智能学习系统根据学生的个别化特征来有选择的呈现,学生的个别化特征包括学生的个性化分析、学习风格分析、学习过程分析、测试结果分析等。
　　3.2 学习过程是在学生的掌握和控制中的
　　智能学习系统中建立的学生认知模型,是对学生的个别化学习提供帮助与支持的。学生将对自己的全部学习负责,智能学习系统将对学生的学习进行指导,推荐学习资源,对学习策略和学习进度给予建议。
　　3.3 学生的学习是个别化、人性化的
　　在智能学习系统中,充分尊重学生的个人学习风格和学习习惯。通过对学生的个性特征进行分析、数据提取、数据挖掘,得到学生的个人特征模型。可以说学生在这种环境中学习是完全个别化的。
　　3.4 学习过程是知识的建构过程。
　　学生学习的过程中,他们主要是通过自己在智能学习环境中探索、研究、讨论和交互来建构自己的知识。学生在这种环境中探索和交互时,不仅掌握知识,更重要的是掌握学习方法,同时也强调知识的运用能力和与他人合作的能力。
　　3.5 学习过程是数字化和高度智能化的过程
　　智能学习系统的学习环境的构建可以说是一个高度数字化和智能化的系统:对学生个性的智能分析和灵敏的主动适应,快速的反馈和个性化的评测系统,存储大量的媒体资源供选择,方便的讨论和通信系统。因此,这种智能学习系统的构建需要利用多媒体网络技术、人工智能、数据库及数据挖掘技术、语义解析、网络通信等最新技术。
　　3.6 学习过程是一种不断反馈的过程
　　在智能学习系统中,学生的学习将是自己不断调整的,同时需要系统根据对其个性因素、智力因素、知识水平等等的分析给出相应的建议。另外,学生还要有和别的学习者进行交流的机会和条件,需要教师在适当的时候给予指导和建议,因此,这种环境下的学习是一个不断调整、不断反馈的过程。
　　
　　参考文献
　　[1] 段培俊等.基于网络的智能自主学习系统设计[J].2006.
　　[2] 刘立新.智能教学系统学生端导航模型设计[J].2006.
　　[3] 李听.智能授导系统中学习者特征分析的研究[J].2005.
　　[4] 余胜泉等 基于互联网络的远程教学评价模型 开放教育研究 [J].2003.
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文