劉清堂，吳林靜，劉 嫚，范桂林，毛 剛

(華中師范大學 教育信息技術學院，湖北 武漢 430079)

智能導師系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢 *

劉清堂，吳林靜①，劉 嫚，范桂林，毛 剛

(華中師范大學 教育信息技術學院，湖北 武漢 430079)

智能導師系統(tǒng)(ITS)是實現(xiàn)智能化教學的有力工具，它的誕生及發(fā)展給教育教學帶了很大的契機和挑戰(zhàn)。該文對智能導師系統(tǒng)的發(fā)展歷程進行了詳細的梳理，進一步明確了智能導師系統(tǒng)的概念及其內涵。文章在分析智能導師系統(tǒng)基本結構的基礎上，詳細介紹了系統(tǒng)各組成部分的功能以及近幾年的最新研究成果；最后，總結了智能導師系統(tǒng)研究的發(fā)展趨勢，并展望了未來的發(fā)展前景。

智能導師系統(tǒng)；ITS；領域知識庫；學生模型；推理機制；人機接口

一、智能導師系統(tǒng)的發(fā)展歷程

自出現(xiàn)教師這個職業(yè)以來，人們便尋求各種辦法，希望在提高教學質量的同時減輕教學負擔。20世紀20年代出現(xiàn)的智能機器使得這種“希望”變得不是那么遙不可及，當時美國俄亥俄州立大學的心理學教授Sidney L. Pressey開發(fā)了一個智能機器，用于給學生提供練習。雖然這個機器并沒有那么“智能”，但它開啟了智能教學系統(tǒng)研究的先河[1]。隨著技術的不斷發(fā)展，到了21世紀的今天，理論和實踐研究的不斷深入也為智能導師系統(tǒng)的發(fā)展提供了更多的契機，使得智能導師系統(tǒng)正在不斷走向成熟和完善。根據(jù)智能導師系統(tǒng)的成熟程度，我們將智能導師系統(tǒng)的發(fā)展分為三個大的發(fā)展階段。

(一)萌芽階段

20世紀50-70年代，隨著計算機技術的發(fā)展及其在教育領域的應用，出現(xiàn)了計算機輔助教學(Computer-Assisted Instruction, CAI)、基于計算機的培訓(Computer-Based Training, CBT)[2]、計算機輔助學習(Computer-Assisted Learning, CAL)等教學形式。這一類教學系統(tǒng)的設計深受行為主義學習理論的影響，一般都采用程序模式進行設計[3]。這類教學系統(tǒng)開始在程序設計中考慮不同學習者的學習進度差異，并為其提供不同的學習分支，已經具備了智能教學的雛形。但是這一類系統(tǒng)依然不能給學習者提供個性化的學習指導，沒有辦法根據(jù)學習者的學習情況動態(tài)的調整教學策略，所以在20世紀60年代飽受教育專家詬病。我們把這一時期定義為智能教學系統(tǒng)的萌芽階段。

(二)形成階段

20世紀70-90年代，隨著人工智能技術，尤其是專家系統(tǒng)引入到教育領域[4]，出現(xiàn)了一批真正意義上的智能教學系統(tǒng)。其理論基礎也由行為主義學習理論轉變?yōu)檎J知學習理論。典型的代表性系統(tǒng)有：Jaime Carbonell于1970年開發(fā)的教授南美洲地理課程的SCHOLAR系統(tǒng)；Collins等人于1975年在SCHOLAR系統(tǒng)基礎上研制了教授學生探索降雨原因的根源的WHY系統(tǒng)；1977年，Standford大學Wescourt等人設計的輔助Basic語言教學的BIP系統(tǒng)；1977年的WUMPUS游戲系統(tǒng)，該系統(tǒng)可用于訓練邏輯學、概率、判斷理論和幾何學[5]。毫無疑問，這一類系統(tǒng)的出現(xiàn)使得“智能化”教學往前邁進了一大步。另一方面，由于認知學習理論是指導這一時期智能系統(tǒng)設計的主導力量，使得系統(tǒng)的設計關注于知識的結構，但學習環(huán)境的創(chuàng)建和非智力因素在學習過程中的作用尚未被重視。我們將這一時期定義為智能教學系統(tǒng)的形成階段。

(三)發(fā)展階段

20世紀90年代之后，隨著計算機網(wǎng)絡技術、多媒體技術、人工智能技術的發(fā)展及其在教育領域的運用，智能教學系統(tǒng)的研究開始轉向支持個別化學習與協(xié)作學習。除了認知學習理論外，建構主義學習理論在這一時期也開始受到專家們的重視，并將其引入到智能教學系統(tǒng)中。在這一階段，出現(xiàn)的代表性智能系統(tǒng)主要有：南加州大學開發(fā)的RIDES系統(tǒng)、斯坦福大學的MMAP系統(tǒng)、北伊利諾伊州大學的CIRCSIM-Tutor等。這一時期，在人工智能技術的支持下，智能教學系統(tǒng)也得到了長足的發(fā)展。生成式教學內容、動態(tài)教學策略、智能化教學環(huán)境成為這一時期智能化教學系統(tǒng)的主要特征。我們將這一時期定義為智能教學系統(tǒng)的發(fā)展階段。

盡管智能導師系統(tǒng)發(fā)展至今，在教學方面已經取得了顯著的成效，已經應用于計算機基礎教學、語言教學、醫(yī)學教學、數(shù)學教學等各個方面，但是我們認為智能導師系統(tǒng)的深化和成熟階段還尚未完全到來。隨著技術的發(fā)展，智能導師系統(tǒng)已經成為一個多學科交叉的研究領域。計算機技術為智能導師系統(tǒng)的構建提供技術支撐；人工智能技術則能夠促進個性化教學的實施；認知科學可以幫助我們更深層次地理解學習者如何進行思考、學習和解決問題；網(wǎng)絡技術則能夠讓學習者無限制地、隨時隨地獲取信息資源。虛擬現(xiàn)實技術應用于教學有效增強了學習中的交互性和沉浸感；情感計算則有效彌補了智能導師系統(tǒng)中情感的缺失。但是上述每一項技術都還有許多尚未解決的問題，這也在一定程度上限制了智能導師系統(tǒng)的成熟與應用。因此，本文擬從智能導師系統(tǒng)的定義與功能、組成結構等方面進行分析，以期能夠為智能導師系統(tǒng)的研究提供參考。

二、智能導師系統(tǒng)的定義與功能

(一)智能導師系統(tǒng)的定義

在國際上“智能導師系統(tǒng)(Intelligent Tutoring System, ITS)”這一概念由Sleeman和Brown于1982年正式提出。他們同時還給出了智能導師系統(tǒng)的定義，他們認為智能導師系統(tǒng)是利用計算機模仿教學專家的經驗、方法來輔助教學工作的計算機系統(tǒng)[6]。還有許多學者都提出了自己對智能導師系統(tǒng)的理解。如：Joseph Psotka將智能導師系統(tǒng)定義為一種能夠給學習者提供及時且個性化的指導和反饋的教學系統(tǒng)[7]；Graesser A.認為智能導師系統(tǒng)是利用人工智能技術提供個性化學習指導的自適應教學系統(tǒng)[8]；張利遠認為,“智能導師系統(tǒng)是借助人工智能技術，由計算機扮演教師的角色以實施一對一的教學，向不同需求和特征的學習者傳遞知識”[9]。上述有一個基本的共識是大家都認為智能導師系統(tǒng)是一種提供個性化指導的教學系統(tǒng)。

在國內，智能導師系統(tǒng)的研究大約起始于19世紀80年代末。我國學者也認同智能導師系統(tǒng)是一種提供個性化指導的教學系統(tǒng)，但不同的時期，學者們的研究重心有所變化。20世紀90年代國內主要研究集中在領域知識構建、ITS的系統(tǒng)模型、ITS集成開發(fā)環(huán)境等方面，并開始涉及系統(tǒng)中自然語言人機接口的設計與實現(xiàn)。從2000年前后開始關注教學過程、知識表示及推理、學習者模型及教學策略，并開始研究將Web技術、分布式、超媒體、Agent、Ontology、數(shù)據(jù)挖掘等技術應用于ITS。近年來，研究重心更多地體現(xiàn)在自適應、動態(tài)學生模型、學習推理機制等方面，語義網(wǎng)、本體、網(wǎng)格等技術的應用也備受關注。

在本文中，我們給出“智能導師系統(tǒng)”的定義如下：利用人工智能技術模仿人類教師在教學中所承擔的的角色，為學習者提供個性化學習指導，幫助不同需求和特征的學習者獲得知識和技能的一種智能化的計算機輔助教學系統(tǒng)。

(二)智能導師系統(tǒng)的基本功能

隨著人工智能技術的不斷發(fā)展，智能導師系統(tǒng)的功能也在不斷深化和完善。綜合文獻，智能導師系統(tǒng)的主要功能大致包含以下幾個方面：(1)自動產生問題求解方案。這一功能主要體現(xiàn)為計算機能夠自動對問題進行求解，并給出解題的過程和提示以供學習者參考。(2)表示學習者的知識獲取過程。智能導師系統(tǒng)應該能夠對學習者的學習過程即知識的建構過程進行采集和表示，以完善學習者模型，并為學習診斷提供數(shù)據(jù)來源。(3)診斷學習者的學習活動。這一功能主要體現(xiàn)為對學習者的學習過程和學習效果進行診斷和評價，發(fā)現(xiàn)學習過程中的優(yōu)點與不足之處。(4)及時為學習者提供學習建議和反饋。完成診斷后，給出反饋，向學習者提供有針對性的學習建議，并為其推薦個性化的學習資源。

一個智能導師系統(tǒng)往往會包含上述功能中的多個甚至是全部功能。如華南師范大學研制的“基于語音評測的英語口語智能導師系統(tǒng)”可以對學生的口語學習過程進行診斷，并推薦個性化學習資源[10]。美國教育測試服務中心(Education Testing Service)旗下的ETS公司研制的線上英文練習系統(tǒng)Criterion，可以在學生提交作文之后迅速給出其整體評價結果和詳細分析報告[11]。由中國自主研發(fā)的句酷批改網(wǎng)也具有類似功能。

三、智能導師系統(tǒng)的組成結構

智能導師系統(tǒng)的組成結構在不同的文獻中有些許的差異。部分專家認為智能導師系統(tǒng)是由三個部分組成，即領域知識庫、學生模型、教學策略和推理模塊。也有部分專家認為智能導師系統(tǒng)由五部分組成，即學生模型、教學策略和推理模塊、人機接口、專家模型與領域知識庫[12]。國內的文獻則大部分采用四部分之說，即包含四個組成部分。這四部分的基本關系如下圖所示。

智能導師系統(tǒng)的組成結構

(一)領域知識庫

領域知識庫又被稱為認知模型、專家知識模型。它是針對某一領域求解需要而構建的，是智能導師系統(tǒng)的重要組成部分，主要解決“教什么”的問題，包含教學所需的相關知識(概念、事實、規(guī)則)以及問題求解策略。領域知識庫是專家知識的來源，是評價學習者學習表現(xiàn)或錯誤判定的標準。它的優(yōu)劣直接決定著ITS的質量。

構建領域知識庫的核心工作包括知識獲取與知識表示。由于計算機不能像人一樣理解知識，為了實現(xiàn)對知識的存儲和處理，必須對知識進行符號化處理，即將知識表示成計算機能夠理解的數(shù)據(jù)結構。采用不同的知識表示方法，產生的效果可能會有很大的差異。只有采用合理的知識表示方法，才能將領域知識有效地組合在一起。

早期知識庫一般是基于知識點構建的，周曉軍等人提出了一種基于SC文法的知識點表示方法[13]，吳鄭紅等為了使構建的知識點關系適合學習者的認知結構，采用基于解釋結構模型的方法，并生成了可視化的知識點關系[14]。

隨著語義網(wǎng)的發(fā)展，現(xiàn)在知識庫的創(chuàng)建和知識表示，采用較多的是知識工程中本體論的方法。南京師范大學開發(fā)的智能導師系統(tǒng)DS-TUTOR中利用本體論的方法，從六個維度即概念、子知識本體、行為、屬性、實例、關系，建立了領域知識模型，并取得了不錯的效果[15]。賓夕法尼亞州匹茲堡大學醫(yī)學院的R. Crowley開發(fā)的可視化分類問題解決智能導師系統(tǒng)在構建知識庫時也利用了本體論的方法[16]。蘭州理工大學采用本體論的方法，利用概念—關系模型存儲知識，形成了一種新的知識查詢模式——基于本體論的知識查詢[17]。本體論在知識構建方面的應用將有助于知識的重用和各智能導師系統(tǒng)之間的知識共享。

盡管在領域知識的構建方法上獲得了很大的進展，但知識的表征依然具有相當高的復雜性。智能導師系統(tǒng)可能要面對領域知識、教學知識和語言知識等，各種知識間存在著復雜的關系，單一的知識表示方法很難滿足系統(tǒng)構建的所有需求。如何對同一知識從多個側面進行表示以滿足智能導師系統(tǒng)的需要是領域知識庫研究的難題。

(二)學生模型

學生模型建立于領域知識庫之上，是智能導師系統(tǒng)的核心[18]。它負責存儲學習者的基本信息和有關學習者學習過程的動態(tài)信息，該動態(tài)信息隨學習者的學習過程動態(tài)更新。收集學生特征進行建模，是實現(xiàn)個性化教學的基礎。而個性化教學正是未來教學的發(fā)展方向：研究表明個性化教學充滿人文關懷，有利于提高學習效率[19]。國內關于學生個性化模型的研究，可查詢到的最早的文獻為1989年張一立等人的文章《智能教學系統(tǒng)PCICAI, SETTI和GITUS》，在該文中作者強調個別教學的開展需要建立學生模型[20]。學生模型的構建過程是一個對學習者全面認識的過程，它包含知識模型、認知模型、心理模型等。

學生知識模型有覆蓋模型、偏差模型、干擾模型等。覆蓋模型是將學生實際的學習狀況與其需要學習的內容進行對比，如果對于某個知識點，學習者做題的正確率低于一定的比例，則需要重學。偏差模型則是對覆蓋模型的優(yōu)化，它會對學生做錯的題進行分析，得出錯誤的類型，了解學生的缺陷所在，然后再進行有針對性的教學。構建偏差模型需要對學習者的整個學習過程進行跟蹤診斷。干擾模型則在覆蓋模型的基礎上加入錯誤知識的表示，學生的知識不再只是專家知識的子集，而是既有領域專家的知識表示，又有學生可能持有的錯誤概念的知識。

認知模型強調對學生認知狀態(tài)的建模，武棟針對認知活動復雜程度的六個等級構建了ITS中的學生模型[21]。郭富強從學習者個體學習情況和學習需求出發(fā)，在分析影響學習的學習基礎、認知能力、心理因素的基礎上，設計了學生模型，并給出了學生模型的動態(tài)調整算法[22]。為了克服單一學生模型結構數(shù)據(jù)處理的障礙，首師大的楊卉、忻州師范的郝耀軍等建立了兩層動態(tài)學生模型[23][24]。重慶大學的文春明等設計了基于神經網(wǎng)絡的智能教學系統(tǒng)學生模型[25]。

心理模型關注學習者的心理因素，如學生的學習偏好、學習風格等。20世紀90年代，隨著情感計算技術的引入，智能導師系統(tǒng)開始關注情感對學習過程的影響，通過對學習者面部表情和動作行為的實時觀察和分析，了解學習者的個性化的情感信息，并將其納入到學生模型中，以構建更加個性化的智能導師系統(tǒng)。新西蘭梅西大學的A. Sarrafzadeh等在智能導師系統(tǒng)中引入了表情識別和手勢識別以監(jiān)測學生的學習行為，獲得有效的教學反饋[26]。程萌萌等提出了一個結構模型和技術框架，能夠將表情識別與視線跟蹤技術相結合以獲取信息[27]。

(三)教學策略和推理模塊

教學策略和推理模塊(或稱教學模塊，或教師模型)接收來自學生模型的信息，依據(jù)教學原理，選擇合適的教學策略，根據(jù)教學策略從領域知識庫中選擇合適的教學內容。該模塊關注如何合理有效地組織教學，即解決“如何教”的問題。

國內早期的智能導師系統(tǒng)對教學策略的選擇一般采用兩種方式：一種是提供菜單供學習者自己選擇學習內容；另一種方式則是系統(tǒng)自動選擇策略。前者是教師的某種教學策略的系統(tǒng)表現(xiàn)形式，是固化的，不能隨意進行更改；后者則依據(jù)人類導師的經驗，提前建立教學策略庫，運行過程中，根據(jù)知識內容特點和學生信息選擇某種教學策略。后者比前者在個性化教學方面有更好的適應性和靈活性，但依然不能完全滿足智能化教學的需要。

在最近的研究趨勢中，學者們開始越來越強調對學生的學習過程進行追蹤、診斷和評價，并根據(jù)診斷結果，適時動態(tài)調整教學策略和教學資源。早期的診斷技術更加注重對學習結果的診斷，而缺乏對學習過程的診斷與監(jiān)控?，F(xiàn)在，學者們開始研究如何對學習過程進行有效的監(jiān)控和診斷，以保證教學策略的調整能夠更加及時和有針對性。如李昕等利用數(shù)據(jù)挖掘相關技術，在對學生模型和Web日志信息進行分析的基礎上，對學習過程進行診斷性評價，制定個性化的教學策略，并能在此基礎上利用模式匹配和推理技術進一步修正和完善[28]。

(四)人機接口

人機接口又稱交互模塊，是智能導師系統(tǒng)的前端交互界面，集成了包括圖形、文本、多媒體、鍵盤輸入、鼠標驅動菜單等在內的與學習者交互所需的所有類型的信息。它負責學習者或教師與智能導師系統(tǒng)之間的交互。交互設計的研究最為多樣化，主要研究熱點包括自然語言理解、人機對話、虛擬現(xiàn)實等。

1.自然語言理解、人機對話

自然語言理解的目的是為計算機理解人類語言提供理論和方法。自然語言包括語言表達的兩種基本形式：一種是語音，另一種是文字表述。例如，瓦倫西亞大學的Miguel Arevalillo-Herráez等人設計了用于解答應用題的智能導師系統(tǒng)(ITS for Word Problem Solving)，能夠將語言描述的數(shù)學問題智能轉換成代數(shù)符號表示[29]。Patricia A. Jaques等人開發(fā)了基于規(guī)則的，能夠為代數(shù)問題解決提供分步指導的智能導師系統(tǒng)PAT2Math[30]。句酷科技和南京大學共同研發(fā)了句酷批改網(wǎng)能夠對學生提交的英語作文進行智能化批改，標識出作文中的語法、拼寫錯誤，短語、詞組的用法建議等，并能給出作文的綜合評定分數(shù)[31]。此外，很多智能導師系統(tǒng)中都實現(xiàn)了人機對話，如首爾國民大學、伊利諾理工大學等多校聯(lián)合開發(fā)的CIRCSIMTutor、曼徹斯特城市大學開發(fā)的Oscar等[32][33]。

2.虛擬現(xiàn)實

虛擬現(xiàn)實(Virtual Reality，VR)技術是利用計算機技術生成逼真的虛擬環(huán)境，用戶可以與環(huán)境中的對象進行交互。虛擬現(xiàn)實技術在構建學習情境方面的應用，增強了智能導師系統(tǒng)的真實性，感官性和交互性。該技術目前被廣泛應用于教學的實驗環(huán)節(jié)，例如醫(yī)學實驗、機械操作實驗、電力系統(tǒng)實驗等，以實現(xiàn)教學內容的視覺化，增加沉浸感和真實感，并且有效降低教學成本。華南師范大學開發(fā)的智能導師系統(tǒng)iTutor，支持真實情境下的做中學和問題解決[34]。麻省理工學院媒體實驗室開發(fā)的MACH系統(tǒng)，虛擬了一個真實的教師，通過與學習者的互動，捕捉并分析學習者的肢體動作、語言特征，從而提供實時的分析反饋，幫助學習者有效提高在面試等情境中的語言和動作表達能力。

虛擬現(xiàn)實技術在智能導師系統(tǒng)中還可以用來作為交互界面、或是用于構建虛擬圖書館、虛擬研討等。利用虛擬現(xiàn)實技術構建交互界面可以增加學生的感官感受，有效增加沉浸感。虛擬圖書館可以為學習者提供豐富的學習資源，方便學習者隨時隨意的查閱。虛擬研討會可以為學習者之間創(chuàng)建有效的溝通交流的環(huán)境，讓處于不同地域的學習者協(xié)同工作成為可能。

四、發(fā)展趨勢與展望

智能導師系統(tǒng)是一個多種學科、多種技術的融合體，它的發(fā)展與計算機技術的發(fā)展有著最直接、最緊密的聯(lián)系。在發(fā)展的初級階段，ITS只能自動生成各種問題和練習，不能根據(jù)學生的水平進行教學安排，不能自動解決問題生成答案。隨著技術的不斷發(fā)展，智能導師系統(tǒng)也得到了長足的進步，逐步具有了自然語言的生成和理解能力、教學內容的解釋咨詢能力，錯誤診斷能力和分析能力等人類基礎能力。隨著人工智能技術的進一步發(fā)展，智能導師系統(tǒng)的研究將不僅僅聚焦于幫助學習者理解和掌握知識，而會以促進學習者的個性化發(fā)展、為學習者提供環(huán)境、感情等全方位的支持為發(fā)展目標，不斷提高智能化程度，為學習者帶來更好的學習體驗。圍繞上述目標，智能導師系統(tǒng)的未來發(fā)展趨勢主要體現(xiàn)在以下五個方面：

(一)自適應開放式學習環(huán)境

智能導師系統(tǒng)不僅僅是一個系統(tǒng)工具，還應該是一個環(huán)境創(chuàng)建工具，是一個學習生態(tài)系統(tǒng)。隨著“學習化社會”和“社會化學習”的提出，以及虛擬現(xiàn)實、交互模擬、教學游戲的應用，越來越多的研究者將焦點放在了自適應開放式學習環(huán)境的研究上。利用智能導師系統(tǒng)為學習者開發(fā)自適應學習環(huán)境，在這種環(huán)境中允許學習者進行自由探索。學習者可以根據(jù)自己的需要，組織制定學習目標和計劃，自主選擇適合自己的學習內容和策略。智能導師系統(tǒng)通過與學習者交互，對學習活動進行監(jiān)控和評估，以此獲得學習者的相關信息，隱性調整學習過程中優(yōu)先呈現(xiàn)的資源和工具，幫助學習者獲得最優(yōu)化的發(fā)展策略。

(二)情感感知與服務

智能導師系統(tǒng)不僅僅是一個知識學習的幫助系統(tǒng)，還應該是一個情感支持系統(tǒng)。這個系統(tǒng)應該能夠像人類教師一樣通過學生的情感來了解學生對學習內容的了解和掌握情況，是愉快的學習、緊張的思考還是困惑不解。通過人臉表情識別、眼球追蹤、生理信號采集等技術，分析和理解學習者在學習過程中的情緒，通過適當?shù)那楦屑畈呗?，適時地給予干預，提升學習者的學習興趣、給予積極的鼓勵、幫助克服困難和不足。

(三)協(xié)作學習環(huán)境

智能導師系統(tǒng)不僅僅是一個幫助個體學習者的學習環(huán)境，還應該是一個培養(yǎng)協(xié)作學習能力的開放學習場所。協(xié)作是當前知識社會中必須具備的一項能力。“教師和學生以及學生和學生之間缺乏交流會導致一系列的問題：學習者對問題認識的廣度和深度受到自身條件和認識水平的局限，學習者在學習過程中會產生孤獨感等”[35]。因此，智能導師系統(tǒng)應關注協(xié)作學習環(huán)境的創(chuàng)建。香港城市大學開發(fā)的SQL Tutor+系統(tǒng)就是一個典型的代表，它能夠為學生與學生、學生與老師提供一個學習SQL語言的協(xié)作環(huán)境[36]。武漢大學吳青等構建了支持協(xié)作學習的群體感知模型，為構建具有協(xié)作學習環(huán)境的智能導師系統(tǒng)提供了技術參考[37]。盡管如此，基于協(xié)作學習理念的智能導師系統(tǒng)還不夠成熟，仍然需要進一步的深入探索。

(四)元認知導師

智能導師系統(tǒng)不僅僅是一個幫助學習知識的工具，還應該是一個幫助學習者進行元認知的導師。元認知是對認知活動進行調節(jié)和控制，是對自身正在進行的認知活動的認識和思考。通過智能導師系統(tǒng)，監(jiān)控、分析學習者的學習規(guī)劃策略、問題解決策略、協(xié)作學習等策略，在方法論的層面幫助學習者了解自身，改進、完善元認知方法?？▋然仿〈髮W的Ido Roll等人開發(fā)的Help Tutor就是這方面研究的一個很好的嘗試[38]。

(五)計算知識引擎

智能導師系統(tǒng)不僅僅是幫助學習者學習的工具，還應該是一個幫助學習者解決問題的助手。學習者在學習過程中可能會遇到各種各樣的問題，但無論是谷歌、百度、雅虎還是自動問答系統(tǒng)，輸入問題進行查詢，返回的往往都是多條的搜索結果。盡管這些搜索結果已經按照相關性進行了排序，但問題的答案仍然需要學習者在查看了多條結果之后進一步歸納總結。Stephen Wolfram開發(fā)的計算知識引擎Wolfram Alpha則顛覆了對傳統(tǒng)的信息檢索模式，而轉向對知識的查詢，它可以針對用戶輸入的問題，計算出問題答案，并將答案直接顯示給用戶。這種全新的計算方法——基于知識的計算，不僅可以使用原始數(shù)據(jù)，還能使用大量的內建知識，來對特定問題計算新的答案。如何將計算知識引擎應用于智能導師系統(tǒng)將是未來努力的方向。

智能教學系統(tǒng)的研究涉及到人工智能、認知科學、計算機科學，人機交互、教育學、心理學等多個研究領域，它的發(fā)展水平代表這些領域研究的融合發(fā)展水平，隨著研究的深入以及智能導師系統(tǒng)廣泛投入使用，智能導師系統(tǒng)已經涉及人工智能、虛擬現(xiàn)實、自然語言理解、數(shù)據(jù)挖掘等技術，還有一些熱點技術例如云計算的應用、網(wǎng)格的應用等[39][40]。隨著新技術的發(fā)展及應用，ITS將越來越智能化和個性化，也將會在未來學習中發(fā)揮越來越重要的作用。

[1]Pressey, S. L. A simple apparatus which gives tests and scores, and teaches[J].School and Society,1926,(586):373-376.

[2]陳仕品,張劍平.智能教學系統(tǒng)的研究熱點與發(fā)展趨勢[J].電化教育研究,2007,(10):41-46.

[3]程永清,胡慶,楊靜宇.智能教學系統(tǒng)IPTS[J].計算機研究與發(fā)展,1988,(10):9-14.

[4]武棟.基于WEB的ITS中學生模型和教學策略的設計[J].現(xiàn)代教育技術,2007,(5):6-64.

[5]許高攀,曾文華,黃翠蘭.智能教學系統(tǒng)研究綜述[J].計算機應用研究,2009,(11):4019-4022.

[6]Sleeman D H, Brown J S.Intelligent Tutoring Systems:An Overview[A].In: Sleeman D H,Brown J S,eds.Intelligent Tutoring Systems[C].New York: Academic Press,1982.1-11.

[7]Joseph Psotka,Sharon A. Mutter.Intelligent Tutoring Systems: Lessons Learne[M].United States: Lawrence Erlbaum Associates,1988.

[8]Graesser, A., Chipman, P., Haynes, B. C., & Olney, A. AutoTutor:an intelligent tutoring system with mixed-initiative dialogue[J].IEEE Transactions on Education,2005,(4):612-618.

[9][39]張利遠,王春麗.面向智能導師系統(tǒng)的Siri個人助理應用研究[J].中國電化教育,2012,(10):131-135.

[10]梁迎麗,梁英豪.基于語音評測的英語口語智能導師系統(tǒng)研究[J].現(xiàn)代教育技術,2012,(11):82-85.

[11][30]P. Jaques, H. Seffrin, G. Rubi et al. Rule-based expert systems to support step-by-step guidance in algebraic problem solving: The case of the tutor PAT2Math[J].Expert Systems with Applications,2013,(14):5456-5465.

[12]李紅美,徐振華.智能教學系統(tǒng)支持英語學習的案例研究[J].遠程教育雜志,2012,(3):66-72.

[13]周曉軍,黃河燕,張普.智能教學系統(tǒng)中的知識樹增長模型[J].計算機研究與發(fā)展,2001,(10):1217-1223.

[14]吳鄭紅,吳彥文,李金玲.ITS中可視化知識點結構網(wǎng)絡的設計與實現(xiàn)[J].中國遠程育,2005,(10):71-73.

[15]陳剛.基于本體論的ITS領域知識建模[J].開放教育研究,2004,(6):74-76.

[16][34]R. Crowley,O. Medvedeva.An intelligent tutoring system for visual classification problem solving[J].Artificial intelligence in medicine,2006,(1):85-117.

[17]李睿,王旭陽,蕭波.智能教學系統(tǒng)中知識查詢研究[J].電化教育研究,2011,(4):73-76.

[18]王冬青,柳泉波,任光杰等.一種面向問題解決的智能導師系統(tǒng)[J].中國電化教育,2008,(8):90-94.

[19]郭延兵.現(xiàn)代遠程開放教育個性化教學的特點[J].電化教育研究,2011,(7):73-77.

[20]張一立,劉亞練,林桑楠,唐常杰.智能教學系統(tǒng)PCICAI,SETTI和GITUS[J].計算機學報,1989,(8):632-634.

[21]武棟.基于WEB的ITS中學生模型和教學策略的設計[J].現(xiàn)代教育技術,2007,(5):62-64.

[22]郭富強.智能教學系統(tǒng)中動態(tài)學生模型的研究與設計[J].中國電化教育,2011,(1):119-123.

[23]楊卉,王陸,馮紅.在智能教學系統(tǒng)中兩層動態(tài)學生模型的研究[J].電化教育研究,2005,(1):72-75.

[24]郝耀軍,王建國,趙青杉.網(wǎng)絡智能教學系統(tǒng)中雙層學生模型的設計[J].中國遠程教育,2011,(12):64-67.

[25]文春明,吳建生.基于神經網(wǎng)絡的智能教學系統(tǒng)學生模型設計[J].智能計算機與應用,2011,(6):52-53.

[26]A. Sarrafzadeh, S. Alexander, F. Dadgostar et al.“How do you know that I don’t understand?” A look at the future of intelligent tutoring systems[J]. Computers in Human Behavior,2008,(4):1342-1363.

[27]程萌萌,林茂松,王中飛.應用表情識別與視線跟蹤的智能教學系統(tǒng)研究[J].中國遠程教育,2013,(3):59-64.

[28]李昕,荊永君,王鵬.智能授導系統(tǒng)中的教學策略研究[J].中國電化教育,2012,(10):126-130.

[29]M. Arevalillo-Herráez, D. Arnau, L. Marco-Giménez. Domainspecific knowledge representation and inference engine for an intelligent tutoring system[J].Knowledge-Based Systems,2013, (1):97-105.

[31]蔣艷,馬武林.中國英語寫作教學智能導師系統(tǒng):成就與挑戰(zhàn)——以句酷批改網(wǎng)為例[J].電化教育研究,2013,(7):76-81.

[32]C. Woo, M. Evens, R. Freedman et al. An intelligent tutoring system that generates a natural language dialogue using dynamic multi-level planning[J].Artificial intelligence in medicine, 2006,(1):267-280.

[33]A. Latham, K. Crockett, D. McLean et al. A conversational intelligent tutoring system to automatically predict learning styles[J].Computers &Education,2012,(1):95-109.

[35]董宏建,金慧,秦彩霞,孫振天.網(wǎng)絡課程中協(xié)作學習環(huán)境的設計框架研究[J].電化教育研究,2012,(5):43-47.

[36]H. wang. SQL Tutor+: A co-operative ITS with repository support[J].Information and Software Technology,1997,(5):343-350.

[37]吳青,羅儒國.智能教學系統(tǒng)中支持協(xié)作學習的群體感知模型[J].現(xiàn)代遠程教育研究,2013,(4):107-112.

[38]I. Roll, V. Aleven, B. McLaren et al. Improving students’ helpseeking skills using metacognitive feedback in an intelligent tutoring system[J].Learning and Instruction,2011, (2):267-280.

[40]丁暉,徐欽赟.基于知識網(wǎng)格的智能教學系統(tǒng)[J].計算機與數(shù)字工程,2010,(8):129-132.

Research Status and Development Trend of Intelligent Tutoring System

Liu Qingtang, Wu Linjing, Liu Man, Fan Guilin
(School of Educational Information Technology, Central China Normal University, Wuhan Hubei 430079)

Intelligent Tutoring System (ITS) is a powerful tool to realize intelligent and personalized learning. Its appearance and development has brought great opportunities and challenges for education. This paper gives a detailed description of the history and development of Intelligent Tutoring System. In this paper the authors clarify the concept and connotation of intelligent tutoring system. Then it describes the basic structure and essential components of intelligent tutoring system. The functions of each component and the latest research results are also introduced. At last, the paper summarizes the main research trends and future developments of intelligent tutoring system.

Intelligent Tutoring System; ITS; Domain Knowledge Base; Student Model; Reasoning Mechanism; Man-machine Interface

G434

A

劉清堂：教授，博士生導師，常務副院長，研究方向為數(shù)字化學習技術、版權保護、知識挖掘與知識服務(liuqtang@mail.ccnu.edu.cn)。

吳林靜：講師，博士，研究方向為知識挖掘與知識服務、文本分析和語義分析(wlj_sz@126.com)。

2016年7月9日

責任編輯：宋靈青

1006—9860(2016)10—0039—06

* 本文系全國教育科學規(guī)劃教育部青年課題“基于知識地圖的教育資源個性化推薦研究”(課題編號：ECA140366)階段性研究成果。

① 吳林靜為本文的通訊作者。