楊世瀚 章維亞

摘? 要：針對使用“雨課堂”進行教學的課程，動態(tài)構建該課程的教學過程知識庫及其推理系統(tǒng)。在課程教學過程知識庫中，用邏輯推理語言Prolog進行智能推理，智能回答課程教學過程中關于學生學習情況的一些問題，并能對學生的學習效果進行動態(tài)評估，對學生課程成績進行預測和排序。智能教學過程推理系統(tǒng)能輔助教師及時評估和反饋課程教學過程中的問題，實時調(diào)整教學內(nèi)容和教學手段，是高等學校本科智能化教學過程的一種新嘗試。

關鍵詞：雨課堂;教學過程管理;智能推理;學習效果評估;成績排名預測

Abstract： For the courses that use "rain classroom" for teaching， dynamically build the course's teaching process knowledge base and its reasoning system. In the course teaching process knowledge base， the logical inference language Prolog is used for intelligent reasoning， intelligently answering some questions about student learning during the course teaching， and can dynamically assess the learning effect of students， predict and sort students' course performance. The intelligent teaching process inference system can assist teachers to evaluate and feedback problems in the course of teaching in a timely manner， and adjust teaching content and teaching methods in real time.

一、概述

“雨課堂”在大學課程的廣泛使用，科學地覆蓋了課前、課上、課后的每一個教學環(huán)節(jié)，為師生提供完整立體的教學過程數(shù)據(jù)支持[1-2]。雖然說“雨課堂”平臺比較詳實記錄了課程的教學過程，但是教學過程的數(shù)據(jù)沒有活起來，對教學過程評價起到的支撐作用沒有很好體現(xiàn)出來。比如，要在某個特定情況下對有些學生提出學習上的警告，“雨課堂”并不能回答。問題在于，雨課堂是通用的課程平臺，并沒有很好地結合具體課程的不同高校的各種教務教學過程規(guī)則等;二是教學過程各個時段的數(shù)據(jù)沒有知識化的組織起來，各個數(shù)據(jù)之間比較孤立，出勤數(shù)據(jù)就是出勤，作業(yè)數(shù)據(jù)就是作業(yè)完成情況數(shù)據(jù)，并沒有把數(shù)據(jù)聯(lián)系起來考慮。但是這些數(shù)據(jù)之間是有聯(lián)系的，一般說來沒有上課的人其作業(yè)完成情況也不樂觀。數(shù)據(jù)之間沒有產(chǎn)生關聯(lián)，僅有的只是簡單的統(tǒng)計圖和單項排序，沒有發(fā)揮“智能化”課堂的全部優(yōu)勢。如果把學生的學習行為數(shù)據(jù)和學習效果數(shù)據(jù)聯(lián)系起來考慮，對學習過程評價和學習效果評估將起到積極的作用。

本文把雨課堂教學過程的數(shù)據(jù)組織成課程教學過程的知識庫，并基于邏輯編程語言Prolog利用知識推理的方法和技術，來智能回答課程教學過程中和學校教務規(guī)則的相關問題，讓教師和教務機構對課程的教學管理更加智能化。

二、“雨課堂”的數(shù)據(jù)收集和整理

數(shù)據(jù)的采集主要從具體課程“雨課堂”教學平臺上自動導出成Excel文件，這些數(shù)據(jù)采集下來后按需要進行整理和標識。Excel文件是一個二維表，從雨課堂教學過程中整理出來的表主要有：學生情況表，教師情況表，教學資源情況表，教學過程表。

學生情況表，教師情況表，教學資源情況表這三個表數(shù)據(jù)主要記錄一些靜態(tài)事實數(shù)據(jù)，如學生和教師的基本信息、出勤情況、教學資源的創(chuàng)建和使用情況等等。教學過程表的內(nèi)容按照時間順序記錄每一次教學活動的情況，包括課前預習的情況，課堂進行中課堂問答的情況，課后閱讀資料情況，課后完成作業(yè)情況，課后討論交流情況等，是教學過程的主要數(shù)據(jù)。

這些數(shù)據(jù)是為建立教學過程知識庫準備的。這個數(shù)據(jù)隨著教學過程的進行不斷增加，直到課程結束，數(shù)據(jù)才停止更新。

三、教學過程知識庫

Prolog邏輯編程語言建立在邏輯學的理論基礎之上，廣泛應用于人工智能的研究中[3-6]。Prolog的基本語句有：事實、規(guī)則、目標這三種基本語句。它們以“謂詞”的形式表達，一方面，謂詞清楚簡單，語句類型少，因而文法簡潔，程序邏輯性強，清晰易懂;另一方面，Prolog是陳述性語言，它只依靠事實制定規(guī)則，并不需要在程序中列出詳細的求解步驟，就能使用內(nèi)部的演繹推理機制自動求解程序給定的目標。其推理過程是一種基于匹配的查詢機制，查詢的模板叫做目標，如果有某個查詢與目標匹配，那么查詢就成功了。查詢就是提問的機制，后文會看到我們的所有教學過程的抽象任務或者教務規(guī)則等都能表示成查詢，然后在知識庫中尋找答案。Prolog具有幾個顯著的特點不同于命令式和面向對象的編程語言，首先， Prolog語言程序沒有特定的運行順序，是一種描述性的語言，只要用特定的方式來描述一個問題，然后由計算機自動找到這個問題的答案。其次，Prolog程序實際上是一個智能數(shù)據(jù)庫，它的程序和數(shù)據(jù)高度統(tǒng)一。知識庫由知識表示和推理規(guī)則組成，分別叫做事實庫和規(guī)則庫，在其上基于查詢機制能進行邏輯推理。

（一）知識表示

Prolog中的知識表示用謂詞表示，構成事實庫。首先是簡單事實，如student（“Tom”）就是一條Prolog程序語言，表示Tom是一個學生，student是我們定義的一元謂詞表示“是學生”;又如定義二元謂詞preview（X，Y）表示X學生對課程Y進行了預習，則一個事實preview（“Tom”，class_One）表示Tom預習了課程class_One;又比如定義三元謂詞classAnswer（X，Y，Z）為X在課堂上回答了Y問題，老師給出評價為Z，則事實語句classAnswer（“Tom”， class_One_3， good）可解釋成Tom在課堂上回答了問題class_One_3，回答的結果是good。

在整理好的“雨課堂”課程教學過程數(shù)據(jù)基礎上，根據(jù)我們要建立的知識系統(tǒng)，先仔細設計好用來表示各種需要的實施的謂詞的名稱，以及括號里的參數(shù)，并記錄和精確描述好它們的意義和解釋，然后用其它的編程語言如C，java等，編寫程序把整理好的數(shù)據(jù)自動轉換成Prolog語言，作為知識庫系統(tǒng)事實庫的一部分，事實庫是智能推理的基礎數(shù)據(jù)部分。

（二）規(guī)則

所有規(guī)則構成規(guī)則庫，是進行智能推理的關鍵部分。教學過程知識庫的規(guī)則建立是系統(tǒng)設計的主要部分。Prolog規(guī)則由頭和體組成，頭和體都是謂詞：head：- bodyhead表示要查詢的目標，body表示查詢的條件，是多個由逗號分開的謂詞序列，符號“：-”連接頭和體，表示如果。

根據(jù)教學過程評估的需要，我們建立六類規(guī)則，基本事實規(guī)則類，如查詢?nèi)藬?shù)、課程資源等;課前預習規(guī)則類，如班級預習率、個人預習率、預習評價規(guī)則等;課堂教學規(guī)則，如回答問題得分規(guī)則、學生參與課堂規(guī)則、學生提問規(guī)則等;課后復習規(guī)則類，如課后資源閱讀情況規(guī)則、課后習題完成規(guī)則、與老師同學交流規(guī)則等等;總體教學效果評估規(guī)則，如教學全過程學生參與度、教師反饋規(guī)則、學生成績計分規(guī)則，學生出勤規(guī)則等;學生成績評估和預測規(guī)類：如學生課程成績評價規(guī)則、學生重修預警、學生成績排名預測、學生學習提醒規(guī)則等等。

這些規(guī)則作為知識系統(tǒng)的規(guī)則庫存儲在系統(tǒng)中，是依據(jù)教學過程對學生學習成績進行智能評價的主要設計部分，也是教務規(guī)則的主要表現(xiàn)部分，是推理的重要依據(jù)。這部分的主要特點是，規(guī)則可動態(tài)增加，規(guī)則可根據(jù)需要靈活修改，便于教師的教學過程管理和教務的教學管理。另外，可以根據(jù)需要很方便地重新開發(fā)或者更新已有的規(guī)則。

（三）推理

課程教學過程知識庫中的推理就是從雨課堂數(shù)據(jù)中轉換成的事實庫中，利用定義好的幾類規(guī)則，自動地找出教學過程中需要的信息和知識。推理任務直接根據(jù)教學過程中的具體需求建立，然后把任務分解成知識庫的查詢目標。例如，課程教學過程中有一個學生重修預警的教務要求，在學生缺勤率快達到1/3的時候，對學生進行不能參加期末考試準備重修的預警;同時根據(jù)教師的要求，學生的作業(yè)完成率達不到1/3的時候，也要給學生提醒不能參加期末考試。這時可以建立一個查詢目標，也是一個規(guī)則，

alertStudents（X） ：- students（X），

attendanceRate（X， Ra）， Ra > 1/3 - 0.1，

didHomeworksRate（X， Rh）， Rh < 2/3 - 0.1，

write（X）， nl，

write（Ra）， write（Rb）， nl.

這條規(guī)則很簡潔地定義了一個推理任務，第一行表明X是這個班的學生，第二行表示這個學生X的出勤率Ra快達到了1/3，地三行表示學生X的作業(yè)完成率快達到了2/3，第四行把學生的姓名打印出來，第五行給出具體的出勤率和作業(yè)完成率。只需要把這個任務提交給知識系統(tǒng)，系統(tǒng)會自動推理給出所有的該預警的學生，并逐一給出理由。這個例子很好地說明，在教學過程業(yè)務需求分析的基礎上，直接把要解決的問題表示成知識系統(tǒng)的推理事務即可，不需要關注具體的業(yè)務實現(xiàn)過程，知識系統(tǒng)會自動完成任務并給出解答。這樣實際上，程序開發(fā)的任務都關注在業(yè)務上，完成的效率將大大提升，質(zhì)量也將提高，而且靈活性高，可擴展性極大提高了。

四、學生成績智能評估

在知識系統(tǒng)的知識庫和規(guī)則庫建立好之后，學生成績評估問題實際上是建立學生成績評估推理事務的過程，這個過程就是一個建立規(guī)則的過程，推理事務可以直接提交給系統(tǒng)自動完成。

（一）單個學生學習效果總體評估

首先建立一個overall謂詞，用來了解每個學生的總體情況，根據(jù)具體的成績計算規(guī)則（例如：預習率占比10%，考勤率占比10%，課后練習作答率占比30%，回答問題率占比30%，優(yōu)秀回答率占比20%），來建立這個謂詞的推理事務規(guī)則：

又比如，根據(jù)等級制對學生成績進行評估的推理事務evaluate：

（二）教學過程中學生課程成績預警

在學生期末復習的階段，教師可能需要對班上學生的學習情況有個大致的把握，比如，對學生的學習成績有個預估，看哪些同學可能考試不及格，及時給予提醒和更多的指導。根據(jù)學生個體的評估和評價，可以重新給出預警規(guī)則，這時可以重用上面的evaluate推理事務來建立alertStudents2，

根據(jù)規(guī)則和經(jīng)驗認為總體評估在2.0以下的學生就要預警。這里由兩個規(guī)則組成了推理事務，分別是alertStudents2和alert，并且重用了student規(guī)則和evaluate規(guī)則。

（三）學生成績預測

如果要對學生的相對學習情況進行比較，可能需要對考試成績進行排名預測。根據(jù)學習情況對學生的學習結果進行預測是一個有趣的推理事務。預測一般有兩種方法，一種是從歷史數(shù)據(jù)預測，但是一門課程往往只針對一批學生講授一次，故只有這門課程的歷史數(shù)據(jù)，沒有這批學生的歷史數(shù)據(jù)可以參考。還有就是用推理事務建立一種基于規(guī)則的預測模型來進行預測，這里采取這種方法。根據(jù)經(jīng)驗建立成績排名預測的推理事務，一般evaluate綜合評估高的學生其排名靠前，綜合評估的參數(shù)涉及到出勤率、作業(yè)完成率、課堂參與度、回答問題的參與率、雨課堂資料的使用率、預習率、與老師交流情況、提問頻率、提問深度等9個，并依據(jù)經(jīng)驗給出了各參數(shù)的權重，進行簡單地線性計算求得綜合評估值，然后按數(shù)值排序，作為學生課程成績排名的預測值。

findall查詢所有的學生，forall這行對每個學生的綜合成績進行預測preEvaluate，pair規(guī)則把學生和預估總成績對應起來，建立一個key-value對的列表放在Pairs中，keysort對Pairs列表按照預估值進行排序。

五、應用和效果

基于一門課程一學期的雨課堂數(shù)據(jù)（學生48人，36學時，一個教師，16次課后作業(yè)，每次課程3-5次提問，隨時增加的課程資源，雨課堂作業(yè)2次較大試卷每次30題，每次3-5個問題的多次小問答），建立好的課程教學過程知識庫由8000多個事實，和90多條規(guī)則組成，事實和規(guī)則根據(jù)需要隨時增加和修改，數(shù)目常常變動。

把學生成績預測和期末考試的真實成績進行了比較，其大致的分布情況如圖1所示，總體看來，預測的總體成績偏高了點，實際考試成績與老師出題的難度有關，預測中并沒有考慮教師出題的情況。

對學生成績排名的預測能更好地反映真實情況，表1是每個學生的排名情況比較。

圖2可以看出全班學生的預測名次和實際名次的差異，實際名次可以看成是預測名次一個近似線性擬合曲線，基本上準確。預測名次和實際名次的均方根（RMSE）是4.96，考試成績和教學過程記錄的學習情況基本吻合。對實際名次的第34名預測偏差比較大，可能由于該同學積極參與教學過程，但是學習方法尚欠缺，對實際名次的第10名預測偏差也大，反映了該同學課下采取其他方式積極學習，但是并不熱衷于在雨課堂平臺上的參與。去掉這兩名同學的情況，則預測名次和實際名次的均方根（RMSE）是2.11，說明名次預測在2-3名之間的準確率大約在95%。

六、結束語

教學過程知識庫系統(tǒng)的建立對“雨課堂”教學環(huán)境中教學過程的管理是一個很好的補充，它能用靈活問答的形式回答教學過程中的一些較復雜問題，并能夠對學生的學習效果進行簡單評價，對學生的課程成績排名進行預測，名次預測在2-3名之間的準確率達到了95%。進一步完善和豐富事實庫和規(guī)則庫，建立更精細更準確的教學過程推理事務，更好地為課程教學過程管理、控制與評估服務，是今后的主要工作。

參考文獻：

[1]井媛.建構主義視角下的大學英語智慧課堂構建策略研究[J].湖北開放職業(yè)學院學報，2018，31（22）：156-157+166.

[2]陳立暢，冷雪梅，唐秀英，等.基于“雨課堂”的《質(zhì)量管理學》教學改革與實踐[J].教育現(xiàn)代化，2019，6（11）：72-74.

[3]李娜，王湘云.基于謂詞邏輯的Prolog程序設計[J].西南大學學報（社會科學版），2009，35（06）：48-52.

[4]蔡自興，徐光.人工智能及其應用[M].清華大學出版社，2002.

[5]Clocksin W F， Mellish C S. Programming in Prolog[M]. Springer-Verlag， 2003.

[6]J. Nichol， J. Dean， J. Briggs. Teachers encounter PROLOG[J]. Journal of Computer Assisted Learning， 2008，2（2）：74-82.