張祥裕，劉東峰，李欣容

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

0 引 言

三維虛擬仿真實(shí)驗(yàn)環(huán)境給學(xué)生提供了一個(gè)沉浸和高效的學(xué)習(xí)環(huán)境，在虛擬教學(xué)中起著重要的作用，學(xué)生可以根據(jù)自己的實(shí)際情況合理安排時(shí)間進(jìn)行仿真實(shí)驗(yàn)，打破了時(shí)間上和空間上的限制[1-3]。目前的大部分研究集中在引入昂貴的VR設(shè)備來提高仿真實(shí)驗(yàn)的沉浸性和用戶之間的交互[4-6]，如微Kinect、在化學(xué)實(shí)驗(yàn)中發(fā)出刺激性氣味的嗅覺裝置、Oculus和Leap Mothion VR devices,但卻忽略了如何引導(dǎo)學(xué)生進(jìn)行自主學(xué)習(xí)。每個(gè)學(xué)生都有不同的學(xué)習(xí)需求和知識(shí)背景，從而導(dǎo)致學(xué)生在學(xué)習(xí)過程中對(duì)系統(tǒng)的要求也不同，每個(gè)學(xué)生都希望能夠獲取到滿足自己需求的知識(shí)，因此研究智能自主學(xué)習(xí)輔導(dǎo)系統(tǒng)的一個(gè)重要問題是對(duì)學(xué)生知識(shí)的評(píng)估[7]。

例如大規(guī)模在線課程的工作中也應(yīng)用了貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)學(xué)習(xí)者模型的設(shè)計(jì)[8-9]，表明貝葉斯網(wǎng)絡(luò)可以提高推薦的個(gè)性化程度[10-11]。通過貝葉斯網(wǎng)絡(luò)構(gòu)建知識(shí)庫，通過采樣數(shù)據(jù)來創(chuàng)建認(rèn)知網(wǎng)絡(luò)模型，在學(xué)習(xí)過程中負(fù)責(zé)決策，并強(qiáng)調(diào)了負(fù)責(zé)決策的知識(shí)庫的重要性。Eva.M等人提出了基于自適應(yīng)貝葉斯網(wǎng)絡(luò)的學(xué)生建模的綜合理論方法[12-14]，并在之后的工作中，結(jié)合自適應(yīng)測試算法，可以測定不同粒度級(jí)別的學(xué)生能力[15]，在文獻(xiàn)[16]中討論了疊加模型、差分模型、擾動(dòng)模型、基于約束的模型四種廣泛使用的模型類型，并實(shí)現(xiàn)了一個(gè)真正的應(yīng)用程序，用于學(xué)生的計(jì)算機(jī)化考試，表明了系統(tǒng)測試估計(jì)的結(jié)果與專家給出的分?jǐn)?shù)存在高度一致性。

在該研究中，將貝葉斯網(wǎng)絡(luò)應(yīng)用到系統(tǒng)中，考慮用節(jié)點(diǎn)來指代概念，提出了一個(gè)較合理準(zhǔn)確反映虛擬仿真實(shí)驗(yàn)內(nèi)部各個(gè)知識(shí)節(jié)點(diǎn)之間關(guān)系的知識(shí)概念網(wǎng)絡(luò)，作為領(lǐng)域知識(shí)表示和實(shí)現(xiàn)評(píng)估及問題推送。這種方式運(yùn)用了貝葉斯網(wǎng)絡(luò)的條件概率量化了知識(shí)節(jié)點(diǎn)之間的依賴關(guān)系，較好地反映了特定領(lǐng)域中的知識(shí)結(jié)構(gòu)，以支持三維虛擬仿真學(xué)習(xí)平臺(tái)的智能知識(shí)表達(dá)和推送。

1 智能學(xué)習(xí)平臺(tái)

1.1 三維虛擬仿真學(xué)習(xí)平臺(tái)

文中的學(xué)習(xí)平臺(tái)用于仿真實(shí)驗(yàn)課程，編程語言為C#，課程包含了“物理”、“化學(xué)”等內(nèi)容。學(xué)生可以在平臺(tái)上進(jìn)入對(duì)應(yīng)的實(shí)驗(yàn)課程，自主選擇實(shí)驗(yàn)儀器并進(jìn)行實(shí)驗(yàn)，記錄數(shù)據(jù)，回答題目。

1.2 知識(shí)庫模塊

知識(shí)庫模塊主要有知識(shí)網(wǎng)絡(luò)庫、實(shí)驗(yàn)文檔庫、實(shí)驗(yàn)問題推送三個(gè)部分。該平臺(tái)中，在知識(shí)網(wǎng)絡(luò)和實(shí)驗(yàn)原理的關(guān)聯(lián)基礎(chǔ)上，系統(tǒng)通過該實(shí)驗(yàn)有關(guān)的關(guān)鍵字，在網(wǎng)絡(luò)中匹配出相關(guān)的知識(shí)節(jié)點(diǎn)，在實(shí)驗(yàn)開始之前為學(xué)生推送有關(guān)知識(shí)點(diǎn)的測試問題集Tq，表示為Tq={tq1,tq2,…,tqn}。通過這樣的過程，學(xué)生回答與該實(shí)驗(yàn)高度相關(guān)的題目來鞏固與該實(shí)驗(yàn)有關(guān)的原理，根據(jù)關(guān)鍵字的不同，推薦給學(xué)生的問題種類和數(shù)目也不同。文中的知識(shí)庫模塊是在原有的實(shí)驗(yàn)學(xué)習(xí)平臺(tái)上加入的。新模塊的工作框架如圖1所示。

圖1 工作框架

學(xué)生在進(jìn)入實(shí)驗(yàn)課程后，系統(tǒng)推送問題，學(xué)生要逐一回答，具體的實(shí)施過程如圖2所示。

圖2 實(shí)施過程

1.3 知識(shí)節(jié)點(diǎn)

知識(shí)節(jié)點(diǎn)主要分為三種類型節(jié)點(diǎn)：第一種是C類型節(jié)點(diǎn)，即不能被進(jìn)一步分解的基礎(chǔ)知識(shí)節(jié)點(diǎn)；第二種是B類型節(jié)點(diǎn)，即可以被進(jìn)一步分解的知識(shí)節(jié)點(diǎn)，Ti是一個(gè)(Ci，β)，其中Ci={Ci1,Ci2,…,Cin}是匯總各基礎(chǔ)知識(shí)節(jié)點(diǎn)的概念，β={β1,β2,…,βn}是權(quán)值向量；最后一種是A類型節(jié)點(diǎn)，即是代表主題知識(shí)的節(jié)點(diǎn)。Ai是一個(gè)(T，α)，其中T={T1,T2,…,Tn}，權(quán)值向量α={α1,α2,…,αn}。為降低復(fù)雜度，節(jié)點(diǎn)的狀態(tài)變量Qi定為二值狀態(tài)。用θ表示對(duì)某知識(shí)項(xiàng)I的掌握水平：

父節(jié)點(diǎn)所表達(dá)的知識(shí)項(xiàng)是子節(jié)點(diǎn)所表達(dá)的知識(shí)項(xiàng)的基礎(chǔ)知識(shí)之一，所以一個(gè)子知識(shí)節(jié)點(diǎn)會(huì)由多個(gè)父知識(shí)節(jié)點(diǎn)組成。由于涉及的知識(shí)量大而導(dǎo)致的父節(jié)點(diǎn)太多和條件概率表太大的問題，基于邏輯組合將一些父節(jié)點(diǎn)組合到中間節(jié)點(diǎn)中，然后將較少的中間節(jié)點(diǎn)再進(jìn)一步組合，使其簡化模型并改善結(jié)構(gòu)，具有更小且更容易處理的CPT維度。所有知識(shí)節(jié)點(diǎn)變量可以采用如下四元組來表示：

N={N1,N2,…,Nn}表示由網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中各節(jié)點(diǎn)組成的集合，代表某領(lǐng)域內(nèi)概念。

A={[aij],1≤i≤n,1≤j≤n}表示由網(wǎng)絡(luò)結(jié)構(gòu)中所有的連接兩個(gè)節(jié)點(diǎn)的有向弧所組成的集合，描述各節(jié)點(diǎn)變量間的因果關(guān)系。

X={X1,X2,…,Xn}表示網(wǎng)絡(luò)結(jié)構(gòu)中與所有節(jié)點(diǎn)相對(duì)應(yīng)的變量的取值集合。

P={P(Xi)|π(X),Xi∈X}表示貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中各個(gè)變量的條件概率。

1.4 二級(jí)標(biāo)題知識(shí)網(wǎng)絡(luò)模型的建立

領(lǐng)域知識(shí)之間的內(nèi)在邏輯關(guān)系把實(shí)驗(yàn)課程中的知識(shí)連接成一個(gè)完整的語義網(wǎng)絡(luò)，所以需模型化學(xué)習(xí)者的增量式學(xué)習(xí)過程。建模之前按照復(fù)雜到基礎(chǔ)的順序?qū)Ω拍罴褐械母鞣N知識(shí)逐級(jí)分解，最終成為最基本的知識(shí)節(jié)點(diǎn)，再通過各個(gè)知識(shí)項(xiàng)之間的依賴關(guān)系，這樣就建立了具有統(tǒng)一的知識(shí)傳播方式和相對(duì)規(guī)范化的課程知識(shí)的表示方法。

實(shí)驗(yàn)內(nèi)容中除了實(shí)驗(yàn)原理本身的知識(shí)，還有認(rèn)識(shí)和使用實(shí)驗(yàn)儀器也是一個(gè)重要的部分，因此對(duì)于建立的網(wǎng)絡(luò)形式，為了能更好地覆蓋實(shí)驗(yàn)知識(shí)，在原有的實(shí)驗(yàn)知識(shí)網(wǎng)絡(luò)上，將實(shí)驗(yàn)相關(guān)的另一個(gè)方面如實(shí)驗(yàn)儀器的知識(shí)作為另一層網(wǎng)絡(luò)，這一層網(wǎng)絡(luò)的實(shí)驗(yàn)儀器節(jié)點(diǎn)與原知識(shí)網(wǎng)絡(luò)中的節(jié)點(diǎn)有對(duì)應(yīng)關(guān)系，比如實(shí)驗(yàn)儀器節(jié)點(diǎn)“托盤天平”與知識(shí)節(jié)點(diǎn)“質(zhì)量”有直接的關(guān)聯(lián)關(guān)系,如圖3所示。

圖3 兩層知識(shí)網(wǎng)絡(luò)

1.5 推送問題

對(duì)于每個(gè)實(shí)驗(yàn)，都有一組隨機(jī)的關(guān)鍵詞Kq={kq1,kq2,…,kqn}和一個(gè)實(shí)驗(yàn)文檔，對(duì)于這組隨機(jī)的關(guān)鍵詞，根據(jù)其屬性會(huì)將其細(xì)分為不同的關(guān)鍵詞組：

對(duì)于每一個(gè)關(guān)鍵詞組，在知識(shí)網(wǎng)絡(luò)中利用正則表達(dá)式進(jìn)行關(guān)鍵詞匹配查找，找出其對(duì)應(yīng)節(jié)點(diǎn)的關(guān)聯(lián)節(jié)點(diǎn)，該關(guān)聯(lián)節(jié)點(diǎn)表示為一組匹配關(guān)鍵詞Cq={cq1,cq2,…,cqn}，則該組關(guān)鍵詞組最終為主關(guān)鍵詞與匹配關(guān)鍵詞的集合：

Cq={cq0,cq1,…,cqn}

若隨機(jī)關(guān)鍵詞與實(shí)驗(yàn)儀器層知識(shí)網(wǎng)絡(luò)有關(guān)聯(lián)，則對(duì)實(shí)驗(yàn)儀器層知識(shí)網(wǎng)絡(luò)進(jìn)行匹配查找，在這一層中查找出的關(guān)鍵詞組為Eq={eq1,eq2,…,eqn}，則主關(guān)鍵詞與匹配關(guān)鍵詞的集合為：

Cq={cq0,eq1,eq2,…,eqn}

對(duì)于每個(gè)實(shí)驗(yàn)的實(shí)驗(yàn)文檔，其中的實(shí)驗(yàn)原理內(nèi)容中包含了一組實(shí)驗(yàn)原理句S={s1,s2,…,sn}，上述處理好的關(guān)鍵詞組中的每一個(gè)詞，將會(huì)與這一組實(shí)驗(yàn)原理句組中的每一個(gè)句子用匹配回溯算法分別進(jìn)行匹配，依次遍歷句子和關(guān)鍵詞字符串。若一個(gè)關(guān)鍵詞組與某一句原理匹配成功，將會(huì)基于該句子設(shè)置該組主關(guān)鍵詞的問題并推送到實(shí)驗(yàn)前測試界面中。根據(jù)詞的分類，問題的類型主要分為四方面：原理公式方面、實(shí)驗(yàn)儀器方面、原理定義方面、符號(hào)單位方面。關(guān)鍵詞組不同，所推送的問題類型也不同。

2 實(shí)施結(jié)果

下面以一個(gè)學(xué)習(xí)例子，“用天平測量物體的質(zhì)量”物理實(shí)驗(yàn)來進(jìn)行展示。該實(shí)驗(yàn)中的實(shí)驗(yàn)文檔的原理部分，包含了實(shí)驗(yàn)儀器和物理公式兩方面的相關(guān)原理，如圖4所示。

圖4 實(shí)驗(yàn)文檔原理部分

部分知識(shí)網(wǎng)絡(luò)文檔對(duì)應(yīng)的簡略圖如圖5所示。

圖5 “用天平測量物體的質(zhì)量”實(shí)驗(yàn)的知識(shí)網(wǎng)絡(luò)簡圖

“用天平測量物體的質(zhì)量”實(shí)驗(yàn)中，系統(tǒng)自動(dòng)推送的問題如圖6所示。

圖6 “用天平測量物體的質(zhì)量”的實(shí)驗(yàn)前測試問題

在另一個(gè)實(shí)驗(yàn)“探究斜面的機(jī)械效率”中，若回答錯(cuò)誤，界面會(huì)提示該題的正確答案，如圖7所示。

圖7 回答錯(cuò)誤

由以上的效果可知，推送出的問題中儀器的使用問題，以及在實(shí)驗(yàn)文檔中的原理性問題，緊密圍繞著“用天平測量物體的質(zhì)量”實(shí)驗(yàn)，具有一定的實(shí)用性，兩層網(wǎng)絡(luò)更加清晰地區(qū)分知識(shí)點(diǎn)，只在有需求時(shí)對(duì)查詢某一方面的知識(shí)點(diǎn)，減少知識(shí)網(wǎng)絡(luò)查詢的時(shí)間，降低單個(gè)網(wǎng)絡(luò)的復(fù)雜度。

3 結(jié)束語

通過建立實(shí)驗(yàn)知識(shí)網(wǎng)絡(luò)模型，表達(dá)了實(shí)驗(yàn)課程內(nèi)容中不確定知識(shí)間的因果關(guān)系，結(jié)合實(shí)驗(yàn)本身的原理知識(shí)，通過為學(xué)生推送合適的實(shí)驗(yàn)前測試問題，提高了學(xué)生對(duì)于原理知識(shí)的掌握程度，是一次有益的嘗試。

對(duì)該知識(shí)庫模塊的開發(fā)尚處于起步階段，在將來的工作中，還將對(duì)本平臺(tái)的智能模塊進(jìn)行進(jìn)一步的完善，比如擴(kuò)大知識(shí)網(wǎng)絡(luò)，并采取更多樣化的方法實(shí)現(xiàn)智能輔導(dǎo)，以進(jìn)一步加強(qiáng)平臺(tái)與學(xué)生之間的互動(dòng)。