梁迎麗

（南京郵電大學(xué)教育科學(xué)與技術(shù)學(xué)院，江蘇南京 210023）

0 引言

新一代人工智能技術(shù)取得了突破性進(jìn)展，并不斷深入應(yīng)用到各個行業(yè)和研究領(lǐng)域。在教育領(lǐng)域，基于人工智能技術(shù)的智能導(dǎo)師系統(tǒng)（Intelligent Tutoring System，ITS）成為當(dāng)前研究熱點，其目的是模擬人類教師實現(xiàn)一對一個性化教學(xué)。智能導(dǎo)師系統(tǒng)由早期的CAI 發(fā)展而來，隨著認(rèn)知科學(xué)理論及人工智能技術(shù)的發(fā)展而不斷演進(jìn)。高度交叉的智能導(dǎo)師系統(tǒng)不僅涉及計算機(jī)科學(xué)、信息科學(xué)和人工智能等硬科學(xué)，而且還涉及認(rèn)知科學(xué)、教育心理學(xué)和語言學(xué)等軟科學(xué)。如今，智能導(dǎo)師系統(tǒng)在數(shù)學(xué)、物理、醫(yī)學(xué)、信息與計算機(jī)科學(xué)等學(xué)科教育教學(xué)中應(yīng)用廣泛，滿足學(xué)生的個性化學(xué)習(xí)需要，極大提升了學(xué)生的學(xué)習(xí)效率和效果［1-3］，尤其在疫情期間有力保障了超大規(guī)模在線學(xué)習(xí)活動的順利開展。

1 智能導(dǎo)師系統(tǒng)體系結(jié)構(gòu)

傳統(tǒng)的教育學(xué)理論認(rèn)為，教學(xué)系統(tǒng)由教師、學(xué)生、教學(xué)內(nèi)容三大要素構(gòu)成。在實際教學(xué)中，教師的教學(xué)活動通常包括［4］：①解釋關(guān)于某個主題的核心知識；②講解如何在給定領(lǐng)域應(yīng)用知識來解決問題；③提供問題解決的一些例子；④在問題解決過程中，通過提供線索和糾正信息來支持學(xué)生；⑤分析學(xué)生的解決方案并解釋錯誤；⑥考慮學(xué)生的學(xué)習(xí)目標(biāo)和經(jīng)驗，對后續(xù)相關(guān)活動提出建議。ITS 體系結(jié)構(gòu)由教學(xué)模型、學(xué)生模型和領(lǐng)域模型組成，分別與教學(xué)系統(tǒng)的教師、學(xué)生、教學(xué)內(nèi)容三大要素一一對應(yīng)。其中，教學(xué)模型模擬了實際教學(xué)中的教師角色，學(xué)生模型模擬了實際教學(xué)中的學(xué)生，領(lǐng)域模型模擬了實際教學(xué)中的教學(xué)內(nèi)容，其對應(yīng)關(guān)系如圖1 所示。ITS 的這種體系結(jié)構(gòu)被稱為“三角模型”。可以說，教學(xué)系統(tǒng)三要素的基本理論有效地解釋、支撐和保障了ITS 體系結(jié)構(gòu)的科學(xué)性，奠定了ITS 的理論基礎(chǔ)，是ITS 有效模擬人類教師實現(xiàn)一對一個性化教學(xué)的重要依據(jù)。

Fig.1 Correspondence between ITS“triangular model”and the three elements of teaching圖1 ITS“三角模型”與教學(xué)三要素的對應(yīng)關(guān)系

在ITS 體系結(jié)構(gòu)中，領(lǐng)域模型又稱為專家知識，通常由產(chǎn)生式規(guī)則、層次結(jié)構(gòu)、本體、語義網(wǎng)絡(luò)和框架的形式表示領(lǐng)域基本概念、規(guī)則和問題解決策略，其關(guān)鍵作用是實現(xiàn)知識的自動推理功能。學(xué)生模型是ITS 的核心組成部分，它動態(tài)描述了學(xué)生在學(xué)習(xí)過程中的認(rèn)知水平、情感狀態(tài)以及學(xué)習(xí)過程中的進(jìn)步情況。學(xué)生模型的主要功能體現(xiàn)在：①收集關(guān)于學(xué)習(xí)者的顯性和隱性（推理）數(shù)據(jù)；②能夠用這些數(shù)據(jù)表示學(xué)生的知識水平；③作為解釋學(xué)生知識水平并為其選擇最優(yōu)教學(xué)策略的依據(jù)。教學(xué)模型根據(jù)領(lǐng)域模型和學(xué)生模型的輸入數(shù)據(jù)，選擇適合學(xué)生的教學(xué)策略和活動安排。通常教學(xué)模型與學(xué)生的高度交互主要通過人機(jī)交互界面實現(xiàn)，通過創(chuàng)設(shè)各種形式的學(xué)習(xí)環(huán)境，為學(xué)生提供與領(lǐng)域知識的接口通道。因此，有研究者認(rèn)為ITS 體系結(jié)構(gòu)中應(yīng)增加接口部分。

2 智能導(dǎo)師系統(tǒng)研究進(jìn)展

圍繞ITS 系統(tǒng)結(jié)構(gòu)的3 個組成部分，結(jié)合教學(xué)中的實際應(yīng)用，ITS 理論、方法和技術(shù)研究在多學(xué)科教學(xué)應(yīng)用領(lǐng)域展開。

2.1 領(lǐng)域模型

為了使ITS 具有人類教師的智能，首先要具有清晰的領(lǐng)域知識表示能力，其次要具有知識的自動推理能力，能夠解決領(lǐng)域內(nèi)的問題。因此，在ITS 研究領(lǐng)域中，具有推理能力的領(lǐng)域知識模型研究十分重要。為了讓計算機(jī)表示出人類知識，需要弄清楚人類知識是如何表示的。心理學(xué)家和認(rèn)知科學(xué)研究者從認(rèn)識論角度出發(fā)，對人類的知識表示及其推理進(jìn)行研究。在此基礎(chǔ)上，心理學(xué)與計算機(jī)科學(xué)家構(gòu)建了一些表示人類知識規(guī)則和推理機(jī)制的認(rèn)知模型，如美國卡內(nèi)基·梅隆大學(xué)提出的ACT-R（Adaptive Control of Thought-Rational，ACT-R）認(rèn)知架構(gòu)，是關(guān)于人類認(rèn)知總體結(jié)構(gòu)的計算模型和開發(fā)認(rèn)知模型的軟件平臺，用以仿真并理解人的認(rèn)知理論，其目標(biāo)是使系統(tǒng)能夠執(zhí)行人類的各種認(rèn)知任務(wù)。一些ITS 的早期版本都采用了ACT-R 的產(chǎn)生式規(guī)則，如Algebra Tutor、Geometry Tutor 和LISP Tutor。要想實現(xiàn)知識表示與自動推理，就必須訴諸于一定的技術(shù)手段。知識表示是人工智能研究最基本的問題之一，人工智能的研究成果為教育應(yīng)用ITS 提供了廣泛的基礎(chǔ)。人工智能知識表示方法體系如圖2 所示。其中，產(chǎn)生式規(guī)則和約束、語義網(wǎng)絡(luò)和本體是ITS 領(lǐng)域模型最常用的幾種方法。

Fig.2 Knowledge representation system圖2 知識表示方法體系

產(chǎn)生式規(guī)則以If Condition Then Action 的形式描述，將規(guī)則作為知識的單位，其語義含義是：如果前件滿足，則可得到后件的結(jié)論或執(zhí)行后件的相應(yīng)動作。該領(lǐng)域模型能夠幫助系統(tǒng)理解學(xué)生的思維和問題解決方法?？▋?nèi)基梅隆大學(xué)人機(jī)交互研究中心采用產(chǎn)生式規(guī)則的領(lǐng)域模型開發(fā)了幾何認(rèn)知導(dǎo)師系統(tǒng)［5］（Geometry Cognitive Tutor，CCT），在美國的高中和初中數(shù)學(xué)課中，已有數(shù)萬名學(xué)生使用該類型的認(rèn)知智能導(dǎo)師系統(tǒng)，教學(xué)效果顯著。為克服產(chǎn)生式規(guī)則領(lǐng)域建模的復(fù)雜性，有研究者提出使用基于約束的建模方法（Constraint-Based Modeling，CBM）。CBM 將問題解決方案表示為抽象的約束條件，約束與產(chǎn)生式規(guī)則區(qū)別在于：產(chǎn)生式規(guī)則的結(jié)論或動作由前提條件觸發(fā)，而約束條件由結(jié)果觸發(fā)。SQL-Tutor［6］是采用該領(lǐng)域模型方法的系統(tǒng)之一，它由新西蘭坎特伯雷大學(xué)計算機(jī)科學(xué)與軟件工程系智能計算導(dǎo)師小組研發(fā)，在CBM 理論基礎(chǔ)上進(jìn)行了擴(kuò)展、測試，至今已有十余年教學(xué)應(yīng)用歷史。

語義網(wǎng)絡(luò)和本體都通過帶有標(biāo)記的有向圖進(jìn)行知識表示，適合于邏輯推理。本體是面向特定領(lǐng)域公認(rèn)的概念，其描述深度大于語義網(wǎng)絡(luò)。目前，通過自動化構(gòu)建領(lǐng)域本體的方法成為領(lǐng)域建模新途徑。用領(lǐng)域本體表示知識具有兩方面優(yōu)勢：①其標(biāo)準(zhǔn)形式使其具有共享性和重用性；②其形式化結(jié)構(gòu)使知識表示和推理過程實現(xiàn)一定程度的自動化，稱為“本體學(xué)習(xí)”技術(shù)。其用來實現(xiàn)知識的自動化提取，如可根據(jù)不同形態(tài)的知識源（文本、數(shù)據(jù)庫、XML文檔等）提取不同的知識類型（概念、分類、概念關(guān)系、屬性、實例、公理等），然后構(gòu)建本體或者更新已有的本體。文獻(xiàn)［7］描述了MATHESIS 本體，開發(fā)了可重用的數(shù)學(xué)導(dǎo)師編輯環(huán)境。MATHESIS 本體提供了具有語義的、可重用的、開發(fā)模型追蹤導(dǎo)師系統(tǒng)所需的陳述性和過程性知識，加快了模型追蹤導(dǎo)師系統(tǒng)的敏捷開發(fā)。

2.2 學(xué)生模型

學(xué)生模型是對學(xué)生個人知識技能水平、認(rèn)知特征、學(xué)習(xí)風(fēng)格和情感狀態(tài)等信息的數(shù)字化表示，其中，學(xué)生的知識技能水平是關(guān)鍵信息。學(xué)生模型的主要作用是為教學(xué)模型提供決策依據(jù)。只有清晰準(zhǔn)確地描述學(xué)生當(dāng)前的水平與狀態(tài)，才能在教學(xué)模型作用下實現(xiàn)個性化教學(xué)。因此，學(xué)生模型是ITS 的核心。

傳統(tǒng)的覆蓋模型、偏差模型和貝葉斯網(wǎng)絡(luò)模型通常用于構(gòu)建學(xué)生模型。雖然這些模型提出了較為有效的解決思路，但其在學(xué)生能力、狀態(tài)水平和特征的刻畫等方面仍存在很大的不確定性。在此基礎(chǔ)上，一部分研究者采用了神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)模型和模糊邏輯算法等數(shù)學(xué)模型來提高學(xué)生模型的有效性和準(zhǔn)確度；同時，也有一大部分研究者采用數(shù)據(jù)挖掘方法從學(xué)生學(xué)習(xí)記錄數(shù)據(jù)中挖取有效信息。對學(xué)生模型數(shù)據(jù)挖掘的方法有聚類、分類、預(yù)測、關(guān)聯(lián)、決策樹、時間序列、模式挖掘和文本挖掘等。其中，聚類、分類方法可以檢測學(xué)生的行為，對學(xué)生進(jìn)行分組分類；預(yù)測的方法可以預(yù)測學(xué)生的行為表現(xiàn)；關(guān)聯(lián)挖掘可以揭示學(xué)習(xí)內(nèi)容序列之間的聯(lián)系，以實施合適的教學(xué)策略；決策樹方法可以識別學(xué)生的認(rèn)知特征，判斷學(xué)生是否為新手還是經(jīng)驗豐富；模式挖掘可以揭示學(xué)生行為之間的模式規(guī)律，推斷學(xué)生的個性特征，為泛在學(xué)習(xí)情境研究提供支持。

值得注意的是，學(xué)生的情感狀態(tài)極大影響到學(xué)習(xí)效率和效果［8］。因此，情感狀態(tài)是學(xué)生模型的重要組成部分［9］。ITS 對學(xué)生情感的研究主要聚焦于情感感知、情感識別與情感引導(dǎo)3 個方面。文獻(xiàn)［10］提出基于語音和情感識別的計算機(jī)口語對話導(dǎo)師系統(tǒng)，在促進(jìn)口語對話導(dǎo)師系統(tǒng)自動適應(yīng)學(xué)生情感狀態(tài)方面做了重要的研究工作。該研究首先創(chuàng)建了人機(jī)對話語料庫，當(dāng)學(xué)生情感發(fā)生消極、中立和積極性變化時，在語料庫中進(jìn)行標(biāo)注。然后，從學(xué)生的言語中自動提取聲音韻律特征，從轉(zhuǎn)錄的言語中提取實詞項。通過所提取的上述特征，預(yù)測學(xué)生在講話過程中情感的變化；文獻(xiàn)［11］采用了基于統(tǒng)計的語音識別方法，根據(jù)ITS 中學(xué)生與系統(tǒng)的交互信息進(jìn)行情感推理；文獻(xiàn)［12］采用傳感器測量學(xué)生的心率、血壓、皮電反應(yīng)、呼吸頻率等信息，感知學(xué)生的心理生理狀態(tài)，并對其進(jìn)行調(diào)節(jié)。有研究提出利用深度學(xué)習(xí)算法進(jìn)行情感識別［13］，借助于ITS 中用戶的面部表情與其肢體動作的相關(guān)性，構(gòu)建關(guān)于面部表情的數(shù)據(jù)庫并提取相關(guān)特征，采用視覺—面部表情與鍵盤敲擊動作相結(jié)合的情感識別方式。實驗結(jié)果表明該混合方式能有效促進(jìn)ITS 用戶情感識別。學(xué)生情感識別與引導(dǎo)研究主要從認(rèn)知科學(xué)的研究角度出發(fā)，借助情感代理Agent或AI 技術(shù)進(jìn)行情感推理，識別學(xué)生的情感狀態(tài)并進(jìn)行引導(dǎo)。針對獲取的信息制定合適的系統(tǒng)交互策略，如調(diào)節(jié)環(huán)境、任務(wù)強(qiáng)度等，增強(qiáng)學(xué)生的動機(jī)意識。通過設(shè)置人機(jī)交互代理的方法建立情感同伴，預(yù)測和引導(dǎo)學(xué)生的受挫情感問題。

2.3 教學(xué)模型

學(xué)生知識技能水平及其情感狀態(tài)等特征是進(jìn)行教學(xué)決策的依據(jù)。因此，如何構(gòu)建與學(xué)習(xí)者的交互環(huán)境，從中獲取學(xué)生當(dāng)前的知識技能水平和情感狀態(tài)等信息，是ITS教學(xué)模型研究的首要問題。ITS 教學(xué)模型的作用主要體現(xiàn)在與學(xué)生的交互過程中，通過適應(yīng)性決策選取適合的教學(xué)策略，并推薦個性化學(xué)習(xí)資源以主動適應(yīng)學(xué)生需要。

教學(xué)模型主要模擬教師的教學(xué)過程。教師通常具有學(xué)科領(lǐng)域知識，具有認(rèn)知和學(xué)習(xí)能力以及相應(yīng)的教學(xué)策略，這些特征為教學(xué)模型的實現(xiàn)提供了幾種可借鑒方法：①觀察教師的教學(xué)活動并對其進(jìn)行模擬；②觀察真實情境下學(xué)生和系統(tǒng)的交互情況并將其作為參考；③借鑒學(xué)習(xí)理論的研究成果并將其作為理論指導(dǎo)依據(jù)。盡管如此，ITS系統(tǒng)與學(xué)生人機(jī)交互的計算機(jī)輔助教學(xué)，與師生面對面交流與溝通的課堂教學(xué)存在很大差異?？紤]到這些差異，方法③成為教師模型實現(xiàn)的有效途徑。Bloom 的掌握學(xué)習(xí)理論、Vigotsky 的最近發(fā)展區(qū)理論、Gagne 的教學(xué)設(shè)計理論，以及協(xié)作與社會化學(xué)習(xí)理論以及交互設(shè)計理論，是實現(xiàn)教學(xué)模型適應(yīng)決策的理論依據(jù)。

個性化教學(xué)尊重學(xué)習(xí)者的個性特征，如學(xué)習(xí)風(fēng)格、興趣、特長等，以滿足學(xué)習(xí)者個性化需求為目標(biāo)。ITS 中個性化教學(xué)體現(xiàn)在學(xué)生模型基礎(chǔ)上，依據(jù)學(xué)生特征向其提供個性化的學(xué)習(xí)路徑、學(xué)習(xí)內(nèi)容、學(xué)習(xí)策略和學(xué)習(xí)伙伴等資源。如通過概念圖模型建立領(lǐng)域知識結(jié)構(gòu)，通過診斷與測試單元測評出學(xué)生未掌握的知識點，然后生成個性化學(xué)習(xí)路徑推薦給學(xué)生。在對情境感知的泛在學(xué)習(xí)研究中，采用啟發(fā)式路徑算法為學(xué)生尋求最佳的學(xué)習(xí)路徑［14］。值得注意的是，已有的資源推薦研究忽視了學(xué)習(xí)者能力水平這一重要因素。有研究者提出以項目反應(yīng)理論為基礎(chǔ)，根據(jù)學(xué)習(xí)內(nèi)容的難易程度以及學(xué)生的能力水平，向?qū)W生推薦個性化學(xué)習(xí)路徑。同時，個性化課程序列也能促進(jìn)學(xué)生的個性化學(xué)習(xí)。文獻(xiàn)［15］利用貝葉斯網(wǎng)絡(luò)和模糊邏輯開發(fā)了用于高校教學(xué)的智能導(dǎo)師系統(tǒng)，有效提高了學(xué)生成績。

交互式環(huán)境設(shè)計和及時有效的教學(xué)反饋是ITS 促進(jìn)個性化教學(xué)的重要環(huán)節(jié)和有效方式，是教學(xué)模型的主要任務(wù)。研究表明，為學(xué)生提供交互式學(xué)習(xí)環(huán)境和即時反饋對于在線學(xué)習(xí)和智能教學(xué)至關(guān)重要。引導(dǎo)性反饋、參與式反饋教學(xué)等理念為教學(xué)模型交互環(huán)境和反饋功能的實現(xiàn)提供了理論指導(dǎo)。如編程教育中的智能導(dǎo)師系統(tǒng)［16］，應(yīng)用了知識追蹤、多模態(tài)學(xué)習(xí)感知、深度學(xué)習(xí)等相關(guān)技術(shù)，設(shè)計了可視化和支持協(xié)作的交互式程序設(shè)計學(xué)習(xí)環(huán)境，為中小學(xué)階段的編程學(xué)習(xí)提供了智能化輔導(dǎo)和支持。如批改網(wǎng)是用于輔助大學(xué)英語教學(xué)的一種智能導(dǎo)師系統(tǒng)［17］，該系統(tǒng)以大型語料庫為基礎(chǔ)，基于自然語言處理技術(shù)等算法實現(xiàn)對學(xué)生英語詞匯、句法、篇章結(jié)構(gòu)、內(nèi)容等多個方面的智能評價，并提供拓展辨析、學(xué)習(xí)提示、推薦表達(dá)、語法搭配等方面的即時反饋與內(nèi)容推薦，能夠及時解決學(xué)生學(xué)習(xí)過程中存在的問題，糾正典型的語言錯誤，有效提高學(xué)生的英語學(xué)習(xí)效率。此外，有研究者將認(rèn)知導(dǎo)師創(chuàng)作工具（The Cog?nitive Tutor Authoring Tools，CTAT）嵌入于大規(guī)模在線開放課程MOOC 平臺中，有效提升了學(xué)習(xí)者“做中學(xué)”的積極性［18］。

實踐表明，教學(xué)模型復(fù)雜性高，具有極大的不確定性。如何選取簡單有效的教學(xué)策略，并通過交互式環(huán)境設(shè)計和即時反饋等方式向?qū)W生推薦個性化學(xué)習(xí)資源，是有效實現(xiàn)一對一個性化教學(xué)的關(guān)鍵，也是當(dāng)前教學(xué)模型研究面臨的難題。

2.4 相互關(guān)系

ITS 所有功能都表現(xiàn)在學(xué)習(xí)者與系統(tǒng)的交互過程中，交互環(huán)境設(shè)計是ITS 實現(xiàn)的重要前提，測評數(shù)據(jù)是實現(xiàn)學(xué)生模型的重要依據(jù)，教學(xué)模型是領(lǐng)域模型和學(xué)生模型之間的橋梁。教學(xué)模型根據(jù)領(lǐng)域知識及其推理，依據(jù)學(xué)生模型反映的學(xué)生當(dāng)前知識技能水平，作出適應(yīng)性決策，并向?qū)W習(xí)者提供個性化的資源推薦和學(xué)習(xí)支持服務(wù)，最終實現(xiàn)一對一個性化教學(xué)目標(biāo)。

事實上，在眾多的ITS 教學(xué)系統(tǒng)中，領(lǐng)域模型、學(xué)生模型與教學(xué)模型三者之間是相互依賴和相輔相成的，其相互關(guān)系如圖3 所示。首先，學(xué)生模型是ITS 的核心與關(guān)鍵，它的重要性體現(xiàn)在：從理論的角度分析，學(xué)生是教學(xué)過程的主體，以學(xué)生為中心的教學(xué)設(shè)計等活動需要尊重學(xué)生的學(xué)習(xí)風(fēng)格、知識水平、情感態(tài)度、生理心理狀態(tài)等個性化特征，如此才能實現(xiàn)有效教學(xué)；從技術(shù)的角度分析，要想實現(xiàn)學(xué)生個性化特征等信息的數(shù)字化和智能化表示，必須借助于人工智能等技術(shù)，將學(xué)生知識水平和情感狀態(tài)等個性化特征進(jìn)行科學(xué)的量化分析，并將其作為學(xué)習(xí)支持服務(wù)的根本依據(jù)，在此基礎(chǔ)上才能實現(xiàn)個性化的智能輔導(dǎo)。其次，教學(xué)模型是領(lǐng)域模型和學(xué)生模型之間的紐帶，教學(xué)模型的實質(zhì)是作出適應(yīng)性決策和提供個性化的資源推薦服務(wù)。教學(xué)模型根據(jù)學(xué)生模型所反映的學(xué)生特征，尤其是知識和能力水平、情感狀態(tài)等個性化特征，對學(xué)生當(dāng)前的整體狀態(tài)進(jìn)行識別和判斷，并從領(lǐng)域模型所包含的知識和策略庫中選取針對性的學(xué)習(xí)資源，通過一定的策略推薦給學(xué)生，由此從技術(shù)層面實現(xiàn)“因材施教”的教育理念。最后，領(lǐng)域模型和學(xué)生模型是教學(xué)模型功能實現(xiàn)的基礎(chǔ)。領(lǐng)域模型的知識表示與自動推理、學(xué)生知識水平和情感狀態(tài)的數(shù)字化表示，為智能教學(xué)提供了教育科學(xué)層面的根本遵循。

Fig.3 Relationship between domain model，learner model and teaching model圖3 領(lǐng)域模型、學(xué)生模型與教學(xué)模型的相互關(guān)系

由此可見，ITS 中的領(lǐng)域模型是學(xué)科知識體系的科學(xué)化和系統(tǒng)化表示，知識表示與自動推理是領(lǐng)域模型的最重要功能；學(xué)生模型依賴于智能測評技術(shù)，是學(xué)生學(xué)習(xí)水平與情感狀態(tài)等學(xué)習(xí)特征的數(shù)字化表示，是反映學(xué)生個性化特征的重要依據(jù)；教學(xué)模型根據(jù)學(xué)生模型所體現(xiàn)的知識水平等信息，借助于領(lǐng)域模型作出個性化判斷和適應(yīng)性決策，向?qū)W生推薦個性化學(xué)習(xí)資源，并通過智能測評促進(jìn)學(xué)生不斷學(xué)習(xí)。

3 智能導(dǎo)師系統(tǒng)發(fā)展趨勢

當(dāng)前，新一代人工智能技術(shù)正在推動教育領(lǐng)域的深層次變革。技術(shù)的進(jìn)步與教育理念的革新，將進(jìn)一步推動智能導(dǎo)師系統(tǒng)的創(chuàng)新發(fā)展。有研究指出，游戲化和社交功能是未來智能導(dǎo)師系統(tǒng)的發(fā)展方向，智能輔導(dǎo)的有效性研究是未來智能導(dǎo)師系統(tǒng)關(guān)注的突出問題［19-20］。在對智能導(dǎo)師系統(tǒng)領(lǐng)域模型、學(xué)生模型與教學(xué)模型的相互關(guān)系分析基礎(chǔ)上，本研究認(rèn)為自動化測評和個性化資源推薦是決定未來智能導(dǎo)師系統(tǒng)發(fā)展趨勢的關(guān)鍵性因素。

當(dāng)前，評價理論和學(xué)習(xí)理論互相促進(jìn)發(fā)展，測評系統(tǒng)與ITS 日漸融合，自動化測評已成為個性化學(xué)習(xí)系統(tǒng)的決定性因素。這種決定性主要表現(xiàn)在兩個方面：①測評是獲取學(xué)生特征，尤其是學(xué)生知識、技能水平等主要特征的重要來源；②測評數(shù)據(jù)是以學(xué)生模型為基礎(chǔ)，實現(xiàn)個性化資源推薦的重要依據(jù)。通常，ITS 通過分析學(xué)生與系統(tǒng)的交互過程和學(xué)習(xí)記錄收集學(xué)生學(xué)習(xí)能力信息。但傳統(tǒng)的學(xué)生模型往往側(cè)重于學(xué)生學(xué)習(xí)風(fēng)格、興趣和情感狀態(tài)等特征的描述，忽略了學(xué)生的知識技能水平這一主要因素。事實上，測評數(shù)據(jù)是反映學(xué)生知識技能水平的重要來源。計算機(jī)輔助測評（Computer Assisted Assessment，CAA）系統(tǒng)的應(yīng)用引發(fā)了評價內(nèi)容、方法和形式的深刻變革，尤其是自動化測評技術(shù)已經(jīng)成為實現(xiàn)知識和技能測評的重要手段。在技能訓(xùn)練方面，CAA 能夠創(chuàng)設(shè)高度交互的、有意義的問題解決情境，注重學(xué)生解決問題能力的培養(yǎng)，且自動化測評結(jié)果具有客觀性、一致性、高效率和高可用性等優(yōu)點，能夠為教師的教學(xué)決策提供真實可靠的依據(jù)。因此，自動化測評技術(shù)將極大地提升學(xué)生模型的準(zhǔn)確性，為個性化學(xué)習(xí)奠定基礎(chǔ)。

教學(xué)模型是領(lǐng)域模型和學(xué)生模型的橋梁，其實質(zhì)是做出適應(yīng)性決策和提供個性化資源推薦服務(wù)。也就是說，教學(xué)模型根據(jù)學(xué)生模型所反映的知識技能水平，從領(lǐng)域模型中選取合適的資源推薦給學(xué)生，并以恰當(dāng)?shù)慕虒W(xué)策略為指導(dǎo)，實現(xiàn)一對一個性化教學(xué)。由此，教學(xué)模型實現(xiàn)一對一個性化教學(xué)的過程即是適應(yīng)性教學(xué)策略選取和個性化資源推薦算法的實現(xiàn)過程。適應(yīng)性教學(xué)策略選擇是資源個性化推薦的前提，其表現(xiàn)在兩個方面：①在適應(yīng)性教學(xué)策略選擇方面，這種適應(yīng)性表現(xiàn)為多個層次，從適應(yīng)性應(yīng)答學(xué)生的表現(xiàn)、適應(yīng)學(xué)生的知識水平、幫助學(xué)生取得具體目標(biāo)，到對學(xué)生的情感狀態(tài)做出適應(yīng)性反應(yīng)，提供適應(yīng)學(xué)生元認(rèn)知能力的幫助。然而，正如前文所述，教學(xué)模型具有極大的復(fù)雜性，如何選取簡單有效的教學(xué)策略是當(dāng)前教學(xué)模型研究面臨的難題。針對此問題，“因材施教”是最簡單且最有效的教學(xué)策略，即根據(jù)學(xué)生的知識技能水平，向其提供適合該水平的學(xué)習(xí)資源；②在個性化資源推薦算法方面，學(xué)習(xí)資源包括學(xué)習(xí)路徑、學(xué)習(xí)內(nèi)容、學(xué)習(xí)策略和學(xué)習(xí)伙伴等類型，但已有的個性化推薦服務(wù)僅考慮學(xué)生的學(xué)習(xí)風(fēng)格、偏好和興趣等特征，忽視了最重要的學(xué)生能力特征，最終造成信息過載、認(rèn)知超負(fù)荷和缺乏適應(yīng)機(jī)制等問題。針對該問題，本文認(rèn)為資源推薦算法應(yīng)以滿足學(xué)習(xí)者能力水平的學(xué)習(xí)需求為主要目標(biāo)。從測評數(shù)據(jù)反映學(xué)生能力水平的重要指標(biāo)角度分析，自動化測評將是實現(xiàn)個性化資源推薦的重要基礎(chǔ)。

4 結(jié)語

新一代人工智能技術(shù)給智能導(dǎo)師系統(tǒng)帶來了新的發(fā)展機(jī)遇。面對突如其來的新冠疫情，智能導(dǎo)師系統(tǒng)通過模擬人類教師的教學(xué)和輔導(dǎo)，為在線學(xué)習(xí)者提供了有針對性的、個性化的學(xué)習(xí)支持服務(wù)，有效保障了疫情期間在線教學(xué)秩序，為全球教育體系提供了技術(shù)保障。本研究詳細(xì)分析了ITS 體系結(jié)構(gòu)中的領(lǐng)域模型、學(xué)生模型和教師模型及其之間的關(guān)系，在此基礎(chǔ)上進(jìn)一步指出自動化測評技術(shù)是實現(xiàn)學(xué)生模型的關(guān)鍵性方法與技術(shù)，是教師模型做出適應(yīng)性教學(xué)策略選擇和實現(xiàn)個性化資源推薦的重要基礎(chǔ)，并提出CAA 技術(shù)是當(dāng)前ITS 研究的突破口?？梢灶A(yù)見，在新的學(xué)習(xí)理論指導(dǎo)下，以適應(yīng)性決策和個性化推薦技術(shù)為基礎(chǔ)，借助于人工智能技術(shù)的不斷進(jìn)步實現(xiàn)人機(jī)協(xié)同學(xué)習(xí)，將是智能導(dǎo)師系統(tǒng)未來的發(fā)展方向。