基于Web的智能教学系统知识模型与学习控制

目前，基于Web的智能教学系统是计算机应用于教育领域的研究方向之一。其中教学知识模型和基于模型的学，控制，是实现教学系统智能控制的关键之一。从知识点及其关系出发构建一个知识网络模型，并基于该模型探讨了正向和反向两种推理控制策略。     

非良构领域智能教学系统的探究及应用

智能教学系统是以信息集成技术为核心的开放复杂智能系统,知识构建及Agents行为管理是其核心支撑技术。针对智能教学系统的复杂应用问题,文章阐述非良构领域下智能教学系统面临的挑战,分析非良构领域知识构建及Agents行为管理的研究思路,进而探究数据挖掘技术在非良构领域智能教学系统中的应用。     

智能教学中的知识模型与教学评价的研究

目前,基于Web的智能教学系统是计算机应用于教育领域的研究方向之一.本文从知识点及其关系出发构建一个知识网络模型,并基于该模型介绍如何进行领域知识表示及考核试题设置,然后设计了试题难度系数的动态更新方法,还提出一种简捷的知识诊断方法,准确地将学生学习缺陷定位到具体的知识点,得出学习路径方面的建议,从而增强了教学的针对性.     

多Agent技术在现代远程教育系统中的应用

针对目前远程教学系统的现状,引用Agent技术,构建了一个基于多Agent的远程智能教学系统,并对系统的体系结构、系统所依据的相关学习理论、系统中知识的表示以及知识点的关联体系等关键问题进行了分析和探讨,力求使构建的系统更具智能性、适应性、主动性和个性化。     

基于LOM的知识模型与个性化学习控制

在智能教学系统中,知识模型是专家模型的核心,是实现智能教学的一个关键问题。本文讨论知识点及其相互关系的形式表示,提出基于LOM的知识点模型与学习控制策略。知识点被设计、封装为学习对象,提高了学习内容的可重用性、可管理性、可定制性与互操作性。LOM的语义描述能力,使得系统本身具有一定程度的知识理解能力。以知识点LOM模型为结点的知识网络是语义网络,其语义计算能力便于知识的发现与关联。将专家知识网络动态映射为学生知识网络,实现了个性化学习。     

基于Web和数据挖掘技术的智能教学系统研究

传统的智能网络教学系统在适应性和个性化方面存在严重缺陷.基于Web和数据挖掘技术构建了一个智能教学系统的模型,该模型采用人工神经网络、聚类分析等关键技术,获取学生对知识点的理解程度,并对学生学习特征分类,根据学生的不同特征和兴趣点,提供不同的教学策略和教学内容,更有利于实现系统的个性化教学.     

自适应网络教学系统中知识表示模型的设计

针对知识库是教学系统的核心,是实现系统智能化的关键。为了提高网络教学系统的决策和诊断能力,满足自适应学习的需要,设计了一个基于层次结构的语义网络和产生式的二级知识表示模型,提出了广度优先的知识点剪枝算法和深度优先的知识点遍历算法,对所学习知识点进行选取及对相应的知识网络遍历,并通过采用知识点学习的智能导航算法仿真学生在系统中自适应学习的全过程。实验结果表明,知识模型的设计有助于实现网络教学资源动态组织和教学策略的动态调整,能够更好地为学生提供个性化的学习参考需要,为系统决策分析提供参考依据。     

智能教学系统中知识表示模型的研究与设计

研究了智能教学系统功能与结构。分析了知识库模型在智能教学系统中的重要地位;通过对知识库中的教学内容与教学规则两类知识的分析和对超媒体知识表示的研究,构建了一个基于层次结构的超媒体网络模型,并在知识网络图中节点里嵌入教学规则,以实现教学内容的动态组织、呈现和教学过程中的自适应导航。该模型为教学系统的决策与分析提供了智能的辅助手段。     

网络环境下个性化智能教学系统的设计

个性化智能教学系统(Individual Intelligent Tutoring System,IITS)是实现个性化教学的有效途径。文章分别就IITS的概念、体系结构和功能等进行了探讨,深入研究了知识模型、学生模型以及教学模型等,构建了一个网络环境下的智能教学系统。     

基于云模型的智能教学系统中学习质量的评价

提出将云模型理论应用于智能教学系统的学生模型构建中,建立一种基于云模型的学生学习质量评价方法,利用云对概念的贡献程度进行数据离散化,并引入云变换计算隶属云,最后结合极大判定算法求出更加符合实际的学习质量等级划分。实验结果表明,这种新的评价方法得出的隶属概念不仅能够反映出学生对知识点的掌握程度,还能够反映出学生在学习中的发挥稳定性、心理素质等情况,有利于提高智能教学系统的应用效率。     

教学知识树算法的研究与应用

在基于知识的智能教学系统中,知识树是教学领域知识组织、表现和管理的有效数据结构。文章提出了一种生成和维护知识树的算法,分析和实践结果表明该算法高效、具有较好的可扩充性和灵活性,能够满足开发网上智能教学系统的应用需求。     

基于智能技术的远程教育答疑系统研究

网上答疑系统是现代远程教育系统中不可缺少的一部分,然而当前的答疑系统只是根据用户的输入对题库中的问题进行简单的关键词匹配,查询精度和用户界面满足不了用户的需求。针对以上缺点,本文给出一个应用语义网络原理构筑起来的智能答疑系统。文章分析了建立智能答疑系统的必要性,由此提出了一个基于限定领域的智能答疑系统模型及其技术路线,并以两门大学计算机课程作为知识库来源,实现了系统的功能。试验结果表明,本文所提出的方法有效地提高了查询精度,用户界面友好方便。     

基于概念网络的领域知识组织及应用

着眼于智能教学系统领域知识库的建立，引入了一种新的知识表达工具——概念网络（Connet），并结合军事后勤保障计算教学系统的领域知识库和知识导航系统的建立，通过实例就如何使用这种表达工具进行知识组织和管理进行了介绍。     

基于JSP＋JavaBean的OSITS的设计

组件技术广泛应用于基于Web的教学软件的开发中，为智能教学系统的设计提供了一种新的手段。文中阐述了基于JSP JavaBean的操作系统智能教学系统(C6ITS)的设计与实现。系统结合现代操作系统课程的自身特点，在表示元知识点9元组结构的基础上设计了一个具有树状层次结构含专属文件夹的知识库结构。采用JavaBean组件技术，把系统中的各个功能模块封装成一个个的Bean，提高了系统的开发速度、效率、可维护性及模块的可重用性。     

智能教学系统研究综述*

介绍了智能教学系统的发展历史和国内外发展情况,对于智能教学系统研究存在的问题进行了探讨,并就智能教学系统的发展趋势提出了自己的看法。     

TEx-Sys model for building intelligent tutoring systems

Special classes of asynchronous e-learning systems are the intelligent tutoring systems which represent an advanced learning and teaching environment adaptable to individual student’s characteristics. Authoring shells have an environment that enables development of the intelligent tutoring systems. In this paper we present, in entirety, for the first time, our approach to research, development and implementation related to intelligent tutoring systems and ITS authoring shells. Our research relies on the traditional intelligent tutoring system, the consideration that teaching is control of learning and principles of good human tutoring in order to develop the Tutor–Expert System model for building intelligent tutoring systems in freely chosen domain knowledge. In this way we can wrap up an ongoing process that has lasted for the previous fifteen years. Prototype tests with the implemented systems have been carried out with students from a primary education to an academic level. Results of those tests are advantageous, according to surveys, and the implemented and deployed software satisfies functionalities and actors’ demands.     

Towards an Intelligent Tutoring System Architecture that Supports Remedial Tutoring

For successful teaching to take place an intelligenttutoring system has to be able to cope with anystudent errors that may occur during a tutoringinteraction. Remedial tutoring is increasingly viewedas a central part of the overall tutoring process, andrecent research calls for adaptive remedial tutoring. This paper discusses the issues of remedial tutoringthat have been proposed or implemented to supportefficient remedial tutoring. These issues serve touncover any underlying principles of remediation thatgovern remedial tutoring with intelligent tutoringsystems. In order to incorporate these principles ofremediation into intelligent tutoring systemsdevelopment processes this paper continues with thedevelopment of a model that can be employed in thedevelopment of an intelligent tutoring system that iscapable of offering remedial tutoring according tothese principles. This model is a formalisation ofremedial interventions with intelligent tutoringsystems. To demonstrate how the model can be employed indeveloping an intelligent tutoring system, INTUITION,the implementation of an existing business simulationgame, has been developed. This paper concludes with anillustration of how the model for remedial operationsprovides for remedial tutoring within INTUITION. Theevaluation of INTUITION shows that the model forremedial operations is a useful method for providingefficient remedial tutoring.     

智能教学系统中的知识树增长模型

智能教学系统（intelligent tutoring system,ITS),作为人工智能学科的重要研究应用领域,是21世纪人类社会数字化教育的必然发展方向,迄今研究逾30年。现有一些ITS系统由于知识表示以及推理方法的领域相关特性,系统构建与系统运用、系统模块之间动态有机联系不强,进而导致学生模型弱化等问题,限制了系统在进行个别化教学过程中的智能性和推广运用。在此从系统的知识表示入手,基于SC文法的知识表示体系和知识树映射方法,提出了一个动态、实时、自适应、交互式知识树增长模型（augment knowledge-tree model,AKTM)。模型包括基于SC文法的知识点表示方法、知识树结构以及知识树映射、知识树学生模型、知识点学习循环等内容,贯穿于ITS系统4大传统模块之中,并在内容和功能上与之完全集成。通过知识点层次多维属性标注和索引,实现了知识存储、处理、调用和维护动态、一体化过程。通过知识点学习循环,实现个别化、动态、自适应智能教／学过程。同时通过模型在多媒体ITS系统中的实例化设计和运用,实现了动态教／学、领域无关、人机交互、自适应、个别化等智能特点。     

Representing complex knowledge in an intelligent machine tutor

Knowledge representation remains a serious issue for researchers of intelligent tutoring systems. Two areas of knowledge representation that are particularly difficult are domain and teaching knowledge. This article discusses and gives example solutions to these knowledge engineering issues and also addresses issues that relate to up-scaling existing intelligent tutoring technology to practical levels so that tutoring systems can be brought into the real world.