時間：2023-11-18 10:09:37
序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇人工智能教學策略范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。
1我國農業發展背景和農業培訓必要性分析
11我國農業發展背景
我國是傳統的農業大國，農業對我國的經濟發展具有極其重要的影響，一方面是由于我國人口基數大；另一方面是由于我國進出口貿易主要依靠農產品，農業發展成為影響我國經濟發展最重要的因素之一。但由于各方面原因，我國農業發展還比較落后，尤其與發達國家的現代化農業相比，依舊有較大差距。
12開展農業知識培訓的必要性
反思其他發達國家在?r業發展上實施過的舉措，包括重視農業教育、科研和技術推廣，注意提高勞動者素質；推廣現代農業機械和高技術，重視農場管理；經營集約化、產業化；生產專業化；服務社會化；市場機制與政府扶持相結合；加強農業基礎設施建設等，可以看出，我國在農業知識培訓、素質教育、技術推廣方面與發達國家差距明顯。為發展我國農業，培養一批高素質、懂技術、會經營的農民以及一批愿意為農業發展做出自己貢獻的高學歷人才成為關鍵。農業的發展離不開農民的發展和進步，也離不開受過高等教育的精英人才的共同努力，而開展農業知識培訓，則是為他們的發展奠定了一條夯實的道路。
2人工智能在教育中的應用與發展
近年來，伴隨著人工智能在各行業的應用和發展，人工智能在教育領域中發揮的作用也越來越顯著。例如，智能化的作業批改可以大大減輕教育工作者的沉重負擔，在線學習等網絡教學模式可以讓人們更靈活地接受教育。從人工智能誕生伊始，其就與教育產生了密不可分的聯系，延續發展至今，人工智能在教育領域中的應用主要包含以下幾個方面。
21基于人工智能的計算機網絡課程
計算機網絡教育是對傳統教育方式的一次革新，而人工智能對網絡教育的滲透，又將其推向了新的發展高度。[2]學生可以自主地登錄網絡平臺進行在線學習，根據智能導學系統制訂學習計劃，進行在線測試。例如近年來大為流行的MOOC課程，學生可以便捷地通過網絡獲取全球最高質量的教學資源，并可以量身打造自己的學習計劃。
22基于人工智能的教師輔助系統
近十年來，智能傳感器、語音識別、圖像識別、深度學習、大數據等方面的蓬勃發展令信息的采集及處理越來越準確高效，這無疑使得人工智能與輔助教學系統的融合變得越來越深入。借助于語音識別、圖像識別等技術，學生可以將學習過程中遇到的問題上傳至系統，借助于數據庫系統對信息準確的搜素和整合能力，實時地為學生提供答案或相關信息，答疑解惑。目前此類應用軟件的應用廣泛，例如小猿搜題、百度作業幫等。
23基于人工智能的教育數據庫系統
隨著信息化時代的到來，如何高效地搜集、分類和檢索碎片化的教育信息和教學資源，無疑是一項巨大的挑戰。為了更有效地分配和管理信息，在教育中引入智能化的數據庫系統勢在必行。現如今數據挖掘和深度學習的研究成果不斷深入，依托知識庫系統對教育信息的整合與構建，學生可以將已習得的零星的知識點進行擴充，由點至面的不斷學習新知識；依托教育資源管理系統中來，教育管理工作者可以合理分配教學資源，讓人們從爆炸式的高密度信息中解放出來，真正做到物為己用，因材施教。
3人工智能與農業知識培訓的結合
新時代社會經濟的發展為國家農業產業的發展翻開了新的篇章，如何加快社會主義農業現代化，促進農業轉型，這為新時代的農業知識教育提出了新的要求。另外，近年來勞動力轉型的趨勢日益顯著。隨著農業勞動人口數量的減少，為了提高農業生產效率，需要有素質、懂知識的農民投入農業生產中來。因而，對于農業知識培訓的革新作為農業現代化建設的重中之重，已被提上日程。
人工智能技術和教育領域融合的不斷完善成熟，基于人工智能的農業知識培訓正如雨后春筍般涌現，在農業教育培訓領域嶄露頭角。
31人工智能應用于農業知識培訓的優勢
從我國農業發展的現狀看，較之于發達國家，我國農業從業者的基數巨大但是整體受教育程度偏低，農業專業領域的知識匱乏，農業知識教育的推廣不僅薄弱，而且效率低下。因此，伴隨著信息化時代“互聯網+”的新型教育模式對傳統教模式的強有力革新，基于人工智能的農業知識培訓展示了其強大的威力和優勢，具體可以總結為如下兩個方面。
311個性化教育針對性強
相比于課堂教學的傳統模式，基于人工智能的網上在線教育模式能夠為學生個性化地制訂學習計劃，靈活安排學習時間。這有力地解決了學生參加農業知識培訓的時間成本問題，農業從業者可利用閑暇時間自主安排學習。另外，針對于培訓者的當前知識水平和培訓需求，培訓平臺可以個性化地安排教學相關領域的專業知識和操作技能。
312教育資源利用率高
我國當前的農業知識培訓，教育教師需求數量和實際在崗教師資源極不匹配，具備豐富農業專業知識和農業生產經驗的教師數量缺乏，這是導致農業知識培訓推廣速度緩慢的重要原因。而人工智能為這一問題的解決帶來了福音，智能化的教學進程得以讓教師從繁重的教學負擔中解放。同時，基于網絡的課程資源共享可以讓先進的農業技術走進千家萬戶，讓學生與優秀農業知識的距離不再遙遠。
4平臺開發的系統架構
基于人工智能技術，一個合理的農業知識培訓平臺能夠像一個優秀的教師那樣具備完備的農業專業知識和優良的教學技能知識，并且能夠模擬及擴充教師的教學過程。除此之外，該培訓平臺還能夠準確實時地與學生進行信息交互，有針對性地開展個性化教學，并可以自適應地完成教學效力評估和反饋，不斷更新和完善教學內容和教學策略。基于以上分析，該開發平臺的系統架構分為學生模型、教師模型、綜合數據庫模型和人機交互接口四個組成部分，結合下圖對每一部分分別進行詳細闡述。
41學生模型
學生模型應針對不同的學生，準確地評估學生當前的學習水平，對學生的學習背景、知識水平、知識架構進行診斷和評定，以便有針對性地制訂教學方案，進而實施個性化教育。
另外，學生模型需要對學習過程中的學生的學習情況進行記錄入庫，對教育效果進行評定，從而診斷出當前教學計劃是否合適，以便下述教師模型中對教學內容和教學策略的靈活調整。
42教師模型
教師是教學工作開展過程中的主體，一個合理的教師模型應該包括如下三個部分。
教師模型首先完成教學內容的選擇，這要根據學生模型中對學生當前的學習水平的評定，并且針對學生既定的學習目標，并從下述知識庫中調取對應的內容，為教學的開展做好準備。
在確定了教什么的問題之后，教室模型要確定如何教的問題，即選取合理的教學策略開展教學。教學方式的選擇依附于學生模型，而又能根據學生學習情況記錄進行反饋動態，不斷完善和調整教學策略。
另外，在傳統教學模式中，教師傳授知識，并能為學生答疑解惑。當學生在學習過程中遇到問題和疑惑時，教師模型應該實時地提供信息支持，為學生提供針對性的幫助。因而教師模型要實現與人機交互接口的實時連接，在問題到來時控制模塊驅動應答部分為學生答疑解惑。
43綜合數據庫模型
綜合數據庫模塊為農業知識培訓系統提供數據庫支持，主要包括以下三個模塊。
知識庫模塊中分類別地存放著農業領域的專業知識，包括文本、圖像、自然語言、多媒體等多個類型的學習知識。一旦教師模型中完成了教學內容的選擇，便由此模塊中調取相對應的文件開展教學。
專家評估模塊用于處理教學過程中的教學效果評價和經驗總結，為教師模型中的各個環節的反饋和更新迭代提供數據支持。在一個完善的教學過程，教師需要根據學生的學習效果進行總結和反饋，以此指導下一步的教學內容和策略的更新。
為了對學生階段性學習的效果進行評估，還需要引入測試考核模塊對學生的成績進行量化考核。測試考核模塊中包含學生答題庫和成績測評庫，準確檢測出開展農業知識培?的作用與效果。
44人機交互接口
中圖分類號：TP315 文獻標識碼：A 文章編號：1673-8454(2012)03-0007-03
智能教學系統(Intelligence Tutoring System，簡稱ITS)是把人工智能技術引入到計算機輔助教學系統中，應用人工智能技術開發出能夠因材施教的教學系統，使“計算機導師”貼近人類教師的水平，具有推理、診斷、決策的能力。能夠根據每個學習者的特點制定教學計劃，選擇教學策略，實現因材施教。
一、智能教學系統的模型及功能
基于教育學、心理學和教學設計原理分析，智能教學系統模型應包含學生模塊、教學策略模塊、知識庫和智能接口幾個主要模塊，各模塊的系統結構如圖所示。
學生模塊記錄每個學生原有的知識水平和學習能力。其依據為學生與系統之間的交互問答歷史，并對每個學生的學習進步情況進行動態調整。這樣，系統通過學生模型就可隨時了解每個學生的情況，有的放矢地進行個別化教學。
教學策略模塊根據學生模塊情況和知識庫做出智能化的教學決策，評判學生的學習效果，幫助學生分析錯誤原因。提出改進方法和意見等。
知識庫存儲所要教的學科領域知識和教學知識。
智能接口能夠理解自然語言，實現更普遍意義上的人機對話。
智能教學系統與傳統CAI相比，具備以下功能：
第一，了解學生的學習能力、學習基礎和當前的知識水平，以此為依據為不同的學生做出不同的教學決策，有針對性地進行個別指導，并在學習過程中根據學生進度自動調整學習內容，具有適應能力。
第二，允許學生用自然語言與“計算機導師”進行人機對話，并能對帶有學生個性特點的問題做出解答，從而具備更好的交互能力。
第三，能診斷學生學習過程中的錯誤，并分析錯誤原因和給出解決方案，在此基礎上逐漸積累“經驗”，從而具備糾錯能力。
第四，大大拓寬了CAI的模式，例如建立虛擬教室、智能導師系統、教學模擬等。從而使CAI不再是簡單的課本搬家、教室搬家，而具有更多的創造能力。
二、智能教學系統的局限性分析
智能教學系統雖然較傳統CAI在諸多方面有很大改進。但就智能教學系統的工作原理以及目前的研發現狀而言，應當冷靜地看到，它自身也存在一些固有的局限性。
要計算機解決某個問題，有三個基本的前提：必須把問題形式化、必須有一定的算法、必須有合理的復雜度。由于人的智能活動不能完全形式化，因此，機器就不能將人腦的智力活動全部復制出來。教育是一種人類所特有的活動，基于人工智能技術的智能教學系統在教育中的應用也存在局限性。
1.智能教學系統不能實現自我更新，自我改進
智能教學系統的設計原理是把現有的專家的知識和教師的教學方法和策略集中到一個數據庫中。隨著現代社會知識的迅猛增長，教育理念的不斷更新以及教學模式和教學方法的不斷改進，智能教學系統無法像人類教師那樣跟隨時代的變化而實現知識庫的自我更新以及教學策略模型的自我改進。還需要人從外界對整個ITS進行翻新，甚至需要從一種新的教育理念出發，重新設計ITS。智能教學系統的自我更新涉及機器學習這個難點。
2.智能教學系統適用的學習領域存在局限
以智能模擬的方法實現的人工智能應用于教育中時，并非適合所有的學習領域。人的智能活動可以分為四個領域。領域一是“刺激――反應”領域，其中包括任何形式的條件反射，與上下文環境無關的、各種形式的初級聯想行為，最典型的如無意義音節的機械學習。領域二是數學思維的領域，這是比較適合于人工智能的領域。它是由概念世界而不是感知世界構成，這一領域中的問題完全形式化了，并可以計算，這一領域又可稱為簡單形式化領域，典型的例子如邏輯和有精確規則的游戲。領域三是復雜形式化領域，這是比較難把握的一個領域。這一領域包括原則上可形式化而實際上不易駕馭的行為，包括那些不能用窮舉算法處理的。因而需要設計啟發程序的系統，如圍棋。領域四可稱作非形式化行為領域，包括有規律但無規則支配的、我們人類世界中的一些日常活動，這一領域又稱作感知思維領域。在這一領域內解決問題都是直覺的遵從，無須求助規則。包括一些規則不確定的游戲，如文字猜謎游戲。以上四個領域中前兩個領域適合用數字計算機模擬，第三個領域只是部分可程序化，而第四個領域則很難駕馭。
與此相對應的，根據加涅的學習結果分類，學習分為言語信息、智慧技能、認知策略、動作技能和態度五類。言語信息分為符號學習、事實學習和有組織的知識學習，這些屬于可形式化內容，適用于智能教學系統；智慧技能分為辨別、具體概念、定義性概念、規則和高級規則，其中前四項屬于可形式化內容，適用于智能教學系統，而高級規則屬于復雜形式化內容，部分內容不適用于智能教學系統；動作技能和態度領域的學習。在其認知成分中可以使用智能教學系統，但情感和行為成分等非形式化內容，則難以用智能教學系統來實現。
因此，并不是所有的學習領域都適用于智能教學系統。智能教學系統在教育中應用的重點應放在認知領域中的符號學習、事實學習和有組織的知識學習、辨別、具體概念、定義性概念以及規則這些學習內容上。
3.與學生之間無法暢通交流
教育是一種交互活動，智能教學系統的交互功能雖然較傳統CAI有所改進。但仍然缺乏在學生和計算機之間交換信息的自然的、暢通的途徑。系統只能通過學生輸入計算機的信息來判斷其掌握和內化程度。而無法像人類教師通過自然狀態的交流和觀察來判斷學生的真實情況，因此，“機器智能”很容易被蒙蔽“雙眼”，無法做到像人與人之間那樣自然暢通的交流。此外，系統在遇到新的學習情境時。不能理解和產生對話，這會影響智能教學系統功能的實施。
4.決策和推理機制不完善
智能教學系統的關鍵智能所在是其決策和推理機制，即“教學策略”模塊根據不同學生的具體情況通過推理做出靈活決策，這種決策基于學生模塊提供的學生的知識水平、認知特點和學習風格。智能教學系統雖然加入診斷系統并不斷調整對學生學習水平的判斷，但由于學習風格、認知特點等不能完全被形式化，因此，根據系統的教學策略模塊中預先存入的診斷知識來評估不同學生的學習過程和理解每個學生不同的推理過程也是有局限的。
三、智能教學系統在教育中應用的建議
1.不能忽略教師的作用
雖然智能教學系統具有“智能性”。但在使用它的過程中，決不能放棄教師的主導作用。要明確教師是教學的設計者和教學過程的主導，應該把智能教學系統的應用納入到教學設計中。教師作為教學的“主導”。要引領教學
全過程，時刻注意學生的學習狀態、學習程度、情感交流，盡量照顧到每個同學。ITS不是將教師擱置了。而是把教師從ITS能做的事情中解放出來，有更多的時間去從事機器所無法替代的事情。例如，計劃教學，開發教學補充材料，示范成熟的行為，啟發、引導學生去克服遇到的各種困難。特別是一個優秀教師對學生的態度和道德的影響和培養，是任何智能教學機器所無法取代的。所以，在利用智能教學系統教學的過程中，不能用智能教學系統取代教師，不能忽略教師的指導作用。
2.注意教學模式的運用
作為一種教育技術的實現，ITS主要依賴于各種技術的發展，但作為一個能夠實施完整教學過程的教學系統，ITS的應用效果更多地依賴于所采用的教學模式。長期以來，傳統CAI在教學中的應用都以個別化教學模式為主。但隨著認知心理學的發展，基于建構主義學習理論的以“學”為中心的教學模式逐漸受到青睞。這種教學模式更能滿足學習者的個性化要求，也為協作學習創造了更大的可能性。目前，協作學習模式因其利于培養學生的多樣化思維和合作精神而日益受到重視。同一個智能教學系統，用于個別化教學模式和用于協作學習模式就會產生截然不同的教學效果。因此。在利用智能教學系統時，要注意根據教學內容和教學目標靈活采用個別化教學模式或協作學習模式。
3.有效與網絡相結合
隨著多媒體技術和Internet網絡的飛速發展，多媒體教育技術與Internet的進一步融合，ITS不僅僅在人工智能上單一發展。它要向多維的網絡空間發展。網絡化成為當今世界ITS系統的一大優勢和特色。“無機不聯”正是現代教育計算機使用情況的真實寫照。智能教學系統應與網絡相結合。借助網絡的優勢，完成在線學習、實時討論、網上測試等多種教學任務。學生可以在學校或家中通過計算機登錄到系統，系統按其不同的認知水平為其準備不同難度的教學內容。完成學習時，系統通過自適應的測試確定學生新的認知水平，作為其下一次登錄學習時為其準備學習內容的依據，并向學生提出進一步需學習內容的建議。學生在學習過程中可以實時地與其他在線的學習者進行討論，并可通過E-mail的形式與教師進行交流。教師可以使用自己的計算機，在教研室或家中登錄到系統，檢查學生的學習進度，學習情況。并依據學生的實際情況，有針對性地對教學內容、測試內容進行更新。網絡與智能計算機輔助教學系統有機結合，相互補足，必將構建成一個新的系統工程。
參考文獻：
[1]王士同主編.人工智能教程[M].北京：電子工業出版社，2001.
[1]王永慶.人工智能原理與方法[M].西安：西安交通大學出版社，1998.
人工智能（Artificial Intelligence）是研究使計算機模擬人的學習、推理、思考、規劃等思維過程和智能行為的學科，用過對計算機實現智能的原理的研究，制造出類似于人腦智能的計算機，使計算機實現更高層次的應用。隨著信息技術的發展和網絡的廣泛普及，人們教育觀念正在悄然改變，新型的教育模式正在成形，計算機網絡遠程教育迅速發展，然而由于計算機網絡遠程教育發展尚不成熟，實際應用過程中存在諸多問題，而人工智能的引入，則使計算機網絡教育水平提升到一個全新的發展臺階，并展現了其廣闊的發展前景[1]。
一、人工智能技術概況
人工智能是通過研究人的智慧機理和思維過程，利用計算機體現和模擬人的智能行為。人工智能自其正式提出至今短短幾十年內取得飛速的發展，已經成為一種成熟的工具。由于人工智能的效用堪比人的智慧，在進行信息分析處理時可以采取語音識別，實現人機對話，所以其應用范圍自其發展以來逐步向諸多領域擴展，如醫學、建筑學、地質學、機械等，而其研究課題也不斷深入，如專家系統、機器人、自然語言處理系統、博弈等。人工智能具有理解經驗并從中學習、辨別模糊或互相矛盾的信息、快速而成功地對新環境做出反應、在解決問題時使用推理進行有效的推導、能處理復雜的情況、應用知識控制環境等諸多能力。人工智能是一個知識信息系統，知識在人工智能中占據重要的地位，計算機的智能只有通過對知識的發現、儲存、學習、推理和決策才能展現出來。人工智能主要有以下優勢：首先，由于知識儲存與計算機系統中，為人們知識傳播和復制帶來了極大的便利，計算機網絡技術的發展，使知識的傳播和復制突破時間和空間的限制，為人們帶來無限的知識共享。其次，人工智能系統拓展了知識信息獲取渠道，同時在某些任務處理的質量和速度上，人工智能展現的能力驚人的能力，遠非人類所能及[2]。
二、人工智能技術在計算機網絡教育中的應用
（一）智能決策支持系統
智能決策支持系統（IntelligentDecision Support System）是由決策支持系統與人工智能結合的產物，在網絡教育領域的應用展現出廣闊的發展前景。智能決策支持系統在數字圖書館中的應用，則使得決策目標和進行問題的識別更加明確，幫助決策者建立起完善的決策模型，提供多種備選方案，同時對各種備選方案進行選擇、優化、比較、分析，從而使決策者的決策更加準確、有效[3]。
（二）智能教學專家系統
智能教學專家系統ITES（Intelligent Teaching Expert System）是傳統CAI系統轉向的主要方向，是一種開放式交互教學系統，通過智能教學專家系統利用計算機對專家教授教學思維的模擬，從而為教學提供一個良好的智能環境。一方面，學生可以通過智能專家系統獲取知識，另一方面，智能教學專家系統能根據學生的具體實際情況（包括知識儲備、能力、學習方式等）進行知識傳授，從而使教學效果大大提升。在智能教學專家系統中，智能計算機輔助教學占據重要地位，具有以下智能：首先，自動生成各種問題和練習，并在教學內容理解的基礎上，形成問題解決方案，同時還能自動生成和理解自然語言；其次，能根據學生的自身實際情況，對學生的學習內容和教學進度進行合理調整，并對教學內容具有解釋咨詢的能力；再次，能對學生的錯誤進行判斷，評價學生學習行為，并幫助學生糾正錯誤，同時使自身教學策略得到完善。
（三）智能導學系統
智能導學系統（Intelligent Induct-learning System）是現代繼續安吉網絡教育系統的重要組成部分，是實現計算機網絡教育項目的保障。通過智能導學系統，能為學生提供一個良好的學習環境，并能快速地獲取其所需要的各種資源，從而使學習者獲得學習的全方位服務，進而達到學習的成功。智能Agent技術的智能導學系統，可根據學生的具體情況制定符合學生實際的導學策略，并為學生提供個性化、針對性的服務。在這種導學策略下，系統不僅能自動生成各種問題和解決方案，并且能合理規劃、調整學習內容和進度，同時能針對信息反饋內容及時修正導學策略，使導學策略更加合理科學[4]。除了上述3各種系統在計算教學中的應用，還有智能仿真技術（Intelligent Simulation Technology）、智能硬件網絡IHN（Intelligent Hardware Network）、智能網絡組卷系統INES （Intelligent Network Examine System）、智能信息檢索引擎 （Intelligence Information Retrieval Engine）等系統在計算機網絡教學中應用，這些人工智能在計算機網絡教學中的應用，共同推進了計算機網絡教學的發展。
三、結語
計算機網絡教育中加強對人工智能技術的引入，使我國現代計算機網絡教育呈現蓬勃發展的態勢，通過多種智能系統的應用，使計算機網絡教育的學習環境得到極大的改善，計算機網絡教育的時空制約進一步突破，大大延伸了計算機網絡教育的服務領域。隨著人工智能技術在計算機網絡教育中應用的深入研究和發展，未來計算機網絡教育的個性化將會更加突出，遠程教育也將實現更好的發展。
參考文獻：
[1]潘瑞玲，余輪.具有Agent功能的遠程教育系統的設計[J]. 福州大學學報（自然科學版）. 2012（03）：105-106.
中圖分類號：G250.73 文獻標識碼：B 文章編號：1673-8454(2012)01-0030-04
計算機輔助教學（Computer Aided Instruction，簡稱CAI）是利用計算機來模擬教師的行為，通過學生與計算機之間的交互活動來達到教學的目的。即在計算機輔助下進行的各種教學活動，主要是以對話方式和學生討論教學內容、安排教學進程、進行教學訓練的方法與技術。CAI為學生提供一個個人化的學習環境，綜合應用多媒體、知識庫等計算機技術，這是傳統CAI的主要應用方式。
在沒有智能系統支持的情況下，傳統CAI盡管可能具有良好的教學材料模型，但它往往僅借助于計算機來展示教學內容，并不能很好地根據它所教學生的學習特征，以不同的教學策略和教學方法來教授；只是盲目地傳授知識給學生，如果某個學生不能接受提供的教學策略，系統沒有為這個學生提供可供選擇的另外的教學策略。目前使用的絕大多數CAI是將全部教學信息以編程方式預置于課件中，這樣的CAI課件一旦制作完成，很難對課件進行更新和維護，尤其是在這樣的CAI系統中，學生的學習仍然處于被動狀態，即完全受計算機控制。
一、智能化計算機輔助教學概念
現代教育技術的日益發展以及與其他領先技術的結合，必然促使計算機輔助教學CAI的進一步發展。人工智能技術應用于CAI產生的基于網絡環境的智能化CAI，就是現代信息化社會發展的產物，并在教育教學領域中有很好的發展前景。
人工智能是計算機科學的一個分支，它的目標是構造能表現出一定智能行為的，目的就是讓計算機這臺機器能夠像人一樣思考。人工智能的研究更多地是結合具體領域進行的，主要研究領域有專家系統、機器學習、模式識別、博弈、智能決定支持系統、人工神經網絡等等。人工智能技術與專家系統的成就，促使人們把問題求解、知識表示這些技術引入CAI，并借助于網絡環境來實施，這便是智能型計算機輔助教學。
智能計算機輔助教學ICAI（Intelligence Computer Assisted Instruction）屬于人工智能的一個分支，是以認知科學和思維科學為理論基礎，綜合人工智能技術，教育心理學等多門學科的知識對學生實施教育的一門新的教育技術。ICAI通過研究人類學習思維的特征和過程，探索學習知識的模式，利用信息化網絡環境使學生獲得個別化自適應性學習的獲取知識方法，從而使學生的學習更有針對性，更有效。
ICAI依靠人工智能技術的進步，主要應在因材施教方面取得進展。其主要特點是:
（1）能自動生成適合學習者程度的學習內容。
（2）能根據學生的不同認知水平與學習風格選擇教學策略和教學方法。
（3）能評價學生的學習結果，并不斷地在教學中改善教學策略。
二、智能化計算機輔助教學研究現狀
現階段，在一些發達國家，如美國、日本、加拿大、英國、法國、澳大利亞等，CAI已經普遍存在于學校和家庭中，正起著越來越大的作用。而ICAI的研究還處于初始階段。目前國內在這一領域的研究主要集中在CAI和ICAI的優缺點比較，ICAI的理論來源、系統特征、模塊建設、發展趨勢等基礎理論知識的研究，基于相關課程或學科的實踐研究還比較少見。智能教學系統的設計和開發是一項復雜的系統工程，由于需要考慮的因素較多，系統比較龐大，同時也依賴于人工智能等技術的發展,因而要建立完善的ICAI還是比較困難的。[1]因此ICAI有很大的理論和實踐發展空間。
完善的ICAI系統需能夠充分調動學生的主動性，并能通過分析推理，對某具體學生做出適合的教學決策。使學生獲得個別化自適應性學習的學習方法，達到因材施教的目的。人工智能技術的發展必將會對ICAI的發展起到巨大的推動作用。隨著計算機科學的發展，21世紀的教育教學輔助手段將是以ICAI為主線，多學科、多方位發展的新技術的體現，越來越多的教育工作者會從更多的視角審視ICAI，并從事ICAI的研究。相信ICAI將會在現代教育領域中有更廣泛的應用。
“現代教育技術”既是教育技術專業的必修課程，也是大中專院校廣泛設置的選修課程，適用范圍非常廣泛。本文以《現代教育技術》這門課程為主要研究對象，來研究智能化教學系統設計在具體實踐中的應用。
三、ICAI決策系統的理論依據
1.綜合集成理論
教育是以人為主體參與的活動，而人本身就是一個復雜巨系統，因此以這種大量的復雜巨系統為子系統組成的系統――教育系統，是一個復雜巨系統。依據系統與其環境是否有物質、能量和信息的交換，將系統劃分為開放系統和封閉系統來看，學生的學習受到教師、同學、家庭及社會等因素的影響，所以教育系統是一個開放的復雜巨系統。
錢學森的理論和實踐研究表明：現在能用的、惟一能有效處理開放的復雜巨系統的方法，就是定性定量相結合的綜合集成方法論。綜合集成方法論（Meta-synthesis Methodology MSM）是方法論上的創新，它是研究復雜巨系統和復雜性問題的方法論。[2]定性定量相結合的綜合集成方法是將專家群體(各種有關的專家)、數據和各種信息與計算機技術有機結合起來，把各種學科的科學理論和人的經驗知識結合起來，發揮這個系統的整體優勢和綜合優勢。[3]它把人的經驗、知識、智慧以及各種情況、資料和信息系統集成起來，從多方面定性認識上升到定量認識，從而達到解決復雜系統問題的目的。在解決問題的過程中，專家群體和專家的經驗知識起著重要的作用。
教學系統設計是一個復雜的系統，它是由教育系統的復雜性決定的。教育系統具有復雜系統的基本特點，它在結構與功能上表現為規模大、相關因素多且相關方式復雜、目標多樣等；在運動上表現為隨機性、非線性等。用一般的理論方法無法全面合理地解決這一不良結構的問題，本研究嘗試用綜合集成方法論來指導、分析教學設計智能化過程。因此，運用綜合集成理論的方法來研究教學設計系統，探討具體科目的教學設計在設計過程中遇到的復雜性問題，進而構建科學合理的教學設計系統，具有重要的理論和實踐價值。
2.教學設計理論
本文采用“雙主”教學模式作為ICAI的教學設計的理論基礎。“雙主”教學模式既能發揮教師的主導作用又能充分發揮學習者認知主體作用，是在教師主導下的課堂中能讓學習者參與進來共同學習的一種教學模式。
基于“雙主”的教學模式，要求根據學習者的特征、學習內容、學習策略、學習目標等多種因素的不同情況研究它們的結合方式，以使系統達到理想的教學效果。
基于網絡環境的ICAI相對于傳統的CAI來說，充分體現了“雙主”的教學模式。ICAI中有專門分析學習者學習方式和認知水平的學生模型，有專門為不同的學習內容選擇不同的學習策略的策略庫模型（也稱為教師模型），有評價學習效果并反饋給系統的評價模型。學生模型是對學習者的學習特征進行分析，包括學習者的學習風格、認知水平。策略庫模型包含有豐富教學策略和有一個智能推理機，能根據學生模型的信息和學習目標為學習者選擇合適的學習策略，指導學習者學習。
3.建構主義學習理論
當代建構主義者主張，世界是客觀存在的，但是對于世界的理解和賦予意義卻是由每個人自己決定的。建構主義者認為學習者要以自己的經驗為基礎來建構現實，或者至少說是在解釋現實，每個人的經驗世界是用自己的頭腦創建的。
學習過程同時包含兩方面的建構：一方面是對新知識意義的建構，同時又包含對原有經驗的改造和重組。建構主義者強調學習者在學習過程中能夠靈活地建構起用于指導實踐活動的圖式，這種圖式是對概念的豐富理解，依據個人經驗背景的不同而不同。
教學應當把學習者原有的知識經驗作為新知識的生長點，引導學習者從原有的知識經驗中，生長新的知識經驗。教學不是知識的傳遞，而是知識的處理和轉換。
ICAI伴隨著這種理論的發展而發展，它注重的是由學習者來控制學習過程，重視學習內容的知識結構和學習情境，讓學習者主動構建對自己有意義的知識的活動。基于網絡環境的ICAI積極地為學習者創設學習情境，幫助學習者用他們已有的知識去建構、生成、整合新的知識。
4.教學處方理論
“教學處方理論”是鄭永柏博士于1998年提出的一種新型適合于信息化教學設計的理論，他通過對教學系統設計理論和計算機輔助教學設計方面的研究，建構了一種新型的教學系統設計理論――教學處方理論。該理論主要包括：六個基本概念、一個理論框架、三條基本原理和兩個關于教學設計的知識庫。[4]
該理論指出教學處方可以看作是教學設計者(有時可以看作是教師)依據系統分析后使用的各種教學模式、教學方法和教學內容處理模式的組合；說明了在特定教學條件下對特定教學結果的教學，以不同的學習理論和教學理論為指導將會采用不同的教學方法，即教學處方，這也是本研究的核心內容，是該系統設計的指導理論。“教學處方理論”具有更好的包容性、開放性，能夠吸收和容納豐富的學習和教學研究成果。
四、ICAI系統的模塊結構
1.前端分析模塊：認知能力、學習動機、認知風格
前端分析是美國學者哈利斯（Harless，J．）在1968年提出的一個概念，指的是在教學設計過程開始的時候，先分析若干直接影響教學設計但又不屬于具體設計事項的問題，本文主要指認知能力、學習動機和認知風格方面的分析。前端分析模塊主要是建立相應的學生特征類型的數據庫。
認知能力的測量采用認記、理解、應用、分析、綜合、評價六個維度，每個維度有“優、良、中、差”四個選項。通過數據分析找出學習者的現狀和期望之間的差距，確定需要解決的問題是什么，并確定問題的性質，形成不同層次的教學設計項目的目標。
學習風格和學習動機通過專門的量表來收集數據。
2.內容分析模塊
教學內容分析就是在確定好總教學目標的前提下，借助歸類分析法、圖解分析法、層級分析法、信息加工分析法等方法，分析學習者要實現總的教學目標，需要掌握哪些知識、技能或形成什么態度。通過對教學內容的處理，確定學習者所需學習內容的范圍和深度，確定內容各組成部分之間的關系，為以后教學順序的安排奠定好基礎。
對教學內容的處理主要包括：教學內容的選擇、教學內容的編排、確定單元目標及對內容進行初步評價、分析教學內容類別及性質等四個基本方面。在構建規定性教學內容處理模式庫時，應對上述四個方面提供具體的方法。[5]
3.決策模塊
教學策略（處方）的制定就是根據特定的教學目標、教學內容、教學對象等條件，來合理地選擇相應的教學順序、教學方法、教學組織形式。在數據庫中建立可供選擇的不同的教學策略（處方），是本文所研究的ICAI系統的主要模塊，也是特色模塊。
教學策略（處方）的制定包括教學順序的確定、教學方法的選擇、教學組織形式的選擇等。教學順序的確定就是要確定教學內容各組成部分之間的先后順序；教學方法的選擇就是要通過講授法、演示法、討論法、練習法、實驗法、示范模仿法等不同方法的選擇，來激發并維持學習者的注意和興趣，傳遞教學內容；教學組織形式主要有集體授課、小組討論和個別化自學三種形式，各種形式各有所長，須根據具體情況進行相應的選擇。教學策略的制定是根據具體的目標、內容、對象等來確定的，要具體問題具體分析，不存在能適用于所有目標、內容、對象的教學策略。
4.評價模塊
在基于網絡環境的ICAI的評價模塊，要依據前面確定的教學目標，運用評價量表，分析學習者對預期學習目標的完成情況，主要收集三個方面的基本信息，一是要收集關于教師對教學設計方案和教學方案實施結果的滿意度的信息數據，二是要收集關于學習者對教學過程、教學策略的適應性的信息數據，三是要看與其他方法相比，本處方中所采用的方法是否有獨到之處，是否有不足之處。[6]在數據分析的基礎上，對教學策略和教學內容的修改和完善提出建議，并以此為基礎對ICAI各個環節的工作進行相應的修改。
5.ICAI系統模型框圖
學習者前端數據采集數據庫包括：認知結構測量及分析系統、學習動機測量及分析系統、學習風格測量及分析系統和學生基本信息系統。系統模型如圖所示。
五、ICAI決策系統實驗數據來源
本課題實踐研究的調查對象來自云南大學，是2008屆市場營銷教育和財會教育本科生，共89人，課程設置為現代教育技術。學生調查表包括本科生基本信息表，所羅門學習風格量表，學習者認知能力調查問卷，學習者學習動機調查問卷四份表格組成。實際收到數據表89份，有效數據表75份。數據表中的信息選項根據所占權重，統一折合成百分制進行處理。
六、總結
本文把教學設計理論、方法與“現代教育技術”課程相結合，擬研發出一個基于綜合集成方法論的廣義智能網絡教學設計輔助系統。主要研究成果如下：
（1）把綜合集成方法論引入解決教學設計這一不良結構問題；
（2）結合數字化方法和數據挖掘技術，它能對學習者進行數字化的前端分析；
（3）它所自動化給出的教學設計方案，可為青年教師提供良好借鑒，有利于教師因材施教、因風格施教、因需要施教；
（4）它所自動化給出的學習者學習建議方案，有利于促進學習者自主學習。
現有的CAI存在的許多問題隨著新技術的不斷出現而顯得越來越不能適應新環境的需求，因此以基于網絡環境的ICAI為代表的新計算機輔助教學系統，將是教育教學研究人員在教育技術上需要不斷探求、努力實現的發展方向。
參考文獻：
[1]楊采堅，董玉銘.智能教學系統設計[J].中國電大教育,1993（3）.
[2]于景元,涂元季.從定性到定量綜合集成方法――案例研究[J].系統工程理論與實踐,2002.5.
[3]錢學森,于景元,戴汝為.一個科學新領域：開放的復雜巨系統及其方法論[J].自然雜志,1990(1).
中圖分類號TP31 文獻標識碼A 文章編號 1674-6708（2012）58-0165-02
計算機輔助教學(CAI)是以對話方式利用多媒體計算機的功能與特點與學生討論教學內容、安排教學進程和進行教學訓練的方法與技術。但是存在交互能力差和缺乏虛擬技術支持、智能性及教學策略等問題。人工智能（AI）是計算機科學、信息論、神經生理學、控制論、心理學、語言學等多種學科互相交叉滲透而發展起來的一門綜合性學科。它用人工的方法在機器(計算機)上執行智能行為：感知、理解、學習、判斷、推理、規劃、設計、求解等。其技術特征主要是具有搜索功能、知識表示能力、一定的推理功能、抽象功能、語音識別功能及模糊信息處理能力。
1 智能授導系統
智能授導系統（ITS）技術是在對計算機輔助教學研究局限性的改革突破中發展起來的，它不僅克服了僅僅關注學生行為的缺陷，還引入了對知識的描述以及智能推理技術，智能授導系統的獨特之處是能依據每個學習對象的不同需求而調整教學策略。
ITS從上個世紀80年代提出到至今已有30多年了，幾乎涉及人工智能技術的所有問題，而且一直是人工智能技術在教育領域的核心研究之一。比較有代表性的是Peng-Kiat Pek和Kim-Leng Poh應用貝葉斯網絡構建的學生模型可以較好的估計出學生的學習興趣值，從而對學生的學習行為方向進行預測；Dietrich Albert和Cord Hockemeyer通過分析知識空間理論而得出的超文本結構和知識空間在結構上的有很強的相似性，通過對知識空間進行建模，使之適用于網絡Web結構模式；Joel Martin和Kurt VanLehn使用貝葉斯網絡技術對學生的學習結果進行評估，有效的分析出學生學習過程中的問題和不足；Declan Kelly和Brendan Tangney提出了一種多Agent技術（Multi-Agent System，MAS），通過對個體的個性化學習進行動態建模的智能框架的建構重組，滿足了學習者的不同需求。隨著國內數字化教學與教育信息化的大趨勢，最近幾年國內對于該領域的研究發展的相對比較快，而且需要進行綜合性的研究，以不斷促進智能授導系統的實際應用價值。
2 自適應智能授導系統機制
由于個體學習者基本上是基于資源的自主學習，在教學上的有效組織主要體現在學習資源的組織、傳遞和共享上，良好的資源組織和個性化資源服務是學習個體最強烈的需求。為了支持個體的自主學習，輔助教學研究十分強調“授導”。“授”即系統地對教學內容的組織和傳播，通常反映為學習目標制定、學習材料序列化、學習路徑引導以及學習結果評價等方面；而“導”則側重對學生的具體學習過程提供針對性的學習支持。
2.1 網絡智能授導的技術實現
網絡輔助教學平臺設計者們一直致力于智能授導機制的理論研究和實現，不僅在理論上提出很多模型和設想，而且實踐上也有所突破，特別是可以借助計算機網絡技術和人工智能技術構建一個更有針對性的、更智能的信息空間，為學習者提供個性化的學習支持。通過調研，網絡輔助教學中智能授導的研發技術路線主要是模擬課堂面授的路線、人工智能的技術路線和網絡協同進化的路線。
2.2 本體的智能授導機制
根據Brusilovsky提出的關于虛擬校園環境的部件理論知道，當前分布式虛擬環境支撐的網絡教學平臺大多是圍繞內容部件、行為部件、通信部件、管理部件來提供學習者本體的智能授導應用功能。
1）內容部件是輔助教學系統的核心，多由構成課程的多媒體教學材料組成。運用靜態超媒體比較容易實現，以一種同有的結構和形式呈現給學習者同樣的教學內容。但是會產生由適應性內容所呈現的各種方法與技術問題，例如：附加解釋、前提知識解釋、比較性解釋、解釋變體、信息排序等。其實現需依賴于知識表示與呈現技術，特別是知識建模和知識本體的研究；2）行為部件主要功能是需要學生通過“做”的交互方式來完成的自主學習的過程，表現形式多指學習導航、練習、測試、模擬、實驗等。其三個主要應用方向是自適應導航、自適應測試和虛擬實驗；3）通信部件在智能授導系統中起到媒介作用，主要是支持學生與教師之間、學生相互之間的交流和溝通的通信工具，支持學習社區的協作學習和協同進化；其3個主要應用方向為)針對交互信息的知識發現、學習者智能互助和群體智慧；4）管理部件主要是支持教學過程中必要的管理職能。如學生管理、課程管理等。
2.3 自適應智能授導系統的構建策略
個性化的自適應輔助教學研究已成為現代教學系統應用的一個熱點問題，而自適應智能授導系統運用人工智能技術，直接、科學地了解到學習者的個性特點及學習進展情況，靈活調整自身的策略、方案來滿足受教育對象的需求。從集成觀點出發，自適應智能授導系統首先涉及的是教學理論和思想與計算機技術的交叉。從計算機輔助教學的發展線索出發，網絡技術與人工智能方法的應用是計算機輔助教學的必然趨勢，但智能授導絕不是在計算機網絡通信技術上的簡單翻版，其需要進行更為深刻的分析與抽象。總的來看，自適應智能授導系統是一種建立在軟件協同基礎上的分布式的群體智能，更是一種人機協調的智能。
學習者模型是自適應智能授導系統的核心，而學習者學習過程中存在大量的不確定性因素和不確定性信息，因而成功獲取學習者的情況是其它環節正確運行的保障。在學習者模型設計中，我們利用貝葉斯網絡的條件概率分布量化知識項之間的組織關系及依賴關系，很好地反映學習者特定領域中的知識結構，當學習者模型中的知識項的狀態發生改變時，將引起相關知識項的狀態的改變，因而使學習者模型具有一定的預測能力。同時我們選擇專門為語義Web設計的本體表示語言OWL語言來描述學習者模型，因為它具有更強大的功能來表示語義，比XML和RDF更容易被機器理解。
我們在輔助教學軟件的研究開發中選擇了語義Web下的自適應智能授導系統，因為它更多的關注系統各模塊的標準化、形式化構建，以及系統間的互操作和知識共享與重用。其目標是使機器能夠更好的理解網絡上的內容，構建一個基礎結構使在網絡上運行的智能能夠進行復雜的活動，對嵌入在基于網絡的應用程序中的知識進行顯性的描述，從而以智能化的方式來整合信息，提供基于語義的方式來訪問網絡，以及從文本中進行信息抽取。語義Web技術可以通過對智能授導系統不同模塊中嵌入的知識和學習者的交互信息進行共享，從而在一定程度上推動了分布式智能授導系統的開放程度。圖1給出了自適應智能授導系統的智能產生流程圖。
3 結論
伴隨著互聯網絡的日益發展，我們日常的學習與工作越發依賴數字化的資源與服務，智能化與人性化將是數字化教學重要的發展方向。我們選擇了自適應智能授導系統作為數字化技術輔助教學研究的一個切入點，依據網絡智能授導系統實現的三條技術路線，從理論框架上闡述了教學輔助平臺中常見的智能授導機制，利用人工智能中貝葉斯網絡的思想來設計學習者模型來實現適應性和個性化的教學，并選擇了語義Web下的自適應智能授導系統來實現輔助教學軟件的開發。
參考文獻
[1]閔宇鋒.淺談網絡教學平臺中的智能授導機制[J].科技情報開發與經濟，2010.
中圖分類號：TP393-4
所謂人工智能，就是利用人工方法在計算機上實現智能，也可以說是人工智能在計算機上的一種模擬。人工智能廣泛融合了神經學、語言學、信息論和通訊科學等眾多學科和領域。目前主要存在三條人工智能研究途徑：一是以生物學理論為支撐，掌握人類智能的本質規律；二是以計算機科學為支撐，通過人工神經網絡進行智能模擬，實現人機互動；三是以生物學理論為支撐。
1 人工智能技術的特征
智能技術主要分為兩類，人類和計算機智能，兩者存在相輔相成的關系。利用人工智能技術能夠實現人類智能向機器智能的轉化，相反，機器智能也能夠利用智能教學轉化為人類智能。
1.1 人工智能的技術特征。首先，人工智能具備非常強的搜索功能。該功能是利用相關搜索搜索技術實現對海量信息的快速檢索，滿足個性化信息需求；其次，人工智能具備很強的知識表示能力。具體來講，就是人工智能對信息的行為，能夠像人類智能一樣，對模糊的信息加以表示；最后，人工智能具有較強的語音識別和抽象功能。前者主要是為了對模糊信息加以處理。而后者主要是為了對信息重要度加以區分，以便提高信息處理效率。用戶只需要智能機器提出具體要求便可，至于復雜的解決方案就交給智能程序了。
1.2 智能多媒體技術。首先，人機對話更加靈活。傳統多媒體在人機對話方面極為欠缺，導致教學單調乏味，不能取得預期良好效果，但智能多媒體卻不然，他能夠實現人機自由對話和互動，同時還能結合學生實際對學生的問題給出不同層次的答案。其次，教學可行性更強。由于學生在認知能力和個人素養方面都存在差異，而且學習主動性也不盡相同，人工智能必須要結合學生實際學習狀況，為每一位學生設計制定個性化的學習計劃和學習目標，對學生進行針對性較強的教學，真正實現因材施教。再次，具有強大的創造性和糾錯性。前者屬于人工智能的顯著特征，而后者屬于人工智能的重要表現方面。最后，智能多媒體具有老師特征。在實際教學過程中，智能多媒體可以對教學雙方的行為進行智能評價，以便能夠及時發現教學中的薄弱點，有助于實現教學相長，全面提高教學質量和教學效果。
2 計算機網絡教育的現狀
隨著現代科學的進步，網絡信息的發達，人們的教學觀念和學習觀念都發生了前所未有的改變，網絡時代正全面到來。為了滿足現代社會對人才的實際需求，培養大量現代化優秀人才，計算機網絡教學模式業已成型并不斷完善。目前，高校正規教學模式依然是現代教學主流，盡管在系統傳授知識和規范培養人才方面具有無可比擬的優勢，但在資金投入、效益創收和時空限制等方面具有很大的弊端，靈活性不足，無法有效滿足現代教育的發展要求。
計算機網絡教學對傳統教學形成了巨大挑戰，并產生了深遠影響。它不僅有效彌補了傳統教學的時空限制缺陷，而且賦予了教學極大的樂趣性，吸引了越來越多的人積極投身到網絡教學建設中去，任何人無論何時何地都能夠通過網絡課堂去學習和提高。但目前計算機網絡教學發展仍處于探索期，在實際運用方面還存在許多問題：第一，計算機網絡教學中的學習支持服務體系尚不健全，導學手段和答疑方法還非常落后，由于各種原因，在服務方式上缺乏針對性、策略性和積極性；第二，計算機網絡實驗教學中存在著空間分散、時間流動和自主性差等問題和弊端；第三，計算機網絡的系統承載能力和信息查詢能力還十分有限；第四，如何實現計算機網絡考試的開放性，確保考試的客觀性、公正性、權威性，已經成為網絡教學發展的瓶頸；第五，計算機網絡教學中的核心支撐系統――CAI，還無法有效滿足和適應網絡教學的實際需求和發展要求。
主流CAI課件主要有兩種，一種是單機版的初級課件，包括簡單的Authorware課件、PPT幻燈片和圖文網頁等。一種是高級的網絡版課件。該類課件主要以靜態圖文和動態演示組成的網頁為主，以聊天室、電子郵件和QQ群等形式為輔，實現師生互動、網絡答疑的一種改進型課件。初級課件在實際教學中以操作容易、更新及時和維護方便著稱，但實際上就是傳統教學手段的變相挪用。還有些課件，盡管在互動性方面有著不錯的效果，但是制作繁瑣、更新較慢和維護復雜。因此，高級網絡課件是目前網絡教學中的主流課件，已經成為了計算機網絡課件的固定模板。改進型的網絡課件有效地解決了傳統多媒體在師生互動不足的問題。上述兩類課件是現在最為常見的兩種CAI課件，盡管兩者都有各自的優勢，但作為網絡教學的重要手段，仍存在許多問題和弊端：無法實現因材施教，無法開展層次教學；作為教學的一大主體，學生在個性化交互操作方面仍有很大不足；對學習過程中出現的普遍問題無法進行智能統計、分析和評價等。
3 人工智能技術在計算機網絡教學中的運用
3.1 人工智能多媒體系統。（1）知識庫。智能多媒體已經不再是用來進行紙質媒體數字轉化的工具了，它應該具備相應完善的知識庫，而知識庫里的教學內容要結合教學實際和學生現狀進行針對性、個性化設計。同時，要實現知識庫資源的高度共享，并及時加以更新和補充，如此才能充分發揮知識庫的教學服務作用。（2）教學板塊。教學板塊的設計主要是出于教學綜合性考慮的，教學方法的創新是其關注的重點內容。該模塊的實現要以掌握專業知識、教學策略和人機對話等領域的知識為前提，結合學生實際學習現狀和特點，利用智能系統的現代化技術手段對知識和相關教育措施加以高效搜索。（3）學生板塊。及時掌握學生心理動態和學習狀況是智能網絡教學的一大特征，結合學生實際狀況加以智能評判，進而加以針對性指導和個性化輔導，實現因人施教和因材施教，全面提高學習效率和學習質量。（4）用戶模塊。用戶模塊是智能系統無法忽視和省略的關鍵模塊，整個智能系統的正常運行離不開人工程序操作，用戶需要通過用戶終端將教學內容上傳到網絡教學平臺，才能順利完成教學。
3.2 人工智能多媒體教學的發展。（1）加強與網絡的結合。隨著網絡技術的成熟，智能網絡教學與網絡之間的關系日益緊密，多元化、多維度網絡空間日益成為一種趨勢。互聯網具有信息量大、更新速度快、超時空性等優勢，加強與網絡的結合是人工智能計算機網絡教學未來發展的重要方向。（2）加強智能的應用。人機對話、機器指導的教學模式將成為未來網絡教學的核心模式，傳統教師的角色將逐漸被計算機取代。最為典型的就是現代智能導航系統。（3）加強系統軟件的研發。系統軟件的更新日新月異，舊的系統軟件已經無法有效滿足網絡發展的時代要求，加強系統軟件的研發以便充分滿足網絡要求，更好地幫助學生解決實際問題，進而提高學習效率和教學質量。
4 結束語
人工智能技術在計算機網絡教學中的運用將為現代化教育提供新的發展思路，將全面改善網絡教學環境，拓展學習服務渠道，提高計算機網絡教學質量，并有可能徹底打破計算機網絡教育的時空限制，全面加強網絡教學的開放性，實現網絡學習的個性化、人性化和智能化，充分落實以學生為本的教學理念。未來CAI技術的進一步成熟將全面提高網絡教學的整體格局，我們有理由相信，智能網絡教學將迎來全新的發展春天。
參考文獻：
[1]劉廣鐘，高軍，劉，李吉彬.報文分析技術在計算機網絡教學中的應用[J].計算機教育，2014（01）.
一、引言
人工智能的發展,使CAI出現了新的研究方向,通過在CAI中引入人工智能,可對教學加以適當控制,即智能計算機輔助教學(Intelligent CAI,ICAI)。ICAI系統模擬的是教師,服務對象是學生,綜合了專家系統與人工智能技術、教育心理學、教學理論等領域知識,是一種新的教學手段和教學思想。本文提出了一種ICAI多媒體課件設計結構,介紹了各模塊的設計思想。
二、ICAI系統結構
教學是教、學兩個方面有機結合的過程。一個完善的ICAI系統應能像優秀教師那樣,具有豐富的專業知識、多樣的問題求解方法以及解釋問題的能力,并能根據學生的實際情況動態地組織和調整教學過程,而且能提出具有建設性的建議。因此,ICAI系統的重要標志是具有綜合而有效的數據庫。
同時,ICAI系統要體現教師的教學思想,可以考慮把教學策略和教學內容分開,通過學生模型及個別指導規則,動態生成適合于個別化教學的內容,通過跟蹤學生的學習情況,隨時更新學生的學習記錄,達到實現個別化教學的效果。為便于不同層次的教師應用和功能擴展,系統應該采用模塊化和開放型設計。
三、系統各主體模塊的設計
考慮到系統實用性,ICAI采用Authorware、Borland C++以及SQL Server開發。在CAI教學中普遍應用的Authorware用于系統的流程設計、邏輯控制及界面開發;Borland C++用于生成推理診斷、計算過程和教學策略的動態鏈接庫,供Authorware調用;SQL Server用來開發綜合數據庫。
1.學生模型的設計。ICAI系統是以“學生”為中心,因此學生模型是系統設計的中心問題,其作用是反映學生的學習要求、學習能力、知識水平,并建立和更新學生檔案。
學習者對于某一知識點的有關測試題的回答情況構成了對該知識點的掌握程度。此外,考慮到不同認知能力學生在學習不同類型的知識時表現出不同的學習能力,我們對某學生已學習過的所有知識點,分類計算以下幾個平均值:
總平均值=已學習過的所有知識點得分的平均值;
平均值1=已學習過的所有難度為“簡單”的知識點得分的平均值;
平均值2=已學習過的所有難度為“較難”的知識點得分的平均值;
平均值3=已學習過的所有難度為“很難”的知識點得分的平均值;
記憶能力=已學習過的所有類型為“記憶型”的知識點得分的平均值;
理解能力=已學習過的所有類型為“理解型”的知識點得分的平均值;
應用能力=已學習過的所有類型為“應用型”的知識點得分的平均值;
學生模型根據這些信息建立學生檔案,并記錄入“學習歷史記錄”,供系統選擇合適的教學方案時參考。
2.教師模型的設計。教師模型的主要功能,是通過對“學習歷史記錄”信息的分析推理,判斷對知識的需求,根據專家經驗選擇教學策略和教學內容;通過測試后的分析反饋,了解學生的學習情況,以便組織下一次教學內容和進度,并能給提出相應的建議。一般地,當學生參加了某單元的測試后,教師模型便根據學生的成績自動地調整其教學目標和教學內容,并動態地生成最佳教學序列,實現個別化教學。
3.綜合數據庫的設計。綜合數據庫是ICAI系統的基礎,它包括:學科知識庫、教學材料庫、試題庫、學生答疑庫、教師評價庫等內容,其中學科知識庫是其主要內容和設計重點。
學科知識庫包含兩個方面內容:一是有關課程內容;二是有關應用這些知識求解問題的知識。這些知識相互之間的關系構成了一個知識網絡。該知識網絡可以用關系數據庫表示,這種知識體系有兩個典型的作用:可以確定知識點教學的先后次序;可以錯誤診斷。所有知識分為從易到難的多個層次,以知識點為索引用關系數據庫存放在課件中,為實現個別化教學提供材料,同時也便于教學材料的擴充。
4.教學策略庫的設計。教學策略即教學方法以及實現該方法的教學過程,教學策略的選用由所教授知識以及學生的認知結構決定。教學策略庫中包含標準策略和自定義策略,教師可以根據不同的知識類型以及不同水平的學習者選用合理的教學策略模板,從而實現教學智能。
每一個教學策略均對應的“適應學生類型”設定值,教師模型根據每一個學生的“學習歷史記錄”與該設定值進行匹配,選擇合適的教學策略。系統還可以將教學策略模板對不同知識和不同能力的學生的教學效果記錄下來加以分析。
5.診斷模塊的設計。本模塊的主要功能是對學生的提問做出判斷,給出結論和解釋。這里主要是在綜合數據庫中搜索,對關鍵詞進行模糊匹配,并根據數據庫中關鍵詞的權值高低依次列出推理結果。如果學生問題中的有多個關鍵詞沒有匹配上時,應根據現有知識進行推理,得到最優解作為臨時答案,同時將該問題記錄入數據庫,由教師回答。本模塊的推理判斷由神經網絡完成。
四、ICAI課件設計中的教學原則
利用ICAI多媒體課件教學是一種新的教學思想和教學方式,還處于嘗試階段,在它的開發設計中有多種結構和形式,也存在一些問題。筆者結合教學經驗,簡要介紹在ICAI設計中應該遵循基本原則。
1.多媒體素材與知識的科學性相結合,是ICAI課件編寫中應堅持的首要教學原則。多媒體素材必須以反映英語語言規律的科學性為前提,切不可本末倒置,在系統開發中盲目追求界面精致、動畫美觀。
2.多媒體課件應方便與常規教學手段結合。不可一味追求多媒體教學課件在課堂上的展示,把由教師講述的內容變為多媒體演示,把教師與學生、學生與學生的口頭交流變為人機對話,企圖用ICAI包括一切教學內容。
3.以學生為中心的原則。ICAI系統應該能充分發揮學生的主動性,讓學生有多種機會在不同的情境下,應用所學的知識和探索解決實際問題的方案。
4.ICAI系統應強調對學習環境的設計。ICAI課件是針對學習環境而非教學環境的設計,在學習過程中要為學生提供各種信息資源(教學媒體和教學資料),這些資源用于支持學生的自主學習和協作式探索。
5.ICAI系統的評價結果要能準確、及時地反饋給學生,使學生知道自己的學習狀況和學習效果,并據此變更學習策略、改進學習方法。評價反饋功能不僅僅是指出“對”、“錯”,而且要幫助學生發現、分析、改正錯誤,還可指出要特別注意的相關知識點。
6.系統要具有開放性和模塊化的特點,具有普遍性的功能可單獨封裝,各模塊采用統一標準的接口,便于教師更新教學內容和教學方法,也便于系統功能的擴展。
五、結論
ICAI比CAI具有更大的靈活性,它以教師和專家的經驗為基礎,利用邏輯分析和計算能力,對學生的信息進行分析、計算、推理和決策,具有廣闊的發展前景。本文提出了一種動態、智能的ICAI系統結構,進行設計和系統原型開發,從而可以更好地實現教學目的。
參考文獻:
[1]劉煒,朱學增.ICAI的研究和發展概況[J].計算機應用,1994,14(5):17-20.
中圖分類號：tp 文獻標識碼：a
收錄日期：2013年4月16日
計算機輔助教學的智能化源于20世紀五十年代后期。英國數學家圖靈在“計算機器與智能”一文中提出了著名的圖靈測試，用來測試一臺機器有無智能。當時，麥卡錫和紐厄爾等人認為機器能夠像人一樣思考的時代已經近在咫尺，實現這一目標的主要問題只是需要創建更大的、運算速度更快的計算機。如果機器能夠像人一樣地思考這一命題成立，就可以據此提出一個合理的假設：人們能夠制造出聰明的機器，它能夠執行需要人類思考才能完成的復雜任務，例如開展教學。計算機輔助教學的智能化研究正是基于這樣的假設，從20世紀五十年代至今，在計算機科學、教育科學、認知科學等學科專家的不懈努力下取得了不少成果。
普萊西于1924年發明了第一臺教學機器，但是直到20世紀五十年代，哈佛大學心理學家斯金納把他研究的操作條件反射和積極強化原理成功地運用到教學機器上，在美國軍隊中進行應用并取得了良好的教學效果，使程序教學獲得社會的承認并有了很大的發展，才導致了教學機器和程序教學的興起。程序教學（pi）就是將教學內容按一定的邏輯順序分解成若干小的學習單元，編制成教學程序由學習者自主學習。程序教學具有小的學習步驟、自定學習進度、積極反應、即時反饋等特點，綜合使用比單個使用某種能產生更好的記憶效果，從而改善學習。如果將視、聽覺和做結合起來，那么學習效果會有更大的提高。通過多媒體條件下個性化學習環境的創設，智能教學系統能夠有效地支持學生看、聽和做，從而提高學習效率。但智能教學系統也存在著一些難以解決的問題，例如，如何讓學生從被動地接受教學轉為主動的建構式學習；如何根據學生的需求和教學目標，實現學習者和教學系統之間有效的知識通訊；如何在網絡環境下有效地支持個別化學習、協作學習和探究學習等。此外，智能教學系統的開發需要領域專家、知識工程師、教學專家的通力合作，開發難度大。由于人工智能技術自身的局限，當前智能教學系統的智能化程度并不令人滿意。
20世紀九十年代以來，計算機多媒體技術、網絡通信技術以及人工智能技術的發展，為基于建構主義學習理論的多媒體教學環境的構建提供了有效的技術支持，數字化學習（e-learning）迅速成為人們崇尚的一種學習方式。但是，在網絡環境下，教學材料的選擇和組織往往缺乏系統的設計，容易造成數字化學習者的認知超載和網絡迷航。為了提高網絡學習效率和學習質量，一些智能教學系統的研究專家開始轉向網絡環境下的適應性學習支持系統研究。
在學習過程中，學習者個體具有很大的差異性，具體表現在個人的能力、背景、學習風格以及學習目標等各個方面。即使是個體本身，在學習過程中其知識狀態也是在不斷變化和發展的。適應性學習支持系統（alss），是針對個體學習過程中的差異性而提供的適合個體特征的一種支持學習的系統。適應性學習支持系統本質上是一類個別化的學習支持系統，它能夠提供一個適應用戶個性化特征的用戶視圖，這種個性化的學習視圖不僅包括個性化的資源，而且包括個性化的學習過程和策略。適應性學習支持系統提供對不同學習者個別化需求的適應，包括學習診斷、學習內容、自主選擇學習策略等。對于相同的學習內容，該系統可以為不同的學生提供不同的學習方式。不同的學習者通過適應性學習支持系統學習同樣的知識，會有不同的學習路徑、學習策略和學習內容。
換言之，適應性學習支持系統提供的學習是個別化的、因人而異的，是符合學習者個人學習情況的。在其支持之下，學習者能夠以更快的速度，更加有效地進行學習。由于學習者在適應性學習支持系統中不僅可以進行個別學習，而且可以開展在線的協作學習、探究式學習等多種學習方式，適應性學習支持系統已經超越了作為傳統意義上的輔助教學的工具，而是作為認知工具、協作交流工具和情感激勵工具，可以作為導師、學習伙伴和學習工具。
近年來，我國不少學者開始對適應性學習支持系統進行研究，例如開放的、通用的適應性學習支持系統外殼a-tutor；基于教師經驗性知識的適應性學習系統在中小學校的應用，等等。智能教學系統
主要特點在于能夠針對不同學生進行因材施教，但由于該類系統過于強調理想化的教育，生硬的界面和過多的程序控制往往無法激發學習者學習的主動性或維持學習者的學習興趣，因此，它的實現和應用受到了較大的限制。計算機作為教師，監控學生學習過程，執行錯誤診斷和生成提示信息采用知識表示技術，教學內容由系統自動安排多媒體，主要由文本構成、輔以圖片、動畫、聲音適應性學習支持系統開放的網絡學習環境下自主學習、協作學習、探究學習。計算機作為學習伙伴，或作為認知工具、協作和交流工具、情感激勵工具由多媒體、超媒體構成，采用適應性超媒體、超文本系統綜合了生成性cai和面向幀的cai的設計思想，并規定了問題的描述格式，系統據此生成參數，然后在數據庫里查詢正確的答案。
卡內基梅隆大學卡波納嘗試將人工智能（ai）技術應用于cai系統，并設想了這樣一種教學系統。該系統有一個包含教學主題材料和授導教學規律的知識庫，能夠用自然語言與學生對話，能夠以自然的方式從它的通用知識庫里面生成問題和反饋。卡波納按照上述設想建立了第一個智能化的地理教學系統 scholar，它采用語義網絡知識表示，建立了覆蓋學生模型，能夠自動生成教學材料和問題，也是第一個能夠用自然語言與學生交互的系統。scholar 的出現標志著智能計算機輔助教學（icai）的開始。
中圖分類號：G642.0 文獻標識碼：A 文章編號：1007-0079（2014）23-0029-02
智能控制作為自動化類專業的一門專業課程，要求學生了解控制學科發展的方向和前沿，熟悉智能控制的主要理論分支、數學基礎以及發展趨勢等，掌握基本智能控制方法的結構和算法，為未來實際工程應用奠定一定的基礎。當前，在國內外備受關注的CDIO模式即把“構思（Conceive）―設計（Design）―執行（Implement）―運作（Operate）”作為工程教育的環境背景，按照產品生命周期構建課程體系，以課堂和項目相結合的方式進行主動學習，使學生達到預想的學習目標。
考慮到安徽工程大學（以下簡稱“我校”）自動化專業被確定為教育部“卓越計劃”試點專業，如何通過智能控制課程教學改革來提高教學質量，充分借鑒CDIO先進的教育理念，推行卓越工程師培養計劃，提高大學生的創新技能、實踐技能，協調課程體系對培養目標支撐力不強以及與我國產業發展和結構的調整不相適應的矛盾，創建適應新形式發展需要的課程教學體系，同時促進我國智能控制學科發展，是我校授課老師所面臨和亟待解決的問題。
一、智能控制課程分析
1.智能控制發展歷程
智能控制是一種新型自動控制技術，代表了自動控制的最新發展階段。[1]20世紀90年代中期之后，智能控制日益成熟，在工業、農業、家用、軍事等領域得到了廣泛的應用，據統計，2012年全球智能控制市場規模接近6800億美元，而我國智能控制行業規模也已經達到4200億元。
智能控制思潮第一次出現于20世紀60年代由Leonaes等人首次正式提出，[2]到了1987年，IEEE控制系統學會和計算機學會在美國費城聯合召開了智能控制國際學術討論會，智能控制正式作為一門新學科，登上歷史舞臺，而“智能控制”課程是在智能控制學科建立之后開設的。
國內首部“智能控制”教材，是在1990年由中南大學蔡自興教授編寫電子工業出版社出版，蔡教授把遞階控制、專家控制、模糊控制、神經控制、學習控制作為智能控制課程的初步框架和主要研究分支。[1]隨后，王耀南、李士勇、李人厚、孫增圻等專家也編寫了智能控制相關教材。這些教材出版對我國智能控制課程教學發揮了積極的作用，為智能控制學科建設和人材培養做出突出貢獻。[3]
近年來，國內學者對智能控制的研究十分活躍，舉行各種與智能控制有關的學術討論會，如全球智能控制與自動化大會（World Congress on Intelligent Control and Automation，WCICA）、中國智能自動化會議（Chinese Intelligent Automation Conference，CIAC）、中國控制會議（Chinese Control Conference，CCC）、中國控制與決策會議（Chinese Control and Decision Conference，CCDC）等，這標志我國智能控制作為獨立學科已正形成。[2]
2.智能控制理論體系
隨著科學技術的發展，智能控制理論和技術得到不斷的發展和完善，受到越來越多科研工作者的關注。常規的智能控制方法主要包括：模糊控制、神經網絡控制、分級遞階控制、專家系統控制以及其他仿人智能控制等。[3，4]
（1）模糊控制：將人類專家對特定對象的控制經驗，運用模糊集理論進行量化，轉化為可數學實現的控制器，從而實現對被控對象的控制，其主要包括輸入模糊化、模糊規則庫、模糊推理以及輸出逆模糊化四個部分。
（2）神經網絡控制：是人工智能、認知科學、神經生理學、非線性動力學等學科的交叉熱點，它利用大量的人工神經元按一定的拓撲結構互連，構建具有仿人控制的功能。神經網絡雖然不善于顯式表達知識，但具有很強的學習能力和自適應能力，能夠任意逼近復雜的非線性系統，對高度非線性和嚴重不確定性系統的控制方面具有良好效果。
（3）分級遞階控制：是從工程控制論的角度總結人工智能與自適應、自學習和自組織的關系之后逐漸形成的，主要由組織級、協調級和執行級構成。其中組織級起主導作用，涉及知識的表示與處理，主要應用人工智能；協調級在組織級和執行級間起連接作用，涉及決策方式及其表示，采用人工智能及運籌學實現控制；執行級是底層，具有很高的控制精度，采用常規自動控制。
（4）專家系統控制：是指具有模糊專家智能的功能，采用專家系統技術與控制理論相結合的方法設計的控制策略，它是人工智能應用領域最成功的分支之一，由知識庫、推理機、解釋機制、知識獲取系統以及綜合數據庫五個部分組成。在工業過程控制中主要呈現直接專家控制和間接專家控制兩種形式。
二、智能控制課程教學改革
1.理論教學
UNESCO在2010年的工程學報告中指出，工程是人類面臨的最大挑戰和機遇，為了滿足卓越工程師培養計劃要求，我校重新修訂課程教學大綱，調整了各知識點的學時分配，擴大了知識面的覆蓋范圍，并提高了實驗內容所占學時比例，注重實踐環節內容設置。在課程建設考慮理論與實踐的均衡，避免理論與實踐用脫節，教材選用為王耀南主編、機械工業出版社出版的《智能控制理論及應用》，[5]總共設計30個學時，具體如圖1所示。概述部分為2個學時，主要講解智能控制理論的歷史背景、研究現狀以及未來的發展趨勢；模糊控制與神經網絡控制是本課程主要講解部分，分別安排9個學時；分級遞階控制與專家系統控制部分要求學生以了解為主，因此分別安排4個學時；最后，剩余2個學時講解當前最新的一些智能控制方法，目的為擴展學生的視野。
考慮到“智能控制”課程涉及的知識面較為廣泛，因此，在教學過程中，教師主要擔負組織者、引導者的職責，課堂上注重采用啟發式的教學模式，并增加案例講解，讓學生明確課程教學服務于國家戰略需要和行業需要，如：液浮陀螺儀溫控系統的模糊控制策略設計、單級倒立擺系統的神經網絡PID控制器的設計、數控機床專家系統設計等。鼓勵學生自由探討，實現教學環節中的互動，提高學生的認知能力。
2.實踐教學
本課程專業性很強，學生缺少對智能控制方法的感性認識，且受學時數的限制，因此鼓勵學生自主學習，充分利用課余時間。[6]每次課后，有針對性地預留課外作業，引導學生復習、預習，這有利于老師教學內容的精練講解，學生對智能控制的熟悉掌握，引導學生注重工程能力和自主學習能力的提高。
另外，在“智能控制”教學計劃中，安排6個學時作為實驗課，讓學生獨自設計相關智能控制器，培養學生的實踐動手能力，增加對模糊控制系統、神經網絡控制系統分析和設計的熟練程度。實驗采用先講解、后實驗、再總結的方式進行。為了保證實踐教學質量，每20位學生安排1名指導教師。實驗前，要求學生實驗之前完成預習報告；實驗中學生每人一臺機，獨立記錄實驗過程和實驗結果，教師全程答疑輔導；實驗后學生及時上交實驗報告，其內容包括：實驗名稱、內容、方法、步驟、結果及個人心得、體會。
3.教學手段
為了適應時代的發展，授課借助先進的教學軟件。在相關理論知識點展開前，可通過實例模擬讓學生初步了解相關方法，再切換到理論知識的講解，以幫助學生做到思維的自然過渡。
課堂還采用多媒體教學，以提高學生獲取信息的效率。多媒體課件制作過程中，力求圖文并茂，能吸引學生的注意力，這有利于實現情景式的教學，充分調動學生的主觀能動性，變被動教育為主動教育，使學生加深對知識的理解。[7，8]
4.考核方式
本課程理論性較強，為避免“一張試卷定乾坤”帶來的弊端，課程成績采用多元化考核制度，主要包括：平時成績（30%）、實驗成績（30%）和期末考試成績（40%）。
三、結束語
綜上所述，我國的智能控制教育已取得了可喜成績，我校在研究專業培養目標和現有教學資源基礎上，借鑒國內相關高校成功教學經驗，并不斷完善智能控制學科教學的方法、手段、策略，研究制訂新的大綱，開發設計多媒體課件，與時俱進，緊密圍繞“卓越工程師培養計劃”的重點和目標，為培養敢創新、會創造的高質量人才不斷努力。
參考文獻：
[1]蔡自興，張鐘俊.智能控制的理論與實踐[J].中南礦冶學院學報，1989，（6）：644-650.
[2]陳愛斌，肖曉明，魏世勇，等.智能控制的學科發展與學科教育[J].現代大學教育，2006，（3）：102-105.
[3]涂象初.關于智能控制的幾個問題[J].科學通報，1991，（7）：481-485.
[4]張德江.智能控制技術現狀與展望[J].長春工業大學學報，2002，
（S1）：58-61.
[5]王耀南，孫煒.智能控制理論及應用[M].北京：機械工業出版社，2011.
[6]朱建紅，張蔚，顧菊平，等.基于卓越工程師目標的教學策略改進研究[J].中國電力教育，2013，（5）：90-91.
在當前，計算機技術發展引起的智能化普遍應用的情況下，深入探索智能教學環境下的教育理念、教學模式和教學方法，充分利用現有信息技術成果，研究更加先進的智能網絡教學模型，不僅可行，而且也是智能網絡教學系統研究、開發和應用中的一項重要內容。文章擬主要分析當前智能化教學系統的特點與設計方法。
一、智能化教學系統的特點
智能教學系統是以認知科學為理論基礎，綜合利用人工智能技術、教育心理學、計算機科學等多門學科的成果而形成的一種對學生實施有效教學的技術。系統的智能性主要表現為能夠實現“一對一”的教學，這種教學模式被譽為是最有效果的教學方式。“一對一”的教學方式可以歸結為以下三點：（1）指導教師可以采用測試和問題的方式來探測學生實時的知識狀態。（2）在學生開始學習某個知識之前，指導教師能夠為他設計一條從最基礎知識到某一個具體知識的學習路徑。（3）在教師和學生的交互過程中，教師能夠了解潛在的探測此學生所具有的學習風格，并且提供風格匹配的教學材料給學生進行學習。
基于以上的實踐經驗以及人工智能技術，設計和開發一個基于計算機的智能教學系統來模擬人類教師的教學方式和行為已經成為可能，并且很有前景。使用具有智能性的智能教學系統，將可以有效地彌補其教育教學上的缺陷和不足，改善學生的學習效果，提高教學效率，對教育具有極大的推動作用。
二、智能教學系統的設計方法
1.智能教學系統的設計原理
進行科學的教學系統設計，必須從了解學習的發生機制和學習的本質問題入手。教學系統設計，是架設于學習理論與教育教學實踐之間的一座橋梁。縱觀教學系統設計的發展軌跡，可以清晰地看到學習理論對教學系統設計的影響最為深刻。每一次學習理論的發展，都必然為教學系統設計帶來巨大的觸動和沖擊。學習理論的發展大致可以分為行為主義學習理論、認知廣義學習理論、建構主義學習理論和人本主義學習理論等，所以相應地出現了基于行為主義的教學系統設計理論、基于認知主義的教學系統設計理論、基于建構主義的教學系統設計理論和基于人本主義的教學系統設計理論。
2.智能教學系統的的主要功能
智能教學系統關鍵在于能夠對學習者的學習效果進行檢驗并能夠給出相應的學習建議，從而實現學習過程的智能化。主要功能包括：
(l)建立教學內容的智能知識庫。根據不同的教學內容，按知識體系結構進行知識點的劃分，并建立學習要素的數據庫。
(2)對學習過程進行評價。學習效果是學習質量的重要標志，學習過程包括在線學習、在線練習、在線測試、實踐教學，收集學習過程信息，進而對學習效果進行合理評價。
(3)學習指導和建議。根據學習情況給出學習效果評價，然后根據學習效果給出學習指導和學習建議，從而使學習過程具有更強的針對性，以達到提高學習質量的目的。
(4)學習導航。及時收集學生的應答信息，并加以分析處理，評判學生的成績；為不同的學生選擇不同的教學內容，將學生不具備學習條件的知識過濾掉；幫助學生分析錯誤原因，判斷并標示出學生當前最需要學習的知識點，提供針對性的個別輔導和適當的補充材料。
（5）教學方法。允許學生用自然語言與計算機導師進行交流，這樣就突破了傳統的學法指導和教法，并且教法還可以針對特定學生進行，即“一對一”教學模式。
3.智能教學系統的組成
(1)領域模型。存放傳授給學生的課程專業知識，還能生成問題，提供對問題的正確解答以及求解問題的過程。領域模型一般包含兩方面的知識：一是有關課程的內容，二是有關應用這些知識來求解問題的知識，即過程知識。知識表示方法有語義網絡、規則等。
(2)診斷模型。利用診斷規則來分析學生的響應，判斷學生己經懂得的知識或學生產生的錯誤概念，并傳遞到學生模型的當前狀態中去。
(3)學生模型。準確反映學生的知識水平、學習能力等，為系統實現個別化教學提供依據。
(4)教師模型。結合教學策略和課程結構方面的知識，為學生選擇問題供他們解答，監督和評價他們的行為，當學生需要時為他們選擇適當的補習材料。教師模型中，交叉和解釋模式以及學生模型是實現“面向個人以交互方式進行教學”的具體手段。教師模型中采用的教學策略主要有診斷或排錯法、蘇格拉底法、教練法等。
(5)人機接口。人機接口作為學生與系統之間交流信息的媒介，它所提供的表達知識和信息的手段必須是學生熟悉并便于使用的。
4.智能教學系統的使用
學生使用教學系統進行學習活動時，可以自己選擇學習內容，也可以在教師模型的作用下由系統引導進入某一教學單元。教師利用測試結果，通過診斷模塊和診斷規則來判斷學生當前的認知能力，通過學生的總體認知能力來決定學生下一步的行為。
（1）教學診斷模塊。主要負責判斷學生對某一知識點的掌握情況，進而能判斷學生的當前知識水平，為判斷學生的認知能力提供依據。
（2）能力測定模塊。主要負責評價學生的學習能力。在教學之前、教學期間和教學之后都要進行。通過評價取得反饋信息以修正、完善教學計劃，為教師模型制定正確的教學策略提供條件，保證教學的順利完成。它是本系統的重要部分。
（3）學生行為評定。對學生行為的評價，依據評價的目的不同，分絕對評價和相對評價兩種方法，系統中以教學目標為基準進行絕對評價，以掌握學生達到教學目標的程度和診斷學生知識、能力結構中的缺欠，即根據專家知識庫中的測試題目信息及學生的回答情況，給出分析結果及相應各認知能力不同層次的分數比重，為制定相應的教學策略提供數據依據。
（4）試題評定。主要是對試卷的要求進行綜合評價，包括學生測試的內容是否是學習過的，是否符合教學大綱的要求，試題分數的比例是否符合難度比例、認知層次比例和各章節的分配比例。
（5）教學內容生成。系統根據學生的認知能力、當前的知識水平和學習歷史，利用教學策略生成個性化教學內容。
三、結語
智能教學系統能監控學生的學習過程，實現教學各環節的知識共享與交互，從而實現學生的按需學習和教師的因材施教，體現“以學習者為中心”的教學思想。但是，目前的智能教學系統的研究可以說仍然處于基礎理論的研究階段，其主要的研究方法就是將遠程教學技術與傳統的智能教學系統相結合，運用人工智能技術來更加有效地實現教學的個性化和智能化。
參考文獻:
[1]謝忠新，王林泉，葛元.智能教學系統中認知型學生模型的建立[J].算機工程與應用，2005，(3)：229-232.
