时间：2023-08-18 17:16:59
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇人工智能网络教学，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
中图分类号：TP18
“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科，但又同时包含了很多领域的不同学科，例如生物信息学、机械理论学、数理推论、语言文化等，它的研究领域非常的广泛，包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后，越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等，中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。
目前，将人工智能应用在网络教育中是很多研究者关注的热点，在近些年的研究中取得了很大的进步，取得了一些先进的成果，但是在研究中也遇到了一些问题，需要研究人员进行解决并创新。本文首先介绍了网络教育的现状，探讨了人工智能在网络教育中的应用，通过研究提出了做好人工智能在网络教育中应用的有效措施，最后对人工智能在网络教育中的发展前景进行展望。
1 网络教育的现状
随着信息技术和网络技术的不断发展，人们对教育的观念以及接受教育的方式发生了巨大的改变，“网络教育文化”日趋成熟。网络的发展给传统的教育模式带来新的挑战，它除了将传统教育模式的一些显著不足进行了改变以外，同时使教学更富有吸引力和生气，吸引更多的人愿意到Internet教学中来学习自己想要的知识，他们可以不受时间、空间、身份的限制，到这个虚拟的课堂来进行“充电”。但在当前，网络教育还在初级的发展阶段，在实际的推广和应用中还存在着一些问题：
（1）在网络远程教育的过程中，支持学习的服务系统没有很好的满足学习者的要求，引导学习者学习的手段和给学习者答疑的方法都比较落后，服务的方式受到一些客观因素的限制；
（2）网络实验教学中有很的问题存在，例如空间的分散性差，时间的流动性和自主性差，除此之外，便携性也比较差等；
（3）目前，虽然网络教育中进行的考试具有开放性，但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证；
（4）目前来看，网络系统本身具有了信息查询能力，但这种查询的能力是很有限的。
2 人工智能在网络教育中的应用
2.1 智能决策支持系统
智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的，是决策支持系统与人工智能技术相结合的产物。目前，由于智能决策支持系统的不断发展和创新，在网络教育的应用和研究方面表现出很强的发展潜力。例如，智能决策支持系统在数字和移动图书馆中的得到了广泛的应用，该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息，帮助他们明确决策和管理的目标，通过建立决策模型并加以修改或完善，为数字图书馆正确、有效的管理和决策提供必要的支持。
2.2 智能教学系统
智能教学系统是在1970年以后迅速发展起来的，可以为学习者提供一种智能的授课环境，它将计算机的模拟功能来体现在整个教学过程中，使用人工智能技术和多媒体技术等先进的教学手段，共同形成一个交互式的开放的教学系统，在这个学习系统中，学生可以主动的获取学习知识，系统可以根据学习者的个人情况来进行合理和科学的教学，以达到最佳的、理想的教学效果。
2.3 智能导学系统
支持服务是现代计算机网络教育系统的重要构成要素。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施计算机网络教育项目的保证。智能导学系统可以创造一个优良的学习环境，使学习者方便快捷地调用各种资源，以获得学习的成功。
2.4 智能硬件网络
智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及，通过网络进行学习，不仅要求多媒体综合化的信息处理能力，而且要求网络能够提供高级信息处理能力。就目前的状况而言，对现有的计算机教育网络赋予其一定的“智能”，从硬件性能本身加以提升是一种不乏远见的选择。
3 做好人工智能在网络教育中应用的有效措施
3.1 加大资金的支持
对于做好人工智能在网络教育中的应用工作，绝对离不开资金的支持，因此各级政府部门应该做好相关的预算，落实好国家对于支持人工智能技术的相关政策，对于在人工智能技术发展中做出突出贡献的企业和科研单位要给予一定的资金支持，支持这些企业、科研单位的研究工作，促进人工智能在网络教育中更好的发展和应用。
3.2 加快人员培训工作，建立技术研究团队
人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征，因此，必须培养一批高素质的人工智能专业人才，同时还要对这些人员进行全面的业务培训，使得这些人员既要懂管理，又要精通人工智能的专业知识，通过全面的业务培训和人才引进，建立人工智能的技术研究团队，使得这些人的才能得到很好的发挥，在人工智能方面有所创新，保证人工智能在网络教育中得到更好的应用。
3.3 加强和先进研究机构的合作
在人工智能技术研究方面，美国、英国、德国等国家都走在世界的前列，而我国的人工智能技术研究的能力较低，与上述发达国家相比还存在一定的差距。因此，如何缩小这种差距，实现人工智能在网络教育中更好的应用，就需要我们的研究人员加强专业知识的学习，和这些国家的先进研究机构进行有效的沟通和联系，借鉴其先进的研究经验，根据自己的实际需要，进行一些实际的合作。
4 结束语
由于人工智能技术本身存在着巨大的优势，人工智能网络技术也会不断地进行发展而趋于成熟，这将极大地改善并且优化网络教育的学习环境，全面提升网络教育的整体教学质量，并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用，需要加大资金的支持，加快人员培训工作，建立技术研究团队，加强和先进研究机构的合作，使网络学习的支持服务更加人性化和拟人化，更加体现以人为本的关怀精神。
参考文献：
[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯，2009（01）：198.
[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯，2007（34）：108-109.
[3]陆志一，吴学庆.计算机未来的发展趋势[J].黑龙江科技信息，2008（04）.
[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化，2010（08）.
[5]何月瑶.计算机技术发展态势分析[J].科技创业月刊，2007（05）.
关键词：智能授导系统; 自适应; 辅助教学;
中图分类号: TP391 文献标识码: A
Research on the constitution of ITS by adaptiveperspective.
Abstract：The research of Intelligent Tutoring System (ITS) has been changed along with the appearance of the different technology―supported learning environments. This paper analyzes the influence and enlightenment that distributed cognition theory has on ITS-based the prototype of ITS, choose the self-adaptation techniques of ITS as a research entry point of digital technology aided teaching software and find the appropriate connection point between the concept and technology of Intelligent Tutoring, and then propose constitution strategy to improve the ITS. Finally, a new model of distributed adaptive ITS is presented and eventually improvetheabilityof system’s self-reasoningand self-organization.
Key words：ITS; adaptive; adjunct instruction
0 引言
人工智能（AI）是计算机科学、信息论、神经生理学、控制论、心理学、语言学等多种学科互相交叉渗透而发展起来的一门综合性学科[1]。人工智能的本质问题就是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学。其技术特征主要是具有搜索功能、知识表示能力、一定的推理功能、抽象功能、语音识别功能及模糊信息处理能力。
智能授导系统〔ITS)是一种学习技术系统，能根据学习者的特定目标、需求和偏好，利用教学方法和学科知识动态地调整学习内容。它的发展源于对传统计算机辅助教学的改进，克服了仅仅关注学生行为的缺陷，引入了对知识的描述以及智能推理技术。ITS大都由学习者模块、专家模块、课程与诊断模块和通讯模块组成[2]。Hartley和Seeman最早提出一个ITS的框架应该包括专门知识（专家模型）、学生的知识（学生模型）和教学策略知识（导师）[3]。近十几年的研究中比较有代表性的是Peng-Kiat Pek和Kim-Leng Poh应用贝叶斯网络构建的学生模型可以较好的估计出学生的学习兴趣值，从而对学生的学习行为方向进行预测[4]。Dietrich Albert和Cord Hockemeyer分析知识空间理论而得出超文本结构和知识空间在结构上的有很强的相似性，通过对知识空间进行建模，使之适用于网络Web结构模式[5]。Joel Martin和Kurt VanLehn使用贝叶斯网络技术对学生的学习结果进行评估，得出学习者学习过程中的缺陷和不足[6]。Declan Kelly和Brendan Tangney提出了一种多Agent技术(Multi-Agent System，MAS)，通过对个体的个性化学习进行动态建模的智能框架的建构重组，满足了学习者的不同需求[7]。在构建策略和技术支持上的最新研究[8-10]都对数字化技术辅助教学软件的开发提供了新的思路和算法。
目前ITS的研究和实现在自推理能力和自组织上存在不足，未能充分发掘ITS的自学习能力。基于现代网络发展对学习环境的技术支持，从自适应角度出发，给出分布式自适应的智能授导系统模型，强化自适应策略推理机制，提高ITS的自组织和自适应能力。
1 分布式ITS
从分布式学习的角度分析传统ITS的设计与应用实践，在系统开发过程中存在的问题有：①传统“智能推理”系统缺乏与环境的灵活交互能力；②认知监控与激励机制的缺失；③忽视系统最本质、最具价值的“授导”服务功能，没能实现学习与认知目标；④人机交互过程不够和谐。随着计算机科学和网络技术的发展，分布式智能授导理论[11]提供了一种全新的分布式模式和问题求解途径，恰当地表述出数字化教育的主题，其核心思想强调学习者为中心、关注学习活动、注意学习情境脉络，使建构性的学习过程理论替代了传统的学习理论。
分布式学习是一种学习模式，它允许学习者、指导者和学习内容分布于不同的位置，使教和学可以不受时间和地点的限制而作用，其关键要素包括基于Web的模块化内容、智能导师、互操作与重用、更大范围的协同工作。综合国内外有关研究机构和Philip Bell、William Winn、傅小兰、李克东等中外学者的观点，分布式ITS的主要特征可以概括为[12]：重点在于对观点特征的表述，资源的交流与共享是必要条件，分布式系统中的制品主要用于拓展学习主体的能力，分布式学习环境取决于学习本体的特征以及认知方式。
目前针对ITS存在的不足，学者们主要采用项目反应原理、数据挖掘、分布式人工智能、计算机智能网格、自然语言处理、可扩展标记语言等技术对ITS进行改进。最终目标是以分布式学习理论和教育教学理论为指导，应用人工智能中的多Agent技术，根据认知本体的数据模型和知识类型确定认知过程中采用的基本认知策略。
2 分布式自适应ITS的模型构建
2.1 分布式自适应ITS的机理特征
自适应是软件系统中的概念，可以看作是一个能根据环境变化智能调节和控制自身特性以使系统能工作在最优状态的机制与功能，它可以为智能授导系统提供了一种响应外界环境变化而产生自身调节的一种能力。这意味着软件能够主动实现自身功能性的调整与适应，而与使用者对系统的操作方式无关。从分布式角度分析，ITS应是一种具有自适应能力的知识系统，就人机交互而言，其自适应能力依据用户维、知识维和决策维发生变化。自适应的核心技术是能够让机器广义的“学习”机制，系统自适应能力的产生是否在很大程度上取决于它能否自组织地自我学习和完善。通常情况下用适应性(adaptive)与顺应性(adaptable)来表示自适应的ITS系统的不同方式[12]，其区别如图1所示给出的智能系统结构。
2.2 学习者模型建模
研究表明，学习者模型是分布式自适应ITS的核心，而学习者学习过程中存在着大量不确定性的因素和信息，因而成功获取学习者的情况是其它环节正确运行的保障。在学习者模型设计中，基于自适应为特征的设计思路，本文不仅利用贝叶斯网络的条件概率分布量化知识项之间的组织关系及依赖关系，很好地反映学习者特定领域中的知识结构，还让学习者模型的相关知识项的状态随时可以改变，使学习者模型具有较强的预测能力和自学习能力。图2给出了具有自适应特征的学习者模型结构。
2.3 分布式自适应ITS模型
根据Brusilovsky提出的虚拟校园环境的部件理论[13]及以自适应为特征的技术支持，本文给出了一种新的基于分布式自适应的ITS模型（如图3所示）。它主要由内容部件、行为部件、通信部件和管理部件组成，其中内容部件是辅助教学系统的核心，由构成课程的多媒体教学材料组成，实现时依赖于知识表示与技术呈现，特别是依赖于知识建模和本体的研究。行为部件主要功能是需要学习者通过“做”的交互方式来完成的自主学习的过程，表现形式有自适应学习导航、自适应练习与测试、自适应模拟模拟实验等。通信部件起到媒介作用，主要是支持学习者与教学专家之间、学习者相互之间的交流和沟通的通信工具，支持学习者的协作学习和协同进化。管理部件主要是支持教学过程中必要的管理职能。在功能模块实现上主要由学习者模型库、领域知识库和教学决策库组成。
3 分布式自适应ITS的技术实现
3.1 智能授导机制和网络技术支持
数字化技术辅助教学中智能授导的研发技术路线主要有模拟课堂面授的路线、人工智能的技术路线和网络协同进化的路线。在分布式自适应ITS中，由于学习者本体基本上是基于资源的自主学习，其最强烈的需求是学习资源的组织传递和共享以及人机协同进化[8]中的自组织性。为满足此要求，具有自适应特征的网络协同进化的技术路线十分突出“授导”特性，即满足了系统地对教学内容的组织和传播，又兼顾对学习者本体提供针对性的适应性学习支持。网络协同进化的技术路线是基于网络这一分布式系统自身知识获取的主动性与持续性，充分发挥人机协同进化中的反馈性与自组织性，激发群体智慧的生成，从而影响学习者个体的较低层次的进化。
庄秀丽等研究阐述了Web2.0网络中如何通过拓展人群关系网络来聚合所需资料[14]，学习者应用学习资源的行为螺旋往复、不断拓展与优化，实质上它构成了一个网络协同进化的过程，学习者在参与、分享、共创的网络学习行为中，群体智慧自然而然地产生，并对学习者的学习产生积极作用。这充分证明了网络协同进化的网络学习空间为分布式自适应ITS的实现准备了外在条件与技术支持。
3.2 分布式自适应ITS的实现
根据智能授导机制，基于本文提出的模型和智能网络的技术支持，实现中借助AI中的产生式算法、模糊推理、人工神经网络等技术手段组建内在的组织领域知识库，原因在于领域知识获取是赋予智能授导系统具有推理、判别与自适应能力的关键环节，进而最终形成的知识库基本包含两类知识：陈述式的学科知识与反映专家经验的程序式知识。在教学决策库的构建中采用了数据挖掘技术，首先通过学习者特征分析模块引导学习者与系统进行对话，确定挖掘目标、提交系统参数，产生初步挖掘结果；其次通过对领域知识库中的专家经验知识和系统领域背景知识进行数据挖掘分析，得出补充的挖掘结果；最后结合自适应测量推理机产生全面的挖掘结果，并在教学决策库中对其做出合理的决策结果。
此外，把群体决策技术引入到分布式自适应ITS中充分发挥了自适应的特征。通过从系统工程的视角分析，给出了由问题维、用户维、过程维等构成的描述学习者群体决策结构，较好反映了群体决策对象之间综合信息关系。同时选择专门为语义Web设计的本体表示语言OWL语言来描述学习者模型[15]，它具有更强大的功能来表示语义和容易被机器理解的特点。
在辅助教学软件的初步开发实践中，测试发现本模型能够满足学习者模型所要求具备的自学习性、自组织性和自适应性特征。
4 结束语
针对当前ITS研究的不足，本文选择了基于自适应为特征的分布式ITS作为数字化技术辅助教学软件开发研究的一个切入点，利用贝叶斯网络的思想来设计学习者原型模型来满足适应性和个性化的要求，融入了先进成熟的AI技术、数据挖掘技术和群体决策技术，更多的关注系统各模块的标准化、形式化构建以及分布式系统的协同工作，达到知识的共享与重用，还选择了专门为语义Web设计的本体表示语言OWL语言来描述学习者模型，并依据网络协同进化的技术路线，最后给出了分布式自适应的智能授导系统模型。此模型能够让机器更好的理解网络内容和对知识进行显性的描述，弥补了传统智能授导方式整合信息并产生自适应策略机制的不足。如何提高自适应特征下教学决策效率是今后研究工作的另一个重点。
参考文献：
[1] 王万森.人工智能原理及其应用[M].北京.电子工业出版社,2007:4-6.
[2] Mand1 H, Lesgold A. Learning s for intelligent tutoring systems[M]. New York: Springer-Vedag, 1988:307-307.
[3] Hartley J R, Sleeman D H. Towards more intelligent teaching system[J].International Jounal of Man-Machines Studies,1973,5(2):215-236.
[4] Peng-Kiat Pek, Kim-Leng Poh. A Bayesian tutoring system for Newtonian mechanics: Can it adapt to different learners?[J]. Educational Computing Research, 2004(3): 281-307.
[5] Albert D, Hockemeyer C. Adaptive and Dynamic Hypertext Tutoring Systems Based on Knowledge Space Theory [C]. AIED’97 Artificial Intelligence in Education, 1997: 553-555.
[6] Martin J, VanLehn K. A bayesian approach to cognitive assessment [J]. Cognitively Diagnostic Assessment, 1995:141-165.
[7] Declan Kelly, Brendan Tangney. Adapting to intelligence profile in an adaptive educational system [J].Interacting with Computers, 2006 (3):385-409.
[8] 智勇,曹梅,杜楚源. 基于B/S结构的智能授导系统的设计与实现[J].计算机工程与应,2004(11):159-161.
[9] 张蕾,郭文强.浅谈现代网络通信技术的发展对智能授导系统的影响[J].无线互联科技, 2011(11):15-16.
[10] 郭文强,王思秀.基于智能授导系统的软件开发策略研究[J].科技传播,2012(1):165-166.
[11] 李欣.分布式认知视角下的智能授导系统的设计与开发[J].电化教育研究,2008(1):52-58.
[12] Stephanidis C, Paramythis A, Akoumianakis and Sfyrakis M. Self-adapting web-based systems: Towards universal accessibility [DB/OL]. 2000.
[13] Brusilovsky P, MILLER P. Course delivery systems for the virtual university [EB/OL].2001.
[14] 庄秀丽.Web2.0技术学习的作川研究[J].中国远程教育,2009(11):32-36.
[15] 岳静,张自力.本体表示语言研究综述[J].计算机科学,2006(2):158-162.
基金项目:
新疆教育科学规划项目（No.070729）; 新疆社科基金项目（No.11BTQ127）; 国家社科基金项目（No.11BTQ029）; 国家自然科学基金项目（No.61163066）。
关键词：非全日制研究生；智能网络教学平台；教学质量
中图分类号：G643 文献标志码：A 文章编号：1674-9324（2014）33-0229-03
一、引言
非全日制研究生教育，是指与全日制研究生教育相对应的，功能互补的，适应现代社会、经济、科技发展需要的，以培养高层次创造型人才为目标的现代教育体系，是我国研究生教育体系的重要组成部分。非全日制研究生教育的主要内容，包括教育的思想定位、教育目标、教育方法、教育技术手段、教育过程管理等，是一项系统工程。随着国家建设学习型社会和人才强国战略的相继实施，非全日制研究生教育的规范和发展开始受到社会和教育界的关注。非全日制研究生教育以在职人员为主要培养对象，以不离岗学习为主要学习形式，在教育对象、教学及管理方面有其自身的特点并具有明显的特殊性，因此，在教育教学活动中出现了一些问题。其中，如何提高课堂教学质量成为非全日制研究生培养过程中亟待解决的问题。
网络智能教学系统（Web Intelligent Tutoring System简称WITS）是基于World WideWeb技术的智能教学系统（Intelligent Tutoring System简称ITS）。ITS是以认知科学为理论基础，综合利用人工智能技术、教育心理学、计算机科学等多门学科成果形成的，对学生实施有效教学的技术。智能网络教学利用计算机模拟教师的教学思维过程，以学生为中心、以计算机为媒介，形成开放式交互的教学方式，能够达到真正个别化教学的目的。以Web为代表的互联网技术为ITS的教学理念和功能实现提供了较为理想的技术平台以及海量的信息资源。
在非全日制研究生教育中，面临的实际问题是学生与教师的见面交流机会较少，缺乏教学互动相长的平台。而且，非全日制学生一般都有正式职业，且分散在社会各行各业，平时对大学图书资料等教学资源的利用机会不多，因此将网络智能教学平台引入非全日制研究生的教育和培养过程是非常必要的，对于提高研究生培养质量起着重要的作用。本文将选取非全日制研究生的教学培养作为网络智能教学系统的具体应用领域，对非全日制研究生课程教学中面临的典型问题进行分析，然后依据网络智能教学系统的系统思想和模型结构，设计构建一种适用于非全日制研究生教学培养的网络智能教学系统。
二、智能网络教学平台的构架介绍
综合运用网络技术（网络编程技术、网页制作技术、网络数据库技术）、多媒体技术以及面向对象编程技术，研究并开发了基于Web的智能网络教学平台。该教学平台主要分为四个模块：学生模块、教师模块、交流模块及资料库，如图1所示。
学生模块是系统为不同学习者提供的个别化教学内容与学习界面。学生首先登陆系统，然后进行自主学习。学生可自愿参与评估测试，了解自己的知识水平、认知能力、学习习惯及风格等。后续学习中系统将根据评估测试结果、学生学习记录以及教师反馈等选择教学知识库中适合该生特点与实际水平的学习内容，并可根据学生情况动态生成教学过程，以及根据学生情况采用不同的教学策略，实现有针对性的个别化教学。学生也可在该模块中提交作业，便于教师掌握学习情况。交流模块是学生和教师互动的模块，学生可以在此提出问题等待答疑，并有相关论坛可以留言讨论。每个学期开始，学生可自主进入选课系统。选课系统主要由两部分组成，基础模块和复合模块。其中，基础模块主要由必修课程和基础课程组成，而复合模块主要针对非全日制研究生“产学研结合”的特点，增加了选修课程，保证整个选课系统既满足了基础性、实践性、先进性，又增强了社会适用性、针对性和务实性。教师模型是网络教学平台中组织、管理和实施教学活动的核心。它由现实的教师主体和计算机化的教师属性以及行为能力组件构成，用于网上授课、课件、知识传授、组织讨论、考试和管理等。其中，教师的教学经验、教学策略、IT应用水平等是影响教师模型的关键因素。教学经验和教学策略决定课程教学内容的结构、知识点划分和知识内容的组织规则，同时，也影响课程素材的组织规则和问题答疑的组织规则。教师的IT应用水平是教师应用智能教学系统的技术能力，是教师灵活应用网络教学平台的技术要素。教师一般是通过学生学习状态生成课程教学内容，通过学生评价状态控制学习过程，并通过交流模块的答疑系统实现对学生问题的解答。此外，教师模型还可以实现对于知识库系统的维护。交流模块主要是提供一个交流的环境来实现同学之间、师生之间实时的相互交流的需求，以便于师生之间、同学之间及相关人员的交流、设问、解答等。通过建立交流模块可以解决学生无法在课堂上实时解决的一些问题，亦能实现远程、分布式的协作学习。交流模块主要包括答疑、公共BBS、专题讨论、公告留言等版块。通过交流教师可以将一些较为普遍或专业性较强的问题进行统一回答，并一些公告信息。在公共BBS中，任何人都可以发表意见和建议，提高学生的表达能力并提高学习兴趣。教师可以根据教学内容、需要设立一些专题，在某一时间由学生和教师共同参与讨论，通过网上聊天的形式，让学生发表见解，教师加以引导，加深对于该问题涉及知识的理解。资料库模块是非全日制研究生网络智能教学平台的基础和资源来源。知识库模型中主要包括课程知识点、课程素材库、课程习题库等，并提供查询打印功能。课程知识点汇聚了课程中具有独立属性和相互关系的知识点。课程素材库包括与相关例题、图片、音视频文件等素材，为学习提供内容和形式支持。课程习题库则按照章节提供习题及参考答案。该模块最为突出的特点是加入了Web搜索功能组件，该组件的作用主要针对知识库系统满足不了学生答疑问题时转向Web搜索，获取知识答案。
三、智能网络教学平台的构建方法及关键技术
1.三层B/S分布式计算结构。为了有效地减少网络流量、防止客户端肥大、易于数据更新及实现系统间的连接，网络教学平台的设计采用了“三层B/S分布式计算结构”的Web技术，形成基于Web数据库应用下的网络教学环境。三层B/S分布式计算结构分为三部分：客户端、应用服务器和数据库服务器。客户端提供一个可视化接口，用来显示信息和收集数据，它只与应用服务器打交道。在智能网络教学平台中有三类客户：学生、教师和管理员。他们各自具有不同的用户界面，不同的用户界面显示的信息也不同，从而体现不同的用户身份。应用服务器主要用来实现应用逻辑，是连接客户与数据库服务器的桥梁。它主要根据用户发出的请求执行某种任务，并与数据库服务器打交道。数据库服务器实现数据的定义、维护、访问、更新和管理，并对应用服务器的数据进行响应。可以采用某一种数据库管理也可以是多个数据库的集合。常用的数据库服务器有Oracle、Sybase等。网络教学管理系统正是基于上述B/S结构的三层结构：教学信息表示层、教学应用逻辑层和教学资源访问层进行实施的。
2.应用层与数据层连接。应用层与数据层的连接通过基于TCP/IP的超文本传输。客户端可以自由通过浏览器浏览Web页面，获取与使用网络教学资源。这些请求经过审核，通过Web服务器的一组中间控件和后台数据库进行交互。中间控件的开发目前有CGI、JDBC、ASP和JSP等技术。我们主要采用JSP技术。
关键词：课程体系；实验体系；教学平台
中图分类号：G642 文献标识码：A、
1 引言
智能科学的理论、技术及其应用已经发展成为信息技术创新的重要生长点，“智能科学与技术”本科专业是面向21世纪、具有广阔发展前景和巨大应用需求的新型专业。该专业旨在培养具有信息科学、智能科学、脑与认知科学、现代科学方法学的基本理论知识，掌握计算机、人工智能、信息网络、信息处理、自动控制、系统优化专业知识和综合技能的高级复合型人才。2004年，北京大学开始在“智能科学与技术”本科专业招生，开创了“智能科学与技术”专业本科教育的先河。随后，国内更多院校陆续开设该专业，现在“智能科学与技术”本科专业在全国已初具规模。
尽管“智能科学与技术”本科专业被誉为“操纵未来的专业”，但将其纳入本科教育，仍处于探索阶段，可供参考的资料和形成的教学经验和体系非常有限，仍需要开拓创新，努力探索，大胆实践。本文结合我校在专业建设过程中的一些探索和想法，就教学平台建设谈一些体会，重点谈课程体系、实验体系、学生创新能力培养方面的问题。
2 课程体系建设
计算机和通讯技术的结合，形成了以计算机为核心的信息网络，由此引发的信息革命也是一场数字化革命，智能革命的时空动力是网络革命，促使信息网络发展为智能网络。“智能科学与技术”专业的课程体系建设应以计算机科学的内涵为逻辑起点，以数字信息获取、处理和响应的本质属性为中心，由浅入深地推理和演绎出一套完整的理论体系，在理论框架的指导下科学合理地建立一套完整的课程体系。结合我院的实际，我们在对学生、学科和社会需求研究的基础上，确定了课程内容。我们把对学习主体的尊重、学科的发展和社会的需要协调起来，在课程体系建设方面重点考虑了以下内容：
(1)面向应用
我院是以教学为主的高等院校，重点培养应用型人才，学生应具有较强的实践动手能力。
(2)以学生为中心
课程体系的建设应树立以学生为本、为学生服务的思想，有利于学生素质教育和创新能力的培养。
(3)突出特色
信息通信是我院的传统和特色，它和测控技术、自动化技术、计算机技术、信息技术密切相关。根据我院的办学特色，参考其他兄弟院校的培养方案，我们将该专业培养的重点放在智能信息处理、智能机器人两个方向上。
按照课程设置的原则，遵循国家的相关规定，参考其他院校的经验，我院智能科学与技术专业的课程体系围绕“三个平台，两个方向，一个目标”进行建设。三个平台分别为公共基础课平台、专业基础课平台、专业课平台；两个方向分别为智能信息处理和智能机器人；一个目标为培养有特色、面向就业的工程应用型人才。具体如图1所示：
3 实验体系建设
“智能科学与技术”是一个新兴专业，实验教学体系尚处于探索阶段。总结近年来智能信息处理和智能机器人理论研究成果和实验设备开发已有素材的基础上，我们在“智能科学与技术”专业的实验教学体系建设上重点考虑了以下几方面：
(1)层次化
实验教学一方面是为了配合理论教学而设置的验证性实验，一方面是为了提高学生的综合能力而进行的综合设计性实验。此外还应面向学生就业，通过各种方法和手段开展实训、创新性实验。
(2)开放性
开放性包含两个层面的含义，一是开放实验时间和实验场地，让学生自己选择实验时间和实验场地；二是开放实验内容，让学生自己选择部分实验项目，提高学生理解和解决问题的能力，加强学生的动手实践能力。
(3)有特色
立足我院信息通信特色，强化智能信息处理、智能机器人方向的实验设置。
为此，我们的实验室建设体系围绕“三个层次，两个方向”进行建设。三个层次是配合理论教学的验证性实验、提高学生能力的综合设计性实验、强调创新的开放性实验。两个方向是奇偶智能信息处理和智能机器人，智能信息处理以图形图像为主要处理对象，进行图像处理、模式识别等内容的实验，以软件设计为主、部分结合硬件；智能机器人重点放在了以硬件设计为主的嵌入式系统设计。具体的教学实验平台如图2所示：
4 创新能力培养
在高等学院质量工程建设中，国家明确提出了培养创新型人才。作为新兴的专业，“智能科学与技术”专业更是应该从一开始就抓住这个机遇，制定创新型人才培养的新模式。我们认为，培养创新精神需要坚持“一个中心”、“三个结合”，即以学生为中心，课内与课外相结合，科学与人文相结合，教学与研究相结合，逐渐形成独具特色的创新人才培养模式。重点考虑做好以下几方面的工作：
(1)加强学生集中实践环节的教学，建立实习基地，加强认识实习、课程设计、开放实验、科研训练、生产实习和毕业设计实践环节的教学，提高学生的团队协作、认真求实和独立思考的创新意识。
(2)增加选修课、跨学科课程和素质拓展类课程，提高学生的求知欲、进取心、挑战欲、自信心、意志力等。
(3)积极引导和鼓励学生参加各种竞赛，参加学科竞赛是引导学生努力学习、灵活创新的有效途径。
(4)组织素质高、能力强学生参与教师的科研活动，使学生的能力在真正的科研活动中得到锻炼和提高。
关键词:网络教学;智能教学;虚拟教学;多智能体(Multi-Agent);X3D
中图分类号:TP393文献标识码:A文章编号:1009-3044(2010)22-6298-02
1 网络教学
近年来,随着网络技术的日趋成熟,网络教学逐渐成为人们研究的热点。现代网络教学是随着计算机网络技术和多媒体技术的发展而产生的一种新型的教学形式,以网络技术为依托,以大量的数字化教学资源为支撑,采用远程交互式多媒体现代化教学手段,实现跨越时间和空间的教育传递。它与传统教学的不同之处在于,突破了传统教育的时空限制,共享优秀的教学资源,体现了不可比拟的优越性。
但是现代网络教学尚存在着许多缺陷:教学组织多以单方面呈现教学材料为主,缺乏交互手段;学生不能根据自己的认知能力和学习需求选择合适的教学内容,难以达到因材施教; 学习系统、考试系统和协作交互系统等教学模块往往自成体系,缺乏知识的交换与共享。
2 虚拟教学
利用虚拟现实技术可以创造与真实环境相同的虚拟环境,并提供与该虚拟环境交互的手段,让用户产生身临其境的感觉。沉浸式虚拟教学系统可以给学生提供具有情境感的学习环境,学生对虚拟教学环境的刺激和虚拟教学环境对学习者的反应实时自然,有利于增强学生的想象力,提高教学效果。
X3D是Web3D协会制定的下一代VRML97标准,它是下一代的、可扩展的、互联网上的 3D图形规范。X3D定义了如何在多媒体中整合基于网络传播的交互三维内容,整体结构包括四个部分:内核(核心特性集),VRML特性集,应用程序接口和扩展集。一个X3D文件包括header(头部说明)、scene graph(场景图)、prototypes(模型)和eventrouting(事件路由)等功能组件,通过X3D浏览器表达成真实的3D场景。X3D场景和用户的交互可通过静态和动态方式两种方式实现。静态方式是通过检测、感知等节点的使用实现浏览者和虚拟对象的交互功能;动态方式则是通过一段外部程序逻辑去决定事件的产生,X3D通过自己的API提供给Java程序一个可以访问X3D浏览器的界面和可执行环境。将X3D技术应用于网络教学中,通过创建虚拟场景,加入交互功能,可以使学生沉浸在友好的虚拟学习环境中,边学习理论知识边进行实际操作,获得较好的实践能力锻炼,从而获得良好的学习效果。
3 多Agent系统
智能体(Agent)的研究起源于人工智能领域,Agent对自己的状态和行为有完全的控制能力,能够对复杂的刺激进行响应并产生内部状态的控制和适应性的行为。广义Agent的内涵:具有诸如信念(belief),能力(capability),决定(decision)和承诺(commitment)等精神状态(mental state)的实体,认为Agent是能够适应环境通过学习提高自身能力的实体。多Agent系统(Multi-Agent System,MAS)由多个自主或半自主的智能体组成,具有分析目标、相互通信和协作完成任务的能力,依靠共同协商和分治,各Agent实体能够自主地完成知识推理和任务求解。
将多Agent技术引入现代的网络化教学中,可以在一定程度上解决传统教学模式下教学材料单一、教学缺乏互动和难以因材施教等一系列问题,增强网络学习推荐的智能化和个性化,同时利用了网络平台带给我们的丰富的媒体资源和多彩的表现手段、可以激发学生的学习兴趣,找到适合学生自身情况的教学策略,使学生能在一种交互式的学习环境中得到更人性化的教学服务。
4 智能虚拟教学系统
智能虚拟教学系统基于客户端/服务器结构,如图1所示,整个结构分为四层:客户层、交互层、多Agent引擎层和服务器层。客户端与服务器端通过Internet进行通信。服务器层包括教学数据库服务器、WWW服务器、X3D课件库、多媒体资源库、个性推荐模型库和用户资料库。多Agent引擎层是智能虚拟教学系统的核心模块,包含两个高层的功能子模块:交互Agent模块和协同管理模块。交互Agent模块负责实体Agent(管理员、教师、学生和访客)进行请求服务和消息通信,协同管理模块负责系统安全管理、虚拟行为管理、Agent对象管理和虚拟教学场景控制管理,子模块之间采用消息传递机制进行通信,采用KQML语言来作为Agent之间的通信语言。知识查询与操作语言(knowledge query and manipulation language,KQML)是一种交换知识和信息的描述性语言,它定义了Agent间传递消息的格式和消息处理的协议。虚拟行为包括用户的注册与登陆、用户个性学习推荐、学生自主学习、教师辅导答疑、作业完成与提交、学生考核与自主测试、课程导航与特色资源推荐、学习效果个性评价与教学策略推荐、教学资源的调用与维护等。
学生是整个教学环节中受教育的主体,学生Agent包括学习习惯、兴趣爱好、认知水平、学习进度以及当前情绪等。学生Agent学生的学习行为,任何一个学生登录进教学系统后,将会创建一个学生Agent,并将该学生的所有学习情况记录在系统内,保持该学生学习状态的延续性。个性分析Agent负责调用登录学生的个人资料库,查看学生以往的学习记录,不断地分析用户的学习状态,为学生的下一步学习做相应的准备。个性推荐Agent是在学生登录后生成的,调用个性分析Agent的分析结果来产生个性化推荐,根据目的不同分为基于知识推荐的Agent和基于相似学习者推荐的Agent,从而实现智能化教学。教学策略Agent将以“教”为主和以“学”为主的教学策略有机结合起来,形成一种新型的教学策略;学习评价Agent分为两类,一类对学生的学习效果进行评价的Agent,另一类是对教师的工作情况进行评价的Agent,评价的依据是教学数据库中存储的评价策略。考试测试Agent分为试卷子Agent、考试子Agent、注册子Agent、学生答题子Agent和评分子Agent。试卷子Agent依据一定的试卷生成算法从试题库中抽取符合总体难度系数的试卷,生成考试内容,评分子Agent对试卷结果进行评判,并将结果传送回数据库和学生Agent。导航Agent的作用是使学生明白自己当前在系统中所处的位置,使学生不至于在繁多的超链中迷失。
5 结束语
智能虚拟教学系统在教育领域的应用不仅改变了传统的教育理念、教育模式和教学方法等,同时也为学生提供了便捷的学习机会、优良的教学环境和丰富的教学资源,使学生的学习活动更加自主化和个性化,是服务于终生教育和构建学习型社会的一种重要技术基础。
参考文献:
[1] 林士敏.计算机辅助教学基础教程[M].浦东电子出版社,2001.
[2] 史忠植.智能主体及其应用[M].北京:中国科学出版社,2000.
[3] 何炎祥,陈莘萌.Agent和多Agent系统的设计与应用[M].武汉:武汉大学出版社,2003.
[4] 胡迎松,韩萍,陈中新.一个基于Agent的个性化推荐系统[J].计算机应用研究,2006,23(4):78-80.
关键词：精品课程；Agent；多Agent系统；高职教育
中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)11-2526-03
Study and Practice on Higher Vocational Excellent Course Website Based on Agent
CAI Li-lu1，DIAO Yong-feng2
(1.Anhui Finance & Trade Vocational College, Hefei 230601，China; 2.China West Normal University, Nanchong 637002, China)
Abstract: With the increasing number of high vocational course website，course website has been more mature in some respects，such as issuing teaching information and showing course content，but websites general lack of intelligence，adaptation，and interaction.To overcome these problems，the Agent technology is adopted in website system.This article has discussed the system framework，working principle，and the related technologies, and based on this，it has given the specific case in order to improve the demonstration of the outcome and effectiveness of the course construction.
Key words: excellent course; Agent; multi-agent; high vocational
随着信息技术的应用和网络教育的蓬勃发展，近年来，各高职院校建设了多门精品课程。精品课程为改善学习和训练条件提供一种有效的手段，也为教师和学生提供灵活、方便、丰富的授课方式和学习方式，然而目前的精品课程，多数只是将课堂教学简单搬上网络，这样导致的最大的问题就是精品课程网站智能化程度低，不能对不同认知水平的学生采用不同的教学策略，实现因材施教，而将Agent技术应用于精品课程网站，能有效克服现阶段精品课程教学系统的局限和不足。
1 Agent技术简介
Agent一词直译为“”，也有人把它翻译为“智能”。所谓Agent，按Wooldridge[1]教授的提法，“如果一个实体具有自主性、反应性、预动性、社交性四条基本性质，那么该实体可以视为一个,“Agent”。Shoham[2]教授认为，“如果一个实体可以用信念、承诺、义务、意图等精神状态进行描述，那么该实体可视为一个Agent”。综合这两种定义方法，给出Agent的定义如下：
Agent也就是软件，是一个能在特定环境下连续、自发地实现功能，并且与相关和进程相联系的软件实体。连续，自发的要求来源于环境的变化，要求能在没有人的引导和干涉下以柔性、智能的方式对用户的需求实时地加以响应，更理想的情况是在某一特定的环境下和时间内，反复实现某一功能后能够吸取经验教训，即具备所谓的学习功能[3]。另外，还希望能与环境中的其他和进程进行通信、合作。
由于现实问题纷繁复杂，当单一Agent不能解决时，就需要把多个Agent进行组织和调度形成多Agent系统来承担任务。基于多Agent技术的系统是指多个Agent相互通讯、彼此协调，共同完成作业任务的系统,各Agent能够通过相互协调解决大规模的复杂问题，使系统具有很强的可靠性和自组织能力。[4]
2基于Agent的精品课程网站框架
由于精品课程网站涵盖教学的各个环节,是一个复杂的信息系统。因此应该将其划分成子问题，设计采用Agent作为基本单元，构造多个具有一定功能的Agent，再由这些Agent去分别处理子问题。并通过协调Agent管理、调度、协调其他Agent的行为。系统如果需要对某个功能进行修改，只需修改相应的Agent设计，再修改协调Agent的协调机制。基于上述分析，结合精品课程网站实际，构建了图1所示的精品课程网站系统模型。
系统采用浏览器（Browser）／（Agent）／中心服务器（Server）模式即B／A／S模式，Web浏览器作为客户端，通过该层可以实现任务的接受、用户信息和行为的获取、处理结果的反馈等，中间层是各种Agent，负责沟通客户端和服务。部分Agent的功能如下。
学生Agent：学生Agent主要是为协助登录精品课程网站的学员完成学习任务的智能，一个注册账号对应一个学生Agent，并自动在学员登录时自动为其提供服务。它负责记录学生的学习特点、个性特点和学习过程。这些数据是分析个别化学习的基础，也是选择学习内容、准备教学资源、控制教学策略的参考依据。
教师Agent：教师Agent是为辅助教师更有效的完成教学任务而设置的，它主要负责对教学资源、教学内容以及教学策略进行日常维护。教师Agent通过教学Agent了解学生学习过程，指导和监控教学过程，并根据学生的反应，给出解答和指正。
管理员Agent：在精品课程网站系统中涉及一系列的管理如课程管理、成绩管理、身份识别与访问权限管理等等。管理员Agent能主动获得诸如学习者的学习习惯偏好、学习水平等数据和资料，协助管理员进行快速有效的反应；为学生Agent搜索指定相应的教师Agent以指导学生的学习；对教学内容和教学活动的监督、管理协作学习区；对其他的Agent进行增删管理、地址管理、名录管理和通讯管理。动态地对知识库进行有效的更新、归类等。
协调Agent：协调Agent负责整个系统的管理与控制，并协调各智能体之间的问题求解，实时建立户与系统的通讯，起着一个总调度的作用。[5]协调Agent了解系统中其它Agent的信息（位置、功能、状态），能够检测和消除冲突信息并将任务自动分解成并分配给相应Agent执行。
答疑Agent：在精品课程网站中学生提出的问题往往较多，很难对每位学生的问题都能实时解答。但是根据学科的特点和教学经验，课程的内容具有经典和普遍意义，学生对课程的理解一般都有相似之处，提出的问题实质性内容有60%~70%是相同的，只不过表达方式可能有所偏差。[6]因此，在精品课程网站中可使用答疑Agent来辅助解答学员常见问题。答疑Agent对学生提出的问题首先在数据库里面进行查询，如果找不到答案时，答疑Agent将此问题提交给教师Agent，由教师Agent提醒教师做出回答。若这个问题在一定时间内多次被提出，Agent把它提交到常见问题库中；答疑Agent还对问题和答案进行统计分析并将结果信息传递给教师，这样教师能了解学生对于知识点的掌握情况以及问题所在，能够优化教学，提高教学效果。
测试Agent：测试目的是为了检验学生是否掌握了相应的知识和能力，为教师改进教学绩效提供决策依据，从而促进教学水平的不断提高。测试Agent在测试过程中实时考评学生的水平，并根据学员的答题情况动态选择试题，测试完成后给出答案和错误原因。
知识库：由学习资源库、系统知识库、教学策略库、学生模型库、试题库组成的知识仓库，为智能学习系统提供了变化的数据集合。知识库中的信息都可以为每个智能体共享。
图1基于Agent的精品课程网站系统
3多Agent的精品课程网站的工作原理
这里以学生学习的工作流程(图2)为例说明多Agent的精品课程网站的工作原理：
登录注册：学生通过浏览器访问精品课程网站并注册登记。如果管理员Agent同意。则将该生的注册信息添加到学生信息库，学员第一次进入系统，须要参与预评估测试，用于了解学生的学习风格、知识水平、认知能力等并存入学生特征库，以备以后教学时调用、修正。
课程学习：学员根据需要选择课程，进入系统开始学习。系统自动生成的学生Agent会将用户的学习请求转化为Agent能够识别的命令，教师Agent依据信息库中系统诊断性测验中的表现、学习风格、学习的历史记录、与系统的交互情况进行推理，选取知识库中的适合学生实际水平与学习特点的学习内容和教学策略。在课程学习过程中，学生Agent帮助学生与教师Agent练习、沟通；教师Agent指导学生教学；答疑Agent将负责回答学生的各种疑难问题，对于不能解决的问题，则提交给教师，由教师负责解答。
练习：学生选择单元练习后，系统自动从题库中调出与学习内容和学生的水平相关的习题。并在练习后根据结果数据提供反馈信息，如建议学生重新学习相关知识点等。
测试：学生测试完毕后，测试Agent把测试的结果反馈到教师Agent、学生Agent和相应的数据库。同时根据学生的学习情况进一步调整教学计划，直至符合学习目标要求。
评估：对测试结果进行评估是否达到了规定的通过阀值，对测试的知识点进行自动分析并给出学习建议，进一步引导学生学习相关课程。
退出：学生完成或中断某一知识点的学习时，学生Agent记录了本次学生学习情况，学生Agent、教师Agent会修改相应的数据库的内容。
图2学员学习流程图
4多Agent高职精品课程网站上的特征
将Agent技术应用于我院省级精品课程网站“图形图像处理”课程，学生和教师普遍反映良好，相比传统精品课程网站有以下优势：
l）网络教育的个性化。
在Agent被应用以后，可以做到学生的个性化教学，因为利用其智能性可为不同水平、不同学习内容和学习动机的教学对象，提供不同的教学资源和教学方式。这是因材施教教育思想的具体体现，也是建构主义学习理论中以学生为中心的教育思想的体现[7]。
2）答疑智能化。
学生在精品课程网站学习过程中，会遇到各种疑难问题，如果这些问题得不到及时解答，学生的学习效率会受到影响，学生的积极性也会受到打击。而有了答疑Agent,学生可以像询问老师一样提出遇到的疑难问题。答疑Agent首先通过查询自身知识库，将相关答案反馈给学生，若不能解决，则将问题提交并通知给教师解决，极大地提高了答疑效率。
3）讨论、协作学习智能化。
传统的精品课程网站多数也为学习者提供了交流、讨论的场所，然而这种交流和协作是静态的。而将Agent应用于精品课程网站，可以将学员讨论的问题进行总结提炼，并能根据讨论的情况组织专题性的讨论，引导学生做更深入的研究和探讨，发挥协作式学习的优越性。
4）解决资源迷向的问题。
学习者在精品课程网站中经常会出现“资源迷向”现象，即不知道如何确切表达对真正想要的资源的需求，也不知道如何更准确、更有效地寻找资源[8]。Agent的信息推荐功能可以一定程度上以缓解该类现象。Agent能自动从库中搜索符合学员兴趣范围和学习过程有帮助的数据，方便用户快捷地找到自己的所需页面。
5结论
将Agent引入精品课程网站，能实时地按照学生的学习水平来选取学习路径、提供教学策略达到因此施教和提高教学绩效的目的。当然系统中还有很多不成熟的地方，如目前只在内网内供本校学生使用、系统的推荐技术准确度还比较低等，在以后的应用实践过程中，仍需进一步完善和改进。
参考文献：
[1] Wooidridge M,Jennings N R.Intelligent Agents：Theory and Practice[J].Knowledge Engineering Review,1995,10(2).
[2] Shoham Y.Agent-oriented programming. Artificial Intelligence,1993(60):51-92.
[3]张涛.多Agent在现代远程教学中的研究与应用[D].长沙:湖南大学.
[4] Corchado J M,Lees B.Fyfe C.project monitoring intelligent Agent system[C]. London.IEE Colloquium on Intelligent World Wide Web Agents,1997.
[5] Michael Wooldridge.多Agent系统引论[M].石纯一,译.北京:电子工业出版社,2003:14-15.
[6]薛安荣.基于多Agent的协同教学环境的设计与探讨[J].计算机工程与应用,2000(12):67-69.
关键词：大数据；大数据技术；教学改革；教学模式
中图分类号：G424 文献标识码：A 文章编号：1009-3044（2015）09-0156-03
Abstract： The big data technologyof information society has made a great influence on the development of people's life and the society， College education combined with the big data technology to reform is the development trend in the future. This paper analyzes the applicationexploration of big data in the domestic and foreign teaching in Colleges and universities， and the influence of big data technology to teaching mode in Colleges and universities.Puts forward the scheme and measures of big data technologies in college Seniorteaching reform exploration.
Key words： Big Data； Big Data Technology；Teaching Reformation；Teaching Model
大数据诞生于人们对数据搜集能力、传输能力、存储能力和处理分析能力的发展和跨越基础上，已在各行业掀起了变革的巨浪，发展潜力巨大[1]。著名管理咨询公司麦肯锡认为大数据是大小超出了常规数据库软件工具获取、存储、管理和分析能力的海量复杂数据集。亚马孙认为大数据是任何超过了一台计算机处理能力的数据量。从宏观角度来讲，大数据是融合物理世界、信息空间和人类社会三元世界的纽带。谷歌借助云计算搜索引擎推动了大数据的应用和发展。在教育领域，在教与学的过程中，也蕴藏着有价值的海量大数据，怎么有效挖掘、分析和利用这些海量数据来促进教学，是当今教育界研究的热点内容。
未来十年将是一个“大数据”引领的智慧科技时代。随着QQ、微信等社交网络的逐渐成熟普及，移动带宽迅速提升，云计算、物联网应用更加丰富，更多的传感设备、移动终端接入网络，由此产生的数据急剧增长，速度比历史上的任何时期都要多都要快。IDC在《数字宇宙膨胀：到2020年全球信息增长预测》指出，数字信息每年按几何级数递增，到2020年，数据量将超出人们想象，达到40ZB。据麦肯锡数据显示，2009年美国教育部某信息系统数据库存储的数据达到近270PB，入选2009全美十大数据生产贡献排名，教育已成为大数据重要源泉之一[2]。
教育意味着未来，抓好了教育，就预示着掌握了未来，所以教育始终是民生之本，是国家和政府高度重视的领域，教育改革始终是一个不断探索的课题。在大数据时代快速推进之际，探索新形势下的教育体制、模式和方法，对促进我国教育发展具有长远意义。
1 国内外对大数据在高校教学中的初步探索
大数据技术必将改变我们的生活，也必将推动教育模式产生巨大的变革。2011年秋天，斯坦福大学一门人工智能网上课程受到热烈欢迎，190多个国家约16万学生参加学习，2万多人通过了考试，获得认证。课程讲授者Thrun教授，创办了在线教育平台Udacity。斯坦福大学的Ng教授，把自己的课程放到了互联网上，全球有十几万人注册，在网上听他的实时讲授，同时还和斯坦福大学在校生做同样的作业、接受同样的考核。Ng教授2012年4月成立了Coursera，和普林斯顿、斯坦福、密歇根大学和宾夕法尼亚大学等大学结盟，提供社会科学、物理、工程学等课程。2012年11月福布斯发表文章《一个人，一台电脑，1千万学生，可汗学院如何重塑了教育》。因为“大数据”的技术背景，哈佛和麻省理工也把课程免费上网，收集最多的学生学习行为数据，研究开发更好的在线教育平台，强化学校品牌效应。
硬件的高速革新和软件的高度智能，国内也掀起了新一轮教育信息化的浪潮。清华大学、北京大学、上海交通大学和复旦大学等，也都开始提供免费网络课程。国内多个省市先后实施了建设教育信息化公共服务平台，推进数字校园实验工作，建立 “数字化学习”试点学校，开发“微课程”，试点“微学位”，开展“翻转课堂”活动、推进1对1“E课堂”教学实践等一系列教育改革新举措。
1.3 研究趋势
现代信息世界已经发酵出第三次工业革命，具体到教育和高等教育领域，云、物联网和基于云和物联发展所带来的大数据趋势，是变革的技术因素，向大数据时代、知识时代跨越。目前仅就知识而言，教育资源所经历的平台开放时代、内容开放时代、校园开放时代是前所未有的。教育发展的未来模式将是：视频成为主要载体，教育资源极其丰富；翻转课堂；按需学习；终生学习；不以年龄划线；距离不再是问题，在学校之外在异地发生等等。
千百年来，知识载体的变化，决定了知识本身的价值。简牍时代，知识被教师垄断，师生的等级观念由此诞生；印刷时代，知识变得廉价，教师的作用变成讲授服务；信息时代，知识更容易获取，教师成为学生的朋友和教学过程信息服务的组织者、主持人和教练。数据挖掘和数据分析软件可以阶段测验学生表现，帮助教育者研究能够预测其效果的学习模式。面向服务、面向创新和面向过程成为教育的重点，云和大数据为基础的教育资源共享、教育模式语言与教育空间设计、学生个性和天性培养成为教育发展趋势。信息时代大量的知识创造和服务业的兴起，行业技能专能和社区教育，将不断壮大发展。高等院校的教学模式、教学定位等都将有很大的变化，推动高校不断创新，成为新知识的生产中心，而不是旧知识的传播中心，催生良好的管理和其他增值服务。
2 大数据对高校教学模式和教学实施的影响
2.1 大数据的4V特性在教育变革中的体现
大数据的4V特性是，Volume（海量的数据规模）、Velocity（快速的数据流转和动态的数据体系）、Variety（多样的数据类型）、Value（巨大的数据价值）。现代教育过程将产生大量的教育数据，海量的知识数据，随着信息技术和通信技术的飞速发展，各种计算机和终端设备实现了前所未有的互联互通，教育内容实现了跨越时空的自由流通。大数据的实时分析与处理，Hadoop（MapReduce技术的基于Java的开源实现）等非关系型数据管理和分析技术和HadoopDB（MapReduce技术和RDBMS的集成），能加速数据查询和分析，具有较好的扩展性和容错性，智慧软件实时诱导跟进评价学生的在线学习。关系型数据库处理结构化数据，而现在非结构化数据（用户评论、应用、位置信息、图片、音乐、视频等）占很大比重（约为85%），产生智慧的大数据往往是这些非结构化数据[3]。视频教学和师生间的网络互动交流将成为未来教育的重要方式，对学生学习过程的记录数据，将对学生的教育规划进行智能化的指导和评价。通过对数据的分析和利用，预测未来发展趋势，开发有吸引力的应用，将产生巨大的价值，为未来教育带来创新模式。
2.2 大数据支撑的未来教育将成为一门实证科学（教育的数据化）
与医疗技术比较，原来的医疗靠望闻问切和经验为病人诊治，现代医学更多的依靠各种检验化验和先进的医疗设备器械，通过报告单、可视化的影像、X光片等精确数据，为疾病的判断和诊治提供科学的依据和证据。尽管病人会抱怨，住院后让做各种检查，该做不该做的都做，但也无可否认，在大量诊查数据的支撑下，现代医疗技术确实提高了很多，治愈率越来越高，人的寿命不断延长。
类似的，教育也将不再是单纯靠理念经验的积累和传承，道德良心自律的学科，而将变成一门实实在在的实证科学[4]。把学生从入校后的所有相关教育信息行为表现，都记录下来，根据这些数据，分析学生的学习过程和个性特质，将为学生的个性化学习和个人成功提供有力的科学依据。
大数据使得查探学生表现和学习途径信息成为可能，学生通过在线学习平台进行学习，其学习行为数据将被记录，系统后台根据不断积累的行为数据对学生进行评估，分析学生的思考习惯和思维模式，创建心理测量图，根据学生的学习进展调整之后的学习内容和重点。实时记录学生的量化学习过程（上课、读书、记笔记、作业、讨论、考试、考评等）和实验的过程结果等，这些数据将作为课程最后考评的重要参考依据。通过聚焦于数据分析，教师可以用更有效的方式研究学生学习状况和学习效果[5]。
2.3 未来教育在技术上的演进
2.3.1 教育技术的演进
教育经历了PC时代的数字化教育（传统的板书变成了PPT投影）、互联网时代的社会化教育（知识的获取更加便利和普及，知识传播更加迅捷）、移动互联网时代的范在化教育（教育不再受时间和空间的限制），现在进入了大数据时代的个性化教育（视频将作为知识传播的主要载体）。传统网络教育、远程教育、网上学堂只是把教育教学转换为视频，通过网络传播，使学生异地学习，只是学习内容的网络化跨地域化。
大数据教育依托网络技术和大数据分析，将有更多的教育手段、要求、方式和内涵等，更注重学生的因材施教、个性化培养、突出个体差异化发展和成功。哈佛、MIT、斯坦福、耶鲁、普林斯顿、伯克利、宾夕法尼亚大学等纷纷把自己的课程免费上网。新一代的在线学习平台和过去的重要区别，在于增加了行为评价和学习诱导的成分，向全世界开放，让最多的学习者在上面学习、使用，同时可以收集最多的数据，使用、研究、分析学习者的行为模式。
未来大部分的老师，是课堂的组织者、学习的引导者、学生学习行为的分析者，而不是知识的讲授者。网络、视频和智能软件，为每一个学习者搭建起一个学习情境，对学习者的学习过程和行为提供持续性的诱导、评价和支持，帮助其培养科学有效的学习方法和习惯等。数据在网上自动整合和跳转，向学生推送学校信息和建议。学生可以和其他学习者交流互动，寻求有效帮助。普适计算的浪潮，网络终端将无处不在，学生可以在任何可以联网的地方学习，而到学校去，则主要是做作业、答疑、讨论、考评等。
2.3.2 大数据教育技术
1）大数据处理模式大数据的主要处理模式有两种：直接处理的流数据处理（Stream Processing）模式和先存储后处理的批处理（Batch Processing）模式。数据流的研究与技术应用已经有十几年的历史了，目前开发和得到广泛应用的代表性开源系统有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批处理模式的典型代表是Google的MapReduce模型。
2）教育大数据分析技术教育分析技术来源于大数据在商业领域的应用，如淘宝网根据用户的浏览轨迹推断用户对产品类别的偏好。教育分析技术以学生群体为主体，借助于网络在线平台和移动终端软件，跟踪采集挖掘分析学生学习的整个过程，以提高学生学习质量和学习效率，并对学生未来需求趋势进行分析和预测， 拓展发展空间，提高竞争力[7]。深度学习和知识计算是教育大数据分析的基础，可视化是数据分析的关键技术和数据分析结果呈现的关键技术。
深度学习深度学习的起源可以追溯到神经网络和后向传播（BP）算法，2006年多伦多大学的Hinton等人提出无监督的逐层贪婪的预训练（greedy layer-wise pre-train）方法，掀起了深度学习的浪潮。近几年，深度学习在自然语言理解、语音识别、人脸识别、图像搜索等应用领域取得了一系列重大进展[8]。而在教育领域，深度学习研究集中在学生线上视频学习时间分析、学生参加网络活动的行为分析等方面。
知识计算对大数据进行高端分析，需要从大数据中抽取有价值的知识，构建成支持查询、分析和计算的知识库。目前，世界各国建立的知识库达50多种，知识应用系统达100多种。知识计算的基础是构建知识库，包括知识库的构建、多源知识的融合、知识库的更新等。教育领域，基于机器学习、信息检索和数据挖掘的智慧软件构建了一个高度个性化的智能网络平台，实时反馈学习过程信息，可以帮助对学生做出评价、对教育做出决策。
可视化技术可视化技术在大数据领域的应用主要表现在数据分析工具的可视化和数据分析结果的可视化[9]。对大规模、高维度、多来源、动态演化的大数据信息，开发可视化分析工具，使普通人员也可以轻松上手操作实现自动分析。对大数据分析结果应用有效的可视化技术（交互式展示、超大图动态化展示），有助于用户理解和辅助做出实时反馈和决策。教育领域，教师可以使用数据可视化工具来研究学生的学习模式，修正课程以引导学生进行有效学习和满足学生个性化学习需求。
2.3.3 大数据处理平台和工具
在原有的关系型数据库RDBMS，很难处理大数据时代产生的大量非结构化数据的背景下，基于Google三大核心技术GFS、MapReduce、BigTable的Hadoop和NoSQL数据库技术应运而生，为海量大数据的处理提供了强大的技术支撑。国内的教育大数据平台，也已经起步并开始应用，如超星公司的超星尔雅和泛雅，已经和国内多所高校合作，用于这些高校的教学，其SPOCs和混合学习的模式，正在渐渐被接受和付诸实施。
2.3.4 未来教育将是一项以支持和服务为核心的系统工程
源于网络和大数据提供的爆炸式的知识，未来教育不再是标准化、归一化、规范化的教育，而是按需学习、终生学习，充分发掘学生自身原有的积极性和天分，实现自组织学习[10]。
大数据时代使人们接收知识更加方便了，但是就和印刷术的发明和普及，使人们接触知识的机会增多了，但教师的数量并没有下降，反而升高了一样。大数据时代，对于爆炸的信息，需要很好的甄别、引导和指导，去除无用的垃圾信息，所以对于学校和教师的需求不降反升。此时的教育，主要是根据学生的兴趣和个性特质，建立“以学生为中心”的智慧教学模式，规划指导跟进学生的培养，与学生有更多的互动和交流，以支持和服务为核心贯穿学生培养的整个过程。
3 大数据在高校教学改革中的应用实施
3.1 我院现状
大数据改变了高校教与学的模式，但这个过程是循序渐进的。我们学院首先在大四学生中进行试点。
大四学生第七学期的学习有这样一些特点，学生基本分为三个阵营：（1）外出培训工作；（2）考研考证照考公务员考选调生；（3）在校内继续学习。基于以上情况，大四第七学期的课堂到课率普遍不高，对大四学生的课程考核也相对宽松，这就造成大四第七学期的课程形同虚设，根本没有达到本专业的人才培养目的和预期，而大四第七学期的课程又基本都是比较重要的专业课、实践课，是专业人才培养方案中比较重要的部分，并对学生未来就业影响颇深。
3.2 改革措施
基于以上情况，我们实施了以下改革措施。
1）个性化差异化教学：大四第七学期的课程全部作为选修课，设置的门数和种类更加多样化，学生根据自己的兴趣和职业发展规划，自由选择其中的4-5门课，选修够最低学分要求，对最高学分不进行限制，鼓励多选。
2）化解学生学习时间和地域限制的矛盾：学习方式改革，利用大数据技术，借助网络，将课程教学视频根据教学安排，上传网络，使学生可以在任何地点自由安排学习时间，这对于在外培训工作的学生，十分方便。对于校内考研和学习的学生，也可以自由安排学习时间，提高学习效率。
3）重视学生学习的过程性评价：学生必须要完成规定的课程学习学时，每次课安排有课前测试，课后测试及作业。课前测试，课后测试，学生能够实时查看到测试成绩，课后作业要求学生在规定的时间内提交，课程教师要在规定的时间内批改完毕，并将成绩到网上，供学生查看，对不合格的作业，要告知学生重做。学生的课程成绩由学习的所有各阶段的所有成绩汇总而成，所以学生必须重视和认真对待每次的学习、测试和作业。
4）师生互动交流：教师和学生间的互动交流方式多样，可以通过线上论坛讨论答疑，也可以利用移动终端的便捷，建立课程QQ群或微信群，进行交流。教师将作业、要求、提醒等信息及时网络和交流群中，引导督促帮助学生完成课程学习。
5）对学生学习的过程性大数据进行分析：学习的过程性数据分析技术，改变了传统教学的经验式模式，为学生提供高质量个性化的学习体验，辅助教师根据数据分析结果，改进教学方式完善教学过程。将学生从选课、学习、考试结课等所有阶段过程中，产生的数据进行汇总分析。根据学生的选课情况数据分析，综合考虑调整专业课程设置，同时对学生选修课程行为进行适当宣传引导。对学生学习的过程性数据进行分析，掌握学生学习情况，挖掘学生学习习惯和特点，以实时调整课程难易度，根据学生特点突出个性化差异化人才培养。
6）教师角色的转变：在新的学习方式中，教师的角色也将发生改变，由原来单一的知识讲授传授者，变为学生学习的知识传授者和学习引导者、督促者、帮助者、考评者。教师将课程内容录制上传后，将不再为每个班一遍遍的重复讲授，大量的时间将花费在教学的组织实施、答疑解惑和对学生学习的引导督促激励监管考核上。学生将有更多的时间得到一对一的辅导和帮助。
4 结论
大数据时代已经到来，未来十年，大数据在高校中有着广阔的应用前景，将成为下一个创新、竞争和效率提高的前沿，我们应抓住机遇，适时改革，使信息时代下的高校教育与时俱进，培养出更多的适应信息社会发展的高素质人才。
参考文献：
[1] 罗军锋，徐菲. 大数据时代的高校信息化框架[J]. 中国教育信息化，2014（3）：11-13，22.
[2] 朱建平，李秋雅. 大数据对大学教学的影响[J].中国大学教学，2014（9）：41-44.
[3] 程学旗，靳小龙，王元卓，等. 大数据系统和分析技术综述[J]. 软件学报，2014，25（9）：1889-1908.
[4] 张羽，李越. 基于MOOCs大数据的学习分析和教育测量介绍[J]. 清华大学教育研究，2013，34（4）：22-26.
[5] [英]Viktor Mayer-Sch?nberger， Kenneth Cukier. Big Data：A Revolution That Will Transform How We Live， Work， and Think[M]. 盛杨燕，周涛，译. 杭州：浙江人民出版社，2013：148.
[6] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展，2013，50（增刊）：216-232.
[7] 冯翔，余明华，马晓玲，等. 基于大数据技术的学习分析系统架构[J]. 华东师范大学学报，2014（2）：20-29.
[8] 陈律. 大数据背景下学习分析技术对教学模式的变革[J]. 中国教育信息化，2013（24）：15-17.
关键词：直观演示仪器；多媒体；教学
中图分类号：G632 文献标识码：B 文章编号：1002-7661（2015）17-346-03
一、直观互动教学法
直观教学法指的是在教学过程中利用和借助实物、图片、模型、动作、语言和电化教学设备等进行具体形象的教学方法。直观教学法的合理正确运用是教学过程中不可或缺的重要手段之一，它不仅可以使一些简单易学的知识被讲解的更加生动具体，特别是在针对那些抽象、乏味的理论知识的讲解过程中，直观教学有不可替代和事半功倍的教学效果的特点。心理实验表明：通过视觉获得知识占83%；听觉占11%；嗅觉占3.5%；触觉占1.5%；味沉占1%。这说明学生的视觉运动在知觉物理现象中有决定性的作用，视听结合媒体教学的记忆比率要比传统的听觉教学高出60%以上。
在中学教学的过程中，数、理、化应该说对学生来讲是较为抽象的学科，特别是物理化学等以实验为基础的自然学科，很多学生，对物理化学物质的性质和变化规律仅仅停留在死记硬背的水平上，加之许多中学受实验设备和药品的短缺的限制，实验的开设率非常低，这严重影响了的教学效果，很多学生根本没有理解那些知识的本质和内部的规律，其结果造成学生硬套公式、概念混淆，使学的知识容易忘记而不牢固，不能灵活运用学到的东西来解决实际遇到的问题等等诸多弊端，甚至个别学生因此而放弃对这两门学科的学习，教学效果十分不理想，而直观教学在化学教学中的合理运用能使从根本上可以解决上述存在的问题。
二、多媒体技术在现代教学中的作用
多媒体（Multimedia）技术是指把声音文字、图形、图像、动画和活动视频等多种媒体的信息通过计算机进行交互式综合处理和控制的技术。即通过计算机用多种媒体手段来存储、传播和处理信息。它涉及副计算机硬件、软件和图形、声音、信号处理、人工智能网络和通信等等广泛的技术领域。
多媒体具有如下特点：图文声像并茂，激发学习兴趣，提高学习效率；友好的交互环境，调动参与积极性；丰富的信息资源，扩大视野知识面；特定结构组织形式，提供多种学习途径；突破时空的约束，拓展教学方式符合认识规律，加强素质教育和创新教育。由此可见，将多媒体技术应用在教学过程中，可以以图文并茂、声像俱佳、动静皆宜的表现形式。以跨越时空的非凡表现力，大大增强人们对抽象事物与过程的理解与感受，把知识的学习融入新颖别致的娱乐形式中，能使学生的多种感官得到刺激，最大限度地设取信息与知识，发挥寓教干乐的学习优势，使枯燥的学习变得轻松愉快，把学生的认识过程，情感过程、意志表现有机的统一于教学过程之中，创设出教学情境，充分地激发学生的学习兴趣和求知欲望，将课堂教学引入全新的境界。多媒体在加强教与学的交流方面，可以帮助教师在课堂上根据学生的反馈信息，如提问、课堂反映，快捷调出各类信息资料，进行现场分析和答疑，灵活方便地进行启发式教学。课堂教学方式在多媒体特性的支持下，可以变得多种多样，如演示型、讨论型、导航型、咨询型或各种方式的有机结合。这样既保证了教学的规范性、系统性、条理性，又具有一定的自主性、多样性和灵活性。教与学的关系更为密切融洽。
三、直观互动演示仪器与多媒体的结合应用
在进行天文地理、历史、生物、数学、物理的教学工过程中，最好是结合演示原理仪器及模型和多媒体的综合运用，达到最佳学习效果。比如说网上最新创建的《科教创业联盟》，相对于传统教学做的就很有创意，它是集市场动态，硬件设备、教学方法、学习资源于一体并汇聚一批立志于快乐教学辅导的精英，在当地投资“科教馆”，其中 “科教馆”即科技馆与直观教室的综合馆，用高科技的演示仪器、历史的模型、生物的标本、地理的环境来诠释原理和进程，再者通过系统优化的学习方法和与教科书同步的学习资源，配备导游机复述记忆。“科普公园”即室外大型的以科普为主的主题公园。“科教馆”和科普公园二项目总体结构，以植物及仪器营造氛围，以典型地形地貌水景营造环境，“科教馆”功能以室内直观教室为主， “科普公园”以独立浮舟垂钓草屋营造心境，以露天盐浴营造气纷，内设咖吧，酒店，客房，容教学、休闲、旅游为一体。这不仅给学生提供了一个好的学习环境，也给学生和家长在业余时间提供了放松娱乐的好场所，真正体现快乐学习和素质教育的真谛。
四、直观互动演示仪器与多媒体的结合在一些学科中的典型应用
1、在历史学中的应用：中学历史教学方法多种多样，如讲解法、讲述法、谈话法、讨论法等，但中学历史直观教学法是教师运用直观语言、板书、历史文物、图片、模型、象征性教具以及电化教学等直观手段，调动学生的多种感觉器官参与学习活动，通过各种形式的感知，使学生在头脑中形成生动的、具体的历史表象，获得全面的、系统的历史知识，唤起学生丰富的想象力和思维能力。教师通过化石、石器、文物等实物，或运用图表、图示、挂图等象征性直观教具，或利用影视、录像等现代科技，或组织参观文物古迹、历史博物馆等直观活动，给学生形象的直观感受和身临其境的感觉，使教学内容形象化、直观化，做到通俗易懂、深入浅出，这样学生学习历史知识的兴趣和积极性得到提高，使教学形式多样化，使教学方法和教学手段生动活泼。同时也较好地把课堂教学和课外活动有机地结合起来，有助于学生理解历史知识和掌握历史线索。石器、文物等直观实物，学生看后，一些历史概念就简单明了，如石器的类型分为砍砸器、尖状器、刮削器、投掷器，对照实物学生一看便知，粗石器与细石器的划分有了实物教师也不必更多的花费口舌；影视、录像、多媒体等现代科技的利用，也为学生创设了一种模拟的客观视觉形象，便于学生体会和感知；地图、挂图等图示，也为学生提供了理解历史知识的空间形象；而参观博物馆、文物古迹等直观活动，也给学生创造和再现了一种历史情境的氛围；而通过表格对一些历史线索和知识要点的归纳整理，对于学生的理解、掌握、记忆是十分必要的，这也就是我们通常所说的要理解记忆而不要机械记忆，避免和克服了学生学习历史知识死记硬背、生吞活剥的弊端。提高是不言而喻的。
