【摘要】 web2.0作为网络发展的新时代, 其去中心化、参与、分享、协作的理念,为智能导学系统设计带来了新的思路。RSS、Tag、SNS、wiki、Masshup等作为web2.0的代表性技术,为智能导学系统更好的实现交互性、共享性、开放性、自主性、协作性等基本特点,提供了有利的支持。运用相关认知理论、动态评价等理论的指导,将web2.0的新技术运用到智能导学系统, 可以设计出导学功能更强、智能性更高的导学系统,体现以学生为主体的人本主义思想。
【关键词】智能导学;web2.0;RSS;Tag;SNS;wiki;Masshup;协作学习;动态评价
【中图分类号】G434 【文献标识码】A 【论文编号】
Research and Design of Intelligent Tutoring System
based on Web2.0
LIU Xiao-ping1 ZHENG Cai-xing1 LI Jing1 FENG Ying2
(1.Educational Technology Institute, Hunan University, Changsha,Hunan 410082,China; 2. Department of Educational Technology, Hunan Normal University,Changsha,Hunan,410082)
Abstract: Web2.0, as a new era of internet, with its ideas of radical decentralization, participation, sharing, collaboration, , has brought new things for designing of intelligent tutoring system(ITS). SNS, RSS, Tag, wiki, Masshup, as the representative technologies of web2.0, give a favorable support for ITS, by these, the ITS can do better in interactivity, sharing, openness, autonomy, collaborative and so on . Under the guidance of relevant theory such as cognitive theory, dynamic evaluation or assessment, the new technology can be used in ITS, and we can get a system with good tutor function and intelligent, this is the humanism we are pursuing.
Keywords: Intelligent tutoring system; web2.0;RSS;Tag;SNS;wiki;Masshup;cooperative learning;Dynamic Evaluation or Assessment;
引言
智能导学系统作为一种web教学系统,不言而喻应具备交互性、共享性、开放性、自主性、协作性等基本特点。但是,目前我国智能导学系统的设计往往缺失这些特点,存在缺少有效的导学机制以及系统智能性低的缺陷。随着web2.0时代的到来,参与、分享、协作、以用户为中心这些全新理念的出现,实际上与web教学系统所追求的方向一脉相承。同时,作为对上述理念的有力支撑,新技术的应用重视对用户需求的把握,从而将Web应用推向了一个新的阶段,也为智能导学系统的设计与实现提供了新的思路与技术支持。
Web2.0的新技术主要包括Wiki、博客(Blog)、新闻聚合(RSS)、Mushup、标签(Tag)、社会性网络(SNS)等。在这些新技术的支持下,网络用户转变为网络的参考者、创造者,信息由单向传播转变为双向传播,信息“孤岛”转变为高度交流互动的信息群体[1],新技术带来的这些转变可以指导我们设计新型智能导学系统。
一 如何运用web2.0新理念、新技术设计新型智能导学系统
1 tag、wiki等技术能在智能导学系统中让学习者之间、学习者与教师之间实现充分的协作与交互。
智能导学系统要突破传统网络学习系统的简单交互,一方面,我们要更新交互理念,人们普遍认为在学习过程中交互就是教师与学习者之间的交互,实际上还应包括学习者与学习者的互动,这种交互可以贯穿于学习者的协作学习过程。Wiki作为一种超文本系统支持面向社群的协作式写作,同时也包括一组支持这种写作的辅助工具[2]。于是Wiki的写作者自然构成了一个社群, 并且这个社群拥有所有成员均可任意查看与编辑的交流工具,从而为学习者相互协作与交互,共同解决问题,提供了平台。
同时,通过各学习者给学习资源打上个性化tag标签,还可以找到兴趣相投的学习伙伴。当然教师也应加入这一协作性学习的平台,实时监测学习者协作学习的过程。当发现学习者走入误区的时候,教师可及时进行正确科学的引导。对于学习者解决问题的过程,教师可就各具体部分,以tag标签的形式进行评价引导,从而提高了团体学习的效率,而且学习者在学习过程中能实时看到教师人性化的tag标签,必定学习兴趣提高,与教师的情感也得到交流,有利于教学情感目标的实现。
2 Masshup、RSS等技术的合理运用可以让智能导学系统更好的实现资源共享、聚集与复用,学习者的自主性也得到充分发挥。
引入masshup可以聚合和重用满足不同学习者需求的相关学习资源。就像Mashup的新闻应用一样,将其引申到智能导学系统,它可以对各知识结点进行聚合,按照学习者的自主选择(包括信息组合模式、信息取舍过滤、信息更新频率等定制信息) [3],最终给出与学习者的学习需求、学习风格等完全匹配的学习资源组合。因此从根本上改变了学习者获取信息的方式,让学习者完全掌握了学习的自主权,同时避免了其他冗余信息的干扰,防止网络学习迷航。
RSS技术也可使我们的系统更人性化。 学习者可以在系统中留下自己的疑难问题,鉴于智能导学系统是一个开放性系统,任何学生都可以基于wiki平台对某些疑难问题发表自己的见解,当这个问题出现任何更新时,学习者便可通过RSS订阅技术在第一时间内得知,以便向他人学习,及时解决疑难。有了及时的反馈,能从很大程度上提高学习者的积极性。
3 SNS社会化网络实现智能导学系统的开放性。
SNS:SNS(Social Networking Service社会化网络软件)是Web2.0体系下的一个技术应用架构。SNS基于六度分隔理论运作,用户通过Tag、RSS或者IM、邮件等方式连接到一起,每个个体的社交圈都不断放大,最后成为一个大型的社会化网络(SNS) [4]。在智能导学系统中,通过这个开放的社会化网络,学习者不再是孤立的个体,面对的不再是没有感情的机器,因为他们可以轻易的找到网络上的任何一个节点并与之交流。
二 基于web2.0的智能导学系统的设计
web2.0的相关工具为智能导学系统的实现提供了充分的技术支持,我们为智能导学系统设计了如下模块:

图1 基于web2.0智能导学系统设计图示
在这个系统中,个性化学习环境将由三个子系统组成:
1 个体学习平台——学习者独立完成学习
学习者进入个体化学习平台,发出学习请求,系统针对具体的学习请求,对学习者进行前测,即诊断性评价。Mashup在收集学习需求、前测的结果、学习者信息库中有关学习进度、学习风格等信息基础上,依据规则库,通过智能推理生成学习方案,并按学习方案给学习者配送个性化学习资源。
2 在SNS社会化网络基础上的协作性学习平台,在这里,学习者亲身参与问题解决,实际上是研究性学习的一个过程,从而培养学习者自主解决问题的能力,最终达到提高学习者创造力的目的。
Web2.0重参与特性告诉我们:个体不仅仅是知识的消费者,同时也应是知识产生过程中的参与者和贡献者;学习不应该仅仅是消耗知识内容的过程,也应该是体验、交流、创造的过程,唯有这样,学习者才能最终实现知识的转化与迁移。
这一平台依据一系列web2.0技术实现。首先,学习者通过RSS订阅自己感兴趣的主题和疑难问题,附上个性化Tag标签,组成不同的学习共同体。围绕共同体内大家均感兴趣的主题,在wiki平台上,学习者相互协作,共同解决问题,并最终生成个性化的专题学习文档。在整个过程中,教师可实时监控,最后进行总结性评价,将各学习共同体创造的专题学习文档通过审核、加工之后,将有价值的内容加以提炼,存入策略知识库,成为其他学习者的学习资源。
在这里,值得一提的是,Wiki平台不仅可以实现多人协作,同时,它在系统中构建了一个开放的系统,学习者可以以任意方式任意编辑或添加内容。这就成了一个个性展示的舞台,通过这个平台,学习者可以任意添加自己的学习心得和知识结点,并授权自己的内容是否允许其他人进行修改,最终由系统通过数据挖掘等技术,将其按类别存入数据库。
3 迁移评价分支系统
鉴于传统智能导学系统缺少有效敏感的响应与反馈评价系统,因此教师除了提供学习资源、搭建学习平台之外,还应对学习者的认知过程实施动态评价,我们可以借鉴坎佩恩―布朗的渐进提示评价模式(Graduated Prompting Evaluation or Assessment)。通过这种模式,实际上实现了在整个学习过程中学习者与教师的动态交互。
在智能导学系统中,我们把教师的动态评价功能赋予系统。通过设置迁移评价分支系统,以知识迁移作为评价的载体。当学习者进入迁移评价模块,如果能按系统通过推理提供的试题顺利完成迁移,则系统不进行介入,如果学习者不能顺利完成零迁移、近迁移、远迁移和极迁移四个不同的难度层级或距离层次迁移测试的话[5],那么系统就将加以介入,通过数据挖掘与智能推理技术,生成弥补其不足的学习分支,让学习者进行同一级别的迁移,而不增加难度,同时从过程知识库中抽出相应的学习策略,作为对学习者的提示,直至学习者完成该知识结点的迁移过程。再通过渐进的提示,不断更新最近发展区,最终达到系统化教学目的。
学习者在任何时刻都可以在这三个模块中实现跳转, 满足不同思维习惯的学习者需求。另外,在个体学习平台以及迁移评价分支系统中,学习者仍然可以利用web2.0的相关技术,比如对学习的结点打标签,在迁移学习过程中,同样可以建立自己的社会网络,与其他伙伴共同学习。
三 系统数据库的设计
基于web2.0的智能导学系统基本实现了去中心化,相反它以个体为核心,为学习者自主学习、协作性学习提供了个性化平台。通过与传统web教学系统的比较我们可以看到它的优势所在:
表1 传统web教学系统与基于web2.0智能导学系统比较

|
传统web教学系统 |
基于web2.0的智能导学系统 |
平台架构 |
平台、内容源、学习者、传播方式 |
以学习者为核心 |
网络体系 |
自上而下的由教师集中控制主导 |
自下而上的由广大学习者集体智慧和力量主导 |
共享方式 |
使用共享 |
制作共享+使用共享 |
信息流向 |
单向 |
双向 |
知识传播 |
显性知识 |
显性知识+隐性知识 |
学习者地位 |
生产大众化;配销大众化 |
学习者个性可以在网络上被凸显 |
教师的作用 |
资源提供者、平台架构者 |
引导者、把关者 |
学习方式 |
个体性学习 |
社会性学习 |
评价方式 |
无法实现评价 |
学习迁移+动态评价 |
前台优势的体现,要求后台有强大数据库的支持,基于web2.0的智能导学系统,必须对学习者提供的微内容进行标准化、过滤、粒度分析、聚类分类、文档摘要等一系列加工处理过程,最终将生成的数据加入数据库中,从而为数据挖掘、智能推理生成学习方案、迁移策略提供基础。同时,由于社会化网络的形成,对数据库的自我扩展能力、互联性、数据处理速度等方面也提出了较高的要求。
在这样的需求下,我们采用关系数据库。具体而言,关系模型的由几个关系模式组成:
学习者模型:[账号、密码、学习风格、学习进度、订阅的主题、Wiki讨论的主题]
领域性知识模型:[知识点标识、知识点名称、关键词、知识目标、情感目标、能力目标、学习内容难易等级、教学重点、重要程度、学习时间、媒体资源、强前驱知识、弱前驱知识、强后继知识、弱后继知识、文本、图形、图像、音频、视频、动画]
策略性知识模型:[认知策略、调控策略、资源管理策略]
协作学习主题模型:[协作学习主题、参与者、各参与者留言、使用策略]
教学迁移题分支模型:[要进行自我评价的知识点、零迁移练习题、近迁移练习题、远迁移练习题和极迁移练习题]
规则模型:[学习方案生成规则、迁移分支生成规则]
建立相关数据库模型以后,要通过建立索引、视图来优化数据库系统,为了应对数据的激增,我们可以采用分布式存储的方式,防止进行相关操作时,服务器负荷过重,影响系统性能。
四 结语
智能导学系统是现代远程教育向智能化发展的新阶段,其实现涉及人工智能、数据挖掘等现代技术手段,但是其本质仍然是以学习者为根本的学习系统,故必须以相关认知理论和教育理论、人本主义思想等作为系统设计的基础,特别是在web2.0时代,越来越多的新技术涌现,我们应该在科学利用这些技术的同时,不忘根本,才能开发出真正智能化且人性化的优良系统。
参考文献:
[1] 陆成定,李明..浅谈Web2.0及其对教育技术的若干启示.中国医学教育技术[J] ,2008.2
[2] Tim O´Reilly. What Is Web 2.0. <http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/what-is-web-20.html,2005-09-30.>
[3] 王琳,杨波,高艳丽.Web2.0互联网应用技术研究.中兴通讯技术[J] , 2008.10
[4] 程军,徐芳.浅谈Web2[1].0带来的教育变革.科技信息[J] , 2008.19期
[5] 黄光扬. 动态评价的理论基础、主要模式及可用性初探.比较教育研究,2002.11期
[6]罗梅,王万森.基于关系数据库的智能教学系统知识库设计.计算机系统应用[J] ,2005.5期
[7] 胡科,王荣良.基于Web2[1].0的Wiki技术应用研究.中国电化教育[J], 2006.9
[8] 荆永君,钟绍春,程晓春.基于Internet的智能导学系统设计.中国教育网络[J],2005.1-2