【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

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