□楊翠蓉 陳衛(wèi)東 韋洪濤
智能導(dǎo)學(xué)系統(tǒng)人機互動的跨學(xué)科研究與設(shè)計*
□楊翠蓉 陳衛(wèi)東 韋洪濤
智能導(dǎo)學(xué)系統(tǒng)(ITS)是借助人工智能技術(shù),讓計算機扮演專家指導(dǎo)者向不同特征學(xué)習(xí)者傳授知識、提供學(xué)習(xí)指導(dǎo)的適應(yīng)性學(xué)習(xí)支持系統(tǒng)。它有著不同于傳統(tǒng)導(dǎo)學(xué)系統(tǒng)的基本結(jié)構(gòu)與運行機制,學(xué)生模型建構(gòu)與適應(yīng)性指導(dǎo)是其兩大核心特征。學(xué)生模型建構(gòu)過程是ITS導(dǎo)學(xué)過程中通過追蹤學(xué)生學(xué)習(xí)過程逐步形成特定學(xué)生知識學(xué)習(xí)模型。按照建構(gòu)方式不同,常見的學(xué)生模型有四種,分別是期望與錯誤概念調(diào)整適應(yīng)的學(xué)生模型、貝葉斯網(wǎng)絡(luò)的學(xué)生模型、學(xué)習(xí)追蹤的學(xué)生模型以及基于限制的學(xué)生模型,它們采用不同的學(xué)習(xí)行為指標(biāo)。有效的人機互動不僅要以學(xué)生模型為基礎(chǔ),教學(xué)模型、課程腳本數(shù)據(jù)庫還需要儲存豐富的言語指導(dǎo)行為策略。ITS人機互動教育心理學(xué)研究,以及教育技術(shù)學(xué)、計算機科學(xué)領(lǐng)域的探索性設(shè)計研究進展啟示:我國要推動ITS發(fā)展應(yīng)聯(lián)合不同領(lǐng)域研究者在已有基礎(chǔ)上進行跨學(xué)科研究與設(shè)計;多研究專家教師的言語指導(dǎo)行為,形成科學(xué)系統(tǒng)的互動結(jié)構(gòu)、腳本與策略;重視情感對學(xué)生學(xué)習(xí)的影響,建構(gòu)集認知與情感為一體的學(xué)生模型。
智能導(dǎo)學(xué)系統(tǒng);學(xué)生模型;適應(yīng)性指導(dǎo);人機互動機制;跨學(xué)科研究
當(dāng)前各國優(yōu)秀教師數(shù)量不能滿足所有學(xué)生學(xué)習(xí)需求,為此各國都強調(diào)應(yīng)大力開發(fā)支持學(xué)生學(xué)習(xí)的網(wǎng)絡(luò)學(xué)習(xí)軟件:智能導(dǎo)學(xué)系統(tǒng)(Intelligent Tutoring System,簡稱ITS)。ITS是借助人工智能技術(shù),讓計算機扮演專家指導(dǎo)者向不同特征學(xué)習(xí)者傳授知識、提供學(xué)習(xí)指導(dǎo)的適應(yīng)性學(xué)習(xí)支持系統(tǒng)(Ma et al.,2014)。我國教育技術(shù)與計算機科學(xué)領(lǐng)域研究者設(shè)計了“基于‘導(dǎo)學(xué)案’教學(xué)模式的智能導(dǎo)學(xué)系統(tǒng)”(尚曉晶,2013)、“以知識點為中心的智能導(dǎo)學(xué)系統(tǒng)”(康健,2013)、“基于移動端的智能導(dǎo)學(xué)系統(tǒng)”(唐崇華,2016)等,但它們似乎更多帶有傳統(tǒng)導(dǎo)學(xué)系統(tǒng)的特點。作為一種學(xué)習(xí)軟件,ITS與傳統(tǒng)導(dǎo)學(xué)系統(tǒng)(包括CAI、CAL等)一樣,都是促進或支持學(xué)生學(xué)習(xí)的軟件,但它除依據(jù)行為主義學(xué)習(xí)理論與認知主義學(xué)習(xí)理論外,還借鑒社會建構(gòu)主義學(xué)習(xí)理論,意識到學(xué)習(xí)是通過互動、合作與協(xié)商建構(gòu)、獲得知識的過程,因此ITS與傳統(tǒng)導(dǎo)學(xué)系統(tǒng)最根本區(qū)別在于它是對學(xué)生學(xué)習(xí)過程進行一對一指導(dǎo)的人機互動,并體現(xiàn)在基本結(jié)構(gòu)與運行機制的設(shè)計上。
1.基本結(jié)構(gòu)
傳統(tǒng)導(dǎo)學(xué)系統(tǒng)會收集數(shù)據(jù)、分析學(xué)生學(xué)習(xí)風(fēng)格與認知偏好,會在答案錯誤時給予反饋,會在學(xué)生完成任務(wù)后給予難度更高的新任務(wù),因此其結(jié)構(gòu)由專家模型、學(xué)生模型、教學(xué)模型、診斷模型四大基本模塊構(gòu)成。ITS著重學(xué)習(xí)過程指導(dǎo),側(cè)重對學(xué)生各解題步驟的反饋、提示,因此除上述基本模塊外,言語交流智能代理(The Conversational Tutor-ing Agent)模型的功能日益被重視。它通過人機互動指導(dǎo)學(xué)生學(xué)習(xí)過程,由模擬指導(dǎo)者、語義分析器、課程腳本數(shù)據(jù)庫、對話管理器等子模塊構(gòu)成(見圖1)。語義分析器承擔(dān)分析學(xué)生輸入信息的語法語義功能,課程腳本數(shù)據(jù)庫儲存大量結(jié)構(gòu)化的言語指導(dǎo)腳本,對話管理器則將適宜言語指導(dǎo)行為腳本傳遞給模擬指導(dǎo)者,使模擬指導(dǎo)者通過人機界面對學(xué)生學(xué)習(xí)進行指導(dǎo)。
圖1 ITS基本結(jié)構(gòu)
2.基本運行機制
ITS通過任務(wù)設(shè)計達到傳授領(lǐng)域知識(如概念、規(guī)則等)目的。任務(wù)完成需經(jīng)過兩條運行環(huán)路:外部環(huán)路與內(nèi)部環(huán)路。外部環(huán)路是ITS根據(jù)學(xué)生特點選擇適宜任務(wù),并對學(xué)生任務(wù)完成情況進行反饋(VanLehn,2006)。其運行過程是分配學(xué)生任務(wù)、收集學(xué)生答案、針對學(xué)生答案給予相應(yīng)反饋。如果學(xué)生答案正確則分配新任務(wù),如果答案錯誤則再次讓學(xué)生嘗試。一個環(huán)路執(zhí)行一個學(xué)習(xí)任務(wù)。例如,當(dāng)要求學(xué)生解二次方程式時,學(xué)生在草稿紙上算出答案并輸入到電腦中,正確則系統(tǒng)給予“恭喜”反饋,錯誤則提示并要求再做一次??傊?,外部環(huán)路是反饋學(xué)習(xí)結(jié)果與分配學(xué)習(xí)任務(wù)。
內(nèi)部環(huán)路是學(xué)生領(lǐng)域知識建構(gòu)或應(yīng)用的過程,是一個個“學(xué)習(xí)事件”,“事件”是學(xué)生內(nèi)在心理活動,只能通過學(xué)生在電腦界面上輸入相應(yīng)“步驟”而外顯,因此它與學(xué)生外顯解題步驟一一對應(yīng)。內(nèi)部環(huán)路的功能是對學(xué)生輸入步驟予以指導(dǎo)以促進學(xué)生學(xué)習(xí)。內(nèi)部環(huán)路運行復(fù)雜,分為步驟分析與步驟產(chǎn)生兩個階段。步驟分析是ITS通過語義分析器、診斷模型等分析學(xué)生輸入信息;步驟產(chǎn)生則根據(jù)步驟分析結(jié)果,通過教學(xué)模型、課程腳本數(shù)據(jù)庫選擇不同方式予以指導(dǎo),或正誤反饋,或提示,或提供恰當(dāng)?shù)膶W(xué)科知識,或描述學(xué)生錯誤。同樣是讓學(xué)生解二次方程,學(xué)生可能第一步是從電腦界面菜單中選擇一種方法,緊接著ITS要求學(xué)生輸入問題解決的各步驟,或?qū)W生與模擬指導(dǎo)者展開對話“解決這個方程,我們可以用什么方法?”總之,內(nèi)部環(huán)路是對學(xué)生學(xué)習(xí)過程進行指導(dǎo)(見圖2)。
圖2 ITS運行機制
由上可知,ITS是對學(xué)生學(xué)習(xí)過程進行實時反饋與適應(yīng)性指導(dǎo)過程,因此研究者一致認為ITS存在兩大核心特征:(1)學(xué)生認知過程的實時診斷,即學(xué)生模型建構(gòu);(2)適應(yīng)性指導(dǎo)。ITS是人工智能在教育教學(xué)領(lǐng)域中的應(yīng)用,需要教育心理學(xué)、教育技術(shù)學(xué)、計算機科學(xué)等領(lǐng)域研究者合作參與,其人機互動研究與設(shè)計應(yīng)圍繞這兩大核心特征,首先進行教師教學(xué)與學(xué)生學(xué)習(xí)的相關(guān)教育心理學(xué)研究,緊接著在教育技術(shù)學(xué)、計算機科學(xué)領(lǐng)域利用人工智能Agent技術(shù)、自然語言處理技術(shù)、數(shù)據(jù)挖掘技術(shù)等進行ITS開發(fā)與設(shè)計。
學(xué)生模型建構(gòu)過程是ITS導(dǎo)學(xué)過程中通過追蹤學(xué)生學(xué)習(xí)過程,逐步形成特定學(xué)生知識學(xué)習(xí)模型。需要心理學(xué)工作者研究與揭示學(xué)科知識表征、學(xué)生學(xué)習(xí)過程及錯誤學(xué)習(xí)、學(xué)科知識結(jié)構(gòu)特點,然后教育技術(shù)學(xué)與計算機科學(xué)領(lǐng)域工作者據(jù)此選擇相應(yīng)學(xué)生模型建構(gòu)方式與行為指標(biāo)進行設(shè)計。
1.特定學(xué)生知識學(xué)習(xí)模型建構(gòu)的相關(guān)心理學(xué)研究
(1)學(xué)科知識模型的心理學(xué)研究
最早的學(xué)科知識模型是Collins和Quillian(1969年)提出的層級網(wǎng)絡(luò)模型,它是以概念為基本單位,按邏輯的上下級關(guān)系組織起來的有意義層級網(wǎng)絡(luò)系統(tǒng)(王甦等,2006)。層級網(wǎng)絡(luò)模型具有嚴格的邏輯性,并不能真實反映個體頭腦中所貯存的知識結(jié)構(gòu),例如,人們更容易認為“麻雀”是“鳥”,而不是“企鵝”。因此Collins和Loftus(1975年)用語義聯(lián)系代替層次結(jié)構(gòu),根據(jù)概念間聯(lián)系緊密程度與相互激活快慢難易將不同概念聯(lián)系在一起。例如,在該模型中,“麻雀”與“鳥”的聯(lián)系更緊密更強,而“企鵝”與“鳥”的聯(lián)系更疏遠更弱。激活擴散模型具有彈性,可容納更多的不確定性與模糊性,更適合表征個體學(xué)科知識結(jié)構(gòu)(王甦等,2006)。上述兩種知識模型都是對概念、觀念、事實等陳述性知識的表征,而物理、數(shù)學(xué)等學(xué)科更側(cè)重于規(guī)則、技能等程序性知識?;诖?,Anderson(1976年)提出思維適應(yīng)性控制模型(ACT),該模型認為規(guī)則就是一個個步驟,它在頭腦中的表征是產(chǎn)生式(“如果……那么……”)或產(chǎn)生式系統(tǒng),概念、觀念等陳述性知識就貯藏在條件“如果……”當(dāng)中(王甦等,2006)。規(guī)則等程序性知識學(xué)習(xí)分為三階段:陳述性知識的習(xí)得、陳述性知識向程序性知識的轉(zhuǎn)化、程序性知識的自動化,個體學(xué)科知識模型存在著由陳述性知識構(gòu)成的“聯(lián)想記憶模型”(HAM)向“思維適應(yīng)性控制模型”(ACT)轉(zhuǎn)化。由于ACT模型將陳述性知識與程序性知識有機聯(lián)系在一起,且能動態(tài)追蹤個體學(xué)科知識學(xué)習(xí)過程,適用學(xué)科更廣,它已成為眾多ITS學(xué)生模型建構(gòu)的理論依據(jù)(王甦等,2006)。
(2)學(xué)生錯誤學(xué)習(xí)的心理學(xué)研究
人們常將學(xué)習(xí)錯誤歸為學(xué)生粗心或態(tài)度不認真,但Silver(1986年)認為學(xué)生反復(fù)出現(xiàn)的錯誤是因為他們沒有掌握正確的概念、技能,或概念與技能之間缺乏聯(lián)系性(Ohlsson,2016)。Gelman和Meck(1983年)發(fā)現(xiàn)學(xué)生能正確復(fù)述問題解決所需的技能,能正確判斷他人問題解決步驟的正誤,但仍然會在相同數(shù)學(xué)問題解決上出現(xiàn)錯誤,因此為避免學(xué)生錯誤,應(yīng)讓學(xué)生明了相關(guān)認知過程、解釋錯誤、讓學(xué)生用自己的理解去完成問題(Ohlsson,2016)。總之,相關(guān)心理學(xué)研究結(jié)果提出要避免錯誤首先應(yīng)區(qū)分陳述性知識與程序性知識,它可以讓我們理解正確解釋與錯誤結(jié)果共存現(xiàn)象,學(xué)生正確解釋是陳述性知識而學(xué)生解題過程是程序性知識,它們都是組成學(xué)生知識結(jié)構(gòu)的一部分,兩種知識學(xué)習(xí)速度不一樣會造成錯誤。相關(guān)心理學(xué)研究還指出知識錯誤導(dǎo)致一些錯誤行為,但這種錯誤行為不會影響整個問題解決。有研究者將錯誤行為用計算機語言編寫成一種錯誤程序。最早Brown等編寫數(shù)學(xué)減法錯誤程序,Sleeman編寫代數(shù)錯誤程序等,他們還設(shè)計數(shù)學(xué)錯誤程序庫,納入數(shù)學(xué)學(xué)習(xí)中常見的錯誤程序(Ohlsson,2016)。通常錯誤程序在診斷模型中以明確哪個錯誤程序應(yīng)為學(xué)生錯誤答案負責(zé),進而給予相應(yīng)指導(dǎo)。如,“大數(shù)減小數(shù)”錯誤。學(xué)生做“73-26”數(shù)學(xué)運算時,通常會將大數(shù)減去小數(shù),而不會去顧及何為減數(shù)、被減數(shù)。在錯誤程序中,學(xué)生將會被問及“是哪個數(shù)從哪個數(shù)中減去或移除”(Ohlsson,2016)。
(3)學(xué)生知識學(xué)習(xí)模型建構(gòu)的心理學(xué)研究
教學(xué)專長研究發(fā)現(xiàn):專家教師在教學(xué)過程中更關(guān)注學(xué)生錯誤回答、正確回答等學(xué)習(xí)線索,并對它們進行正確判斷與評價,形成或充實完善特定學(xué)生知識學(xué)習(xí)模型,因此他們教學(xué)更有效(楊翠蓉等,2012)。形成特定學(xué)生知識學(xué)習(xí)模型對于教學(xué)意義重大。
特定學(xué)生知識學(xué)習(xí)模型由學(xué)生已有學(xué)科知識、常用學(xué)習(xí)策略、特有學(xué)習(xí)風(fēng)格、學(xué)生個性心理(如性格、氣質(zhì)、學(xué)習(xí)興趣、學(xué)習(xí)需要)等組成,其中最重要的是學(xué)生學(xué)科知識,它包括學(xué)生已掌握的知識、未掌握的知識、錯誤認識與信念、學(xué)生知識與教師知識間的差異。構(gòu)建特定學(xué)生知識學(xué)習(xí)模型的過程是錨定-調(diào)整過程(Anchoring-and-Adjustment Process),其始于教師頭腦中一般學(xué)生知識模型或?qū)W科知識模型;然后教師根據(jù)特定學(xué)生平時學(xué)習(xí)表現(xiàn),如學(xué)習(xí)偏好、知識偏好,或不同于其他學(xué)生的學(xué)習(xí)特點、學(xué)科知識特點,推斷該生學(xué)習(xí)特點及所擁有的知識,構(gòu)建特定學(xué)生知識學(xué)習(xí)的初步模型;教學(xué)時,教師再通過注意該生學(xué)習(xí)表現(xiàn),不斷收集該生學(xué)習(xí)的新信息,逐步修訂特定學(xué)生知識學(xué)習(xí)模型(Nickerson,1999)。
2.常見的ITS學(xué)生模型建構(gòu)方式及學(xué)習(xí)行為指標(biāo)
設(shè)計者建構(gòu)ITS學(xué)生模型時根據(jù)上述心理學(xué)研究成果,將當(dāng)前學(xué)生學(xué)習(xí)與專家模型、學(xué)生模型比較,追蹤學(xué)生知識學(xué)習(xí)過程包括錯誤知識學(xué)習(xí)過程,從而推論、計算、不斷建構(gòu)與修訂學(xué)生模型。常見的有四種學(xué)生模型建構(gòu)方式,它們采用不同的學(xué)習(xí)行為指標(biāo)。
(1)期望與錯誤概念調(diào)整適應(yīng)的學(xué)生模型構(gòu)建及主要指標(biāo)
Auto Tutor是孟菲斯大學(xué)Grasser教授及其研究團隊(2004)開發(fā)的服務(wù)于物理與計算機科學(xué)的智能導(dǎo)學(xué)系統(tǒng)。它通過學(xué)生期望與錯誤概念、學(xué)生言語信息輸入、學(xué)生提問信息逐步構(gòu)建修訂學(xué)生模型,調(diào)整學(xué)生知識學(xué)習(xí)目標(biāo)和錯誤概念。Auto Tutor在每一問題上都構(gòu)建學(xué)生正確答案(期望概念)與錯誤答案(錯誤概念),同時對學(xué)生言語進行分類。例如,“力等于質(zhì)量乘以加速度”這一知識點上設(shè)計10個含有正確知識點的句子,設(shè)計20種學(xué)生言語單元分類,其中包括16種學(xué)生問題分類,如論斷、簡短回答、元認知、比較問題、判斷問題等。該模型主要構(gòu)建指標(biāo)是不同類別的學(xué)生言語、學(xué)生正確輸入與錯誤輸入,模型建構(gòu)方法是對每一次學(xué)生信息輸入進行分類,根據(jù)潛在語義分析的統(tǒng)計模型,通過語言學(xué)測量計算學(xué)生步驟輸入的文本信息與學(xué)習(xí)事件腳本信息的差值、學(xué)生回應(yīng)集合與學(xué)科模型學(xué)習(xí)目標(biāo)的差值、回應(yīng)集合與錯誤概念的差值,從而逐步修訂調(diào)整學(xué)生模型。
(2)貝葉斯網(wǎng)絡(luò)的學(xué)生模型構(gòu)建及主要指標(biāo)
貝葉斯網(wǎng)絡(luò)實質(zhì)上是網(wǎng)絡(luò)和概率理論相結(jié)合的產(chǎn)物,是一種對不確定知識的概率推理與表征的工具(陳曉湘等,2009)。貝葉斯網(wǎng)絡(luò)節(jié)點由存在一定關(guān)系的目標(biāo)變量(正確概念與錯誤概念表征)與系列證據(jù)變量(測試項目表征)構(gòu)成,因此該模型主要建構(gòu)指標(biāo)是學(xué)生正確輸入與錯誤輸入。學(xué)生在測試項目上的信息輸入就是證據(jù)變量,因此在已知網(wǎng)絡(luò)中證據(jù)變量正確概率值的情況下,利用貝葉斯網(wǎng)絡(luò)計算可以獲得學(xué)生正確概念與錯誤概念的概率。由于網(wǎng)絡(luò)節(jié)點與學(xué)生學(xué)科知識變量一一對應(yīng),貝葉斯網(wǎng)絡(luò)的條件概率分布量化學(xué)生學(xué)科知識關(guān)系及各知識點的學(xué)習(xí)概率,能較好反映學(xué)生學(xué)科知識結(jié)構(gòu)變化,預(yù)測學(xué)生學(xué)習(xí)。它在ITS中被廣泛用于表征多變量的學(xué)生學(xué)科知識模型,甚至包括基于限制的學(xué)生模型與學(xué)習(xí)追蹤模型構(gòu)建。
(3)學(xué)習(xí)追蹤的學(xué)生模型構(gòu)建及主要指標(biāo)
Cognition Tutor是卡耐基-梅隆大學(xué)Anderson教授及其研究團隊開發(fā)的服務(wù)于數(shù)學(xué)、物理等學(xué)科的智能導(dǎo)學(xué)系統(tǒng)。該系統(tǒng)學(xué)生模型建構(gòu)的理論基礎(chǔ)是ACT理論,它模仿人類解決數(shù)學(xué)、物理問題時提取的系列產(chǎn)生式,默認學(xué)生技能是由一系列產(chǎn)生式構(gòu)成(Corbett et al.,1995)。例如,圍繞8年級“自行車-旅行”的數(shù)學(xué)應(yīng)用題,該學(xué)生模型最初構(gòu)建學(xué)生數(shù)學(xué)問題解決的認知步驟,共68個正確的產(chǎn)生式規(guī)則,同時還構(gòu)建錯誤的產(chǎn)生式規(guī)則以讓系統(tǒng)理解學(xué)生錯誤輸入,通常有:錯誤運算、討論先后順序錯誤、遺漏括號、混淆數(shù)量、遺失運算步驟、忽視對子目標(biāo)錯誤的糾正、兩種以上的錯誤聯(lián)合(Hefferman et al.,2002)。Cognition Tutor的學(xué)生模型建構(gòu)主要采用四大指標(biāo):初始學(xué)習(xí)、學(xué)習(xí)概率、意外出錯、猜對。它通過學(xué)生在電腦界面的選擇逐步修訂學(xué)生模型。學(xué)科技能呈現(xiàn)在界面上以供學(xué)生選擇并進行問題解決。學(xué)生在選擇過程中,學(xué)生模型追蹤過程會將學(xué)生選擇結(jié)果與學(xué)科模型中的產(chǎn)生式進行匹配,如果不匹配,會呈現(xiàn)即時反饋,并允許學(xué)生再次進行選擇;如果匹配正確,知識追蹤程序“貝葉斯程序”則更新學(xué)生知識掌握概率,因此Cognition Tutor的學(xué)生模型是由一系列產(chǎn)生式及每一產(chǎn)生式的掌握概率組成。
(4)基于限制的學(xué)生模型構(gòu)建及主要指標(biāo)
基于限制的學(xué)生模型(Constrain Based Model,簡稱CBM)依據(jù)錯誤學(xué)習(xí)理論設(shè)計。它認為技能獲得過程中的陳述性知識可以幫助學(xué)生從錯誤中學(xué)習(xí),因此CBM模型中的學(xué)生學(xué)科知識表征是產(chǎn)生式條件,是問題解決空間狀態(tài)相關(guān)的邏輯限制。該模型運用違背限制的信息去修訂與改進學(xué)生部分掌握的認知技能。一個限制由三個基本成分構(gòu)成:第一,相關(guān)條件,即問題解決時知識運用的背景與時機。第二,滿意條件,問題解決所需的學(xué)科知識。第三,反饋信息,當(dāng)問題解決失敗,提出反饋并提醒學(xué)生當(dāng)前錯誤運用的問題解決原則與知識。以燒水問題為例,其相關(guān)條件是“燒沸一壺水”,滿意條件是“爐子溫度為120攝氏度左右”,反饋條件是“當(dāng)燒水時,記得將爐子溫度保持在攝氏120度左右”。由于CBM被看成各種限制,學(xué)生錯誤學(xué)習(xí)的發(fā)現(xiàn)與辨別可以看成是模式匹配,其主要行為指標(biāo)是學(xué)生正確輸入與錯誤輸入,如果學(xué)生輸入與相關(guān)條件、滿意條件都匹配,則學(xué)生無錯誤,不需修改學(xué)生模型,不需指導(dǎo)學(xué)生學(xué)習(xí);如果學(xué)生輸入與相關(guān)條件、滿意條件(尤其是后者)相左,CBM監(jiān)測到錯誤,會計算學(xué)生當(dāng)前狀態(tài)與滿意條件的差值進而修訂學(xué)生模型,同時給予相應(yīng)反饋。
學(xué)生模型建構(gòu)目的在于為ITS學(xué)習(xí)指導(dǎo)提供豐富的學(xué)生學(xué)習(xí)資訊,因此學(xué)生模型不僅要反映學(xué)生學(xué)習(xí)結(jié)果,還要反映學(xué)生學(xué)習(xí)過程特點。除上述主要行為指標(biāo),有些ITS還增加更多行為指標(biāo)以精確計算學(xué)生學(xué)習(xí)行為概率與結(jié)果概率。Cen等(2006)在建構(gòu)學(xué)生模型時設(shè)置學(xué)生某步驟的嘗試次數(shù)、某步驟輸入的正確率、學(xué)習(xí)率等行為指標(biāo)。Pavlik等(2009)則將學(xué)生運用某知識的正確次數(shù)、錯誤次數(shù)、某知識難度、學(xué)習(xí)率等納入到模型建構(gòu)的行為指標(biāo)中,獲得學(xué)生關(guān)于正誤回應(yīng)、正誤回應(yīng)比率等學(xué)習(xí)信息,更精準(zhǔn)預(yù)測學(xué)生學(xué)習(xí)過程。Chi等(2011)認為ITS是通過不同言語行為指導(dǎo)學(xué)生學(xué)習(xí)過程的,因此學(xué)生模型建構(gòu)除設(shè)置學(xué)生正確回應(yīng)次數(shù)、錯誤回應(yīng)次數(shù)、知識難度、學(xué)習(xí)率等學(xué)生學(xué)習(xí)行為指標(biāo),也應(yīng)設(shè)置指導(dǎo)者陳述某知識次數(shù)這一言語指導(dǎo)行為指標(biāo),這樣能精準(zhǔn)預(yù)測不同言語指導(dǎo)行為下學(xué)生學(xué)習(xí)行為,從而為ITS言語指導(dǎo)決策提供依據(jù)。
ITS有效的人機互動不僅要以學(xué)生模型為基礎(chǔ),教學(xué)模型、課程腳本數(shù)據(jù)庫還需要儲存豐富的言語指導(dǎo)行為策略,具體包括人機互動模式、模擬指導(dǎo)者的課程腳本、學(xué)習(xí)指導(dǎo)行為及適用規(guī)則等。ITS人機互動的設(shè)計同樣也須以教育心理學(xué)相關(guān)研究結(jié)果為理論依據(jù)。
1.人機互動的相關(guān)心理學(xué)研究
(1)有效指導(dǎo)模式的心理學(xué)研究
學(xué)習(xí)指導(dǎo)模式隨著學(xué)習(xí)理論的更迭出現(xiàn)相應(yīng)變化,主要有:第一,教師講授的學(xué)習(xí)指導(dǎo)模式。教師根據(jù)教材與自己對教材的理解系統(tǒng)地將學(xué)科知識口授給學(xué)生。第二,教師解釋的學(xué)習(xí)指導(dǎo)模式。由學(xué)生提問、教師解釋、學(xué)生理解并進一步提問、教師再次解釋、學(xué)生最終理解等基本步驟構(gòu)成的一種螺旋式推進模式。第三,師生對話的學(xué)習(xí)指導(dǎo)模式?;静襟E是:教師提問、學(xué)生回答、教師針對學(xué)生回答給予簡短反饋、師生合作共同建構(gòu)知識、教師評價學(xué)生掌握程度(Grasser et al.,1995)。
Muldner等(2013)分別以大學(xué)生、中學(xué)生為被試,探討上述三種指導(dǎo)模式與學(xué)生觀察討論的學(xué)習(xí)模式對學(xué)習(xí)的影響,發(fā)現(xiàn)教師講授的指導(dǎo)模式學(xué)習(xí)效果最差,且顯著低于師生對話的指導(dǎo)模式。他們還發(fā)現(xiàn)對大學(xué)生的學(xué)習(xí)指導(dǎo)中,只有13.6%的師生對話是由大學(xué)生發(fā)起;對高中生指導(dǎo)中,只有3.2%的師生對話是由學(xué)生發(fā)起。由此他們認為學(xué)生可能由于內(nèi)向、害怕自尊受損、學(xué)習(xí)動機不強,不會主動提出問題;學(xué)生不清楚自己知識掌握程度,難以提出問題,因此教師解釋的指導(dǎo)模式對學(xué)生學(xué)業(yè)幫助有限。Chi等(2001)控制教師指導(dǎo)過程中的言語行為,要求一組教師盡可能用師生對話的指導(dǎo)模式進行學(xué)習(xí)指導(dǎo),另一組教師則盡可能用教師解釋的指導(dǎo)模式,結(jié)果發(fā)現(xiàn)師生對話的指導(dǎo)模式效果要好于教師解釋的指導(dǎo)模式??傊?,教師講授的指導(dǎo)模式無助于學(xué)生學(xué)習(xí),師生對話的指導(dǎo)模式最有利于學(xué)生學(xué)習(xí),其次是教師解釋的指導(dǎo)模式。
(2)教學(xué)專長的心理學(xué)研究
教學(xué)專長研究始于上世紀80年代,已有研究發(fā)現(xiàn),與新手教師相比,專家教師有更卓越的教學(xué)行為。如,專家教師有更多教學(xué)常規(guī)且能有效執(zhí)行;更能有效處理教學(xué)意外事件與突發(fā)事件;能把學(xué)生反應(yīng)與問題納入到下一步教學(xué)中,平衡學(xué)生與教學(xué)內(nèi)容,使教學(xué)順利進行。教學(xué)專長研究還發(fā)現(xiàn)專家教師教學(xué)行為卓越在于他們獨特的認知特點(楊翠蓉,2009)。專家教師更能注意學(xué)生學(xué)習(xí)線索;教學(xué)模式再認既快又準(zhǔn);更深更準(zhǔn)理解與表征教學(xué)事件包括突發(fā)事件;他們有豐富精致的學(xué)科知識、學(xué)生知識、一般教學(xué)策略、學(xué)科教學(xué)策略等,且形成相互聯(lián)系的知識組織,能有效進行教學(xué)決策,順利進行教學(xué)。教學(xué)專長的研究范式與研究結(jié)果為ITS人機互動中涉及的教學(xué)模型、課程腳本數(shù)據(jù)庫設(shè)計提供了有力依據(jù)與豐富數(shù)據(jù)。
(3)指導(dǎo)策略的心理學(xué)研究
第一,指導(dǎo)者支架策略的研究發(fā)現(xiàn)。
布魯納認為支架是指導(dǎo)者與學(xué)生間的對話,是指導(dǎo)者通過提示、暗示等言語推動學(xué)生進一步思考,幫助保持學(xué)習(xí)動力,使其自始至終參與到學(xué)習(xí)活動中。專家教師與新手教師學(xué)習(xí)指導(dǎo)策略的比較研究、專家教師指導(dǎo)策略與學(xué)生學(xué)習(xí)結(jié)果的相關(guān)研究都發(fā)現(xiàn),有經(jīng)驗的教師更頻繁運用支架促進學(xué)生理解,無經(jīng)驗的教師更傾向于運用解釋策略。VanLehn(2011)分析總結(jié)有效學(xué)習(xí)指導(dǎo)研究,指出學(xué)習(xí)指導(dǎo)有效性的原因之一是支架策略,而不是解釋策略。
理論建構(gòu)與眾多實證研究表明,支架策略比解釋策略更有利于學(xué)生學(xué)習(xí),但在實際生活中,支架策略并不一直都能促進學(xué)生學(xué)業(yè)。指導(dǎo)者在運用支架策略過程中,如果不能對學(xué)生學(xué)習(xí)進行正確診斷與評價,如果忽略學(xué)生學(xué)習(xí)的積極主動性,一味給予提示、支持,同樣會出現(xiàn)學(xué)生學(xué)習(xí)的“高原效應(yīng)”、“學(xué)習(xí)效益遞減規(guī)則”,最終使學(xué)生由主動學(xué)習(xí)轉(zhuǎn)為被動學(xué)習(xí)(Koppa et al.,2012)。
第二,指導(dǎo)者解釋策略的研究發(fā)現(xiàn)。
解釋是學(xué)習(xí)指導(dǎo)中常用的一種策略,是學(xué)生提出問題后教師將關(guān)鍵概念、原則及聯(lián)系等講解給學(xué)生,是學(xué)生回答后教師指出并糾正學(xué)生錯誤觀念。一些研究者認為解釋策略無效原因在于:教師不能準(zhǔn)確評價學(xué)生學(xué)習(xí)過程與學(xué)習(xí)結(jié)果。教師解釋引發(fā)學(xué)生更多的簡單回應(yīng),引發(fā)最多的淺層學(xué)習(xí)活動,不利于學(xué)生學(xué)科知識理解與掌握(Wittwer et al.,2008)。
支持教師解釋指導(dǎo)模式的研究者則認為學(xué)生自我解釋有時是錯誤的,他們更傾向于選擇教師解釋;教師解釋有助于學(xué)生發(fā)現(xiàn)他們理解中不一致之處,從而讓學(xué)生免于產(chǎn)生已經(jīng)理解的假象;教師解釋有助于彌補學(xué)生知識鴻溝,將當(dāng)前知識與學(xué)生已有知識聯(lián)系并整合起來,促進學(xué)生知識建構(gòu)與理解。為進一步提高教師解釋策略對學(xué)習(xí)指導(dǎo)的作用,他們還提出建議:教師解釋應(yīng)適合學(xué)生已有知識基礎(chǔ);教師解釋不能替代學(xué)生知識建構(gòu)活動;教師解釋應(yīng)與知識應(yīng)用活動整合在一起。
2.ITS人機互動的探索性設(shè)計研究
ITS人機互動的探索性設(shè)計研究是架起連接相關(guān)ITS心理學(xué)研究與人機互動設(shè)計的一座橋梁,它依托于相關(guān)心理學(xué)研究結(jié)果,收集分析指導(dǎo)者的言語指導(dǎo)數(shù)據(jù),由表及里,層層深入設(shè)計人機互動過程中的結(jié)構(gòu)、模擬指導(dǎo)者的課程腳本、具體言語行為及運用規(guī)則等。
(1)ITS人機互動結(jié)構(gòu)研究
Auto Tutor是以師生對話指導(dǎo)模式為依據(jù)開發(fā)的導(dǎo)學(xué)系統(tǒng),其人機互動結(jié)構(gòu)是模擬指導(dǎo)者對話與學(xué)生對話依次輪流完成,起于系統(tǒng)選擇呈現(xiàn)一個問題,學(xué)生輸入一初步簡單或模糊答案,模擬指導(dǎo)者則以提問形式進一步回應(yīng),學(xué)生進行解釋,模擬指導(dǎo)者再給予相應(yīng)反饋并選擇重要概念讓學(xué)生予以澄清,這種循環(huán)對話模式直至學(xué)生闡明任務(wù)中涵蓋的所有知識點為止(Grasser et al.,2004)。
SimStudent是卡耐基-梅隆大學(xué)Matsuda等(2013)開發(fā)的數(shù)學(xué)智能導(dǎo)學(xué)系統(tǒng),它反向依據(jù)教師解釋的指導(dǎo)模式,系統(tǒng)設(shè)計模擬學(xué)生,而學(xué)生則成為幫助模擬學(xué)生學(xué)習(xí)的指導(dǎo)者。其對話基本結(jié)構(gòu)是:學(xué)生指導(dǎo)者在人機界面上選擇一問題讓模擬學(xué)生回答,模擬學(xué)生會提出“為什么選擇此問題?”或“該問題對我學(xué)習(xí)有何幫助?”;學(xué)生指導(dǎo)者做出解釋;模擬學(xué)生嘗試輸入某一步驟并咨詢是否正確;學(xué)習(xí)指導(dǎo)者給予相應(yīng)反饋;如反饋為錯誤,模擬學(xué)生或進行另一種步驟的嘗試,或提問為什么會是錯誤步驟,或向?qū)W生指導(dǎo)者求助;學(xué)生指導(dǎo)者根據(jù)模擬學(xué)生相應(yīng)行為或給予反饋,或給予澄清解釋,或指出正確的步驟并解釋,該對話直到模擬學(xué)生順利完成任務(wù)并理解任務(wù)所涵蓋所有知識為止。
(2)ITS課程腳本研究
學(xué)習(xí)指導(dǎo)策略研究發(fā)現(xiàn)支架策略與解釋策略的運用具有一定情境性,教學(xué)專長研究發(fā)現(xiàn)專家教師擁有更多有效教學(xué)常規(guī),因此為使ITS人機互動效果最大化,研究者收集分析專家教師的教學(xué)行為,設(shè)計具有一定結(jié)構(gòu)的課程腳本。
Cade等(2008)分析8位數(shù)學(xué)與科學(xué)專家教師的言語指導(dǎo),總結(jié)8類學(xué)習(xí)指導(dǎo)言語及呈現(xiàn)規(guī)律,并將其轉(zhuǎn)化為課程腳本。學(xué)習(xí)指導(dǎo)言語包括引導(dǎo)性介紹、解釋、提出新的問題、示范、支架、撤消支架、無關(guān)信息介紹和總結(jié),有效的課程腳本有:引導(dǎo)性介紹+解釋;解釋+支架;提出新的問題+支架;支架+解釋;支架+提出新的問題。Chen等(2011)收集與分析兩位專家指導(dǎo)者的言語,將解釋策略細分為程序性知識的解釋策略以及陳述性知識的解釋策略,提出不同知識的有效解釋腳本。對于程序性知識而言,程序性知識解釋+反饋結(jié)構(gòu)更為有效;對于陳述性知識而言,反饋+陳述性知識的解釋結(jié)構(gòu)更為有效。但他們指出,相對于解釋腳本,結(jié)合支架與解釋的腳本更為有效,它們是:支架+程序性知識解釋+反饋、陳述性知識解釋+反饋+支架。
(3)ITS解釋、支架的言語行為及應(yīng)用規(guī)則研究
教學(xué)專長與學(xué)習(xí)指導(dǎo)策略的心理學(xué)研究表明,主動建構(gòu)學(xué)習(xí)效果好于被動接受學(xué)習(xí)。指導(dǎo)者應(yīng)根據(jù)學(xué)生學(xué)習(xí)狀況給予提問、提示等支架策略,針對學(xué)生回答給予反饋、解釋;只有在學(xué)生不能主動建構(gòu)情況下,指導(dǎo)者才給予解釋。
Auto Tutor通過人機言語互動,糾正學(xué)生錯誤概念,逐步掌握正確知識,因此它除要對學(xué)生言語進行分類外,還要形成相應(yīng)的指導(dǎo)者言語類型以回應(yīng)學(xué)生言語或推進對話深入。回應(yīng)學(xué)生言語的指導(dǎo)者言語是解釋,主要有簡短反饋、回答學(xué)生問題、糾正學(xué)生錯誤概念;推進對話的指導(dǎo)者言語是支架,主要有推進、提示、暗示、推斷等。DT數(shù)學(xué)智能導(dǎo)學(xué)系統(tǒng)的提示與反饋功能是建立在學(xué)生學(xué)習(xí)概率模型之上的,它通過指導(dǎo)過程中的言語互動計算學(xué)生學(xué)習(xí)概率、學(xué)習(xí)厭倦概率、正確輸入概率,形成學(xué)生模型,進而決定模擬指導(dǎo)者是給予立即反饋還是延遲反饋,是學(xué)生言語輸入前給予提示還是之后提示。例如,學(xué)生在信息輸入錯誤時,通過概率計算,DT系統(tǒng)判斷該生知識掌握程度較高,則會延遲反饋;如果判定該生能力不足,則會即時反饋;如果通過概率計算發(fā)現(xiàn)不給予提示,該生會進行錯誤嘗試并最終陷入學(xué)習(xí)倦怠,則會在學(xué)生信息輸入前就給予下一正確步驟及相應(yīng)規(guī)則運用的明確提示。Katz等(2013)通過分析8位物理專家教師的言語數(shù)據(jù)開發(fā)并設(shè)計了物理導(dǎo)學(xué)系統(tǒng)Andes言語行為的運用規(guī)則。如當(dāng)學(xué)生尤其是學(xué)科知識少的學(xué)生不能解釋自己觀點時,模擬指導(dǎo)者應(yīng)當(dāng)提“為什么”的推進性問題;當(dāng)學(xué)生作出部分正確回答時,模擬指導(dǎo)者應(yīng)給予反饋并解釋;當(dāng)學(xué)生僅僅說出答案時,模擬指導(dǎo)者應(yīng)提問讓學(xué)生說出自己的解題過程等。
1.應(yīng)聯(lián)合不同領(lǐng)域研究者,合作開展ITS的研究與設(shè)計
國外ITS研究與設(shè)計的深入受益于相關(guān)跨學(xué)科研究機構(gòu)的成立。匹茲堡大學(xué)的學(xué)習(xí)研究與發(fā)展中心致力于包括ITS在內(nèi)的學(xué)習(xí)與教學(xué)研究,該中心的教學(xué)專長研究、課堂談話研究、物理學(xué)科教學(xué)研究等為中心開發(fā)物理智能導(dǎo)學(xué)系統(tǒng)Andes提供借鑒與借用(University of Pittsburgh,2016)。在計算機科學(xué)及其相關(guān)領(lǐng)域享有盛名的卡耐基-梅隆大學(xué),心理學(xué)研究者Anderson、Kendigoer等除進行學(xué)科知識表征、學(xué)生學(xué)習(xí)包括錯誤學(xué)習(xí)等心理學(xué)研究外,也與計算機科學(xué)相結(jié)合設(shè)計Cognition Tutor、SimStudent等(Carnegie Mellon University,2016)。國內(nèi)ITS的研究與設(shè)計相對落后,主要是不同領(lǐng)域研究者較少交流合作,教育技術(shù)學(xué)與計算機科學(xué)領(lǐng)域的研究者較少了解學(xué)科教學(xué)、學(xué)生學(xué)習(xí)尤其是錯誤學(xué)習(xí),國內(nèi)教育心理學(xué)研究者甚少了解人工智能在教育領(lǐng)域中的應(yīng)用。今后有必要成立更多跨學(xué)科研究機構(gòu),聯(lián)合國內(nèi)教育心理學(xué)、教育技術(shù)學(xué)與計算機科學(xué)領(lǐng)域的研究者共同開展ITS的跨學(xué)科研究與設(shè)計。
2.應(yīng)更多研究專家教師的言語指導(dǎo)行為,形成科學(xué)系統(tǒng)的互動結(jié)構(gòu)、腳本與策略
國內(nèi)教學(xué)對話研究表明,課堂教學(xué)中教師更具有話語權(quán),他們會提更多的預(yù)設(shè)性問題、封閉性問題、概念性問題,但是專家教師課堂話語日益減少,更關(guān)注學(xué)生經(jīng)驗,他們的課堂對話表現(xiàn)出一種探索性對話與協(xié)商性對話的多向度對話結(jié)構(gòu)(劉蘭英,2012)。ITS是計算機扮演專家指導(dǎo)者的一種適應(yīng)性學(xué)習(xí)支持系統(tǒng)(Ma et al.,2014)。人機互動的探索性研究應(yīng)以專家教師或?qū)<抑笇?dǎo)者為研究對象。不過國外現(xiàn)有ITS指導(dǎo)者言語行為的心理學(xué)研究、人工智能研究多選擇數(shù)量有限的專家教師,依據(jù)少量言語數(shù)據(jù)開發(fā)的言語指導(dǎo)結(jié)構(gòu)、課程腳本、言語指導(dǎo)策略的有效程度與推廣程度不得而知。觀課、賽課、師徒結(jié)對等策略是目前國內(nèi)中小學(xué)校教師校本發(fā)展的主要策略,這些策略使得國內(nèi)大范圍收集專家教師的言語指導(dǎo)行為成為可能。我國有必要建立專家教師言語指導(dǎo)語料庫,系統(tǒng)研究與分析中國專家教師學(xué)習(xí)指導(dǎo)過程中的言語規(guī)律,為ITS人機互動設(shè)計提供豐富的科學(xué)數(shù)據(jù)。
3.應(yīng)重視情感對學(xué)生學(xué)習(xí)的影響,建構(gòu)集認知與情感于一體的學(xué)生模型
情緒情感也會影響學(xué)生學(xué)習(xí)過程與學(xué)習(xí)結(jié)果。國內(nèi)外一些研究者也注意到情緒等非認知因素對學(xué)生學(xué)習(xí)過程的影響,分別用眼動追蹤技術(shù)、表情追蹤識別技術(shù)與基于認知的情緒識別模型,根據(jù)學(xué)生注視模式、瞳孔大小、嘴眼間距等指標(biāo)對學(xué)生情緒情感變化進行追蹤,并選擇相應(yīng)的指導(dǎo)策略(詹澤慧,2013)。但是已有ITS學(xué)生模型建構(gòu)或側(cè)重學(xué)生認知過程追蹤,或側(cè)重學(xué)生情緒情感過程追蹤。教學(xué)專長研究表明,專家教師往往綜合學(xué)生認知與情緒情感變化進行教學(xué)決策。未來的ITS有必要建構(gòu)集認知與情感于一體的學(xué)生模型。
[1]陳曉湘,費洪曉(2009).智能授導(dǎo)系統(tǒng)中的學(xué)生建模研究[J].計算機與現(xiàn)代化,(1):8-11.
[2]康健(2013).以知識點為中心的智能導(dǎo)學(xué)系統(tǒng)的研究與實現(xiàn)[D].長春:東北師范大學(xué).
[3]劉蘭英(2012).小學(xué)數(shù)學(xué)課堂師生對話的特征分析[D].上海:華東師范大學(xué).
[4]尚曉晶(2013).基于“導(dǎo)學(xué)案”教學(xué)模式的智能導(dǎo)學(xué)系統(tǒng)的設(shè)計開發(fā)和實證研究[D].錦州:渤海大學(xué).
[5]唐崇華(2016).基于移動端的智能導(dǎo)學(xué)系統(tǒng)研究[J].軟件導(dǎo)刊,(3):93-96.
[6]王甦,汪安圣(2006).認知心理學(xué)[M].北京:北京大學(xué)出版社:170-194.
[7]楊翠蓉(2009).教學(xué)專長的實質(zhì)研究[M].長春:吉林人民出版社,100-110.
[8]楊翠蓉,吳慶麟,周成軍(2012).教學(xué)決策的專家-新手比較研究[J].中國特殊教育,(9):88-93.
[9]詹澤慧(2013).基于智能Agent的遠程學(xué)習(xí)者情感與認知識別模型——眼動追蹤與表情識別技術(shù)支持下的耦合[J].現(xiàn)代遠程教育研究,(5):100-105.
[10]Cade,W.L.,Copeland,J.L.,&Person,N.K.et al. (2008).Dialogue Modes in Expert Tutoring[A].Proceedings of International Conference on Intelligent Tutoring Systems(ITS 2008)[C].Montreal,Canada:470-490.
[11]Carnegie Mellon University (2016).Home[EB/OL]. [2016-05-23].http://act-r.psy.cmu.edu/.
[12]Cen,H.,Koedinger,K.R.,&Junker,B.(2006).Learning Factors Analysis:A General Method for Cognitive Model Evaluation and Improvement[A].Ikeda,M.,Ashley,K.D.,& Chan,T.-W.(Eds).International Conference on Intelligent Tutoring Systems[C].Springer-Verlag:164-175.
[13]Chen,L.,Eugenio,B.D.,&Fossati,D.et al.(2011).Exploring Effective Dialogue Act Sequences in One-on-One Computer Science Tutoring Dialogue[A].Proceedings of the 6th Workshop on Innovative Use of NLP for Building Educational Applications[C]:65-75.
[14]Chi,M.T.H.,Siler,S.A.,Jeong,H.et al.(2001). Learning From Human Tutoring[J].Cognitive Science,25(4): 471-533.
[15]Chi,M.,Koedinger,K.R.,&Gordon,G.J.et al.(2011). Instructional Factors Analysis:A Cognitive Model For Multiple Instructional Interventions[A].Proceedings of International Conference on Educational Data Mining[C].Eindhoven,the Netherlands:61-70.
[16]Corbett,A.T.,&Anderson,J.R.(1995).Knowledge Tracing:Modeling the Acquisition of Procedural Knowledge[J]. User Modeling and User-Adapted Interaction,(4):253-278.
[17]Grasser,A.C.,Lu,S.,&Jackson,G.T.et al.(2004). AutoTutor:A Tutor With Dialogue in Natural Language[J].Behavior Research Methods Instruments&Computers,36(2): 180-192.
[18]Grasser,A.C.,Person,N.K.,&Magliano,J.P.(1995). Collaborative Dialogue Patterns in Naturalistic One-to-One Tutoring[J].Applied Cognitive Psychology,9(6):495-522.
[19]Hefferman,N.T.,&Koedinger,K.R.(2002).An Intelligent Tutoring System Incorporating a Model of an Experienced Human Tutor[A].Cerri,S.A.,Gouarderes,G.,&Paraguacu,F. (Eds).Intelligent Tutoring Systems[M].Berlin Heidelberg:Springer:596-608.
[20]Katz,S.,&Albacete,P.L.(2013).A Tutoring System That Simulates the Highly Interactive Nature of Human Tutoring [J].Journal of Educational Psychology,105(4):1126-1141.
[21]Koppa,K.J.,Britta,M.A.,&Millisa,K.et al.(2012). Improving the Efficiency of Dialogue in Tutoring[J].Learning and Instruction,22(22):320-330.
[22]Ma,W.,Adesope,O.O.,&Nesbit,J.C.et al.(2014). Intelligent Tutoring Systems and Learning Outcomes:A Meta-Analysis[J].JournalofEducationalPsychology,106(4): 901-918.
[23]Matsuda,N.,Yarzebski,B.,&Keiser,V.et al.(2013). Cognitive Anatomy of Tutor Learning:Lessons Learned With SimStudent[J].JournalofEducationalPsychology,105(4): 1152-1163.
[24]Muldner,K.,Lam,R.,&Chi,M.T.H.(2013).Comparing Learning From Observing and From Human Tutoring[J]. Journal of Educational Psychology,106(2):364-379.
[25]Nickerson,R.S.(1999).How We Know—and Sometimes Misjudge-What Others Know:Imputing One's Own Knowledge to Others[J].Psychological Bulletin,125(6):737-759.
[26]Ohlsson,S.(2016).Constraint-Based Modeling:From Cognitive Theory to Computer Tutoring-and Back Again[J].International Journal of Artificial Intelligence in Education,26(1): 457-473.
[27]Pavlik,P.I.,Cen,H.,&Koedinger,K.R.(2009).Performance Factors Analysis-A New Alternative to Knowledge Tracing[A].Proceeding of the 2009 Conference on Articial Intelligence in Education[C].IOS Press:531-538.
[28]University of Pittsburgh(2016).Learning Technology [EB/OL].[2016-05-23].http://www.lrdc.pitt.edu/research/learning_technology.cshtml.
[29]VanLehn,K.(2006).The Behavior of Tutoring Systems [J].International Journal of Artificial Intelligence in Education, 16(3):227-265.
[30]VanLehn,K.(2011).The Relative Effectiveness of Human Tutoring,Intelligent Tutoring Systems,and Other Tutoring Systems[J].Educational Psychologist,46(4):197-221.
[31]Wittwer,J.,&Renkl,A.(2008).Why Instructional Explanations Often Do Not Work:A Framework for Understanding the Effectiveness of Instructional Explanations[J].Educational Psychologist,43(1):49-64.
Sim-Agent and Student Interaction in ITS:From Interdisciplinary Research and Design
Yang Cuirong,Chen Weidong,Wei Hongtao
Intelligent tutoring system(ITS)is an adaptive tutoring system which guides the learning process and learning outcome of students with different characteristics by artificial intelligence technology as an expert tutor.ITS has the specific structure and mechanism different from traditional tutoring system,and its core characters are student modeling and adaptive tutoring.According to educational psychology,student modeling in ITS is the process of constructing specific student learning model by tracing his or her learning behavior.There are mainly four different student models in ITS which employ different student learning behavior:Expectation and Misconception Tailoring,Model Tracing,Constraint based Modeling,and Bayesian Network Modeling.According to human tutoring study in educational psychology,the effective interaction between Sim-agent and student should not only bases on student module in ITS system,but also needs rich and effective tutoring strategies in teaching module and curriculum script's database.ITS studies from educational psychology,educational technology,and computer science give some implications to us.Researchers in our country should be combined in various areas to promote the development of ITS on the basis of existing ITS research and design.Expert teachers'tutoring should be studied more for constructing effective interaction structure,tutoring script and tutoring strategies in ITS.In addition,more focus should be put on student's emotion because of its influence to learning,and student cognitive and affective model should be constructed in the future of ITS'student model design.
ITS;Student Modeling;Adaptive Tutoring;Sim-Agent and Student Interaction;Interdisciplinary Research
434
A
1009-5195(2016)06-0103-09 doi10.3969/j.issn.1009-5195.2016.06.012
江蘇省社科基金一般項目“智能導(dǎo)學(xué)系統(tǒng)ITS人機言語互動的心理機制研究”(15JYB012)資助。
楊翠蓉,博士,教授,碩士生導(dǎo)師,蘇州科技大學(xué)教育與公管學(xué)院心理學(xué)系;陳衛(wèi)東(通訊作者),博士,教授,碩士生導(dǎo)師,蘇州科技大學(xué)傳媒與視覺藝術(shù)學(xué)院副院長;韋洪濤,教授,碩士生導(dǎo)師,蘇州科技大學(xué)教育與公管學(xué)院書記(江蘇蘇州 215009)。
2016-07-02 責(zé)任編輯 汪燕