基于貝葉斯網(wǎng)絡(luò)的虛擬學(xué)習(xí)模塊

張祥裕，劉東峰，李欣容

(廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州 510006)

0 引 言

三維虛擬仿真實驗環(huán)境給學(xué)生提供了一個沉浸和高效的學(xué)習(xí)環(huán)境，在虛擬教學(xué)中起著重要的作用，學(xué)生可以根據(jù)自己的實際情況合理安排時間進行仿真實驗，打破了時間上和空間上的限制[1-3]。目前的大部分研究集中在引入昂貴的VR設(shè)備來提高仿真實驗的沉浸性和用戶之間的交互[4-6]，如微Kinect、在化學(xué)實驗中發(fā)出刺激性氣味的嗅覺裝置、Oculus和Leap Mothion VR devices,但卻忽略了如何引導(dǎo)學(xué)生進行自主學(xué)習(xí)。每個學(xué)生都有不同的學(xué)習(xí)需求和知識背景，從而導(dǎo)致學(xué)生在學(xué)習(xí)過程中對系統(tǒng)的要求也不同，每個學(xué)生都希望能夠獲取到滿足自己需求的知識，因此研究智能自主學(xué)習(xí)輔導(dǎo)系統(tǒng)的一個重要問題是對學(xué)生知識的評估[7]。

例如大規(guī)模在線課程的工作中也應(yīng)用了貝葉斯網(wǎng)絡(luò)實現(xiàn)學(xué)習(xí)者模型的設(shè)計[8-9]，表明貝葉斯網(wǎng)絡(luò)可以提高推薦的個性化程度[10-11]。通過貝葉斯網(wǎng)絡(luò)構(gòu)建知識庫，通過采樣數(shù)據(jù)來創(chuàng)建認(rèn)知網(wǎng)絡(luò)模型，在學(xué)習(xí)過程中負(fù)責(zé)決策，并強調(diào)了負(fù)責(zé)決策的知識庫的重要性。Eva.M等人提出了基于自適應(yīng)貝葉斯網(wǎng)絡(luò)的學(xué)生建模的綜合理論方法[12-14]，并在之后的工作中，結(jié)合自適應(yīng)測試算法，可以測定不同粒度級別的學(xué)生能力[15]，在文獻[16]中討論了疊加模型、差分模型、擾動模型、基于約束的模型四種廣泛使用的模型類型，并實現(xiàn)了一個真正的應(yīng)用程序，用于學(xué)生的計算機化考試，表明了系統(tǒng)測試估計的結(jié)果與專家給出的分?jǐn)?shù)存在高度一致性。

在該研究中，將貝葉斯網(wǎng)絡(luò)應(yīng)用到系統(tǒng)中，考慮用節(jié)點來指代概念，提出了一個較合理準(zhǔn)確反映虛擬仿真實驗內(nèi)部各個知識節(jié)點之間關(guān)系的知識概念網(wǎng)絡(luò)，作為領(lǐng)域知識表示和實現(xiàn)評估及問題推送。這種方式運用了貝葉斯網(wǎng)絡(luò)的條件概率量化了知識節(jié)點之間的依賴關(guān)系，較好地反映了特定領(lǐng)域中的知識結(jié)構(gòu)，以支持三維虛擬仿真學(xué)習(xí)平臺的智能知識表達和推送。

1 智能學(xué)習(xí)平臺

1.1 三維虛擬仿真學(xué)習(xí)平臺

文中的學(xué)習(xí)平臺用于仿真實驗課程，編程語言為C#，課程包含了“物理”、“化學(xué)”等內(nèi)容。學(xué)生可以在平臺上進入對應(yīng)的實驗課程，自主選擇實驗儀器并進行實驗，記錄數(shù)據(jù)，回答題目。

1.2 知識庫模塊

知識庫模塊主要有知識網(wǎng)絡(luò)庫、實驗文檔庫、實驗問題推送三個部分。該平臺中，在知識網(wǎng)絡(luò)和實驗原理的關(guān)聯(lián)基礎(chǔ)上，系統(tǒng)通過該實驗有關(guān)的關(guān)鍵字，在網(wǎng)絡(luò)中匹配出相關(guān)的知識節(jié)點，在實驗開始之前為學(xué)生推送有關(guān)知識點的測試問題集Tq，表示為Tq={tq1,tq2,…,tqn}。通過這樣的過程，學(xué)生回答與該實驗高度相關(guān)的題目來鞏固與該實驗有關(guān)的原理，根據(jù)關(guān)鍵字的不同，推薦給學(xué)生的問題種類和數(shù)目也不同。文中的知識庫模塊是在原有的實驗學(xué)習(xí)平臺上加入的。新模塊的工作框架如圖1所示。

圖1 工作框架

學(xué)生在進入實驗課程后，系統(tǒng)推送問題，學(xué)生要逐一回答，具體的實施過程如圖2所示。

圖2 實施過程

1.3 知識節(jié)點

知識節(jié)點主要分為三種類型節(jié)點：第一種是C類型節(jié)點，即不能被進一步分解的基礎(chǔ)知識節(jié)點；第二種是B類型節(jié)點，即可以被進一步分解的知識節(jié)點，Ti是一個(Ci，β)，其中Ci={Ci1,Ci2,…,Cin}是匯總各基礎(chǔ)知識節(jié)點的概念，β={β1,β2,…,βn}是權(quán)值向量；最后一種是A類型節(jié)點，即是代表主題知識的節(jié)點。Ai是一個(T，α)，其中T={T1,T2,…,Tn}，權(quán)值向量α={α1,α2,…,αn}。為降低復(fù)雜度，節(jié)點的狀態(tài)變量Qi定為二值狀態(tài)。用θ表示對某知識項I的掌握水平：

父節(jié)點所表達的知識項是子節(jié)點所表達的知識項的基礎(chǔ)知識之一，所以一個子知識節(jié)點會由多個父知識節(jié)點組成。由于涉及的知識量大而導(dǎo)致的父節(jié)點太多和條件概率表太大的問題，基于邏輯組合將一些父節(jié)點組合到中間節(jié)點中，然后將較少的中間節(jié)點再進一步組合，使其簡化模型并改善結(jié)構(gòu)，具有更小且更容易處理的CPT維度。所有知識節(jié)點變量可以采用如下四元組來表示：

N={N1,N2,…,Nn}表示由網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中各節(jié)點組成的集合，代表某領(lǐng)域內(nèi)概念。

A={[aij],1≤i≤n,1≤j≤n}表示由網(wǎng)絡(luò)結(jié)構(gòu)中所有的連接兩個節(jié)點的有向弧所組成的集合，描述各節(jié)點變量間的因果關(guān)系。

X={X1,X2,…,Xn}表示網(wǎng)絡(luò)結(jié)構(gòu)中與所有節(jié)點相對應(yīng)的變量的取值集合。

P={P(Xi)|π(X),Xi∈X}表示貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中各個變量的條件概率。

1.4 二級標(biāo)題知識網(wǎng)絡(luò)模型的建立

領(lǐng)域知識之間的內(nèi)在邏輯關(guān)系把實驗課程中的知識連接成一個完整的語義網(wǎng)絡(luò)，所以需模型化學(xué)習(xí)者的增量式學(xué)習(xí)過程。建模之前按照復(fù)雜到基礎(chǔ)的順序?qū)Ω拍罴褐械母鞣N知識逐級分解，最終成為最基本的知識節(jié)點，再通過各個知識項之間的依賴關(guān)系，這樣就建立了具有統(tǒng)一的知識傳播方式和相對規(guī)范化的課程知識的表示方法。

實驗內(nèi)容中除了實驗原理本身的知識，還有認(rèn)識和使用實驗儀器也是一個重要的部分，因此對于建立的網(wǎng)絡(luò)形式，為了能更好地覆蓋實驗知識，在原有的實驗知識網(wǎng)絡(luò)上，將實驗相關(guān)的另一個方面如實驗儀器的知識作為另一層網(wǎng)絡(luò)，這一層網(wǎng)絡(luò)的實驗儀器節(jié)點與原知識網(wǎng)絡(luò)中的節(jié)點有對應(yīng)關(guān)系，比如實驗儀器節(jié)點“托盤天平”與知識節(jié)點“質(zhì)量”有直接的關(guān)聯(lián)關(guān)系,如圖3所示。

圖3 兩層知識網(wǎng)絡(luò)

1.5 推送問題

對于每個實驗，都有一組隨機的關(guān)鍵詞Kq={kq1,kq2,…,kqn}和一個實驗文檔，對于這組隨機的關(guān)鍵詞，根據(jù)其屬性會將其細分為不同的關(guān)鍵詞組：

對于每一個關(guān)鍵詞組，在知識網(wǎng)絡(luò)中利用正則表達式進行關(guān)鍵詞匹配查找，找出其對應(yīng)節(jié)點的關(guān)聯(lián)節(jié)點，該關(guān)聯(lián)節(jié)點表示為一組匹配關(guān)鍵詞Cq={cq1,cq2,…,cqn}，則該組關(guān)鍵詞組最終為主關(guān)鍵詞與匹配關(guān)鍵詞的集合：

Cq={cq0,cq1,…,cqn}

若隨機關(guān)鍵詞與實驗儀器層知識網(wǎng)絡(luò)有關(guān)聯(lián)，則對實驗儀器層知識網(wǎng)絡(luò)進行匹配查找，在這一層中查找出的關(guān)鍵詞組為Eq={eq1,eq2,…,eqn}，則主關(guān)鍵詞與匹配關(guān)鍵詞的集合為：

Cq={cq0,eq1,eq2,…,eqn}

對于每個實驗的實驗文檔，其中的實驗原理內(nèi)容中包含了一組實驗原理句S={s1,s2,…,sn}，上述處理好的關(guān)鍵詞組中的每一個詞，將會與這一組實驗原理句組中的每一個句子用匹配回溯算法分別進行匹配，依次遍歷句子和關(guān)鍵詞字符串。若一個關(guān)鍵詞組與某一句原理匹配成功，將會基于該句子設(shè)置該組主關(guān)鍵詞的問題并推送到實驗前測試界面中。根據(jù)詞的分類，問題的類型主要分為四方面：原理公式方面、實驗儀器方面、原理定義方面、符號單位方面。關(guān)鍵詞組不同，所推送的問題類型也不同。

2 實施結(jié)果

下面以一個學(xué)習(xí)例子，“用天平測量物體的質(zhì)量”物理實驗來進行展示。該實驗中的實驗文檔的原理部分，包含了實驗儀器和物理公式兩方面的相關(guān)原理，如圖4所示。

圖4 實驗文檔原理部分

部分知識網(wǎng)絡(luò)文檔對應(yīng)的簡略圖如圖5所示。

圖5 “用天平測量物體的質(zhì)量”實驗的知識網(wǎng)絡(luò)簡圖

“用天平測量物體的質(zhì)量”實驗中，系統(tǒng)自動推送的問題如圖6所示。

圖6 “用天平測量物體的質(zhì)量”的實驗前測試問題

在另一個實驗“探究斜面的機械效率”中，若回答錯誤，界面會提示該題的正確答案，如圖7所示。

圖7 回答錯誤

由以上的效果可知，推送出的問題中儀器的使用問題，以及在實驗文檔中的原理性問題，緊密圍繞著“用天平測量物體的質(zhì)量”實驗，具有一定的實用性，兩層網(wǎng)絡(luò)更加清晰地區(qū)分知識點，只在有需求時對查詢某一方面的知識點，減少知識網(wǎng)絡(luò)查詢的時間，降低單個網(wǎng)絡(luò)的復(fù)雜度。

3 結(jié)束語

通過建立實驗知識網(wǎng)絡(luò)模型，表達了實驗課程內(nèi)容中不確定知識間的因果關(guān)系，結(jié)合實驗本身的原理知識，通過為學(xué)生推送合適的實驗前測試問題，提高了學(xué)生對于原理知識的掌握程度，是一次有益的嘗試。

對該知識庫模塊的開發(fā)尚處于起步階段，在將來的工作中，還將對本平臺的智能模塊進行進一步的完善，比如擴大知識網(wǎng)絡(luò)，并采取更多樣化的方法實現(xiàn)智能輔導(dǎo)，以進一步加強平臺與學(xué)生之間的互動。