60、基于模糊因果用户模型的教学学习方法

基于模糊因果用户模型的教学学习方法

1. 引言

在当今的教育领域，我们不仅追求对周围世界的现象进行描述，更希望能够解释这些现象发生的原因，并预测其行为以实现有效的管理和控制。在自适应和智能网络教育系统（AIWBES）中，教学学习现象是研究的核心。我们的研究目标是通过一个预测性和静态的用户模型（UM）来提高AIWBES用户的学习效果。

研究问题聚焦于如何描绘、解释和预测AIWBES提供的讲座对用户学习产生的因果效应。为此，我们提出了一个因果多变量假设：当AIWBES根据用户属性、讲座属性、属性间的因果关系以及因果结果预测，通过UM选择特定的讲座选项提供给用户时，用户的学习效果会得到提升。

基于此，我们提出了一个模糊因果UM，用于描述、解释和预测AIWBES讲座对用户的因果影响。通过在AIWBES环境中进行实地实验，对该方法进行测试，统计分析结果为这种UM能够提高用户学习效果提供了实证依据。

本研究的创新之处在于引入认知地图（CM）作为描绘教学学习现象的因果模型工具，提出了基于模糊因果知识和推理的UM，提供了定性决策模型，展示了如何表示智能行为并使网络教育系统（WBES）适应用户。同时，研究还证明了CM在选择适合用户的讲座选项方面的有效性，为提高学生学习效果提供了新的途径。

2. 相关工作

2.1 AIWBES与UM的需求

AIWBES致力于适应学生的需求，并通过执行一些传统上由人类导师完成的任务来实现智能行为。为了满足任何用户的特定需求，AIWBES需要一个UM来建模用户的相关方面。

2.2 不同类型的预测性UM

• 监督训