35、自适应智能学习环境的探索

自适应智能学习环境的探索

1. 引言

在基于网络的学习系统中，学生建模问题一直是备受关注的重要议题。自 20 世纪 70 年代首个基于计算机的辅导系统诞生以来，该领域不断发展，从简单的静态学生模型辅导系统逐步演变为基于网络的学习系统。在这个过程中，核心问题始终围绕着学生建模，即让学习环境适应每个学生的个性化需求。

在线学习系统中的课程主要分为两类：一类是由人类教师授课，通过作业、讨论、邮件等多种方式进行教学；另一类则没有人类教师，例如支持 LISP 编程学习的 ELM - ART II 自适应辅导系统。从技术实现和应用的角度来看，后一类课程更为复杂，也更值得深入研究，因为这类课程中难以明确谁来充当教师的角色。

为解决这些问题，我们提出了一种面向代理的方法，用于设计和实现虚拟学习环境（VLE）的自适应智能组件。融入该组件的环境被称为智能虚拟自适应学习环境（VALE）。

2. 适应性与智能性的概念

适应性通常指系统适应其所处变化环境的能力。而一个系统要具备智能性，需满足反应性、主动性和适应性等特征，智能性可理解为系统的一种计算任务。

在教育系统中，有许多体现适应性和智能性的例子。例如 Steve 代理，它能根据当前情况为学习者提供合适的帮助，可灵活切换监控、演示和解释等操作，既具备适应性又有智能性；InterBook 工具则主要具有适应性特征，支持自适应导航和基于先决条件的自适应注释；NetCoach 是一个更完善的网络自适应课程开发工具；Trilogy 虚拟训练实验室则兼具自适应和智能特性，通过多代理系统实现，智能代理可根据用户需求提供信息和工具访问。

在我们的模型中，适应性表现为系统在学习过程中形