67、科学探究学习环境中的特征集优化与数据库管理策略

科学探究学习环境中的特征集优化与数据库管理策略

1. 引言

在智能辅导系统（ITS）的研究中，贝叶斯网络（BN）已被证明可用于开发学生模型，例如PrimeClimb和ANDES等系统。然而，在科学探究学习环境中运用BN作为学生模型的研究相对较少。这类学习环境强调培养学生的科学探究技能，如提出假设、识别和操纵变量等。由于学生与系统的丰富交互会产生大量证据节点（特征），因此确定重要节点并非易事。同时，在分布式数据库领域，复制是提高可用性和性能的常用机制，但处理碎片化数据库的复制是一个挑战，因为分布式数据库被分散成多个片段。

2. 科学探究学习环境中的特征集优化

2.1 INQPRO学习环境概述

本研究使用了名为INQPRO的科学探究辅导环境，它有六个不同的界面，对应不同的学习目标和活动。学生需要制定假设陈述并识别合适的变量，还可以向动画教学代理Peedy请求帮助，Peedy仅提供间接帮助。所有学生与INQPRO的交互都会被记录，从记录文件中提取特征，用于推断学生科学探究技能的掌握水平。

2.2 证据冲突分析

在贝叶斯学生模型的研究中，通常需要迭代设计才能获得最优模型。以往的ITS工作常使用整体预测准确率来衡量学生模型的适用性，但本研究提出了证据冲突分析方法，以确保特征集的最优性。证据冲突分析不仅能检测证据（特征）之间的可能冲突，还能检测证据与构建模型之间的冲突。
冲突的定义如下：
设 $\varepsilon_i$ 和 $\varepsilon_j$ 是两条证据，冲突是比较证据的联合概率 $P(\varepsilon_i, \varepsilon_j)$ 与各证据概率乘积 $P(\vareps