35、自适应智能学习环境的实现路径

自适应智能学习环境的实现路径

1. 引言

在基于网络的学习系统中，学生建模问题一直是研究的重点。从早期的计算机辅助教学系统发展到如今的网络学习系统，核心问题始终围绕着如何让学习环境适应每个学生的需求。

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直接指导，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，也更受关注，因为这类课程中缺乏明确的教师角色。

为解决这些问题，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。拥有该组件的环境被称为智能虚拟自适应学习环境（VALE）。

1.1 适应性与智能性

一般来说，适应性是指系统适应其所处变化环境的能力。而一个智能系统需要具备反应性、主动性和适应性等特征，智能可被视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代理能够根据当前情况为学习者提供适当的帮助，还能灵活切换监控、演示和解释等操作，既具有适应性又具备智能性。InterBook工具则主要具备基于适应性的功能，支持自适应导航和基于先决条件的自适应注释。NetCoach是一个更完善的用于开发自适应网络课程的工具，它借鉴了ELM - ART自适应网络教育系统的特点。虚拟训练实验室Trilogy则兼具自适应和智能特性，它以多代理系统的形式实现，通过智能代理根据用户需求提供信息和工具。

在本文提出的模型中，适应性体现在系统能够在学习过程中形成并统一更新满足学习者需求的课程；智能性则表现为系统能够主动发起行动，并在学习过