人工智能教学策略

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇人工智能教学策略范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

人工智能教学策略范文第1篇

关键词：人工智能；计算机辅助教学；智能计算机辅助教学系统

随着现代科学技术的飞速发展，先进的技术在教学领域得到了广泛的应用，并对教学过程产生了深刻的影响。其中，人工智能技术产生的影响最为深刻。它将先进的教学手段引入教学过程，在营造理想的学习环境、激发学生的学习兴趣以及提高教学效率等方面起到了重要作用。

一、人工智能

1. 人工智能的定义

人工智能（Artificial Intelligence，简称AI）是计算机科学、控制论、信息论、神经生理学、语言学等多种学科相互渗透发展起来的一门综合性的交叉学科和前沿学科。其精确定义是：一个电脑系统具有人类知识和行为，并具有学习、推断、判断来解决问题、记忆知识和了解人类自然语言的能力。

2. 人工智能的研究内容

人工智能作为一门综合性学科，其研究内容涉及到许多方面，其中与教学实际关系较为密切的是以下四个方面：

（1） 问题解决。问题解决（Problem Solving）是人工智能研究初期的主要研究内容之一，也是其他内容的研究基础，它主要研究计算机的知识表达和推理技术。

在教育领域中，研究问题解决的实际意义在于，把人类解决问题的基本过程赋予计算机，使其能够按照人类的思维规律进行问题解决，帮助学生进行有效的学习。

（2）模式识别。模式识别（Pattern Recognition）是近三十年来在信息科学与计算机科学的基础上发展起来的新兴科学，后期它又受到了人工智能科学的影响，得到了新的发展。因此，常被作为人工智能学科的一个分支。

简单地说，模式识别就是研究用电子计算机代替人来识别事物和环境的方法。所谓模式是指那些供参照模仿用的理想化的标本。因此，具体来说，模式识别的含义就是识别出给定的事物与哪一个标本相同或相似。模式识别有时可以理解为模式分类，即判别给定的事物应该属于哪一类标本。被识别的给定事物通常是字母、符号、汉字、图像、声音、语言、景物，也可以是统计数字、图表、教授状态、学习状态等，应用于教育时则称为教育模式识别和学习模式识别。

（3）自然语言理解。对自然语言理解（Natural Language Processing，简称NLP）的研究能为实现人机自然语言直接通信提供可能，并减少软件生产的负担，从而间接地推动计算机的广泛应用，提高自动化操作效率。因此，它已经成为人工智能研究中最为棘手的问题。

自然语言是人机对话的最方便的语言，其发展的最终目标是把自然语言作为程序语言来使用，使计算机直接执行自然语言，不需要中间的解释过程。

在教育领域中，计算机对自然语言的理解有助于人机对话的实现，从而能够增进计算机与学生之间的交互作用，把原有的计算机辅助教学条件下的计算机主动变为智能计算机辅助教学条件下的人机交互主动。

（4）专家系统。所谓专家系统是指一个（或一组）能在某特定领域内，以人类专家的水平去解决该领域中困难问题的计算机系统。其特点在于能把人类专家在解决问题过程中使用的启发性知识、判断性知识分成事实与规则，以适当形式存储到计算机中，建立知识库，并基于知识库采用合适的产生式系统，按输入的原始数据选择合适的规则进行推理、演绎，作出判断和决策，可起到专家的作用，因此称为专家系统。

专家系统是人工智能中最为重要的研究内容，在教育领域中的应用也最为广泛与活跃。教学专家系统的任务是根据学生的特点，以最合适的教案和教学方法对学生进行教学辅导。

二、计算机辅助教学

1. 计算机辅助教学的定义

计算机辅助教学（Computer Aided Instruction，简称CAI）是在计算机辅助下进行的各种教学活动，以对话方式与学生讨论教学内容、安排教学进程、进行教学训练的方法与技术。CAI能为学生提供一个良好的个人化学习环境。通过综合应用多媒体、超文本、人工智能和知识库等计算机技术，克服了传统教学方式上单一、片面的缺点，有利于激发学生的学习兴趣和认知主体作用的发挥。同时，它所提供外部刺激的多样性有助于知识的获取与保持。因此，使用CAI能有效地缩短学习时间、提高教学质量和教学效率，实现最优化的教学目标。

2. 计算机辅助教学的现状

尽管计算机辅助教学要比传统的教学模式先进不少，但并不是最完善的，它还存在许多不足，主要表现在以下几方面：

（1） 缺乏人机交互能力。在教学过程中，CAI课件的教学信息是按预先设置的教学流程机械式地提供，教师只能按预定的课件流程进行操作，学生的学习也是被动的，不能很好地参与教学过程。因此，人机交互能力没有很好地体现出来。

（2）缺乏师生互动。学生在自学及使用现有的CAI课件时，大多采用的是自主学习的方式。使用这种方式时鲜有师生互动，因此课件的效果会大打折扣。同时由于缺乏网络支持，现有的绝大多数CAI课件都是在单机环境下运行的，无法使用网络来快速更新知识内容，更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。

（3） 缺乏智能性。现有的CAI系统很多都没有智能性，无法进行有针对性的教育。学生的学习是被动的，他们不能根据自身情况调整学习进度。对教师而言，教学参与度太低，他们不能按照学生的认知模型为其准备最适合的学习内容，更不能给予不同的教学模式与方法。

（4） 缺乏广泛性。CAI系统的设计都是围绕某一知识领域，对于教学内容、问题的设计和答案的呈现，都必须在原设计系统允许范围内实现,无法根据具体教学、学习情况提出新的方案。

由此可见，传统的CAI系统本身具有无法克服的缺点。随着人工智能技术的发展，人工智能技术将会越来越多地应用在教育领域。把人工智能技术引入CAI系统，使CAI系统能合理安排教学内容，变化教学方法来满足个性化教学的需要，因此就产生了智能计算机辅助教学系统。

三、智能计算机辅助教学系统

随着计算机科学和人工智能技术的不断发展和成熟，将AI引入CAI中，使CAI系统可以理解教什么、教谁以及如何教，因而也就能合理安排教学内容、改变教学方法，去满足个别教学的需要，这就是以AI技术和认知科学理论为基础而形成的智能计算机辅助教学系统(Intelligent Computer Assisted Instruction，简称ICAI)。它是计算机应用技术的一个新领域，代表了一种新的教学思想和教学方式。智能计算机辅助教学系统的出现，提高了教学质量，改善了教学的效率。

1. 智能计算机辅助教学系统的基本结构

ICAI系统主要是在知识表示、推理方法和自然语言理解等三方面应用人工智能技术。其本质上是一个基于知识的教学专家系统，通常由专家模块、学生模块、教师模块和智能接口模块组成。它的组成结构如下图所示：

（1）专家模块（知识库）。专家模块是由题域知识构成，它包括两方面的知识：一是教材内容、提问信息、教材重点、难点、评价等有关课程的知识；二是有关应用这些知识来生成问题，推理解题的知识。其功能有：作为系统全部知识的来源，为系统其他模块频繁调用，以实时完成用户行为响应，通过知识库知识，生成相应的问题、任务以及解释；通过同步问题解答，并通过预期学生行为与实际学生行为之间的比较，评价学生知识掌握程序以及学习状态、学习方式偏好等。这个部分相当于一个根据事实进行演绎推理求出解答的专家部件。

（2）学生模块。系统通过学生模块建立对学生的了解，通过比较学生行为与专家行为，对学生进行智能模拟，包括学生的知识状态、认知特点和个性特点等。学生模块用来表示学生的学习历史、当前知识水平、解题行为等方面的知识。其任务是：表示学生对所学知识的理解程度，反映学生已掌握和未掌握的部分，通过发现错误并作出错误根源的假设，为进一步指导提供依据。

（3）教师模块（教学策略模块）。在CAI 课件的交互作用中，教学策略是与教学内容融合在一起，通过教学的分支来体现的。这样做的不足是，某一教学内容只能按某一种（或几种）固定的教学策略来教。而在ICAI中，教学策略与教学内容是分开的。这样在教学过程中，系统可随时根据教学的需要，选择不同的教学策略。

教师模块的主要任务是在一定的教学原理的指导下，选择适当的教学内容，并通过接口以适当的表达形式，在适当的时刻展示给学生。该模块的主要功能有：为学生提供学习环境；指导学生的学习活动；解释现象、过程和原因；为学生提供帮助和学习材料；监视和评价学生学习活动。

（4） 智能接口模块。智能接口模块的作用是处理学生与系统间的信息交流。模块要完成两项任务，一是在教学模块作出教学决策后，智能接口模块要以一定的形式把教学内容发送出去；二是建立学生输入信息的方式，接收学生输入的信息。

2. 智能计算机辅助教学系统的发展方向

ICAI系统在发展中不是孤立、单一的，它是伴随着多种技术以及人工智能在多种领域应用的不断发展而发展的。其未来的发展方向表现为以下几方面：

（1）与网络技术的结合。随着多媒体技术和Internet网络的飞速发展，多媒体教育应用与Internet网进一步融合，CAI 不仅仅只在智能上单一发展，它不可避免地还要向多维的网络空间发展。目前，已有不少基于Internet网的多媒体教育系统在使用，它们借助网络的优势，完成在线学习、实时讨论、网上测试等多种教学任务。将网络CAI与智能CAI有机结合，互相补充，能构建成一个新的系统工程。

（2）智能（Intelligent Agent）技术的使用。人工智能（AI）技术在ICAI中的应用，除了体现在对多媒体教学系统中引入学生模块和知识推理机制以外，还可以起到在“智能导航”浏览中，使用“智能”技术代替教师、学生进行指导学习和搜索学习的作用。

在CAI中，学生学习查询有效知识可以使用进行搜索、导引，由于它自身具备的学习功能，能够主动、高效地从Internet中发现和收集用户所需要的信息。因此，它有助于解决使用单一关键字匹配查询、搜索引擎引起的大量无关信息的涌现、信息检索的精确度不高等问题。将“智能”技术引入到ICAI中，将使得教师和学生在教与学的过程中，提高知识选取效率、加强交互学习和自主能动性学习。

（3）远程教学。结合网络CAI、智能CAI以及多协作，可以实现真正意义上的远程教学模式。ICAI系统不仅可以作为教师，为学生学习提供指导，也可以作为学生，辅助学生学习，还可以成为学生学习、交流、协作过程中多方面的。因此,具有多种特性优势的远程教学具有广阔的发展前景。

（4）虚拟现实（Virtual Reality）的应用。虚拟现实也叫人工现实（Artificial Reality）,是由多媒体技术与仿真技术以及计算机技术相结合而生成的一种交互式人工世界。它的根本目标就是达到真实体验和基于自然技能的人机交互。在教学辅助中，使用创建的虚拟环境，在一般人所不能亲身体验的情景中，达到演示、操作的教学目的。目前在教学中使用的有：基于Web的火电厂的虚拟实景建构学习、建筑设计的实景化学习、医学内消化道实景教学等。

四、结语

到目前为止，人工智能技术已经逐步应用于计算机辅助教学中，与教学现代化有着密切的关系。随着人工智能技术的发展，智能计算机辅助教学系统的成效将更加明显。新世纪的教学手段将是以智能化CAI为主线，多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念，大大扩展了人类的能力，促进了教育事业的进一步发展。

参考文献：

[1]何克抗.教学媒体的理论与实践[M].北京:北京师范大学出版

社,2003.

[2]谢三毛.人工智能在计算机辅助教学中的应用[J].华东交通大

学学报,2005(12).

[3]刘志勇,王阿利,张伟斌.人工智能在计算机辅助教学中应用研

人工智能教学策略范文第2篇

关键词：新工科；人工智能导论；实践教学；校企合作；案例库

随着物联网、大数据、5G及人工智能等信息技术的发展，为了应对中国产业变革及新一轮的科技革命，适应“中国制造2025”国家战略需要及产业经济创新发展，同时将国际工程教育思想本土化，“新工科”应运而生[1]。信息技术发展催生出了人工智能相关的专业，国内高校纷纷设立了智能科学与技术专业。近年来，人工智能技术的发展引领着人类社会正逐渐走进智能社会，人工智能将深刻影响人类社会。随着人工智能的进一步发展，高等教育的价值也将进一步提高[2]。因此，各高校应尽快建立与新工科相一致的智能科学与技术专业，并深入研究我国人工智能的人才培养体系、课程设置、实验平台及成果转化等方法，改革传统人工智能的教育教学方法，形成有新工科特色的智能科学与技术专业工程教育方法。由于传统的专业是按学科划分的，因此，目前的智能科学与技术专业课程体系以理论为主，强调学科知识的系统性和完备性[3]。人工智能导论作为智能科学与技术专业的核心课程，同时也是人工智能“入门性”和“引导性”的课程。但是，目前人工智能导论的课程设置上主要存在课程内容陈旧、实践课程不足、教材理论过强、教学模式老旧及实践教学与企业需求不适应等问题。尤其是人工智能导论课程，缺乏实践教学将会降低学生学习人工智能的兴趣和积极性。因此，为了解决这些问题，并使高校跟上人工智能时代的脚步，抓住高等教育发展的新机遇，进行面向新工科的人工智能导论实践教学模式探索具有重要的现实意义。

1人工智能对新工科人才的新要求

1.1具备多学科交叉知识。人工智能导论是一个多个学科交叉而成的一门课程。人工智能导论主要包括知识系统、智能搜索技术、脑科学、机器学习、神经网络、支持向量机、专家系统、智能计算及分布式智能等内容[4]。因此，一个合格人工智能专业人才需要具备多学科知识。1.2具备多领域应用能力。人工智能导论的应用领域广泛，基本包含工业、农业及社会生活的各个行业（如工业生产、通信、医疗、金融、社会治安、交通领域及服务业等）[5]。人工智能导论课程要求学生在学好理论前提下也应该掌握各行业的相关知识，只有这样才能提高人工智能技术在各领域的应用。1.3具备人工智能创新创业精神。目前，创新驱动发展成为了我国现阶段发展的重要力量，人工智能成为经济发展的新引擎[5]。在大众创业、万众创新的号角下，人工智能技术作为创新创业过程中的一个大趋势。因此，当今新形势下培养具有创新创业精神的人工智能专业人才对我国经济发展及大学毕业生创新创业具有重要意义。1.4具备人工智能人文素养。人的内在品质就是人文素养，人文科学的知识水平和研究能力是人文素养的重要组成部分，人文素养是人文科学体现出来的以人为研究对象和中心的精神[6]。人工智能对人类社会带来的是便利还是带来灾难，关键是使用者的思想道德和人文素养。因此，培养具有人文精神的人工智能专业人才具有重要的意义。

2人工智能导论课程教学现状

目前，许多高校已经认识到传统的人工智能导论课程已经不能适应社会和学生发展的需要。尤其是地方普通高校在师资、科研及学科力量薄弱情况下进行人工智能导论的实践教学。目前人工智能导论的课程设置上主要存在的问题如下：⑴本科生课程内容陈旧。近年来，随着云计算、大数据、5G等信息技术的快速发展，也带动人工智能技术发展日新月异。对于高校来说，要紧跟人工智能技术前沿，传授学生的知识也要紧跟人工智能的发展。目前，虽然也出现了不少新的人工智能导论教材，但在课堂上能够教学的新内容仍然不多，教材内容仍然集中在传统的人工智能技术（如问题求解、知识表示、归结原理及经典推理等技术）上。⑵研究生课程内容重叠。研究生的人工智能导论课程应作为本科生课程的一个延续，但部分高校对研究生人工智能导论课程的教学重视不够。很多本科生已经学过的内容在研究生阶段又进行了重复。因此，在新工科背景下培养高层次的人工智能人才，就必须要在研究生阶段加强新工科人才实践能力的培养，选择合理的人工智能导论课程，改革研究生阶段人工智能导论的教学理念和教学模式。⑶实践课程不足。实践教学是提高人工智能新工科人才能力的重要路径。目前，大多数院校的人工智能导论课程理论与实践联系不够紧密，对学生实践能力的培养不够，只知道理论，而不进行实际的实践应用就不能成为合格的人工智能新工科人才。另外，大多数地方高校的人工智能实验室建设投入不足，实验条件差，验证性的实验较多，实验课时不足，学生对人工智能新技术的接触不够。⑷人工智能导论教材理论性过强。目前，现有的人工智能导论教材以理论为主，缺乏人工智能实践内容。在课程教学过程中学生经常会感觉索然无味，当实践课程开设不足时，这种情况会非常明显。学生会渐渐的对人工智能导论课程失去兴趣和热情，最终会导致课程的教学质量和效果下降，不能达到新工科人工智能专业人才培养的预期。⑸教学模式老旧。人工智能导论是多学科交叉的课程，课程内容理论性强、抽象、多知识点是新工科的特点。然而，大多数地方高校仍然采用过去的课堂教学模式（即“教师讲、学生听”的教学模式），这种单向灌输的教学方式以教师为主，学生的主动性不够，只是在被动接收知识。学校这种重视理论不重视实践的教学模式，在一定程度上影响了新工科人才的实践能力，从而导致教学内容与企业社会需求脱节。

3人工智能导论实践教学初探

3.1人工智能导论课程实践平台建设。为了提高学生对实践教学的兴趣，南阳师范学院计算机科学与技术学院在人工智能导论授课过程中广泛应用多种计算机实验教学平台，如采用开源的PaddlePaddle百度飞桨深度学习平台，希冀一体化人工智能实践教学平台及大数据综合实验平台。教师可以在实践教学过程中方便的使用这些平台进行授课，学生也可以在课堂中跟随老师完成相关实验，并能够在课下进行相关实验练习及提交作业。3.2人工智能导论课程实验内容优化。在人工智能导论实践教学过程中，以学生兴趣为导向，开展相关应用课程实验，南阳师范学院计算机科学与技术学院对人工智能导论实验课程内容进行优化。优化后的主要实验课程包括搜索优化算法实现、智能计算实现、贝叶斯分类实验、最近邻算法实验、机器学习实验及神经网络实验。最后，通过期末课程设计进一步提高学生解决实际问题及创新创业的能力。3.3人工智能导论实践教学模式改革。⑴校企合作为使人工智能导论实践教学不与企业脱节，校企合作是关键。应积极派遣教师进企业进修，了解企业需求，并提高教师的工程能力。从2018年以来，南阳师范学院计算机科学与技术学院每年暑假期间累积派遣教师58人/次前往百度、中兴、科大讯飞、神舟数码及江苏传智播客公司等进修培训。同时已经在固定时间邀请相关企业讲师到学校进行人工智能方面的项目教学。建立起了具有地方区域特色的师资队伍及校企协调的实践教学模式，从而避免人工智能导论课程实践与企业实际脱节。⑵“双导师”负责制人工智能导论实践课程实行“双导师”制，邀请企业中实践经验丰富的人才任教或任职，校企合作建立实践教师指导团队，改革教学策略及教学方法，以项目为牵引，将人工智能导论实践课程作为第二课堂学分。还要积极制定人工智能相关的科技作品竞赛的奖励机制，积极引导学生参加各种人工智能相关的比赛，从而进一步提高学生在创新实践方面的能力。⑶采用案例教学法以案例导入进行教学，提高学生兴趣。首先，从人工智能竞赛的部分赛事中、（如百度的人工智能大赛，“2020年全国人工智能大赛”，“2020中国高校计算机大赛人工智能创意赛”等）中选取贴近实际问题的案例作为人工智能导论实践课程的案例来源。然后，采用目前主流的人工智能开发软件进行算法代码的编写，引导学生采用Python语言调用第三方接口库进行算法的实现。最后，让学生使用主流的编程语言（如C++、Java等）开发完善算法或进行系统设计与实现。

4结束语

在新工科背景下，人工智能导论作为智能科学与技术专业的基础核心课程，人工智能人才培养应注重提高学生解决问题的能力。在这种背景下，笔者结合近年来了解到的企业需求和上课的实际，对人工智能导论实践教学模式进行初探，具体如下：①校企合作，构建人工智能实践平台；②建立案例库，优化实践的内容；③校企“双导师”制，采用案例教学，从而进一步提高学生在创新实践方面的能力。

参考文献:

[1]杨晴,王晓墨,成晓北等.新工科背景下的新能源科学与工程专业——哈佛大学工科教育在学科交叉方面的启示[J].高等工程教育研究,2019.S1:23-24，33

[2]李明媚,成希,罗娟.人工智能时代的高等教育之变与不变[J].黑龙江高教研究,2020.2:41-44

[3]陈义明,刘桂波,张林峰等.智能科学与技术专业课程体系建设的理论思考[J].计算机教育,2020.309(9):103-107

[4]刘永,胡钦晓.论人工智能教育的未来发展:基于学科建设的视角[J].中国电化教育,2020.2:37-42

[5]姚琳,石志国.人工智能课程体系与教学方法研究[J].中国大学教学,2019.10:19-22

人工智能教学策略范文第3篇

关键词:教学模式;创新;在线课程

在大学数学教学中，主要以幻灯片展示与板书相结合的形式进行教学。然而，面对人工智能、教育信息化等技术浪潮，教学模式也急需创新。教学模式的创新，就是为了给学生们构建智能化、网络化、个性化、终身化的教育体系。教学模式的创新，使得学习者能够自主选择学习时间、地点、内容和方式。教学模式的创新，拓展了学习者受教育的时间与空间。教学模式的创新，改变了传统的教师讲授式的“重教”的教育理念，使学生的学习个性化，最终达到教师与学生共融的目标。那么，教学模式如何创新呢，我们介绍以下创新路径。

1加强在线课程平台建设，实践教学模式的创新

“开放、共享”理念逐渐被教师和学者们认可，使得开放的教育资源逐渐走向更加科学、系统。在线课程平台可以满足学生个性化学习的需求，使学生在碎片化时间中促进生成性学习和智慧性学习的发生。在线课程平台采取“化整为零”、“自上而下”的民主化和平民化建设理念，汇集了大量的优秀教育资源，拓展了知识传播路径，为学生提供了自由共享的学习空间。同时，在线课程也以它的非结构化和易于重用的特点和优势，促进了教师应用在线课程。高校的翻转课堂和微课建设实现了理念转向，以适用性和实用性为着力点和突破口为在线课程平台建设出力，建设了一批国家精品课程，使得教育资源更加开放和共享。在线课程平台的建设，使得学生可以在课余的时间自主学习。课前预习，预习结束后有客观题供学生检测预习效果，客观题在题库中随机选取，每个学生的客观题不尽相同，但是整套题的难易程度是相同的，便于教师在查看学生的预习效果时，可以更好地区分学生预习效果的差异性。课后复习，与课前预习的题库的设置理念相同。然而，远程教育师生时空分离的环境中，学习效率与教学质量难以保证。那么，我们必须要有相适应的学习支持服务系统，而取得学业的良好保证是学习分析技术，运用多类分析方法和数据模型解释与预测学生的学习表现，从而准确把握学科教学目标，调整教学策略，优化教学过程。

2人工智能助力教学模式的创新

人工智能技术中的智能辅助系统和教育机器人可以监控学生的个性化学习。通过学习分析技术和用户画像技术，搜集学习者学习数据，平台为学生提供适切的学习资源和路径。结合知识图谱，建立领域知识库，辅助教师针对学生的不同能力生成不同试题并进行作业批改。通过提供沉浸式的虚拟学习环境，学生可在任意时间、任意地点参与到学习中。除此之外，任何事物均有两面性。反思性实践者的教师和学生，需要教师批判地分析和判断人工智能技术应用的教学体验。

3教学相长、创新管理模式推动教学模式的创新

传统的教学模式以教师为主导，在线课程倡导“以学习者为中心”。在传统的教学模式影响下，在线课程体现的教学模式受到制约。传统的教学模式“重教”，在线课程“重学”。“重教”与“重学“不能截然对立，应在“重教”基础上“重学”，达到教学相长的目的。在线课程，让教师树立以学生为中心的理念，主动适应新技术引发的教育教学改革。教师在平时应注重加强线上课程和线下教学环节的整体设计，线上注重课前预习与课后复习结果的反馈，节省了批改作业的时间。线下注重教学的教，提高教学质量和教学水平。要营造良好的在线教育建设环境，切实有效地调动教师建设在线课程的积极性和主动性。需要有配套的制度加以支持在线课程的建设。建立高效的课程教学团队，帮助老师摆脱琐碎的事务性工作。在信息推送、学习互动环节减轻教师的工作量，使教师有更多的精力和时间投入到关注学生的学习进程中，开展深层次的交互和共享。在制度设计上，给予教师更多支持，比如在工作量计算、职称评定等方面进行一定比例的倾斜，给予奖励在在线课程研究方面有建树的教师。

人工智能教学策略范文第4篇

关键词：信息技术教师；知识结构；TPITK；案例剖析

中图分类号：G40-057 文献标识码：A 文章编号：1671-7503（2013）05-0038-03

引言

教师知识结构对教师的教学行为和学生的学习效果具有重要影响。信息技术教师作为信息技术教育的实施者，其知识和知识结构直接影响着信息技术教学的质量。TPACK框架自2005年首次提出以来，对信息化教育环境下教师的知识建构及知识结构梳理具有重要指导意义。国内对于信息技术教师的TPACK研究还处于初步阶段，尤其是基于案例的信息技术教师TPACK特征分析还不多见。因此，本文在TPACK基础上提出针对信息技术教师的知识结构模型TPITK，并对其做出基于案例的深入剖析。

一、TPACK简介

（一）TPACK内涵

2005年，美国学者Koehler和Mishra从教师知识角度出发。在学科教学知识的基础上，首次提出TPACK这一教师知识新框架。

TPACK框架在Shulmanl31141教授提出的“学科教学知识”基础上加入了技术知识，并突出在技术使用中学科内容和教学法的角色，以及技术对它们产生的反作用。它是学科内容知识、一般教学法知识和技术知识三者的复杂互动，是整合了这三种知识而形成的新知识。它强调其中的三种知识元素都是有效技术整合必不可少的成分，并且这三种知识领域不能分离，应形成一个整体。

（二）TPACK构成要素

TPACK模型有三个单一的知识要素：学科内容知识、

一般教学法知识（Pedagogical Knowledge，PK）和技术知识（TechnologicalKnowledge，TK），以及这些知识要素交互所形成的学科教学知识（Pedagogical Content Knowledge，PCK）、整合技术的学科内容知识、整合技术的教学知识（Technological PedagogicalKnowledge，TPK）、整合技术的学科教学知识。

二、TPITK理论框架分析

TPACK框架应用于信息技术教师可进一步衍化为TPITK框架。TPITK框架由七种知识要素构成，即信息技术知识（ITK）、一般教学法知识（PK）、技术知识（TK）、信息技术教学知识（PITK）、整合技术的信息技术知识（TITK）、整合技术的教学知识（TPK）和整合技术的信息技术教学知识（TPITK）。

TPITK框架是TPACK框架的子集，是特定适用于信息技术教师的知识结构模型。框架中的三个基础知识要素——ITK、PK和TK代表了信息技术教师需具有的三个专业特性——学术性、师范性和技术性。当然，技术性能否成为与学术性、师范性并列的第三向度尚有疑问，但是，无可否认的是，技术在今天的教师职业养成和职业发展中占有十分重要的地位。基础知识经由互动整合和动态平衡形成的核心知识——TPITK正是信息技术教师专业综合素养的体现。

核心知识TPITK指在不同境脉下重建信息技术知识、一般教学法、技术三者之间动态平衡的意识和能力。TPITK是一种策略性的思维方式，它的形成不是各知识要素的简单组合或拼凑，而是经由陈述性知识（信息技术学科内容、教学法和技术的定义、术语、事实和描述），通过在相同或不同情境中的练习和运用，转化为程序性知识（完成一项或多项信息技术教学任务所涉及的步骤），最后形成策略性知识（在技术环境下对信息技术课程、学习者、课堂境脉的计划、组织、评价与概括）。

三、基于教学案例的教师TPITK剖析

对教师知识框架的分析不能脱离特定的课堂境脉。为此，下文结合2011年“永中杯”全国普通高中信息技术优质课特等奖案例，挖掘特定情境下优秀教师TPITK框架中的具体知识构成，并分析教师在实践中运用TPITK的特征表现。

（一）教学过程

本案例涉及内容是广东教育出版社出版的《人工智能初步》信息技术（选修5）中的第1章第2节，主要任务是让学生了解人工智能的基本内容，激发学生对人工智能技术进一步探索求知的欲望。整个教学过程分为课题引入、实例分析、分组实践、课堂延伸四个部分。

1.课题引入

首先，教师通过图片和视频展示校机器人队训I练和比赛场景，吸引学生注意，提出人工智能概念。然后，教师引入限时还原魔方环节，并提问学生：你在解魔方时用到了身体的哪些器官？学生通过现场体验回答出眼睛、大脑、手三个必不可少的器官。最后，在教师的启发诱导下，学生由这三个器官归纳出人类智能的三大要素：感觉要素、思考要素、运动要素。

2.实例分析

教师展示自制教具——魔方机器人，并提出问题：机器人解魔方需要哪些器官？学生通过观察实物及类比人类智能，思考后得出答案。

教师通过实物结合PPT介绍机器人各器官，使学生对机器人有一个整体印象。然后教师操作机器人，使之分阶段演示解魇方。通过电脑摄像头，学生能清楚地观察到机器人的局部特征。在此过程中，教师步步递进，引导学生归纳出人工智能三大要素：感觉要素、思考要素、行为要素。

教师播放机器人解魔方完整视频，让学生思考导致视频中机器人与现场机器人智能差异的原因，为后续探究作铺垫。

3.分组实践

教师用实物及PPT展示“百变飞碟”机器人，使学生对该机器人的结构及功能有一个整体了解，激起学生探究欲望。然后教师介绍图形化编程软件——能力风暴，让学生大致了解编程的思想及流程。

教师按小组分发“百变飞碟”，布置任务，让学生通过图形化编程实现机器人行动。在学生探索过程中，教师巡回指导，并通过电脑摄像头展示学生探索过程及学生作品。最后，各小组汇报成果，教师层层设问，帮助学生总结影响机器人智能差异的因素。

4，课堂延伸

教师通过提问：你还想让机器人做哪些事情？未来的机器人又会是怎样的呢？引导学生畅谈现在，憧憬未来。最后，教师与学生一同总结课程。

（二）具体知识

通过对上述教学过程的整理分析，笔者总结出该教师的TPITK具体知识构成及能力体现，如表1所示：

（三）特征表现

通过深入剖析本案例，以及对2011年“永中杯”全国普通高中信息技术优质课30个案例的梳理分析，笔者总结出具有良好TPITK的教师会呈现出以下特征：

第一，拥有扎实的教学主题知识和良好的课程整合能力。从本案例可以看出，教师深刻理解人工智能的相关概念、理论及发展脉络，熟练掌握机器人工作原理和实践操作，正确把握知识点间的联结与层次递进关系。在授课过程中，教师还整合进通用技术“简易机器人制作”模块相关内容，使学生对技术的思想有所领悟，技术的方法得以运用。在其他案例中还体现了信息技术教学主题与数学、美术等学科的整合。

第二，具有清晰系统的教学策略。在本案例中，教师设计的教学主线、教学互动和任务都紧密围绕“人工智能基础知识”进行，教学中每一步骤都以前一步为基础，着眼于学生的最近发展区逐层深入。并且，教师通过不断提问，促使学生将“思考”贯穿于“看听做”整个过程中。从另一些优质课案例也可看出，教师能根据学生情况进行教学推理，以适合学生理解的方式授课。

第三，勇于设计基于技术支持的课，乐于将技术交到学生手上。“人工智能初步”是有关基础性知识的纯理论课，但在本案例中，教师精心设计，使各个理论知识点都具有技术实践的支撑，并使用触手可及且不断变化的技术手段，如电脑摄像头、简易计时器软件等优化知识表征、加强师生互动。教师不仅通过演示机器人使学生对人工智能有整体直观的把握，而且将机器人交到学生手中，让学生在探索中直接体验人工智能。在此，技术不仅是教师呈现内容的工具，更是学生获取知识的手段。在另一些优质理论课案例中，教师均通过技术使理论先落实到实践，待学生有经验性的感知后，再将实践上升到理论。

第四，敢于将即兴的创作融入精心的教学计划中。教学是一个复杂和结构不良的问题，很少有——也许没有一般的原理可适用于任何情境。同样，也很难有一成不变的教学计划能框定整个教学过程。本案例中，教师并不忽视或排斥学生在探索机器人过程中的失败，而是即兴于学生的失败中挖掘共性，临时增设内容，帮助学生解决问题，促进学生思考。在其他案例中也能看到多处此种超越教学计划的即兴创作。

人工智能教学策略范文第5篇

关键词：

中图分类号： TP391．7 文献标识码： A 文章编号：2095－2163（2011）03－0027－04

Application of Multi－AGENT in Network Intelligent Tutoring System

WANG Jianhua

Abstract：During many years, traditional modes of computer-aided teaching can not meet the educational needs of universities and colleges. And there exist a low degree of intelligence, lack of teaching strategies and other shortcomings for most of the traditional teaching system softwares. So intelligent tutoring system has become a research hotspot of intelligent computer education. Combined with the features of Multi-AGENT and the application theory in intelligent tutoring system, the paper presents the design model of network intelligent tutoring system based on Multi-AGENT, analyzes in detail system-level functions, and gives out the classification design of system database, as well as the characteristics of system model.

Key words：

0 引言

智能教学系统是当今计算机辅助教学领域研究和应用的热点。网络应用于教育领域，使得高校的教学方法、教学手段有了很大的改变，从而彻底地改变了人们的教育观念和教学模式。网络教学系统可以为教学双方提供海量的教学资源，使学习者之间在海量的用户中实现了无限沟通和交流。多AGENT系统应用于智能教学系统是最新的技术，建构主义教育思想和人工智能领域中理论的结合使得智能化的、面向学习效果的、交互的远程学习模型的建立成为可能[1]。本文提出了一个基于多AGENT的网络自主和协作模式的智能教学系统模型，并分析了系统的逻辑功能和特点。

1 多AGENT系统及应用

1．1 多AGENT系统的概念

多AGENT系统是由多个可计算的AGENT组成的集合。每个AGENT能作用于自身和环境，操纵环境的部分表示，并与其它AGENT通讯，从而通过AGENT间的合作、协商、协调、联盟，模拟现实社会中的群体智能活动，完成复杂的任务[2]。多AGENT的这些特点正可以用来解决网络教学中的问题。

Multi－AGENT系统是指一些通过多个AGENT协作完成某些任务或达到某些目标的计算系统。单个AGENT的能力是有限的，但可以通过适当体系结构把多个AGENT组织起来，从而弥补各个AGENT的不足，使整个系统的能力超过任何单个AGENT的能力。多AGENT系统表示一个问题需要多个求解实体，这种系统具有传统分布，并发问题求解的优点，同时具有复杂的交互模式。

1．2 多AGENT系统的体系结构

多AGENT系统体系结构的选择影响系统自主性、自适应性的程度。体系结构中必须有共同的通信协议或传递机制。对于特定的应用，应该选择与多AGENT系统相匹配的结构。文献[3]将多AGENT体系结构划分为以下三种。

（1）集中式结构。采用类似星型网络的结构，将AGENT分成若干个组，每个组内的AGENT 采取集中式管理，即每一组AGENT提供一个控制AGENT，以此来控制和协调组内不同AGENT的合作，如任务规划和分配等等。

（2）分布式结构。各AGENT组之间和组内各AGENT之间均为分布式结构，各AGENT组或组内各AGENT无主次之分，处于平等地位。

（3）层次式结构。集合了集中式和分布式两类结构。其中包含一个或多个层次结构，每个层次结构有多个AGENT，这些AGENT可以采用分布式或者集中式。相邻层之间的AGENT可以直接通信，或者利用控制AGENT进行广播通信。

1．3 多AGENT技术在网络教学系统的应用

智能AGENT可以以虚拟的教师、虚拟的学习伙伴、虚拟的实验室设备和虚拟的图书馆管理员身份出现，从而增强教学内容的趣味性、个性化和人性化色彩，改善人机教学效果，使远程教学效果达到和超过传统的教学效果[4]。在学习过程中，智能AGENT可以根据学生的个体差异安排学习计划、学习建议；在练习和训练过程中，智能AGENT根据各个学生的学习进度和学习水平，为学生提供合适的习题与实验，相当于私人教师进行个别授课与个别辅导。当学生在网上学习迷航时，智能AGENT还能起到导航的作用，为学生指点迷津，顺利地将学生带到目的地。

2 基于多AGENT的智能教学系统模型

本文提出的基于多AGENT的智能教学系统，主要面向三类使用者：学生、教师和管理者。通过相对应的AGENT对使用者的使用行为进行学习和模拟，从而可以引导其个性化地使用该学习系统。系统除了要实现教师和学生在课堂教学中的一切功能以外，还要提供许多远程功能，例如：作业的提交和评价、同学间的协作学习、教学策略的实时更新等。笔者提出的基于多AGENT的智能教学模型如图1所示。整个系统在逻辑上由数据提供层、访问控制层、公共服务层、教学应用层、用户协作层和用户层6个部分构成。

2．1 用户层

教学系统的所有用户可分为学生、教师和管理员三个部分。由于用户角色的不同以及行为和思维习惯的不同，导致其使用的系统功能不同，使用习惯也不同。由于不同的用户可能来自于不同的网络平台，例如互联网、手机WAP网、各种类型的终端设备等，系统的设计可以整合所有异构网络平台。用户无论在何种网络平台下，都可以正常使用系统。

2．2 用户协作层

对于使用系统的所有用户，用户协作层负责身份验证。对于已经登录到系统中的用户，用户协作层中的“学生协作AGENT”和“教师协作AGENT”负责多个学生之间的协作学习以及多个教师之间的协作教学。根据不同学生用户的特性，并依据系统掌握的教学策略和规则，系统会适当地将学生用户按照不同的原则进行分组，或者将各方面程度相近的学生分成一组，或者将不同程度的学生分成一组，以模拟实际的教学环境。

2．3 教学应用层

学生用户和教师用户的一切教学活动都在教学应用层中完成。有关教学的每一个应用都分别对应一个AGENT，可引导用户进行操作、为用户提供个性化操作界面和教学内容；与其它AGENT进行通信、协作，智能地选择适合用户的教学策略。

（1） 学生与教师共同的应用

教学系统模型中关于教师和学生共同的应用有讨论答疑、作业管理、课程报告管理、学习评价管理等。

① 讨论答疑AGENT面向所有用户提供讨论服务，可以根据学生用户不同的学习风格、问题讨论的范围等因素智能地实现自动分组讨论。

② 作业管理AGENT协助教师AGENT负责为不同类型、不同程度的学生用户分发作业，协助学生用户提交作业。

③ 课程报告AGENT协助教师AGENT为学生用户提供大作业、设计报告、实验报告、小论文以及毕业论文等的出题、选题等工作。

④ 学习评价AGENT的功能是与和教学相关的各个AGENT实时通信和协作，负责完成教师教学过程和学生学习过程的所有评价工作。最后将评价结果保存到相应的系统数据库中。

（2） 学生活动应用

学生用户在教学系统中独有的应用主要有学习、练习、实验和测试等。

① 学习是学生用户使用教学系统最多的功能，学习AGENT引导学生用户在教学系统中学习专业知识。根据不同学生用户的类型和学习风格，为用户提供个性化的操作界面。

② 练习AGENT根据学生用户的学习效果，为用户智能地提供练习题目。还可以根据学生用户历史练习成绩，提供难度适中的练习题，使学生用户能逐渐适应新知识，从而循序渐进地学习。练习AGENT还可以为小组用户提供相应难度的习题供大家比赛，从而检验小组学习效果。

③ 实验AGENT的功能是协助教师AGENT设计实验题目和引导学生用户完成实验内容，为实验题目提供智能仿真环境，帮助学生用户提交实验报告。

④ 测试AGENT协助教师AGENT完成学科测试的出题工作，包括试卷结构的设定、智能组卷的完成以及试卷分发等工作；协助学生AGENT完成测试过程、答案提交等工作。

（3） 教师活动应用

教师用户在教学系统有的应用主要有课程管理、教学内容管理、教学资源管理、试题管理等功能。

① 课程管理AGENT负责课程的开设、课程信息的维护、知识点的划分、制定知识点之间关联规则以及基本教学策略的制定等工作。

② 教学内容AGENT主要负责协助教师按知识点内容将教学内容录入课程内容数据库中，并负责对其进行维护。

③ 资源管理AGENT协助教师AGENT负责对图片、声音、视频等教学资源进行管理。包括教学资源的录入、修改、删除等。

④ 试题管理AGENT协助教师AGENT完成对学科试题库的建设，包括题型管理、题目管理、难度设定等。同时与练习AGENT和测试AGENT协作，为学生用户提供个性化试题服务。

2．4 公共服务层

构成教学系统的各AGENT需要通信与协作，系统的不同用户还会有不同的数据查询和统计需求，系统需要安全稳定地运行，还需要为用户提供丰富、准确的帮助信息，这一切功能的实现都通过系统的公共服务层来提供。

公共服务层为所有AGENT服务，是AGENT应用和底层数据库之间的接口。公共服务层由教学策略AGENT、查询服务AGENT、系统消息AGENT、系统安全AGENT和在线帮助AGENT构成。

2．5 访问控制层

为了系统数据库的安全，系统特别在系统数据库和公共服务层之间设置了一个访问控制层。访问控制层负责接受公共服务层的访问要求，直接访问系统数据库中的数据，返回访问结果，并负责响应访问控制层的数据挖掘请求。

2．6 数据提供层

智能教学系统需要海量数据支持，包括课程内容提供、各类用户信息、学生历史成绩数据、教学策略数据、教学资源及系统知识规则库等。将以上每一类数据单独存放在一个数据库里，方便数据的分类和管理，形成数据仓库。

3 系统数据库功能设计

基于多AGENT的智能教学系统，要想实现其智能的功能设计，需要海量的数据支持。面对海量用户群，系统数据库应该支持异构网络及分布式存储和处理。系统将所有数据分成以下7个数据库分别存储与处理。

（1）学生信息库。学生信息库用于存储所有学生用户的自然信息，包括为学生用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，还包括兴趣、爱好、家庭情况、学习习惯等信息。另外，还记录学生用户在教学系统中的所有活动内容日志。

（2）教师信息库。教师信息库用于存储所有教师用户的自然信息，包括为教师用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，也包括兴趣、爱好、家庭情况、教学习惯等信息。与学生用户类似，教师信息库同时也会记录教师用户的所有活动内容日志。

（3）学生成绩库。学生成绩库记录所有学生用户的成绩信息，包括练习成绩、测验成绩、考试成绩等信息。做为基础数据，学生成绩库是系统众多AGENT进行数据挖掘和分析处理的数据来源。系统为学生用户提供的一切学习内容，都是建立在已有学生成绩数据的基础之上，教师AGENT和学习评价AGENT的活动也离不开对学生成绩数据的挖掘与分析。

（4）课程内容库。课程内容库用于存储某一门课程包括章节设计、知识点设计和全部知识在内的全部内容，还包括所有知识点之间的关联。为了适应智能教学系统的教学要求，对任何一个知识点允许多名教师用户设计不同的教学过程，以满足不同用户的学习要求。

（5）教学策略库。教学策略库是智能教学系统的灵魂，根据课程内容库中存储的知识点结构和关联，系统会为不同学生用户随机或有目的地、智能地生成不同的教学策略。根据学习评价AGENT的反馈，不断地强化优规则、淘汰劣规则，由此建立起稳定的教学策略规则库。

（6）教学资源库。教学资源库用于存储课程的全部教学资源。由于智能教学系统是开放的，学生用户和教师用户是海量的，所以教学资源库对所有用户是开放设计的。所有用户都可以自主创建教学资源，在系统运行过程中，优秀的资源会得到越来越多的使用机会，从而更多地应用于教学策略中。

（7）系统知识库。系统知识库用于存储智能教学系统除教学策略之外的规则。

4 系统模型特点

本文设计的智能教学系统模型最大限度地模拟现实世界人类的教学活动，通过多AGENT之间的信息共享、沟通协作，以海量教学资源和学习数据为基础，实时更新丰富的教学策略，为不同用户提供个性化的学习界面，从而实现网络自主学习和协作学习相结合的学习模式。系统模型主要有以下几个特点：

（1）最大限度地模拟现实世界。网络教学系统要想真正发挥作用，赢得使用者的喜爱，就要实现真正的个性化教学、人性化教学，实现自主学习与协作学习，实现动态实时教学策略管理。这就要求网络教学系统最大可能地接近真实世界的教学环境，最大可能地模拟学校教学生活，只有这样，学习者才能有真实感、亲切感，才能喜欢网络教学系统，愿意使用该系统，因此，才能高效地进行学习活动。

本文提出的智能教学系统模型，通过将现实世界中的真实教学任务适当地分解为多个步骤，系统丰富的功能由多个不同的AGENT互相协作完成，所有AGENT各司其职，比较全面地模拟了现实教学环境。

（2）多AGENT分工合作。系统由多个AGENT协作完成教学任务，各AGENT之间既可以单独完成既定的任务，也可以通过沟通和协作完成较复杂的大型任务。详细的分工使系统框架结构清晰明了，便于具体实现。

（3）引入学习风格的评价。学习风格是学习者持续一贯的、带有个性特征的学习方式，是学习策略和学习倾向的总和。学习策略指学习方法，学习倾向指学习者的学习情绪、态度、动机、坚持性以及对学习环境、学习内容等方面的偏爱。系统模型中的学生AGENT在学生登录成功后，负责监测、记录学生的学习风格方面的数据，并记入到学生信息库中。根据长时间监测的结果智能地总结出该学生的学习风格，从而根据学习风格提供个性化的学习界面。

有些学习策略和学习倾向会随学习任务、学习环境的不同而变化。系统的学生AGENT会根据学生信息库中数据的变化动态地跟踪学习者的学习风格，从而动态地改变教学策略，让学习者真正体会到是在一个现实的教学环境当中。

（4）分组协作教学。系统模型当中引入了学习风格的评价内容，学生协作AGENT可以将学习者的不同学习风格作为分组的依据，从而实现协作学习。系统还可以分析教师的教学风格，从而为学生提供个性化的教学服务。系统的设计面向整个互联网，庞大的教师群和学生群在同时使用，就涉及师生结对的问题。系统通过对教师教学风格和学生学习风格的匹配，为学生智能分配教师、为教师智能分配学生，而且这一过程是动态的。学生用户面对的是一位或多位虚拟教师，教师面对的是多位虚拟学生。这一技术彻底实现了师生之间协作教学，从而最大限度地提高了教学效率。

（5）教学策略的实时调整。系统中数量众多的AGENT分工协作，实时采集教学活动的所有信息，存入系统的多个数据库中，从而形成了海量的教学活动信息资源库。系统的各个AGENT会通过数据挖掘AGENT所提供的服务，从各个数据库中挖掘最新的关联规则，从而动态地改变教学策略。教学策略的动态调整丰富了教学系统的功能，使系统更加人性化，同时也使学生用户感到所面对的是一位有性格、有情绪、会随时改变教学方法的虚拟教师。

（6）多元的教学评价机制。真实、完全地反映用户使用教学系统的情况，就要客观、全面地对教学活动进行评价，这就要求系统的评价主体与评价内容必须具有多元性[5]。在本文所提供的系统模型中，学生AGENT可以实现学习过程的自我评价、或对小组成员的评价、对虚拟教师的评价以及对教学策略的评价；教师AGENT可以对学习者的学习过程进行评价、可以对学生的学习效果进行评价、也可以对同行的教学工作进行评价。系统的评价主体由传统的单一评价主体―教师，扩展到由学习者、小组成员、教师等构成的多元评价主体。评价量规表从学习内容的评价、探究活动过程的评价、以及学习成果的评价等多个方面展开，为学生提供一个更为宽松的评价环境与更为科学的评价指标。

5 结束语

智能化教育一直是全世界教育界和教育技术领域的理想和目标。计算机技术特别是网络技术的发展，使计算机辅助教学得到广泛的应用。新的教育理论层出不穷，特别是人工智能理论和技术的发展，为计算机智能教学提供了广阔的发展空间。然而，在中国现有的教育体制和技术支持下，真正的智能教育理论实现起来非常困难，导致现阶段的网络教学出现了很多无可奈何的尴尬。网络教育是“人－机－人”的交互过程，在这一过程中，如何提高网络和计算机的智能化程度是目前教育技术领域的一个重大课题。

本文结合多AGENT的特性及在智能教学系统中应用的理论，提出了基于多AGENT的智能网络教学系统的设计模型，详细分析了系统各层次的功能，并给出了系统数据库的分类设计以及系统模型的特点。

参考文献：

[ 1 ] 许彦青，申瑞民，张同玖，等． 加强学习算法的智能多在远

程教学中的应用[J]． 计算机工程，2001（8）：125－127．

[ 2 ] 程显毅． AGENT计算[N]． 哈尔滨：黑龙江科学技术出版社， 2－

003．

[ 3 ] 张林，徐勇，刘福成． 多Agent系统的技术研究[J]． 计算机技术

与发展，2008（8）：80－87．

[ 4 ] 仇芒仙． 基于多Agent的网络教学系统的研究[J]． 计算机工程

与应用，2003（16）：169－172．