赵宏治，高鹰

（广州大学计算机科学与教育软件学院，广州 510006）

智能教学系统中基于情景的知识库构建

赵宏治，高鹰

（广州大学计算机科学与教育软件学院，广州 510006）

分析了智能教学系统(ITS）总体设计框架的基础上，对ITS的知识库模型设计部分进行研究，通过在已有的知识库模型中增加情景特征作为新变量，构建基于情景的知识库。该知识库使用UML语法进行有关表述和定义，并利用Java和SQL技术实现了模型的相关实例，从而为ITS提供更灵活合适的学习内容，智能自适应丰富多样的学习环境，为学生提供个性化的学习服务。

智能教学系统;知识库;情景特征

0 引言

智能教学系统（Intelligent Tutoring System,ITS），作为人工智能科学和教育科学中重要的研究领域，其作用在于通过借助智能技术，在没有人类向导指引的情况下帮助学生获取知识和技能[1]。随着计算机和网络相关技术的飞速发展，人们在复杂的环境下进行工作和学习，因此对ITS知识库的工程化构建变得异常困难。本文对ITS整体系统结构进行研究，着重对知识库部分进行具体设计，提出一种基于情景的知识库设计方法。使知识在展示过程中能够为不同学习环境的学生提供更具个性化学习服务，实现以学生为中心的教学系统设计。

1 智能教学系统

智能教学系统是基于如何有效组织不同教学过程和环节中的学习目标、学习资源、学习对象以及学生特征等因素的基础上建立而成[2]。其总体上辅助教师自动规划学习资源、设定学习目标、实行学习评价，又监控学生的行为，进而分析和评判该学生当前的学习情况，然后使用个性化推荐技术呈现符合学生学习特征的内容。ITS要求既能够充分体现教师在学习活动过程各环节中所起的导学作用，又能根据学生的个体特征差异，采取多样的教学方法与策略进行差异化教学，会一定程度体现个性化学习的特点。

1.1 系统结构

根据以往研究表明，ITS总体组成主要包括知识模型、教师模型、学生模型和人机接口四个部分[3]，而构建系统核心部分的知识库主要是使用数据库技术、多媒体技术、人工智能技术等知识库技术，并在构建知识模型的基础上，联合系统的学生模型与教师模型，以此开展整个教学活动[4]。系统的整体运作流程是学生初期通过人机接口输入静态信息（例如学习背景和需求），当知识库收集完静态信息后首先推荐给学生基础的章、节和知识点等学习内容，接着在学习过程中对学生的动态信息（例如学习记录和评价）进行收集，然后知识库会使用特定算法来选取和组织合适的知识，再连续动态地呈现给学生学习。教师在过程中使用教师接口进行指引、建议与评估，及时把握学生的课程进度和认知水平，并给予学生最大限度的帮助与反馈，这样就组成ITS的各个模块和关系，如图1所示。

图1

1.2 知识模型

知识模型的核心是基于“知识的本质”出发，在呈现知识的过程应做到合理化和结构化。知识模型包含知识的体系结构、知识的处理、学习方法和策略，以及学习目标、学习对象和学习资源的相互映射。对于不同类型的学习内容，选取不同的知识的呈现方式会对学生如何获取和处理知识都影响很大。知识在符号化和形式化过程中所有的表述和相互约定称为“知识表示”,而ITS中“知识表示”是通过建立良好和结构化的知识模型对相关知识叙述和重新组织，让知识转变为机器所能接收的符号进行运算，以此得到的个性化学习数据可用于后续“知识推送”的过程[5]。这就使得知识的展示能够明确为学生提供更优质的学习服务，实现根据学生的多种属性特点和行为倾向，采用对应的知识展示策略。

2 知识库设计

知识库是知识模型的具体实现，本文主要是介绍如何设计具体的数据结构到ITS的知识库模块中。其使用了跨平台的Java语言、基于SQL语句的数据库、面向对象的UML建模语言等技术为知识库的学习目标、学习对象和学习资源等类别建立映射，以此来构建该系统。同时在以往知识库模型基础上，添加了具有情景的特征参数，使整个教学活动的开展过程中，知识表现能更符合学生的学习背景和需求。

2.1 知识库模型

知识库的基本概念是结合传统的数据库（DB）技术和人工智能（AI）技术的优点，以此构建和实现新的“知识表示”存储系统[6]。知识库通常将所有要表示的知识和概念进行结构化处理，编制成为统一的机器符号，再使用知识库标准规则来构建一个统一的系统。ITS的知识库中往往存储与学习相关的任务信息，例如对学习目标、学习对象和学习任务的具体描述。因此在构建ITS的知识库模型时，需要将教学过程中相关知识体系经过科学的数据组织处理，才能给教学过程准备充足的学习资料。ITS是以知识库模型为核心，教师通过人机接口调整知识库模型里的学习策略来影响教师模型，学生模型则与教师模型进行互联，实时接收学生的个人信息与学习信息，利用教师模型的智能算法跟踪并评估学生知识掌握程度，当知识库模型收到反馈信息就会重新组织学习课程和选择学习策略到达教师模型再推送给学生，以此构成整个系统的个性化学习流程[7，9]。

2.2 知识库的情景特征

ITS在作业过程中主要是外部环境的操作对整个过程产生影响，而外部环境主要包括情景因数、学生、教师与管理员这三类要素，其依次根据不同场合的特征来更新知识库内对应的功能模块。通过选取和匹配不同的外部特征，利用相关算法对知识库的情景特征、学习目标和教学策略进行更新，让知识库呈现的知识能够与学生的学习过程产生有效匹配。这里构造情景特征主要用于描述学习资源具有的在线、离线、不同时间、天气和地点（室内、户外）等外部因素，并对其学习资源的特征进行分类和补充，让知识库模型的运算更能反映外部环境，使得除了学生和教学人员两个因数外，情景因素也能对知识模型进行动态更新，达到因材施教和自适应学习的目的，如图2所示。

3 具体设计与实现（知识库存储结构）

ITS的知识库模型从学习资源、学习目标、学习对象三个部分来设计，而具体设计使用Java+UML构建技术。模型中描述了知识库内在的各种属性映射实体，其中包括各类的学习资源的地址描述，与学生模型和教师模型相匹配的学习目标、学习对象以及情景特征等，与教师模型相匹配的资源获取途径、教学活动序列、知识的呈现策略等属性，其具体描述如图3所示。

图2

图3

3.1 设计说明

（1）定义实例（Instance）

在UML建模工具中首先定义一个基础类，此后建立的所有类均为此类的子类，如学习资源（Learning Resource）、学习目标（Learning Target）、学习对象（Learning Object）这些子类对象。

（2）创建子类的对象属性（Object Properties）

然后定义了类的对象属性学习资源（Learning Resource）、学习目标（Learning Target）、学习对象（Learning Object）的一些属性,与UML建模软件中提供的Domain Model（领域模型）、Dependency（依赖关系）及Association（关联关系）、Generalization（泛化关系）共同定义了知识模型中学习目标、学习对象和学习资源之间的关系，如学习目标定义了目标的描述和类别，同时还定义属性Target Parent（前置目标）和属性Target Child（后续目标）等。

（3）创建类的数据类型属性（Datatype Properties）

数据类型属性主要是描述当前知识库模型各对象的属性，例如在UML建模中提供的Domain Datatype（领域数据类型）中描述“对象属性”、“数值类型”和“可见范围”等选项可用来描述知识库的学习对象。例如情景特征（Instant）里的属性（LearningBeginTime, LearningEndTime）是记录学习某一学习对象的起始、结束时间，属性LearningWeather记录对该学习对象学习的天气情况，属性LearningLocation记录学习对象所在的地点:室内（办公室、教室）或者通勤路上等，通过这些属性标签（Tag）是否影响学生的学习效率。知识库初始通过人工对Tag设定数值，然后记录用户的学习历史，对用户实际的学习情况与预设的数值多维度比较，用于判断学生学习能力高低，同时教师可以在可视界面对情况进行监控，经过系统的模糊预判和教师的评价和调控，给学生推荐的更匹配的学习对象。

（4）创建实体类实例（Instance）

创建实体类的实例是建立知识库模型的最后一个环节，主要是要完成创建实体类对应的实例和实例中对象属性，对象属性之间关联性质、数据类型所描述的有效数值，创建实体类实例的具体过程：例如学习资源的文字、图片和影音的地址用String类型来详细描述以便能准确调用。学习对象中的具体知识点要继承抽象知识点Instant，并将知识点实例属性值具体化，如知识点的详细名称和描述，这样无论是教师和学生操作过程中都清晰明确。

3.2 具体实现

知识库模型的具体实现主要采用Java+SQL语句组合的跨平台代码进行设计实现，将UML定义的数据和实例等有关变量实现，程序中的关键代码如下:

4 结语

本文首先分析ITS的总体设计框架，然后使用数据库技术、多媒体技术、人工智能技术等相关技术构建了知识库模型，在原有的模型中添加情景特征作为变量补充，同时使用UML语法对模型进行相关描述和定义，利用Java和SQL技术对知识库模型进行具体实现，并展现了相关实例代码。这样灵活设计的知识模型具有一定可行性，具有一定的使用价值，可作为相关人员的研究参考，为实证研究带来帮助。本文后续研究是建立一个具有分布式存储的云计算平台，使用大数据功能支持对知识库情景特征和各类实例属性进行高效更新，从而拓展智能教学系统的信息化和网络化，更有效适应现代信息化学习环境。

[1]周晓军,黄河燕,张普.智能教学系统中的知识树增长模型[J].计算机研究与发展,2001,38（10）:1217-1223.

[2]陈仕品.适应性学习支持系统的学生模型研究[D].西南大学,2009.

[3]莫赞,冯珊,唐超.智能教学系统的发展与前瞻[J].计算机工程与应用,2002,38（6）:6-7.

[4]曹伟.智能教学系统中知识表示模型的研究与设计[J].计算机时代,2010（6）:51-53.

[5]袁磊,张浩,陈静,等.基于本体化知识模型的知识库构建模式研究[J].计算机工程与应用,2006,42（30）:65-68.

[6]Pham D T,Gourashi N S.Knowledge-Based Configuration Design[C].Industrial Informatics,2003.INDIN 2003.Proceedings.IEEE International Conference on.IEEE,2003:248-254.

[7]曹伟.智能教学系统中知识表示模型的研究与设计[J].计算机时代,2010（6）:51-53.

[8]周晓军.多媒体智能教学系统研究与设计[D].中国科学院研究生院（计算技术研究所）,2000.

[9]杨磊.IST的系统结构及知识库结构[J].黑龙江科技信息,2008（23）:64-64.

[10]uml-diagrams.org.UML Class and Object Diagrams Overview[EB/OL].http://www.uml-diagrams.org/class-diagrams-overview.html

[11]曹伟.自适应网络教学系统中知识表示模型的设计[J].计算机仿真,2010（3）:302-305.

[12]姜强,赵蔚,王续迪.自适应学习系统中用户模型和知识模型本体参考规范的设计[J].现代远距离教育,2011,（133）:62-65.

[13]夏丽华,齐景嘉.智能教学中的知识模型与教学评价的研究[J].计算机系统应用,2007,23（9）:10-12.

[14]史悦,林筑英,张仁津.基于知识库的智能教学系统建模[J].贵州师范大学学报:自然科学版,2003,21（3）:25-30.

Construction of Context-Based Knowledge Base of Intelligent Tutoring System

ZHAO Hong-zhi，GAO Ying

（School of Computer Science and Educational Software of Guangzhou University，Guangzhou 510006）

Based on the analysis of the intelligent tutoring system(ITS)and the overall design framework,studies the design of knowledge base model of ITS.By adding the context features in the original knowledge base model as a variable,builds the context-based knowledge base. Which uses UML grammar to describe and define,then uses Java and SQL to realize the relevant examples of the model.Thus,enables ITS to provide more flexible and suitable learning content,more intelligent and adaptive in the rich and diverse learning environment and provides more personalized learning services for the learners.

Intelligent Tutoring System;Knowledge Base;Context-Based

1007-1423（2017）01-0073-05

10.3969/j.issn.1007-1423.2017.01.018

赵宏治（1988-），男，广东广州人，硕士研究生，在读研究生，研究方向为人工智能的教育应用

2016-11-01

2016-12-29

广东省高等学校教学质量与教学改革工程建设项目（粤教高函[2015]133号）、广州市教育科学“十二五”规划课题（No. 2013A006）、广州大学本科教学质量工程建设项目（ZLGC201419）

高鹰（1963-），男，江苏吴江人，博士后，教授，硕士生导师，研究方向为盲信号处理、进化计算等