本發(fā)明涉及計算機輔助教學領(lǐng)域，尤其是涉及面向基于信息融合與機器學習的智能計算機輔助教學系統(tǒng)的設(shè)計實現(xiàn)方法。

背景技術(shù)：

計算機輔助教學(CAI)是利用先進信息技術(shù)如移動計算、多媒體、網(wǎng)絡互聯(lián)的功能與特點，利用計算機輔助教師完成各個教學工作環(huán)節(jié)，并通過與計算機之間的交互活動，激發(fā)學生的學習積極性和主動性，幫助學生更有效地學習，從而提高教學質(zhì)量。在這種教學形式中，計算機主要是用來呈現(xiàn)教學目標、教學重點與難點、記錄學生的學習情況、控制學生的學習進度等信息，計算機在教學軟件的控制下可以通過輸入設(shè)備接收各種信息，并對其進行分析判斷，根據(jù)判斷提供有針對性的提示信息，最后通過輸出設(shè)備輸出，顯示結(jié)果。使用CAI系統(tǒng)，有利于認知主體作用的發(fā)揮，為制定科學合理的教學方法策略提供技術(shù)依據(jù)；它所提供的圖像、聲音、動畫等多媒體信息有利于學生知識的獲取與保持，達到提高教學效果的目的。

計算機與網(wǎng)絡技術(shù)的不斷進步與發(fā)展使得CAI技術(shù)也得到了快速發(fā)展與完善；而諸多相關(guān)領(lǐng)域的新理論、新方法及新技術(shù)的持續(xù)引入，也使得CAI的研究內(nèi)容日趨豐富。當前互聯(lián)網(wǎng)(Internet)已成為必要的公共通訊工具，數(shù)字化校園網(wǎng)絡(DCN)在教育領(lǐng)域得到了廣泛應用與推廣，并對教育、教學過程產(chǎn)生著深刻影響。J.Foster等人基于NeXT工作站設(shè)計實現(xiàn)了面向大規(guī)模集成電路的遠程CAI系統(tǒng)。V.R.Frank&C.Karin提出了一種基于網(wǎng)絡多媒體的CAI系統(tǒng)實現(xiàn)方法，并在計算機圖形學方面的教學工作方面證明了其有效性與先進性。K.L.Li&J.Cheng提出了一種基于萬維網(wǎng)的CAI實現(xiàn)方法，在匯編語言的教學中得到了較好應用。蔣鐵海提出了一種基于.NET的英語口譯CAI實現(xiàn)方法，并成功解決了海量素材選擇、多媒體斷點設(shè)置等問題。M.Li將決策支持系統(tǒng)原理及其技術(shù)方法引入CAI領(lǐng)域，并在具體教學實踐中取得了一定成果。

根據(jù)上述文獻的調(diào)研結(jié)果可知，CAI技術(shù)在其發(fā)展初期多集中在多媒體教學領(lǐng)域，使教學實現(xiàn)手段更加豐富、生動，從而提高了教學效果與質(zhì)量；網(wǎng)絡化技術(shù)的引入拓寬了CAI的有效工作范圍，使其在教學的可控范圍、實時性、交互性方面有顯著提高，但只是在實現(xiàn)方式方面的改進與發(fā)展，就CAI的內(nèi)在機理而言并未有本質(zhì)性變化。而隨著現(xiàn)代科學技術(shù)的進步與發(fā)展，對于高等教育的要求也越來越高，尤其是在醫(yī)學專業(yè)教育方面，要求能夠完成許多具有較高難度的專業(yè)領(lǐng)域知識的學習與強化訓練任務。在這種情況下，傳統(tǒng)的CAI技術(shù)無法滿足現(xiàn)代高等專業(yè)教育的基本要求，因此出現(xiàn)了計算機支持教育(CSE)概念，即在當前日益提高的專業(yè)教學要求條件下，需要面向不同的學科背景，制定不同的教學應對策略；這時計算機已經(jīng)不是教學過程中的輔助技術(shù)，而發(fā)展成為關(guān)鍵支撐技術(shù)。

技術(shù)實現(xiàn)要素：

為了克服已有計算機輔助教學方式的智能化較低、適用性較差的不足，本發(fā)明提供一種智能化較高、適用性良好的基于信息融合與機器學習的智能計算機輔助教學系統(tǒng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于信息融合與機器學習的智能計算機輔助教學系統(tǒng)，所述智能計算機輔助教學系統(tǒng)包括教學過程信息融合子系統(tǒng)與教學模擬執(zhí)行子系統(tǒng)；

所述的教學過程信息融合子系統(tǒng)，用于對教學過程中所涉及的對象、素材和工具要素進行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，為教學模擬執(zhí)行子系統(tǒng)提供元數(shù)據(jù)支持；

所述的教學模擬執(zhí)行子系統(tǒng)，用于對教學過程信息融合子系統(tǒng)上傳的元數(shù)據(jù)進行挖掘與整合，模擬教學過程所涉及的執(zhí)行環(huán)節(jié)；根據(jù)對學生學習效果的評價和當前教學資源配置情況，實現(xiàn)對實際教學過程的自動優(yōu)化和動態(tài)調(diào)度。

進一步，所述的教學過程信息融合子系統(tǒng)中，教學過程信息融合處理的過程如下：

①確定一具體教學班級作為工作對象，通過所在院校教務管理系統(tǒng)獲取學生的基本檔案數(shù)據(jù)，對其學緣歷程、文化背景信息進行擴充與完善，并已數(shù)據(jù)記錄的形式進行表述；

②通過訪談與調(diào)查問卷的方式采集教務管理系統(tǒng)未包含的學生信息數(shù)據(jù)，按照數(shù)據(jù)庫第三范式(3NF)進行編排與初步規(guī)格化，建立擴展的學生學習信息數(shù)據(jù)表；

③采用靜態(tài)數(shù)學統(tǒng)計算法進行特征數(shù)據(jù)提取，得到該方向?qū)W生在學緣結(jié)構(gòu)、知識儲備、記憶特征和學習策略方面的特征數(shù)據(jù)，并在此基礎(chǔ)上得到統(tǒng)計平均值、方差、標準差、自相關(guān)、互相關(guān)和數(shù)據(jù)偏移衍生數(shù)據(jù)項；

④采用粗糙集經(jīng)驗學習系統(tǒng)對上一步處理的數(shù)據(jù)對象進行多維對象信息提取，處理非結(jié)構(gòu)化不完備的衍生數(shù)據(jù)項，消除各指標數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高所獲信息的可用度，為教學過程模擬計算提供完備、可靠的數(shù)據(jù)序列。

再進一步，所述教學模擬執(zhí)行子系統(tǒng)劃分為3個邏輯功能模塊：面向?qū)I(yè)領(lǐng)域知識點系統(tǒng)的超文本知識庫模塊、面向教師教學過程的教師模塊與面向?qū)W生學習過程的學生模塊。

更進一步，所述的超文本知識庫模塊是面向某具體專業(yè)的領(lǐng)域知識超集，包括領(lǐng)域知識點網(wǎng)絡實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例、教師先驗規(guī)則、難度問題實例、知識遷移過程實例組元；所述的領(lǐng)域知識點網(wǎng)絡實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例為靜態(tài)組元，只能進行定期更新維護，其中領(lǐng)域知識點網(wǎng)絡實例通過超文本鏈接方式構(gòu)建關(guān)聯(lián)并完成內(nèi)容表述，過程性知識素材實例與結(jié)構(gòu)化知識素材實例通過多級嵌入式超媒體進行遞進式構(gòu)建與表達，所述的教師先驗規(guī)則、難度問題實例、知識遷移過程實例為動態(tài)組元，通過超文本知識庫模塊的用戶接口對上述組元進行更新、刪減、補充和擴展操作。

所述的教師模塊是面向教學過程產(chǎn)生式規(guī)則推理機制，對教師教學活動的過程模擬，完成對學生模型記錄下來的學生信息進行處理，并運用知識庫中的知識進行推理，做出決策和判斷；教師模塊由教學過程推理構(gòu)件與應用程序接口組成，處理過程如下：①學生在做完一道習題后，通過教師模塊應用程序接口喚醒教學過程推理構(gòu)件；②教學過程推理構(gòu)件通過隱性馬爾科夫模型算法對學生所做習題進行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導；③若學生出現(xiàn)錯誤，學生是因某一個知識點不懂而導致的錯誤給出文本描述，通過先序遍歷的方式在知識庫中先找到該知識點；④在規(guī)則庫中找到與該知識點相關(guān)的推理規(guī)則，利用自適應貝葉斯網(wǎng)絡算法得出與該知識點有聯(lián)系的知識網(wǎng)絡路徑，通過教師模塊指導學生的學習，并把相關(guān)的錯誤原因分析過程提示給學生。

所述的學生模塊包括無導師學習構(gòu)件、有導師學習構(gòu)件、智能化人機接口，所述的無導師學習構(gòu)件利用自組織神經(jīng)網(wǎng)絡算法實現(xiàn)對學生自學過程的模擬與優(yōu)化，即通過自組織神經(jīng)網(wǎng)絡算法自主調(diào)用超文本知識庫模塊中的知識規(guī)則，建立新的知識聯(lián)系，形成新的知識規(guī)則；所述的有導師學習構(gòu)件利用誤差反向傳播神經(jīng)網(wǎng)絡算法對學生在有老師教授的學習過程進行模擬與優(yōu)化，即通過人工方式從調(diào)用超文本知識庫模塊中的知識規(guī)則，按照預設(shè)目標進行逐級聚類學習，最后在設(shè)定閾值處(教學目標)收斂結(jié)束；所述的智能化人機接口跟蹤學生學習過程，過程如下：①對每個課程建立獨立的單元，建立各單元水平的判定規(guī)則；②學生進入學習狀態(tài)，在教師模塊的指導下，根據(jù)教學目標選擇學習內(nèi)容和習題；③若學生完成一課的學習，給出水平判定值，并進行錯誤診斷時，并從教師模塊和知識庫中得到系統(tǒng)對學生行為診斷的信息反饋；④將反饋頻率較高的信息設(shè)定為典型記錄，組成學習過程主題記錄文件，作為知識庫模塊更新的重要依據(jù)。

本發(fā)明的有益效果主要表現(xiàn)在：

1)采用粗糙集(RS)方法進行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高了數(shù)據(jù)的可用性。

2)引入機器學習(ML)技術(shù)與認知心理學方法，實現(xiàn)對學生專業(yè)知識認知過程的實時追蹤與出錯機制分析，提高教學質(zhì)量。

3)對測得的數(shù)據(jù)進行挖掘與整合，并根據(jù)對學生學習效果的評價和當前教學資源配置情況，實現(xiàn)對實際教學過程的自動優(yōu)化和動態(tài)調(diào)度。

附圖說明

圖1是學習特征提取與信息融合處理示意圖；

圖2是教學模擬執(zhí)行子系統(tǒng)構(gòu)架示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步描述。

參照圖1和圖2，一種基于信息融合(IF)與機器學習(ML)的智能計算機輔助教學(ICAI)系統(tǒng)，包括教學過程信息融合子系統(tǒng)(TPFS)與教學模擬執(zhí)行子系統(tǒng)(TSES)；

TPFS對教學過程中所涉及的對象、素材、工具等要素進行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，為教學模擬執(zhí)行子系統(tǒng)提供元數(shù)據(jù)支持。

TSES對教學過程信息融合子系統(tǒng)上傳的元數(shù)據(jù)進行挖掘與整合，模擬教學過程所涉及的執(zhí)行環(huán)節(jié)；根據(jù)對學生學習效果的評價和當前教學資源配置情況，實現(xiàn)對實際教學過程的自動優(yōu)化和動態(tài)調(diào)度。

如圖1所示，教學過程信息融合子系統(tǒng)(TPFS)中，教學過程信息融合處理過程如下：

①確定一具體教學班級作為工作對象，通過所在院校教務管理系統(tǒng)獲取學生的基本檔案數(shù)據(jù)，對其學緣歷程、文化背景信息進行擴充與完善，并已數(shù)據(jù)記錄的形式進行表述。

②通過訪談與調(diào)查問卷的方式采集教務管理系統(tǒng)未包含的學生信息數(shù)據(jù)，按照數(shù)據(jù)庫第三范式(3NF)進行編排與初步規(guī)格化，建立擴展的學生學習信息數(shù)據(jù)表(SID)。

③采用靜態(tài)數(shù)學統(tǒng)計(SMS)算法進行特征數(shù)據(jù)提取，得到該方向?qū)W生在學緣結(jié)構(gòu)、知識儲備、記憶特征、學習策略等方面的特征數(shù)據(jù)，并在此基礎(chǔ)上得到統(tǒng)計平均值、方差、標準差、自相關(guān)、互相關(guān)、數(shù)據(jù)偏移等衍生數(shù)據(jù)項。

④考慮上述過程，通過教務系統(tǒng)及其它方式獲得的非計算性數(shù)據(jù)可認為是具有確定性結(jié)構(gòu)，是完備的。由于各個信息指標因素之間并非完全獨立，因此通過SMS計算獲得的數(shù)據(jù)具有耦合覆蓋特征，是不完備的。而ICAI系統(tǒng)對于輸入?yún)?shù)的要求是具有統(tǒng)一完備性，這樣其計算結(jié)果才具有實際意義。采用粗糙集(LERS)經(jīng)驗學習系統(tǒng)對上一步處理的數(shù)據(jù)對象進行多維對象信息提取，處理非結(jié)構(gòu)化不完備的衍生數(shù)據(jù)項，消除各指標數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高所獲信息的可用度，為教學過程模擬計算提供完備、可靠的數(shù)據(jù)序列。LERS無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，所以對問題的不確定性的描述或處理可以說是比較客觀的。由于上述方法未能包含處理不精確或不確定原始數(shù)據(jù)的機制，所以上述方法與概率論、模糊數(shù)學和證據(jù)理論等其他處理不確定或不精確問題的理論有很強的互補性。

基于上述工作所獲得的學生學習特征數(shù)據(jù)，進而分析其學習過程與知識認知形成機制，對其在專業(yè)方向的學習策略優(yōu)劣條件進行對比研究，并進行相關(guān)指標評價，建立SID主題數(shù)據(jù)庫，為后續(xù)的ICAI系統(tǒng)實例以及該方向?qū)W習策略優(yōu)化方法的研究提供理論依據(jù)與數(shù)據(jù)支持。

教學模擬執(zhí)行子系統(tǒng)(TSES)，針對實際教學過程特點與階段功能需求，TSES可劃分為3個邏輯功能模塊：面向?qū)I(yè)領(lǐng)域知識點系統(tǒng)的超文本知識庫模塊、面向教師教學過程的教師模塊與面向?qū)W生學習過程的學生模塊，如圖2所示。

(1)超文本知識庫模塊

超文本知識庫模塊是面向某具體專業(yè)(如機械工程、臨床醫(yī)學等)的領(lǐng)域知識超集，包括領(lǐng)域知識點網(wǎng)絡實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例、教師先驗規(guī)則、難度問題實例、知識遷移過程實例等組元，如附圖2所示。所述的領(lǐng)域知識點網(wǎng)絡實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例為靜態(tài)組元，只能進行定期更新維護，其中領(lǐng)域知識點網(wǎng)絡實例通過超文本鏈接方式構(gòu)建關(guān)聯(lián)并完成內(nèi)容表述，過程性知識素材實例與結(jié)構(gòu)化知識素材實例通過多級嵌入式超媒體進行遞進式構(gòu)建與表達。所述的教師先驗規(guī)則、難度問題實例、知識遷移過程實例為動態(tài)組元，通過超文本知識庫模塊的用戶接口對上述組元進行更新、刪減、補充、擴展等操作。

知識庫應該能夠體現(xiàn)知識的體系結(jié)構(gòu)，并滿足系統(tǒng)教學過程的需要，要形成前后連貫的關(guān)系或基礎(chǔ)知識體系，形成一個適用的思維或推理模塊。各個知識點之間的聯(lián)系是復雜的，新知識點的學習需要先行知識的支持，一個知識點的掌握又影響著其它知識的學習與理解。可見知識點間是一種支持和被支持的相互關(guān)系，它們構(gòu)成一種交錯網(wǎng)絡結(jié)構(gòu)。因此，知識庫的結(jié)構(gòu)可以看成是一個網(wǎng)狀結(jié)構(gòu)，各知識點之間的關(guān)系有著固定的鏈路鏈接，這樣才便于推理機制的推理，得出正確的結(jié)果。

(2)教師模塊

教師模塊是面向教學過程產(chǎn)生式規(guī)則推理機制，對教師教學活動的過程模擬，完成對學生模型記錄下來的學生信息進行處理，并運用知識庫中的知識進行推理，做出決策和判斷，如附圖2所示。教師模塊由教學過程推理構(gòu)件與應用程序接口組成，過程如下：

①學生在做完一道習題后，通過教師模塊應用程序接口喚醒教學過程推理構(gòu)件；

②教學過程推理構(gòu)件通過隱性馬爾科夫模型算法對學生所做習題進行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導；

③若學生出現(xiàn)錯誤，學生是因某一個知識點不懂而導致的錯誤給出文本描述，通過先序遍歷的方式在知識庫中先找到該知識點；

④在規(guī)則庫中找到與該知識點相關(guān)的推理規(guī)則，利用自適應貝葉斯網(wǎng)絡算法得出與該知識點有聯(lián)系的知識網(wǎng)絡路徑，通過教師模塊指導學生的學習，并把相關(guān)的錯誤原因分析過程提示給學生。

教師模塊解決問題的能力應達到領(lǐng)域?qū)＜业乃疁?，可以分析學生對某一知識點的掌握程度，及時診斷學生的解題行為，并給出對應的操作建議，如求解提示、警界提示、引導學習等。學生在做完一道習題后，通過相關(guān)接口喚醒推理模塊，推理模塊依據(jù)一定的規(guī)則對學生所做習題進行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導，在很大程度上實現(xiàn)了一對一、個性化教學。

(3)學生模塊

學生模塊由無導師學習構(gòu)件、有導師學習構(gòu)件、智能化人機接口三部分組成，如附圖2所示。

無導師學習構(gòu)件利用自組織神經(jīng)網(wǎng)絡(AR-ANN)算法實現(xiàn)對學生自學過程的模擬與優(yōu)化，即通過自組織神經(jīng)網(wǎng)絡算法自主調(diào)用超文本知識庫模塊中的知識規(guī)則，建立新的知識聯(lián)系，形成新的知識規(guī)則(自學成果)。

有導師學習構(gòu)件利用誤差反向傳播神經(jīng)網(wǎng)絡(BP-ANN)算法對學生在有老師教授的學習過程進行模擬與優(yōu)化，即通過人工方式從調(diào)用超文本知識庫模塊中的知識規(guī)則，按照預設(shè)目標進行逐級聚類學習，最后在設(shè)定閾值處(教學目標)收斂結(jié)束。

智能化人機接口跟蹤學生學習過程，過程如下：

①對每個課程建立獨立的單元，建立各單元水平的判定規(guī)則；

②學生進入學習狀態(tài)，在教師模塊的指導下，根據(jù)教學目標選擇學習內(nèi)容和習題；

③若學生完成一課的學習，給出水平判定值，并進行錯誤診斷時，并從教師模塊和知識庫中得到系統(tǒng)對學生行為診斷的信息反饋；

④將反饋頻率較高的信息設(shè)定為典型記錄，組成學習過程主題記錄文件，作為知識庫模塊更新的重要依據(jù)。

學生模塊在跟蹤學習時給出錯誤的原因，如概念性錯誤用擾動法、方法性錯誤用過程協(xié)議分析法和解題過程網(wǎng)絡分類分析法等。查出原因后再給出改正的提示，同時記錄下來作為學習輔導的依據(jù)；學習跟蹤是學習過程的記錄，記下學生的學習歷史和進步情況；模塊更新是隨著學生學習的深入而改變的，它可以用覆蓋法或差錯法來說明學生具有的知識與計算機系統(tǒng)中存儲知識的差距，進一步更新學生模塊，繼續(xù)進行教授內(nèi)容和方法的決策。

最后，還需要注意的是，以上列舉的僅是本發(fā)明的一個具體實施例。顯然，本發(fā)明不限于以上實施例，還可以有許多變形。本領(lǐng)域的普通技術(shù)人員能從本發(fā)明公開的內(nèi)容直接導出或聯(lián)想到的所有變形，均應認為是本發(fā)明的保護范圍。