李　恬　周　宏

【摘要】文章根據(jù) Webquest 教學(xué)支撐平臺存在的諸多問題，利用人工智能技術(shù)、Agent 技術(shù)和 Web 服務(wù)技術(shù)，對傳統(tǒng)的 Webquest教學(xué)設(shè)計模式進(jìn)行改進(jìn)，提出了 Webquest 自適應(yīng)教學(xué)系統(tǒng)結(jié)構(gòu)，闡述了系統(tǒng)模塊功能和實現(xiàn)方法，并對部分關(guān)鍵技 術(shù)和算法進(jìn)行了分析。說明了改進(jìn)后的 Webquest 教學(xué)系統(tǒng)具有很好的學(xué)習(xí)適應(yīng)性。

【關(guān)鍵字】Webquest；智能系統(tǒng)；教學(xué)資源；學(xué)習(xí)

【中圖分類號】G40-057 【文獻(xiàn)標(biāo)識碼】B 【論文編號】1009—8097（2009）01—0116—05

一 前言

Webquest是一種新興的信息化教學(xué)模式,1995年由美國 圣地亞哥州立大學(xué)教育技術(shù)學(xué)院教授BernieDodge和Tom March創(chuàng)建[1]。WebQuest模式理論基礎(chǔ)是建構(gòu)主義學(xué)習(xí)理論， 它是建構(gòu)主義在網(wǎng)絡(luò)學(xué)習(xí)中的實踐表現(xiàn)。WebQuest主要的教 學(xué)方法是在網(wǎng)絡(luò)環(huán)境下，給學(xué)生一個特定的情景或者一項任 務(wù)，通常是一個需要解決的問題或者課題項目，課程計劃中 為學(xué)生提供了相關(guān)的信息資源，并要求學(xué)生通過對信息資源 的搜索、分析和綜合來得出創(chuàng)造性的解決方案。近年來， Webquest 教學(xué)模式得到了迅速的發(fā)展,教學(xué)案例日益增加, 深受教師和學(xué)生關(guān)注 [2][3]。然而，由于Webquest教學(xué)解決方 案是獨立地針對某個特定教學(xué)任務(wù)來設(shè)計的，在制作時需要 運用大量的課件工具，運行時采用的底層架構(gòu)不統(tǒng)一，通信 協(xié)議不同，課件資源的類型格式存在差異等，導(dǎo)致教學(xué)方案 的設(shè)計、制作效率不高。不同底層架構(gòu)的Webquest教學(xué)模式 之間要進(jìn)行信息交流，就對系統(tǒng)整合和應(yīng)用集成要求異常高， 更重要的是在教學(xué)方案設(shè)計時，普遍都按照統(tǒng)一的六大模塊 設(shè)計，造成教學(xué)策略單一、應(yīng)用設(shè)計模板化、探究目標(biāo)不適 當(dāng)，這就極大的地限制了教學(xué)資源共享的可能。如何構(gòu)建一 個具有個性化和無縫集成的Webquest教學(xué)系統(tǒng)已成為備受關(guān) 注的焦點問題。因此，本文通過分析傳統(tǒng)WebQuest教學(xué)模式 的不足，提出利用人工智能技術(shù)、Web服務(wù)技術(shù)與Webquest 教學(xué)模式相結(jié)合的解決方案，形成了一個具有自適應(yīng)性的 Webques集成系統(tǒng)體系架構(gòu),使得改進(jìn)后的Webquest教學(xué)平臺 具有智能性、協(xié)作性、可重組性和可擴(kuò)展性。

二 Webquest教學(xué)系統(tǒng)及其模型結(jié)構(gòu)

1傳統(tǒng)Webquest教學(xué)解決方案的不足 傳統(tǒng)的WebQuest教學(xué)系統(tǒng)一般都由六大模塊組成：引言（ Introduction ）、任 務(wù)（ Task ）、過 程（ Process ）、資源 （Resources）、評估（Evaluation）、結(jié)論（Conclusion）[4]。目 前，多數(shù)Webquest教學(xué)系統(tǒng)都是針對特定的教學(xué)單元進(jìn)行設(shè) 計和制作，難以對教學(xué)方案和教學(xué)資源進(jìn)行管理和重組，因 此網(wǎng)絡(luò)環(huán)境支撐的教學(xué)方案普遍存在如下問題：

（1） 應(yīng)用設(shè)計模板化，缺乏個性化服務(wù)

對于所有參與Webquest 的學(xué)習(xí)者提供相同的緒言和任 務(wù)，系統(tǒng)智能性差，無法了解個別學(xué)生的能力與認(rèn)知風(fēng)格的 差別，對不同認(rèn)知水平的學(xué)生呈現(xiàn)相同教學(xué)內(nèi)容，采用相同 的教學(xué)策略，無法適應(yīng)個別學(xué)生的具體需求，難以實現(xiàn)因材 施教。

（2） 資源缺乏有效的組織和查詢

Webquest教學(xué)資源作為獨立體, 教學(xué)系統(tǒng)很難主動發(fā)現(xiàn) Webquest教學(xué)資源的存在, 導(dǎo)致教學(xué)資源由于未被發(fā)現(xiàn)而不 能被重用。并且在制作多個Webquest課件時, 除教學(xué)內(nèi)容的差 異外, 很多功能的設(shè)計和實現(xiàn)都是相似和重復(fù)的。這就要求課 件的制作除需要對課程內(nèi)容進(jìn)行歸納和整理外, 還要對教學(xué) 管理、教學(xué)模式及手段進(jìn)行設(shè)計。

（3） 網(wǎng)絡(luò)學(xué)習(xí)過程的記錄和監(jiān)控不足

由于采用超文本的方法組織教學(xué)材料，且由學(xué)生掌握學(xué)習(xí)的主動權(quán)，若系統(tǒng)沒有針對性地作一些引導(dǎo)、限制和具備 必要的監(jiān)控，在學(xué)習(xí)的過程中容易出現(xiàn)迷航現(xiàn)象，學(xué)生容易 偏離學(xué)習(xí)的目標(biāo)，不能跟蹤學(xué)習(xí)者學(xué)習(xí)進(jìn)度。

（4） 系統(tǒng)宿主平臺緊耦合問題

緊耦合使教學(xué)系統(tǒng)必須依附于特定的平臺，導(dǎo)致不同的Webquest 教學(xué)系統(tǒng)難以集成，沒有集成的學(xué)習(xí)環(huán)境來支持適 合網(wǎng)絡(luò)學(xué)習(xí)的策略。網(wǎng)絡(luò)中最合適的學(xué)習(xí)策略是探索式學(xué)習(xí) 策略和協(xié)作式學(xué)習(xí)策略，但目前的技術(shù)，對它們的支持都比 較簡單，無法充分發(fā)揮其優(yōu)勢。

2 Webquest 自適應(yīng)教學(xué)系統(tǒng)模型

針對上述不足，本文中的Webquest教學(xué)系統(tǒng)模型采用基于Web服務(wù)的教學(xué)集成系統(tǒng)框架[5 ]和智能教學(xué)系統(tǒng)框架[6 ]。教 學(xué)系統(tǒng)的設(shè)計方案能夠?qū)崿F(xiàn)以下目標(biāo)：作為通用的Webquest 教學(xué)支撐平臺既能無逢集成教學(xué)應(yīng)用軟件、消除異構(gòu)教學(xué)應(yīng)用子系統(tǒng)之間的互操作性問題, 還能自動地收集各種有利于 學(xué)習(xí)的信息資源并整理這些資源以便于教學(xué)資源的重用、個 性化信息采集、學(xué)習(xí)情景或背景顯示、智能資源調(diào)度、學(xué)習(xí) 過程記錄、教學(xué)內(nèi)容重組等系統(tǒng)功能的實現(xiàn)。系統(tǒng)模型結(jié)構(gòu)

如圖1所示。

首先，教師通過教學(xué)設(shè)計過程按知識對象庫中的知識點 確定學(xué)習(xí)目標(biāo)和課程目標(biāo)，并設(shè)計具有不同學(xué)習(xí)策略的 Webquest 教學(xué)情景、任務(wù)、過程、資源、評價和總結(jié)模塊。 學(xué)生通過登錄入口進(jìn)入個性分析過程模塊，個性分析過程模 塊針對不同學(xué)習(xí)者，從已有知識庫中抽取適應(yīng)學(xué)習(xí)者知識層 次的學(xué)習(xí)情景、任務(wù)和資源，按照靈活的教學(xué)情景實例，以 任務(wù)驅(qū)動方式要求學(xué)習(xí)者進(jìn)行學(xué)習(xí)和探究。學(xué)習(xí)者按照學(xué)習(xí) 過程進(jìn)行自主協(xié)同學(xué)習(xí)過程中，學(xué)習(xí)過程模塊會自動開始采 集和記錄學(xué)生的請求，跟蹤學(xué)生的行為，收集學(xué)生學(xué)習(xí)課件 的類型及難度、查看資料的時間和頻繁度、點擊的網(wǎng)頁、搜 索的關(guān)鍵字，以及作業(yè)和測試的過程及結(jié)果等，提交給最終 的用戶個性信息數(shù)據(jù)庫。資源調(diào)度過程模塊會根據(jù)學(xué)習(xí)者需 要，自動篩選和幫助學(xué)習(xí)者搜索出所需的教學(xué)資源。學(xué)習(xí)者 根據(jù)情景、任務(wù)、相關(guān)資料和工具進(jìn)行多種形式的自主探索 和研究，并根據(jù)教師在評價模塊中制定的評價體系進(jìn)行教學(xué) 總結(jié)。最后, 通過總結(jié)和理論修正過程，優(yōu)化最初設(shè)計的教學(xué) 內(nèi)容。

三 Webquest 自適應(yīng)教學(xué)系統(tǒng)功能分析

結(jié)合 Webquest 教學(xué)模式中情景、任務(wù)、過程、資源、評 價和總結(jié)六大模塊，對教學(xué)設(shè)計模塊、個性分析模塊、協(xié)同 學(xué)習(xí)模塊、資源調(diào)度模塊、評價模塊等功能進(jìn)行闡述。

1教學(xué)設(shè)計

教學(xué)設(shè)計模塊實現(xiàn)教師課程管理和教學(xué)策略管理功能。該模塊一方面具有制定教學(xué)情境、確定教學(xué)任務(wù)和教學(xué)過程 的功能，另一方面還提供教學(xué)內(nèi)容維護(hù)功能，例如：輸入教 案、試題、問題；上傳教學(xué)材料；根據(jù)學(xué)生的學(xué)習(xí)情況適當(dāng) 更改教學(xué)內(nèi)容和教學(xué)媒體等；輔助教師對學(xué)生的學(xué)習(xí)內(nèi)容進(jìn) 行在線指導(dǎo)等。

在設(shè)計過程中，充分關(guān)注網(wǎng)絡(luò)環(huán)境教學(xué)模塊建構(gòu)的動態(tài) 性，從教學(xué)的適應(yīng)性角度出發(fā)，考慮 Webquest 各個模塊的功 能性和動態(tài)發(fā)展性。在充分考慮學(xué)習(xí)適應(yīng)性的基礎(chǔ)上，應(yīng)用 目前國際教育技術(shù)先進(jìn)的設(shè)計型研究理論，以及應(yīng)用活動理 論的系統(tǒng)動態(tài)發(fā)展觀來建構(gòu)適應(yīng)性學(xué)習(xí)模塊功能。因此，教 學(xué)設(shè)計模塊具有可重組性和擴(kuò)展性。

2個性分析

個性分析模塊功能是獲取用戶的學(xué)習(xí)習(xí)慣和偏好并加以分析，生成用戶模型，構(gòu)建個性化的教學(xué)情景，分配個性化 的學(xué)習(xí)任務(wù)。個性分析是實現(xiàn)個性化教學(xué)服務(wù)的前提。學(xué)習(xí) 者在確認(rèn)身份進(jìn)入 Webquest 教學(xué)系統(tǒng)后，個性分析模塊根據(jù) 用戶樣本，構(gòu)建教學(xué)情景，分配學(xué)習(xí)任務(wù)，并進(jìn)入特定的學(xué) 習(xí)過程進(jìn)行自主協(xié)同學(xué)習(xí)。

網(wǎng)絡(luò)環(huán)境下學(xué)習(xí)活動設(shè)計的服務(wù)對象主要是學(xué)習(xí)者，在 活動設(shè)計的過程中，按照學(xué)習(xí)者個體的實際學(xué)習(xí)因素，可采 用的研究方法主要是現(xiàn)成的心理學(xué)測試量表，如：溫斯坦標(biāo) 準(zhǔn)化學(xué)習(xí)策略量表 LASSI 等。針對不同學(xué)習(xí)者個體的訪談加 經(jīng)驗分析法研究，系統(tǒng)分析學(xué)習(xí)者個體的學(xué)習(xí)風(fēng)格對網(wǎng)絡(luò)環(huán) 境活動設(shè)計的模塊功能需求，自適應(yīng)過程中的學(xué)習(xí)情感需求， 找到個體學(xué)習(xí)的主要影響因素，充分發(fā)揮活動理論的指導(dǎo)作 用，使整個網(wǎng)絡(luò)環(huán)境的活動系統(tǒng)設(shè)計朝著適應(yīng)性個體學(xué)習(xí)方 向動態(tài)地發(fā)展。

3協(xié)同學(xué)習(xí)

協(xié)同學(xué)習(xí)過程模塊實現(xiàn)學(xué)生自主學(xué)習(xí)和協(xié)同學(xué)習(xí)的自動化和智能化。主要包括提供協(xié)同學(xué)習(xí)工具、學(xué)習(xí)過程的智能 監(jiān)視和跟蹤，并通過感知學(xué)習(xí)者和教師的教學(xué)過程環(huán)境來自 動設(shè)定進(jìn)一步的教學(xué)任務(wù)。

（1） 協(xié)同學(xué)習(xí)工具

在進(jìn)行Webquest 教學(xué)過程中, 除了能提供一些常用的交 流工具，如：提問、論壇、聊天室等, 協(xié)同學(xué)習(xí)工具還應(yīng)具有 使多個學(xué)習(xí)者協(xié)同進(jìn)行學(xué)習(xí)并一起達(dá)到學(xué)習(xí)的目標(biāo)的功能。 協(xié)同工具提供協(xié)作者在本次Webquest的教學(xué)過程中的協(xié)作狀 態(tài)、協(xié)同探究資源列表、討論記錄、推理評價等服務(wù)。多個 學(xué)習(xí)者通過協(xié)同工具以任務(wù)驅(qū)動模式進(jìn)行學(xué)習(xí)。其具體步驟 如下：

根據(jù)教學(xué)的內(nèi)容中目標(biāo)知識點重要性以及目標(biāo)知識點 之間的關(guān)系，定義關(guān)鍵學(xué)習(xí)目標(biāo)，生成教學(xué)過程的關(guān)鍵路徑；

查詢用戶個性信息庫具有相關(guān)信息的學(xué)習(xí)者，生成協(xié)同學(xué)習(xí)小組,分配學(xué)習(xí)任務(wù)表；

對學(xué)習(xí)者學(xué)習(xí)情況進(jìn)行監(jiān)控和推理,當(dāng)學(xué)習(xí)者完成某 一項關(guān)鍵學(xué)習(xí)活動或者時間到期時將觸發(fā)其相應(yīng)學(xué)習(xí)事件， 如：更新小組內(nèi)學(xué)習(xí)者的學(xué)習(xí)任務(wù)表，將學(xué)習(xí)者的學(xué)習(xí)情況 發(fā)送給教師以及進(jìn)入下一個目標(biāo)知識點的學(xué)習(xí)；

循環(huán)以上步驟，直至完成學(xué)習(xí)任務(wù)和目標(biāo)。

（2） 學(xué)習(xí)過程的智能監(jiān)視和記錄

在學(xué)習(xí)過程中，系統(tǒng)一方面會自動開始采集學(xué)生的請求，記錄學(xué)生的行為，收集學(xué)生學(xué)習(xí)的相關(guān)資料，如：課件的類 型、難度、查看資料的時間和頻繁度、點擊的網(wǎng)頁、搜索的 關(guān)鍵字，以及做作業(yè)、做測試的過程及結(jié)果等，并提交給最 終的用戶個性信息數(shù)據(jù)庫。另一方面，學(xué)習(xí)過程模塊和資源 調(diào)度過程模塊會根據(jù)學(xué)習(xí)者需要，自動篩選和幫助學(xué)習(xí)者搜 索出所需的課件資源，學(xué)習(xí)過程模塊根據(jù)學(xué)習(xí)者的需要調(diào)用 新的學(xué)習(xí)情景和學(xué)習(xí)任務(wù)。

4 資源調(diào)度

Webquest教學(xué)資源作為獨立體，教學(xué)系統(tǒng)很難主動定位 和限定Webquest教學(xué)資源的存在。因此，資源調(diào)度模塊的功 能就是針對不同學(xué)習(xí)者，從已有知識庫中抽取符合學(xué)習(xí)者興 趣和知識層次的資源。學(xué)習(xí)者進(jìn)入教學(xué)過程中，資源調(diào)度模 塊會根據(jù)學(xué)習(xí)者需要，自動搜索和篩選出所需的信息資源， 設(shè)計成細(xì)粒度的無狀態(tài)的實體構(gòu)件。如：多媒體資源的展示、課件資源的制作工具、課件的上傳下載、在線測試等。

（1） 資源搜索 資源搜索的主要功能是主動搜索網(wǎng)上資源。搜索的方式

有兩種，即本地搜索和遠(yuǎn)程搜索。前者是從索引數(shù)據(jù)庫中進(jìn) 行查找,這種方式速度較快。后者又分成兩種途徑：①直接搜 尋Web站點，從Web頁面中獲取信息。②借助于已有的搜索引 擎進(jìn)行信息搜索。這種方式的優(yōu)點在于不必直接對整個 Internet進(jìn)行搜索，只需與若干搜索引擎連接，獲取它們返回 的結(jié)果即可。

（2） 資源過濾 由于搜索范圍受搜索引擎的限制，如果直接將搜索引擎

的結(jié)果返回到用戶端會帶來大量無效信息，增加學(xué)生的知識 盲點。因此最好的方法是通過 Agent 傳輸協(xié)議（Agent Transfer Protocol，ATP）移動到 Web 服務(wù)器端，在服務(wù)器上完成信息 的自動獲取和過濾操作。只將有效信息傳回用戶端，從而避 免了大量數(shù)據(jù)的網(wǎng)絡(luò)傳輸，降低系統(tǒng)對網(wǎng)絡(luò)帶寬的依賴，這 樣可以大大提高搜索效率，充分發(fā)揮 Agent 技術(shù)的效能。

5學(xué)習(xí)評價

Webquest 評價系統(tǒng)遵循了內(nèi)容和評價主體多元化、評價 實施情景化和評價方式多樣化的特定，以多元智能理論為基 礎(chǔ)，充分發(fā)揮 Web 特點，發(fā)展一種交互式智能化的評價系統(tǒng)。 結(jié)構(gòu)如下圖 2 所示：

評價作為一種在學(xué)生自主探究學(xué)習(xí)過程中監(jiān)控、記錄、收集和分析學(xué)生學(xué)習(xí)行為及軌跡的手段，有效 的把評價活動“嵌入”到學(xué)生整個學(xué)習(xí)過程當(dāng)中，是綜合評 價系統(tǒng)當(dāng)中最為重要的評價方式和績效依據(jù)。本模塊由模糊 專家系統(tǒng)推論出學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，并給予評價和適當(dāng)幫助。

四 系統(tǒng)實現(xiàn)及關(guān)鍵技術(shù)分析

本系統(tǒng)實現(xiàn)采用 B/S 運行模式，基于 Windows 2003 操作 系統(tǒng)平臺，采用 JAVA、JSP 和.NET 等開發(fā)工具，運用人工智 能和 Web Services 技術(shù)，使用 Apache 進(jìn)行 Web 發(fā)布，Oracle 作為后臺數(shù)據(jù)庫,集成包括網(wǎng)絡(luò)課堂、教學(xué)管理、課程管理、 資源管理、學(xué)習(xí)評估、作業(yè)發(fā)布、過程監(jiān)控、協(xié)同學(xué)習(xí)工具 等基于 CELTS和 SCORM 標(biāo)準(zhǔn)[7,8]的 Webquest 教學(xué)應(yīng)用系統(tǒng)。 我們從 2007 年開始在網(wǎng)上開設(shè)了 3 門計算機公共基礎(chǔ)課程, 同時在線人數(shù)超過 1000，目前已經(jīng)有 22 個班級利用該平臺完 成相關(guān)課程。圖 3 是符合某教學(xué)策略的 Webquest 學(xué)習(xí)平臺， 教師教學(xué)設(shè)計平臺見圖 4 所示。

1個性分析與實現(xiàn)算法

學(xué)生用戶登錄后，學(xué)生進(jìn)行選擇個性化學(xué)習(xí)策略流程。本系統(tǒng)采用的學(xué)習(xí)策略量表是由美國20 世紀(jì)80年代末期編 制的溫斯坦標(biāo)準(zhǔn)化學(xué)習(xí)策略量表LASSI[9,10]，美國已有1000多 所學(xué)校使用此量表對學(xué)生的學(xué)習(xí)策略應(yīng)用水平進(jìn)行測試。此 量表測量學(xué)生用來進(jìn)行學(xué)習(xí)和研究活動的策略和方法，重點 關(guān)注那些通過教學(xué)可以改善與成功學(xué)習(xí)（successful learning） 相關(guān)的顯性或隱性的思想和行為[11]。LASSI對于幫助學(xué)生學(xué)會 學(xué)習(xí)、幫助教師進(jìn)行研究和設(shè)計教學(xué)活動均有積極作用。

LASSI有10個分量表[12,13], 分別是：（1）態(tài)度（ATT），測 量學(xué)生對追求學(xué)習(xí)成功、完成與此相關(guān)的任務(wù)的總的態(tài)度和 動機；（2）動機（MOT），測量學(xué)生對完成具體學(xué)業(yè)任務(wù)所負(fù) 責(zé)任的程度；（3）時間管理（TMT），測量學(xué)生建立和使用時 間的水平；（4）焦慮（ANX），測量學(xué)生減少對學(xué)校和自己的 學(xué)習(xí)成績的擔(dān)心程度的能力；（5）專心（CON），測量學(xué)生把 注意力指向并集中在特定學(xué)習(xí)任務(wù)上的能力；（6）信息加工（INP），測量學(xué)生使用心理表象、言語精加工、領(lǐng)會監(jiān)控和 推理等策略促進(jìn)理解和回憶的程度；（7）選擇要點（SM）， 測量學(xué)生在各種一般性的和細(xì)節(jié)性信息中識別出用以進(jìn)一步學(xué)習(xí)的重要信息的能力；（8）學(xué)習(xí)輔助（STA），測量學(xué)生是 創(chuàng)造或使用輔助性技術(shù)及材料來幫助學(xué)習(xí)和保持信息的能 力；（9）自我測試（SFT），測量學(xué)生對要學(xué)習(xí)課程理解程度 的能力；（10）考試策略（TST），測量學(xué)生運用備考和應(yīng)試策 略的水平。針對我校教學(xué)現(xiàn)狀與學(xué)生水平，本系統(tǒng)在LASSI 量表的基礎(chǔ)上，對測量數(shù)據(jù)分析的算法設(shè)計上做了適當(dāng)?shù)母?進(jìn)，以學(xué)習(xí)意愿度、學(xué)習(xí)能力度、知識水平度三類綜合實力 測量作為判斷依據(jù)，生成個性樣本，并自動選擇和構(gòu)建個性 化的學(xué)習(xí)策略。

具體算法設(shè)計如下：

學(xué)習(xí)意愿度（Willingness）：以態(tài)度（ATT）、動機（MOT） 和焦慮（ANX）三個分量表為基本數(shù)據(jù)源，根據(jù)國際上的常 規(guī)模式得出原始分?jǐn)?shù) Sw 并轉(zhuǎn)化成百分?jǐn)?shù)。

If Sw is low

Then choose policy from P5,P6,P7,P8. If Sw is high

Then choose policy from P1,P2,P3,P4.

此綜合度主要用以測量學(xué)生個體對于學(xué)習(xí)目標(biāo)及完成學(xué) 習(xí)任務(wù)的興趣、態(tài)度和動機等心理狀況和內(nèi)在潛力。

學(xué)習(xí)能力度（Ability ）：以時間管理（TMT ）、專心（CON）、信息加工（INP）、選擇要點（SM）和學(xué)習(xí)輔導(dǎo)（STA） 五個分量表作為基本數(shù)據(jù)源，根據(jù)國際上的常規(guī)模式得出原 始分?jǐn)?shù) Sa 并轉(zhuǎn)化成百分?jǐn)?shù)。

If Sa is low

Then choose policy from P3,P4,P7,P8. If Sa is high

Then choose policy from P1,P2,P5,P6.

此綜合度主要用以測量學(xué)生個體在學(xué)習(xí)過程中的專注 度、持久度以及對于學(xué)習(xí)的領(lǐng)悟、安排、管理、運用、推理 的多方面能力。

知識水平度（Knowledge）：以自我測試（SFT）和考試 策略（TST）這兩個分量表作為基本數(shù)據(jù)源，根據(jù)國際上的常 規(guī)模式得出原始分?jǐn)?shù) Sk 并轉(zhuǎn)化成百分?jǐn)?shù)。

If Sk is low

Then choose policy from P2,P3,P6,P8. If Sk is high

Then choose policy from P1,P4,P5,P7.

此綜合度主要用以測量學(xué)生個體自身對所學(xué)知識及相 關(guān)信息的掌握程度。

需要說明的是，依據(jù)此分析算法所構(gòu)建的個性化學(xué)習(xí)策 略庫中，以表 1 中八種學(xué)習(xí)策略為常規(guī)策略，策略庫并不是 無限大的。

2資源調(diào)度與實現(xiàn)算法

Webquset 作為探究式教學(xué)模式，資源搜索和定位是決定 學(xué)習(xí)效果的關(guān)鍵，所以資源調(diào)度模塊的重要性不言而喻。作 為個性化、智能化的教學(xué)系統(tǒng)，怎樣根據(jù)學(xué)習(xí)者的個性特征 和知識層次為其提供適當(dāng)?shù)慕虒W(xué)資源，即以怎樣的算法實現(xiàn) 對學(xué)習(xí)者的智能推薦，幫助學(xué)習(xí)者更方便、更準(zhǔn)確地在大量 異構(gòu)、分布式的資源中搜索和提取所需數(shù)據(jù)，是 Webquest 教 學(xué)系統(tǒng)實現(xiàn)的重點。

利用 Multi-agent 協(xié)作技術(shù)和 Webservices 技術(shù)實現(xiàn)資源 調(diào)度是一種方便有效的途徑。它既利用 Web services 技術(shù)解決 了異構(gòu)、分布式資源存取困難的問題，又利用模塊調(diào)用為系 統(tǒng)提供了多樣化的推薦功能[14,15]。

在會話中，假設(shè)符合學(xué)習(xí)者個性的，對學(xué)習(xí)者有價值的 信息列表用 Sug來表示，則 Sug表示為一個多元組集合 Sug={ M, L, PW, u}，它將最終反饋給學(xué)習(xí)者。

其中 M 代表當(dāng)前站點的鄰接矩陣，它通過搜索用戶導(dǎo)航 信息圖，找出與當(dāng)前頁面關(guān)聯(lián)度 Minfreq 較大的鄰接頁面，認(rèn) 為是有價值的；L 指聚簇列表。聚簇是根據(jù)碼值找到數(shù)據(jù)的物 理存儲位置，從而達(dá)到快速檢索數(shù)據(jù)的目的。系統(tǒng)認(rèn)為只有 大于最小聚簇值 Minclustersize的聚簇才是有意義的遍歷聚 簇；PW 指會話標(biāo)識符索引列表，u 指用戶請求頁的 URL。當(dāng) 一個學(xué)習(xí)者的請求到達(dá) Web 服務(wù)器，后臺的資源庫將被更新， 同時一個推薦信息列表將被附加到請求頁并反饋給學(xué)習(xí)者。 通過學(xué)習(xí)者的會話標(biāo)識符，系統(tǒng)判定該學(xué)習(xí)者是否在線，并 通過當(dāng)前會話特征，自動更新資源庫并產(chǎn)生推薦信息。而在 會話過程中，學(xué)習(xí)者所訪問的 URL 標(biāo)識符被存儲到一個簡單 的映射數(shù)組中，要找到 URL 標(biāo)識符所對應(yīng)的 URL 地址，只 能通過訪問一個字符串?dāng)?shù)據(jù)結(jié)構(gòu) trie 才能得到，trie 中就存儲 了 URL 標(biāo)識符到 URL 的映射關(guān)系。下面是基本實現(xiàn)算法：

初始設(shè)置：M，L，PW；

輸入：用戶請求頁的 URL ：u；

輸出：對會話學(xué)習(xí)者有價值的信息列表 Sug；

page _idu=Identify_Page (u)； //在當(dāng)前會話中，通 過訪問 trie，提取相應(yīng) URL 的 id

session_id=Identify_Session ( )；

page_idv=Last_Page (session_id)； //返回當(dāng)前會 話中最近訪問頁的 id

PW=Page_Windows[session_id]；

If (!Exists (page_idu, page_idv, PW))

then

M[page_idu, page_idv]++; //如果(u, v)已出現(xiàn)當(dāng) 前會話中,則鄰接矩陣 M 自增

If ((Wuv > minfreq)&(L[page_idu ]< >L[page_ idv]))

then

MergeCluster(L[page_idu],L[page_ idv]);//如果 M

關(guān)聯(lián)度夠大且 u,v 不重復(fù)，則合并它們的聚簇 L

endif

M [page_idu, page_idu] ++;

New_L= Cluster( M, L, page_idu );//產(chǎn)生新的聚簇 列表

L=New_L

endif

Push(u,PW); //將產(chǎn)生的頁面 push 到列表 PW 中

Sug=Create_Suggestions (PW, L, page_idu); //產(chǎn)

生推薦信息列表 sug

Return(Sug); //將推薦信息列表返回給用戶

五 結(jié)束語

本文所述的基于Webquest的自適應(yīng)教學(xué)系統(tǒng)的設(shè)計方法, 能有效地解決當(dāng)前Webquest教學(xué)存在的不足。通過人工智能 技術(shù)和Web技術(shù)建立的教學(xué)系統(tǒng)，能為學(xué)習(xí)者提供了真正有價 值的資源最小集合，也是從依靠單一模式解決問題發(fā)展到以 多個模式協(xié)作完成構(gòu)想的轉(zhuǎn)變，使得Webquest教學(xué)系統(tǒng)具有 很好地擴(kuò)展性和重組性，并對信息化教學(xué)有積極地推動和促 進(jìn)作用。

參考文獻(xiàn)

[1]DodgeBJ.WebQuests:A TechniqueforInternetBasedLearning[J]. The Distance Educator. 1995, 1(2): 10-13.

[2] 文可為, 陳淳泉等.網(wǎng)絡(luò)探索WebQuest的應(yīng)用:在香港中學(xué) 會考課程中地理議題的應(yīng)用[C ].第十屆全球華人計算機教 育應(yīng)用會議(GCCCE2006) , 2006: 1-17.

[3] 李振賢.應(yīng)用WebQuest理論于網(wǎng)絡(luò)環(huán)境教學(xué)其學(xué)習(xí)成效之 研究:以中學(xué)生物為例[D].臺灣:南臺科技大學(xué), 2002.

[4] 余勝泉.信息技術(shù)與課程整合—網(wǎng)絡(luò)時代的教學(xué)模式與方 法[M].上海教育出版社,2005: 215.

[5] 秦偉俊等. 基于多層體系結(jié)構(gòu)的網(wǎng)絡(luò)教學(xué)系統(tǒng)[J]. 清華大 學(xué)學(xué)報(自然科學(xué)版),2006, 46(7): 1301-1304.

[6] 劉菲等. 多Agent 協(xié)作的強化學(xué)習(xí)模型和算法[J]. 計算機 科學(xué),2006,l33(12): 156-158.

[7] SCORM Guidelines [ EB/OL].< http://www.adlnet.gov/scorm/index.aspx, 2006-12 /2007-11-02.>

[8] 史元春,沈中南,向欣,等.學(xué)習(xí)對象元數(shù)據(jù)[EB/OL].

[9] Weinstein, C. E., Schulte, A.C.,& Palmer, D.R. Learning andStudy Strategies Inventory (LASSI). 1987, Clearwater, FL: H& H Publishing.

[10] H & H Publishing Co. 1189 institutions have used the LASSI or E-LASSI as of June 1, 1994. Clearwater, FL: Author.

[11] Weinstein, C. E. LASSI users manual. Clearwater, FL: H&H; Publishing.

[12] Olejnik, S., & Nist, S. L. Identifying latent variables measured by the Learning and Study Strategies Inventory (LASSI) [J]. Journal of Experimental Education,1992,60:151-159.

[13] Claire E. Weinstein & David R. Palmer. Users Manual for those administering the Learning and Study Strategies Inventory, 2nd Edition [DB/OL].

[14]姜麗紅,徐博藝,席俊紅.基于案例推理的過濾算法及智能 信息推薦系統(tǒng)[J].清華大學(xué)學(xué)報(自然科學(xué)版),2006,46:1074-1077.

[15]陶劍文.一種分布式智能推薦系統(tǒng)的設(shè)計[J].計算機工程.2007,33(15): 207-208,213.