林　盾　張偉平

【摘要】隨著教育資源數(shù)據(jù)量、內(nèi)容和形式的極大豐富,教育資源的組織和管理日益成為人們關(guān)注的焦點。文章指出了傳統(tǒng)教育資源管理系統(tǒng)在教育資源飛速增長的情況下所存在的一系列問題,然后以此為基礎(chǔ),提出了將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于教育資源管理中的初步設(shè)想。同時結(jié)合神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點,設(shè)計了教育資源管理系統(tǒng)模型,構(gòu)建了教育資源管理的新模式,探討了其在教育資源管理中所發(fā)揮的優(yōu)勢。

【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò);教育資源;管理系統(tǒng)

【中圖分類號】G40-057 【文獻標(biāo)識碼】A 【論文編號】1009—8097(2009)07—0120—04

教育資源是信息化教學(xué)的基礎(chǔ)。隨著教育信息化的深層次推進,互聯(lián)網(wǎng)中的信息資源以指數(shù)方式增長,這些資源不僅在內(nèi)容上多種多樣,在表現(xiàn)形式上更是豐富多彩。它對教育領(lǐng)域的沖擊與滲透使得網(wǎng)絡(luò)教育資源的利用受到重視,并隨之出現(xiàn)了新型教學(xué)模式,如:基于資源的自主探索式學(xué)習(xí)和協(xié)作學(xué)習(xí)等。然而海量的網(wǎng)絡(luò)教育資源既為教育帶來了強大的服務(wù)功能,也為資源的建設(shè)與管理帶來了新的挑戰(zhàn)。教育資源具有數(shù)據(jù)量大、形式多樣、針對性強、教育性強等諸多特點,如何將分散、無序的資源整合起來,使“用戶能方便、高效地將其利用于自己的學(xué)習(xí)和工作之中,并在大范圍內(nèi)實現(xiàn)共享是網(wǎng)絡(luò)教育資源建設(shè)者必須慎重面對的問題。”[1]

一 教育資源管理面臨的問題

隨著信息資源飛速增長,對教育資源管理的要求也更加苛刻。而網(wǎng)絡(luò)環(huán)境的復(fù)雜給教育資源的管理帶來許多不確定性。

1 教育資源管理系統(tǒng)在網(wǎng)絡(luò)過載,受到攻擊的情況下很容易崩潰。系統(tǒng)一旦崩潰,所有辛辛苦苦積累起來的資料化為烏有,資源的開發(fā)利用和共享無從談起。目前“教育資源管理系統(tǒng)在輸入錯誤、磁盤故障、網(wǎng)絡(luò)過載或有意攻擊情況下,很容易死機和崩潰?！盵2]而魯棒性(robustness)的大小是在異常和危險情況下系統(tǒng)生存的關(guān)鍵,代表了系統(tǒng)健壯與否。簡而言之,系統(tǒng)的魯棒性有待加強。

2 教育資源管理系統(tǒng)需要連續(xù)不斷地吸收新的教育資源。向用戶提供可靠的信息輸出。但是在發(fā)生故障時,教育資源管理系統(tǒng)容易停止工作,給用戶帶來較大的損失。而容錯性(Fault Tolerance)是指在故障存在的情況下管理系統(tǒng)不失效,仍然能夠正常工作的特性。很明顯,管理系統(tǒng)的容錯性較差,猶如一個經(jīng)常斷電的供電站,給廣大用戶帶來不必要的煩惱與損失。

3 教育資源的擴張速度極快,對海量教育資源的分類顯得越來越困難。原先的人為分類跟不上信息傳遞的頻率,導(dǎo)致很難在較短的時間內(nèi)找到用戶迫切需要的資料,浪費用戶的時間,也給教育資源的進一步推廣使用帶來障礙。

二 人工神經(jīng)網(wǎng)絡(luò)的特點

人工智能(Artificial Intelligence)是探討人類智能的基本機理,研究如何利用各種自動機來模擬人的某些思維過程和智能行為,從而構(gòu)造智能人工制品的科學(xué)。

人類對人工智能的研究可以分成兩種方式,對應(yīng)著兩種不同的技術(shù):基于心理角度模擬的傳統(tǒng)人工智能技術(shù)和基于生理角度模擬的人工神經(jīng)網(wǎng)絡(luò)技術(shù)。從人腦的生理結(jié)構(gòu)來觀察,人腦的每個神經(jīng)元大約有103~4個樹突及相應(yīng)的突觸,一個人的大腦總計約形成1014~15個突觸。用神經(jīng)網(wǎng)絡(luò)的術(shù)語來說,即是人腦具有1014~15個互相連接的存儲潛力。雖然每個神經(jīng)元的運算功能十分簡單,且信號傳輸速率也較低(大約100次/秒),但由于各神經(jīng)元之間的極度并行互連功能,最終使得一個普通人的大腦在約1秒內(nèi)就能完成現(xiàn)行計算機至少需要數(shù)10億次處理步驟才能完成的任務(wù)。根據(jù)人腦的生理特點,人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN)是由大量并行分布的單元廣泛互連而成,通過各組成部分非同步化的變換,實現(xiàn)信息的整體處理任務(wù),它的這一結(jié)構(gòu)特點決定著人工神經(jīng)網(wǎng)絡(luò)具有高速信息處理的能力。它實質(zhì)上是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,進行分布式并行信息處理的算法數(shù)學(xué)模型。其“工作原理是通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系,從而達到處理信息的目的?！?[3]所以它具有自學(xué)習(xí)和自適應(yīng)的能力,可以通過預(yù)先提供的一批相互對應(yīng)的輸入——輸出數(shù)據(jù),分析掌握兩者之間潛在的規(guī)律,最終根據(jù)這些規(guī)律,用新的輸入數(shù)據(jù)來推算輸出結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元處理單元可表示不同的對象,例如特征、字母、概念,或者一些有意義的抽象模式。網(wǎng)絡(luò)中處理單元的類型分為三類:輸入單元、輸出單元和隱單元。輸入單元接受外部世界的信號與數(shù)據(jù);輸出單元實現(xiàn)系統(tǒng)處理結(jié)果的輸出;隱單元是處在輸入和輸出單元之間,不能由系統(tǒng)外部觀察的單元。神經(jīng)元間的連接權(quán)值反映了單元間的連接強度,“信息的表示和處理體現(xiàn)在網(wǎng)絡(luò)處理單元的連接關(guān)系中?！盵4]人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)是通過網(wǎng)絡(luò)的變換和動力學(xué)行為得到一種并行分布式的信息處理功能,并在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理功能。正因為這個重要特征,“人工神經(jīng)網(wǎng)絡(luò)采用了與傳統(tǒng)人工智能技術(shù)完全不同的機理,克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷,具有自適應(yīng)、自組織和實時學(xué)習(xí)的特點?！盵5]它與專家系統(tǒng)的最大區(qū)別是,專家系統(tǒng)屬于人類智能的功能模擬,而人工神經(jīng)網(wǎng)絡(luò)則偏重走結(jié)構(gòu)模擬的路子。與其它智能系統(tǒng)相比,人工神經(jīng)網(wǎng)絡(luò)具有以下特點:

1 學(xué)習(xí)能力:學(xué)習(xí)能力是神經(jīng)網(wǎng)絡(luò)具有智能的重要表現(xiàn),即通過訓(xùn)練可抽象出訓(xùn)練樣本的主要特征,表現(xiàn)出強大的自適應(yīng)能力。例如實現(xiàn)圖像識別時,只有先把許多不同的圖像樣板和對應(yīng)的應(yīng)識別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)就會通過自學(xué)習(xí)功能,慢慢學(xué)會識別類似的圖像。

2 分布式結(jié)構(gòu):人工神經(jīng)網(wǎng)絡(luò)力圖“體現(xiàn)大腦的分布式并行計算和非線性等特征,依此而建構(gòu)的網(wǎng)絡(luò)是一種具有大量連接的并行分布式處理器?！盵6]具有通過學(xué)習(xí)獲取知識并解決問題的能力,且知識是分布存儲在與大腦神經(jīng)元突觸相類似的連接的權(quán)重中。在傳統(tǒng)的串行體系計算機中信息分布在獨立的存儲單元中,而在神經(jīng)網(wǎng)絡(luò)中,信息則分散在神經(jīng)元的連接上。神經(jīng)網(wǎng)絡(luò)的信息分布特性,使之具有強大的容錯能力和記憶聯(lián)想能力。信息的分布存儲提供容錯功能。由于信息被分布存放在幾乎整個網(wǎng)絡(luò)中,所以,“當(dāng)其中的某一個點或者某幾個點被破壞時,信息仍然可以被存取。系統(tǒng)在受到局部損傷時還可以正常工作?！盵5]

3 并行處理:神經(jīng)網(wǎng)絡(luò)主要是對人腦的結(jié)構(gòu)模擬。各種神經(jīng)元在處理信息時是獨立完成的,不同神經(jīng)元之間具有并行性,這種并行處理使得信息處理速度大大加快。信息處理方式由原來馮?諾依曼設(shè)計的串行處理變?yōu)閷π畔⒉⑿刑幚怼?/p>

三 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于教育技術(shù)資源的管理之中

將網(wǎng)絡(luò)布線由原來的星型布線轉(zhuǎn)向神經(jīng)網(wǎng)絡(luò)布線方式。應(yīng)用神經(jīng)網(wǎng)絡(luò)軟件,網(wǎng)絡(luò)采用分布式結(jié)構(gòu),信息采用統(tǒng)一并行處理的方式處理,從而加強了網(wǎng)絡(luò)的魯棒性、容錯性。同時發(fā)揮神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,對待不同的信息資源進行模式分類。神經(jīng)網(wǎng)絡(luò)模型考慮采用目前比較成熟的誤差反向傳播網(wǎng)(BP神經(jīng)網(wǎng)絡(luò))。教育資源分類考慮設(shè)計關(guān)鍵詞進行訓(xùn)練,同時設(shè)立樣本訓(xùn)練方法,用BP算法對該網(wǎng)絡(luò)進行訓(xùn)練。訓(xùn)練結(jié)束之后,神經(jīng)網(wǎng)絡(luò)就可以作為教育資源分類器來進行使用。

BP(Back propagation反向傳播)網(wǎng)絡(luò)又稱誤差信號反饋網(wǎng)絡(luò),是神經(jīng)網(wǎng)絡(luò)中使用最廣泛的一類。它是一種有教師的學(xué)習(xí)網(wǎng)絡(luò),能夠?qū)崿F(xiàn)從N維到M維的非線性映射,采用梯度下降法實現(xiàn)快速收斂。BP神經(jīng)網(wǎng)絡(luò)采用的是并行網(wǎng)格結(jié)構(gòu),包括輸入層、隱含層和輸出層,經(jīng)作用函數(shù)后,再把隱節(jié)點的輸出信號傳遞到輸出節(jié)點,最后給出輸出結(jié)果。由圖1可見各層次的神經(jīng)元之間形成全互連連接,各層次內(nèi)的神經(jīng)元之間沒有連接。

該算法的學(xué)習(xí)過程由信息的前向傳播和誤差的反向傳播組成。在前向傳播的過程中,輸入信息從輸入層經(jīng)隱含層逐層處理,并傳向輸出層。第一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層得不到期望的輸出結(jié)果,則轉(zhuǎn)入反向傳播,將誤差信號(目標(biāo)值與網(wǎng)絡(luò)輸出之差)沿原來的連接通道返回,通過修改各層神經(jīng)元權(quán)值,使得誤差均方最小。神經(jīng)網(wǎng)絡(luò)理論已經(jīng)證明“BP網(wǎng)絡(luò)具有強大的非線性映射能力和泛化功能,任一連續(xù)函數(shù)或映射均可采用三層網(wǎng)絡(luò)加以實現(xiàn)?！盵3]

其BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計方案如下:輸入層、隱含層、輸出層。輸入層與外界的信息來源渠道緊密相連,稱之為接受信息的服務(wù)器。隱含層包含若干個存儲器,代表若干個知識單元。存儲器需要具備輸入輸出渠道,具備自學(xué)習(xí)能力,可以接受外界信息,也可以傳送信息。輸出層由傳送信息的服務(wù)器組成。輸出層接受到隱含層傳來的信息之后,根據(jù)用戶要求傳送相關(guān)信息。層間聯(lián)接根據(jù)模型設(shè)計方案來鋪設(shè)。神經(jīng)網(wǎng)絡(luò)中的每一個節(jié)點,無論其在輸入層、隱含層、輸出層上,每臺計算機上必須有相應(yīng)的神經(jīng)元器件,以便網(wǎng)絡(luò)進行自學(xué)與聯(lián)想記憶。BP神經(jīng)網(wǎng)絡(luò)管理系統(tǒng)的硬件實現(xiàn)。是將協(xié)處理器插入標(biāo)準(zhǔn)計算機中,通過運行神經(jīng)網(wǎng)絡(luò)軟件包,以實現(xiàn)神經(jīng)網(wǎng)絡(luò)的硬件功能,可以使神經(jīng)網(wǎng)絡(luò)在任何計算機硬件和軟件環(huán)境中得到所需要的教育資源處理能力。其設(shè)計的模型具有如下特點:

1 教育資源并行分布方式處理:在神經(jīng)網(wǎng)絡(luò)中教育資源是分布儲存和并行處理的,即神經(jīng)網(wǎng)絡(luò)把教育資源分布地存儲在神經(jīng)元之間的連接強度上,而且對教育資源的處理是由網(wǎng)絡(luò)中神經(jīng)元集體完成的。在BP神經(jīng)網(wǎng)絡(luò)中,教育資源的存儲表現(xiàn)為神經(jīng)元之間分布式的物理聯(lián)系,它分散地表示和存儲于整個網(wǎng)絡(luò)內(nèi)的各神經(jīng)元及其連線上。每個神經(jīng)元及其連線只表示一部分教育資源,而不是一個完整具體概念。只有通過各神經(jīng)元的分布式綜合效果才能表達出特定的概念和知識。由于人工神經(jīng)網(wǎng)絡(luò)中神經(jīng)元個數(shù)眾多以及整個網(wǎng)絡(luò)存儲容量的巨大,使得它具有很強的不確定性處理能力。即使輸入教育資源不完全、不準(zhǔn)確或模糊不清,神經(jīng)網(wǎng)絡(luò)仍然能夠聯(lián)想思維持在于記憶中事物的完整圖像。只要輸入的模式接近于訓(xùn)練樣本,系統(tǒng)就能給出正確的推理結(jié)論。

2 魯棒性與容錯性比較強:人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點和其信息存儲的分布式特點,使得它相對于其它的判斷識別系統(tǒng)如專家系統(tǒng)等,具有另一個顯著的優(yōu)點健壯性。當(dāng)一個人的大腦因意外事故受輕微損傷之后,并不會失去原有事物的全部記憶。人工神經(jīng)網(wǎng)絡(luò)不會因為個別神經(jīng)元的損失(網(wǎng)絡(luò)過載、停電、突發(fā)故障)而失去對原有模式的記憶(管理功能)。另外“即使是突發(fā)事件,暫時使網(wǎng)絡(luò)的硬件實現(xiàn)還是軟件實現(xiàn)中的某個或某些神經(jīng)元失效,整個網(wǎng)絡(luò)仍然能繼續(xù)工作?！盵7]BP神經(jīng)網(wǎng)絡(luò)是一種非線性的處理系統(tǒng)。只有當(dāng)神經(jīng)元對所有的輸入信號的綜合處理結(jié)果超過某一閾值后才輸出一個信號。因此神經(jīng)網(wǎng)絡(luò)是一種具有高度非線性的超大規(guī)模連續(xù)時間動力學(xué)系統(tǒng),可以實現(xiàn)對教育資源不間斷、長時間的持續(xù)管理。它突破了傳統(tǒng)管理系統(tǒng)的局限,標(biāo)志著教育資源管理能力的較大提升。因而神經(jīng)網(wǎng)絡(luò)具有極強的魯棒性與容錯性,有聯(lián)想記憶抽象概括和自適應(yīng)能力。

3 具有自學(xué)習(xí)和自適應(yīng)能力:神經(jīng)網(wǎng)絡(luò)抽象概括和自適應(yīng)能力稱之為自學(xué)習(xí)能力,自學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)中最重要的特征。通過學(xué)習(xí),網(wǎng)絡(luò)能夠獲得教育資源的分類知識,適應(yīng)環(huán)境。在訓(xùn)練時,能從輸入、輸出的數(shù)據(jù)中提取出規(guī)律性的分類知識,記憶于網(wǎng)絡(luò)的權(quán)值中。并具有泛化能力,即將這組權(quán)值應(yīng)用于一般教育資源分類的能力。另外,BP神經(jīng)網(wǎng)絡(luò)的分類能力學(xué)習(xí)也可以在線進行。

以教育學(xué)院教育技術(shù)學(xué)資源管理為例,輸入層由兩臺高性能的服務(wù)器組成,中間設(shè)七個知識單元,輸出由兩臺輸出服務(wù)器組成。隱層的七個神經(jīng)元分別為計算機軟件資源室、課堂教學(xué)資源室、“影視創(chuàng)作資源室、計算機教育應(yīng)用資源室、網(wǎng)絡(luò)技術(shù)資源室、傳統(tǒng)教學(xué)資源室、傳統(tǒng)媒體使用資源室?！盵8]模型圖如圖2所示:

教育技術(shù)學(xué)資源管理系統(tǒng)一種可編程的動力系統(tǒng),其存貯、加工和提取教育資源均是可編程的。輸入層負責(zé)對教育技術(shù)學(xué)的相關(guān)教育資源進行篩選比較,然后根據(jù)學(xué)習(xí)后的分類能力對資源予以分類,將所有的教育技術(shù)資源分布式存儲在隱層的各神經(jīng)元中,需要處理時根據(jù)用戶需要,從各個神經(jīng)元中取出信息并行處理,輸出到輸出服務(wù)器中,提供給用戶。用戶可以將用戶要求直接給輸出處理平臺,傳遞給輸出層后,由輸出層將用戶要求反饋給中間隱層。也可以將要求送給輸入處理平臺,傳遞給輸入層,進行篩選之后將信息傳送給中間隱層。即使系統(tǒng)突然面臨網(wǎng)絡(luò)過載問題,由于存儲是分布式的,可以很容易地將信息資源分配下去。即使突然停電,由于相關(guān)資源已經(jīng)存儲完畢,損失微乎其微。系統(tǒng)的魯棒性大大加強。同時如果系統(tǒng)發(fā)生突然故障,由于輸入渠道有兩條,所以可以很輕松地用另一個服務(wù)器處理。輸出處理時也是如此。因此系統(tǒng)的容錯性也得到提高。至于模式分類,則需要較長時間的訓(xùn)練和大量的樣本。一旦BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完畢,日后教育技術(shù)學(xué)資源分類就顯得十分輕松。只需將關(guān)鍵詞輸入準(zhǔn)確,便可以進入相應(yīng)的知識單元存儲起來。處理信息時,根據(jù)用戶需要,有不少不同類別的資源需要統(tǒng)籌規(guī)劃、聯(lián)合利用,才能得到用戶需要的結(jié)果。這兒就可以充分發(fā)揮神經(jīng)網(wǎng)絡(luò)并行處理的特點,有條不紊地對信息加以處理。其總體示意圖如圖3所示:

四 結(jié)語

教育信息化的核心問題是教育資源的應(yīng)用和管理。神經(jīng)網(wǎng)絡(luò)式的教育資源管理系統(tǒng)把教育資源存儲、教育資源管理、教育資源分類、教育資源動態(tài)升級四大特色功能進行整合,全面突破了“當(dāng)前基礎(chǔ)教育信息化過程中的應(yīng)用‘瓶頸。” [9]其最大的特點就是突出了教育資源的管理功能,通過以一個統(tǒng)一管理平臺為核心的方式,對各類教育資源進行優(yōu)化、整合,改善了以往教育資源管理從單一功能角度進行設(shè)計,各功能之間不能相互結(jié)合,造成資源管理困難和資源互不兼容的問題,實現(xiàn)了教育資源的價值最大化。值得注意的是,由于管理系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點進行設(shè)計,其魯棒性、容錯性和模式分類能力較強,較之傳統(tǒng)教育資源管理方式比較起來,不僅提取和輸入變得十分簡單,而且對大量資源的分類式識別也大大加快,提高了管理效率。分布式存儲提高了教育資源的存儲容量,而“并行式處理又加大了教育資源的處理速度,同時系統(tǒng)在應(yīng)付突發(fā)事件和網(wǎng)絡(luò)攻擊方面,應(yīng)變能力大大增強,”[10]其可靠性與可用性也有突破性的提高。同時,在教育資源管理過程中,系統(tǒng)能抓住教育資源應(yīng)用與管理過程中的關(guān)鍵問題,關(guān)注用戶的反饋,即時更新教育資源,加強了教育資源的建設(shè),為教育信息化的持續(xù)發(fā)展提供了有力的保障。

參考文獻

[1] 余勝泉,朱凌云.教育資源建設(shè)技術(shù)規(guī)范體系結(jié)構(gòu)與應(yīng)用模式[J].中國電化教育,2006,(3):58-59.

[2] 穆肅.校本學(xué)科教學(xué)資源庫的設(shè)計和實現(xiàn)[J].中國電化教育,2004,(1):56-61.

[3] 周志華著.神經(jīng)網(wǎng)絡(luò)及其應(yīng)用(第1版)[M].北京:清華大學(xué)出版社,2004.

[4] 張廣瑩,徐麗娜,鄧正隆.“神經(jīng)網(wǎng)絡(luò)控制”CAI課件研制中的幾個問題[J].現(xiàn)代教育技術(shù),1997,(2):32-33.

[5] 韓立群著.人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計及應(yīng)用(第1版)[M].北京:化學(xué)工業(yè)出版社,2002.

[6] 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,(15):207-208.

[7] 王國旗,張辛亥,肖旸.采用前向多層神經(jīng)網(wǎng)絡(luò)預(yù)測煤的自然發(fā)火期[J].湖南科技大學(xué)學(xué)報(自科版),2008,(2):20-22.

[8] 茹洪麗.教育技術(shù)學(xué)課程設(shè)置問題探略[J].電化教育研究,2005,(12):38-41.

[9] 馬穎峰,肖曉飛.AI教育應(yīng)用研究的回顧與反思——我國教育技術(shù)界十年AI應(yīng)用研究回眸[J].現(xiàn)代教育技術(shù),2006, (4):76-78.

[10] 網(wǎng)絡(luò)教育資源建設(shè)論壇[EB/OL].