摘要：提出將云模型理論應用于智能教學系統(tǒng)的學生模型構建中，建立一種基于云模型的學生學習質量評價方法，利用云對概念的貢獻程度進行數(shù)據(jù)離散化，并引入云變換計算隸屬云，最后結合極大判定算法求出更加符合實際的學習質量等級劃分。實驗結果表明，這種新的評價方法得出的隸屬概念不僅能夠反映出學生對知識點的掌握程度，還能夠反映出學生在學習中的發(fā)揮穩(wěn)定性、心理素質等情況，有利于提高智能教學系統(tǒng)的應用效率。
　　關鍵詞：智能教學系統(tǒng)；云模型；學習質量評價
　　
　　隨著計算機信息技術與網(wǎng)絡技術的飛速發(fā)展，人們對教育有了更高的期望，傳統(tǒng)教學系統(tǒng)已難以滿足人性化和智能化的需求。智能教學系統(tǒng)因其具有智能性、高效性、穩(wěn)定性、個性化和共享性等特點，逐漸受到人們的關注。然而它在為學習者提供了許多潛在優(yōu)越性的同時，實際應用與發(fā)展也顯現(xiàn)了一些不足之處。當前的教學系統(tǒng)往往還是以學生單方面獲取知識和單調機械的評價測試為主，學生無法深入了解自己在學習過程中存在的問題及制約學習效率的因素，教師也無法從系統(tǒng)中獲取學生的學習狀況。因此，本文在深入研究云理論的基礎上，將云模型引入智能教學系統(tǒng)的應用研究中彌補不足，實現(xiàn)學生、教師及智能教學系統(tǒng)三者間的有效互動。
　　1基于云理論的評估方法
　　在許多應用領域中，定性評價一直都受到人們的廣泛關注，如：評價學生成績、評估復雜工程等[1]。在教學系統(tǒng)中，只有通過對學生的學習質量進行定性評價，才能使學生清楚地了解到自己掌握知識的程度，這種評價既可以提高學生的學習積極性，也可以檢驗教學質量，因此具有重要的理論和實際意義。90年代初，人們提出了以云模型為核心的云理論，它是一種定性語言值與定量數(shù)值之間轉換的重要方法。利用云模型構建學習質量評估模型，能有效地對學生的成績進行軟劃分，實現(xiàn)模糊分類，提高評估的信任度，所以云理論為評價學習質量模型提供了一個新的視野和角度。
　　目前，云模型已經(jīng)被廣泛的應用于復雜系統(tǒng)，如C41SR系統(tǒng)、電子產(chǎn)品、軍事電子信息系統(tǒng)等的綜合性能和效能評估中[2-3]。針對評估中的定性變量與定量變量具有的不同特征，應采用不同方向、不同種類的云模型進行處理。在具有多層次和多目標的智能教學系統(tǒng)中，學習質量的評價往往涉及多種因素，單純使用傳統(tǒng)的數(shù)學模型很難準確、完整地實現(xiàn)評估，因此，將云理論引入學習質量評價模型以改善現(xiàn)有評價方法的不足很有必要。
　　1.1正態(tài)云的普適性
　　云模型把隨機性和模糊性結合起來，并揭示了兩者內在的關聯(lián)性。其中，正態(tài)分布的云模型體現(xiàn)了概念的不確定性，該模型具有普遍適用性，直接或簡單地對定性與定量進行了相互轉換，并將正態(tài)云的普適性應用于學習質量的評價方法中。
　　從正態(tài)云的數(shù)學性質可知，云滴構成的隨機變量X的期望為：EX=Ex；方差為： 。因此，滿足正態(tài)分布的前提條件是：若干個獨立的、微小的隨機因素，這些因素之間單獨的作用較小，而且相對均勻，那么這一現(xiàn)象可以近似地看作是正態(tài)分布[4]。依據(jù)上述條件我們很容易判斷出X的隨機分布并不是一個正態(tài)分布。然而，在許多情況下，影響結果的各因素中，往往是作用比較突出的某一種或幾種因素，這些因素之間又存在著關聯(lián)性。在這種情況下，若簡單地利用正態(tài)分布來分析，難以真實地反映客觀情況。鑒于上述問題，正態(tài)云提供了超熵He，用于弱化形成正態(tài)分布的條件。
　　產(chǎn)生泛正態(tài)分布的條件不像正態(tài)分布要求那么嚴格，因此在實際研究應用中，雖然將許多情況近似地看成是正態(tài)分布進行處理，但它并不一定會符合正態(tài)分布的產(chǎn)生條件，這種泛正態(tài)反而更接近客觀實際，也就是泛正態(tài)的普適性意義比正態(tài)分布更廣泛，當He=0時，云X分布將變?yōu)檎龖B(tài)分布。另外，正態(tài)云云滴的概率密度函數(shù)是固定的，它與數(shù)字特征沒有任何關系。以上描述對用語言值表示的任何概念具有不同的含義，在論域空間中的分布和物理意義也不同，并且所有云滴的表現(xiàn)