陳凱泉 劉璐

摘 ? 要：開源智能教學(xué)系統(tǒng)是人工智能在教學(xué)領(lǐng)域的重要應(yīng)用方向。與傳統(tǒng)智能教學(xué)系統(tǒng)相比，開源智能教學(xué)系統(tǒng)的適應(yīng)性、靈活性、自主性更強(qiáng)。GIFT平臺由美國軍隊研究實(shí)驗(yàn)室主導(dǎo)開發(fā)，該平臺支持在學(xué)科教學(xué)、醫(yī)療培訓(xùn)、技能訓(xùn)練等多個教育領(lǐng)域?qū)崿F(xiàn)基于情境的智能課程開發(fā)。GIFT主要由傳感器模塊、學(xué)習(xí)者模塊、教學(xué)模塊、領(lǐng)域模塊這四大基礎(chǔ)模塊支撐其體系架構(gòu)，提供教學(xué)創(chuàng)作、教學(xué)管理和教學(xué)評估三大基本功能?；贕IFT平臺的多個教學(xué)實(shí)例，顯現(xiàn)出該平臺能在不同學(xué)習(xí)領(lǐng)域適應(yīng)不同情境下的教學(xué)或訓(xùn)練需求，且在極大程度上降低了教師開發(fā)智能課程的技術(shù)門檻。

關(guān)鍵詞：智能教學(xué)系統(tǒng);GIFT平臺;適應(yīng)性學(xué)習(xí)

中圖分類號：G623 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2020）03-0052-05

從1956年美國達(dá)特茅斯會議首次系統(tǒng)討論人工智能（Artificial Intelligence，AI）這一概念之后，歷經(jīng)幾十年的發(fā)展和積累，人工智能在各領(lǐng)域獲得廣泛應(yīng)用。開源智能教學(xué)系統(tǒng)是人工智能在教學(xué)領(lǐng)域的一個重要應(yīng)用分支和研究方向，與傳統(tǒng)智能教學(xué)系統(tǒng)相比，開源智能教學(xué)系統(tǒng)的適應(yīng)性、靈活性、自主性更強(qiáng)，便于使用者的二次開發(fā)以更好地滿足教學(xué)需要。近年來，出現(xiàn)了許多應(yīng)用范圍較廣的開源智能教學(xué)系統(tǒng)，例如：由美國聯(lián)邦基金資助、伍斯特理工學(xué)院主辦的免費(fèi)公共服務(wù)平臺ASSISTments 平臺[1]，為學(xué)生提供個性化指導(dǎo);由Google公司推出的TensorFlow開源人工智能系統(tǒng)[2]，具有靈活性、高效性以及良好的可擴(kuò)展性、可移植性等特征。上述平臺對推動人工智能在教育領(lǐng)域的“落地”起到了促進(jìn)作用，但這些平臺也存在一些不足，如對使用者所需具備的能力要求較高，需要使用者掌握一定的編程開發(fā)能力，對廣大一線教師而言，具有較高的技術(shù)門檻。

開源的GIFT（Generalized Intelligent Framework for Tutoring，通用智能教學(xué)框架）是一款優(yōu)秀的智能教學(xué)系統(tǒng)，它可以模塊化地實(shí)現(xiàn)對自適應(yīng)學(xué)習(xí)內(nèi)容的建構(gòu)、部署和管理，這一系統(tǒng)提供各種軟硬件接口以方便與其他多類型應(yīng)用的結(jié)合[3]。GIFT系統(tǒng)是在美國軍隊研究實(shí)驗(yàn)室人類研究和工程指揮部（Army Research Laboratory Human Research and Engineering Directorate，ARL-HRED）的支持下由智能輔導(dǎo)學(xué)習(xí)環(huán)境（Learning in Intelligent Tutoring Environments，LITE）實(shí)驗(yàn)室主導(dǎo)開發(fā)的適應(yīng)性學(xué)習(xí)研究項(xiàng)目。GIFT系統(tǒng)自2012年5月發(fā)布以來，在學(xué)科教學(xué)、醫(yī)療培訓(xùn)、技能訓(xùn)練等多個教育領(lǐng)域?qū)崿F(xiàn)了基于情境的課程開發(fā)，發(fā)展至今已經(jīng)較為成熟。截至2019年10月，GIFT社區(qū)已經(jīng)有來自76個不同國家和地區(qū)超過1500名活躍用戶，討論區(qū)已發(fā)表超過1200個主題討論[4]。

一、GIFT系統(tǒng)的架構(gòu)

GIFT系統(tǒng)是一個基于經(jīng)驗(yàn)的、面向服務(wù)的，集工具、規(guī)則和標(biāo)準(zhǔn)于一體的通用智能教學(xué)框架。它開源的特性使得編寫智能教學(xué)系統(tǒng)、開展教學(xué)管理和評估教學(xué)效果變得容易實(shí)現(xiàn)。GIFT的構(gòu)成元素包括組件、模塊、模型、消息、數(shù)據(jù)庫和接口等，它們支持GIFT的創(chuàng)作、教學(xué)和評估功能。系統(tǒng)基于以學(xué)習(xí)者為中心的理念，通過傳感器模塊收集學(xué)習(xí)者的行為、特征和偏好等多模態(tài)學(xué)習(xí)數(shù)據(jù)，準(zhǔn)確評估學(xué)習(xí)者的狀態(tài)，形成更加穩(wěn)定、持久的學(xué)習(xí)者模型。通過精確分類學(xué)習(xí)者的各項(xiàng)數(shù)據(jù)，在教學(xué)模塊中選擇最優(yōu)的教學(xué)策略，結(jié)合領(lǐng)域模塊中的知識對學(xué)習(xí)者的學(xué)習(xí)做出指導(dǎo)和反饋[5][6]。GIFT從體系架構(gòu)上主要包含傳感器模塊、學(xué)習(xí)者模塊、教學(xué)模塊、領(lǐng)域模塊這四大基礎(chǔ)模塊。

1.傳感器模塊（Sensor Module）

GIFT傳感器模塊包含一組用于行為傳感器和生理傳感器的特定傳感器接口。它接受原始的來自傳感器的數(shù)據(jù)，通過傳感器處理模塊將這些數(shù)據(jù)轉(zhuǎn)換成可用的形式，該模塊過濾、分段或提取數(shù)據(jù)中的特征值。傳感器處理模塊將處理后的數(shù)據(jù)傳輸?shù)綄W(xué)習(xí)者模塊。由于傳感器模塊具有支持商用傳感器的接口，因此利用這一模塊可以實(shí)現(xiàn)對數(shù)據(jù)的處理、存儲以及格式化操作。該模塊是GIFT系統(tǒng)與外部接口集成的基礎(chǔ)，利用傳感器模塊，系統(tǒng)完成檢測、收集、傳輸學(xué)習(xí)者的生理和行為等多模態(tài)學(xué)習(xí)數(shù)據(jù)。

2.學(xué)習(xí)者模塊（Learner Module）

學(xué)習(xí)者模塊可以基于學(xué)習(xí)者的歷史行為、表現(xiàn)、偏好等數(shù)據(jù)來確定學(xué)習(xí)者當(dāng)前的認(rèn)知、情感或生理狀態(tài)。學(xué)習(xí)者模塊的主要功能是確定學(xué)習(xí)者的狀態(tài)，次要功能是跟蹤教學(xué)過程中相關(guān)的學(xué)習(xí)者特質(zhì)數(shù)據(jù)（如個性偏好和學(xué)習(xí)風(fēng)格）和課程數(shù)據(jù)（如課程開始/結(jié)束、課程成績或表現(xiàn)）。學(xué)習(xí)者模塊是眾多用戶模塊的一種，GIFT目前正在開發(fā)更多的用戶模型（如教師、專家、研究者等）和更豐富的交互界面來支持教學(xué)，但學(xué)習(xí)者模塊仍然是提供自適應(yīng)輔導(dǎo)教學(xué)的中心。學(xué)習(xí)者模塊利用經(jīng)傳感器模塊預(yù)先處理的行為和生理數(shù)據(jù)，以及依據(jù)數(shù)據(jù)統(tǒng)計、自我評價和觀察數(shù)據(jù)一起生成的績效評估狀態(tài)（如未達(dá)到、達(dá)到、超出預(yù)期），對學(xué)習(xí)者的認(rèn)知能力、情感能力狀態(tài)做出分類。

3.教學(xué)模塊（Pedagogical Module）

GIFT教學(xué)模塊從學(xué)習(xí)者模塊和領(lǐng)域模塊查詢狀態(tài)數(shù)據(jù)，根據(jù)學(xué)習(xí)者的狀態(tài)和表現(xiàn)來決定教學(xué)內(nèi)容、順序和流程。根據(jù)教學(xué)模塊的決策，將視覺和聽覺刺激傳遞到交互界面。教學(xué)模塊需要解決的問題是當(dāng)學(xué)習(xí)者處于不同狀態(tài)時，應(yīng)該建議采取何種行動。傳統(tǒng)的機(jī)器學(xué)習(xí)方法，如貝葉斯網(wǎng)絡(luò)（Bayesian networks）或者決策樹（Decision Trees），通常在教學(xué)策略完善的情況下做出決策以確定下一步的行動。而GIFT可以在學(xué)習(xí)過程中進(jìn)行動態(tài)評估并對教學(xué)策略隨時進(jìn)行調(diào)整，根據(jù)現(xiàn)實(shí)情況選擇完成提示、反饋或難度調(diào)整等不同操作。

4.領(lǐng)域模塊（Domain Module）

領(lǐng)域模塊的目的是定義和構(gòu)造該領(lǐng)域所涉及的知識，包括教學(xué)內(nèi)容、相關(guān)任務(wù)、評價標(biāo)準(zhǔn)、常見問題等等。領(lǐng)域模塊是由教學(xué)模塊的推薦決策所驅(qū)動，領(lǐng)域模塊將教學(xué)模塊的通用決策轉(zhuǎn)換成為特定領(lǐng)域的具體執(zhí)行策略。例如：教學(xué)模塊決定下一步應(yīng)該對學(xué)習(xí)者進(jìn)行提問，領(lǐng)域模塊在接收到來自教學(xué)模塊的信息后則對學(xué)習(xí)者做概念提問。領(lǐng)域模塊不僅能夠決定呈現(xiàn)哪些內(nèi)容、內(nèi)容呈現(xiàn)的順序和速度以及要提供的反饋類型，還能夠采用與專家表現(xiàn)或其他標(biāo)準(zhǔn)進(jìn)行比較的方式，在學(xué)習(xí)者完成階段性的或整個課程的學(xué)習(xí)內(nèi)容后對學(xué)習(xí)者表現(xiàn)做出評估。

二、GIFT系統(tǒng)的功能框架

GIFT作為一個強(qiáng)大的開發(fā)工具為智能教學(xué)系統(tǒng)的研究人員提供了有力支撐。GIFT提供了教學(xué)創(chuàng)作、教學(xué)管理和教學(xué)評估三項(xiàng)功能來將系統(tǒng)各構(gòu)成要素結(jié)合成整體[7]，以實(shí)現(xiàn)離線或?qū)崟r處理、創(chuàng)建、傳遞、理解智能教學(xué)系統(tǒng)發(fā)出的指令。

1.教學(xué)創(chuàng)作

GIFT的教學(xué)創(chuàng)作功能旨在降低在各種任務(wù)領(lǐng)域中編寫ITSs所需的技能和時間。GIFT系統(tǒng)的創(chuàng)作功能由規(guī)則、工具和方法三部分組成，使各類教學(xué)創(chuàng)作者，包括教學(xué)設(shè)計師、開發(fā)人員、教師、課程管理人員和領(lǐng)域?qū)＜业饶軌蛟趯浖幊桃?guī)則不是非常了解的情況下，創(chuàng)建自己的智能教學(xué)系統(tǒng)。系統(tǒng)還支持教學(xué)創(chuàng)作者根據(jù)教學(xué)內(nèi)容的層次遞進(jìn)關(guān)系，組織安排教學(xué)內(nèi)容，以合理的順序呈現(xiàn)給學(xué)習(xí)者。通過標(biāo)準(zhǔn)化的GIFT網(wǎng)關(guān)，GIFT系統(tǒng)還可與外部環(huán)境交換教學(xué)數(shù)據(jù)。GIFT的教學(xué)創(chuàng)作工具包括一個標(biāo)準(zhǔn)的網(wǎng)關(guān)規(guī)范，以及與游戲交互的課程對象（如虛擬戰(zhàn)場空間和虛擬醫(yī)生）、模擬器（如挖掘機(jī)模擬器）、應(yīng)用程序（如Microsoft PowerPoint）和生理/行為傳感器（如Zephyr Bioharness、Microsoft Kinect、Emotiv Epoc EEG）。開發(fā)人員在編輯課程對象時不需要經(jīng)過復(fù)雜的編程，通過簡單的拖拽操作就可以直接將其添加到正在編輯的GIFT課程中。GIFT現(xiàn)在同樣支持與其他學(xué)習(xí)工具交互操作，例如：它可以在edX和其他大規(guī)模開放在線課程（MOOC）平臺做自適應(yīng)教學(xué)開發(fā)。

2.教學(xué)管理

GIFT教學(xué)管理功能體現(xiàn)為在不同教學(xué)設(shè)備上向個人和團(tuán)隊提供教學(xué)內(nèi)容、反饋、支持等，以適應(yīng)不同學(xué)習(xí)者或?qū)W習(xí)團(tuán)隊的需求。作為一個模塊化的框架，GIFT還允許用戶將其它輔導(dǎo)系統(tǒng)的教學(xué)模型、教學(xué)策略添加到GIFT中。具體功能體現(xiàn)為：建立模型以適應(yīng)影響學(xué)習(xí)表現(xiàn)的個體間狀態(tài)、特征、偏好等差異;管理教學(xué)指導(dǎo)的節(jié)奏、方向、挑戰(zhàn)水平;監(jiān)控與管理學(xué)習(xí)、表現(xiàn)和技能遷移之間的相互作用。GIFT對學(xué)習(xí)理論、輔導(dǎo)理論和動機(jī)理論都有充分的考慮。在嘗試模仿人類專家導(dǎo)師的過程中，GIFT框架考慮了包括蘇格拉底式、漸進(jìn)式、間接式、反思性和激勵性在內(nèi)的輔導(dǎo)模式，以及一對一的輔導(dǎo)過程。GIFT框架提供了以學(xué)習(xí)者為中心的功能集合，這些功能用來識別學(xué)習(xí)者的狀態(tài)或特點(diǎn)。通過開放的學(xué)習(xí)者模型鼓勵自主學(xué)習(xí)，讓學(xué)習(xí)者決定下一步學(xué)習(xí)什么，并檢查他們在掌握學(xué)習(xí)主題和測量心理屬性方面的進(jìn)展。

3.教學(xué)評估

GIFT的教學(xué)評估功能強(qiáng)調(diào)支持適應(yīng)性教學(xué)方法，要基于智能教學(xué)系統(tǒng)完成實(shí)證評價。GIFT中的評估功能由一個實(shí)驗(yàn)測試臺實(shí)現(xiàn)，該測試平臺可以用來確定環(huán)境屬性、工具、模型和方法等方面對學(xué)習(xí)者的參與、學(xué)習(xí)、表現(xiàn)、保持、推理和技能遷移的影響。Steve Hanks等人在1993年提出了測試臺方法（Testbed Methodology）[8]，這一理論支持對學(xué)習(xí)者模型、教學(xué)模型和特定領(lǐng)域知識的測試和驗(yàn)證，用以評估學(xué)習(xí)效果模型中被操縱或被評估的變量。GIFT教學(xué)評估功能允許智能教學(xué)系統(tǒng)的研究人員實(shí)驗(yàn)性地評價和評估智能教學(xué)系統(tǒng)的方法、工具和內(nèi)容。圖1說明了該實(shí)驗(yàn)測試臺的模型，該模型不僅充分考慮教學(xué)過程中所涉及的因素，還可以根據(jù)評估結(jié)果進(jìn)一步明確各相關(guān)因素和變量之間的關(guān)系，對相應(yīng)模型做出反饋和調(diào)整，進(jìn)一步優(yōu)化系統(tǒng)的整體性能。

三、基于GIFT的課程創(chuàng)建及課程發(fā)布

GIFT Cloud是基于Web的應(yīng)用程序，無需下載便可讓研究者、教師和學(xué)生訪問和使用GIFT。GIFT Cloud的使用僅需通過網(wǎng)絡(luò)瀏覽器。通過GIFT Cloud，教學(xué)設(shè)計者可以在服務(wù)器上實(shí)現(xiàn)在線的自適應(yīng)課程設(shè)計，并可根據(jù)需要，將課程從GIFT Local導(dǎo)入或?qū)С觯部蛇x擇將之上傳到在線個人空間。GIFT Cloud 和GIFT Local的結(jié)合讓GIFT系統(tǒng)的使用環(huán)境更加多樣化，提升了GIFT系統(tǒng)的魯棒性。GIFT Cloud中的課程創(chuàng)建模塊允許用戶創(chuàng)建并編輯自己的課程，課程發(fā)布模塊是從現(xiàn)有課程創(chuàng)建不可編輯的副本。

1.課程創(chuàng)建與編輯

圖2展示了創(chuàng)建并編輯GIFT課程的界面。工作區(qū)分為三個主要部分：頁面頂部是系統(tǒng)導(dǎo)航欄，左側(cè)導(dǎo)航欄包括課程性質(zhì)、課程對象和媒體，可以編輯課程描述、新建概念定義、設(shè)置課程封面等;通過拖拽操作可添加課程對象到右側(cè)工作區(qū)，目前GIFT支持添加多種類型的課程對象，包括文本、圖片、網(wǎng)址、視頻、PPT等，用戶同樣可以在這一模塊添加調(diào)查、創(chuàng)建導(dǎo)師對話、編輯問題題庫等，在添加調(diào)查后，能夠根據(jù)學(xué)習(xí)者的回答情況評估學(xué)習(xí)者目前的狀態(tài)是新手、熟練者還是專家，繼而將結(jié)果傳遞到教學(xué)模塊選擇下一步教學(xué)策略;在創(chuàng)建導(dǎo)師對話時，用戶通過設(shè)定回答關(guān)鍵詞以幫助系統(tǒng)判定學(xué)習(xí)者是否已經(jīng)掌握該知識;媒體模塊支持上傳各類與課程相關(guān)的媒體文件，包括音頻、視頻、動畫等類型的文件。右側(cè)工作區(qū)展示目前課程的邏輯結(jié)構(gòu)，順序展示目前課程所包含的學(xué)習(xí)材料，用戶需在工作臺完成保存、測試、回復(fù)、預(yù)覽等一系列操作，工作臺支持用戶在編輯課程過程中修改當(dāng)前課程的名稱及查看課程的協(xié)同創(chuàng)作者。在GIFT的最新版本中，課程內(nèi)容會按課程開展的順序顯示在工作區(qū)，課程編輯人員能夠自由選擇在課程開展過程中呈現(xiàn)給學(xué)習(xí)者的內(nèi)容及其順序，而且根據(jù)學(xué)習(xí)者反饋情況的差異可創(chuàng)建不同的學(xué)習(xí)分支，對不同掌握程度的學(xué)生采用不同的學(xué)習(xí)策略，開展不同進(jìn)度的學(xué)習(xí)，使教學(xué)更具針對性和適應(yīng)性。

2.課程發(fā)布

為了控制數(shù)據(jù)收集條件，GIFT Cloud的課程發(fā)布后將產(chǎn)生一個現(xiàn)有的GIFT課程的不可編輯副本。此外，創(chuàng)建時還會生成訪問該課程的唯一鏈接，該鏈接會共享給課程參與者，參與者能夠訪問發(fā)布的課程。課程發(fā)布之后允許暫停發(fā)布和恢復(fù)課程發(fā)布，以適應(yīng)數(shù)據(jù)收集計劃。點(diǎn)擊課程名稱即可顯示目前發(fā)布課程的細(xì)節(jié)信息，包括課程描述、唯一訪問鏈接、課程ID、參與者嘗試次數(shù)、最后一次訪問的日期和時間等。對于發(fā)布的課程，GIFT還支持使用“創(chuàng)建報告”功能自定義下載課程使用的報告和數(shù)據(jù)，數(shù)據(jù)報告能夠從系統(tǒng)導(dǎo)出到本地。利用課程發(fā)布功能，課程的創(chuàng)建者能先在小范圍內(nèi)對課程進(jìn)行調(diào)研、統(tǒng)計并收集數(shù)據(jù)。

四、應(yīng)用GIFT構(gòu)建智能教學(xué)系統(tǒng)的實(shí)例分析

GIFT已經(jīng)在多個領(lǐng)域?qū)崿F(xiàn)不同類型和不同情境的課程開發(fā)。本部分梳理三個具有代表性的案例以期展示GIFT智能教學(xué)系統(tǒng)的教學(xué)實(shí)效。

1.通過捕捉并利用學(xué)習(xí)者的情緒反饋進(jìn)而在智能教學(xué)系統(tǒng)中給出更有效反饋

來自哥倫比亞大學(xué)師范學(xué)院的Jeanine主導(dǎo)了一個歷時三年的研究項(xiàng)目。這一研究項(xiàng)目在GIFT智能教學(xué)系統(tǒng)和TC3Sim游戲模擬背景下進(jìn)行[9]。TC3Sim是一款嚴(yán)肅游戲，也被稱為vMedic，參與者將在游戲中接受關(guān)于戰(zhàn)斗傷亡人員護(hù)理技能的訓(xùn)練。該研究通過三個階段的實(shí)驗(yàn)，基于GIFT成功搭建出能夠捕捉學(xué)習(xí)者情緒的情感模型，檢測學(xué)習(xí)者在學(xué)習(xí)過程中的沮喪情緒并收集反饋信息，教師可以根據(jù)情感檢測器和學(xué)生在教學(xué)系統(tǒng)中的行為表現(xiàn)數(shù)據(jù)搭建起學(xué)習(xí)者情感模型并建立學(xué)習(xí)者檔案信息，從而在學(xué)習(xí)者今后的學(xué)習(xí)過程中，通過捕捉學(xué)習(xí)者的情緒，繼而提供不同的反饋信息以幫助學(xué)習(xí)者達(dá)到更好的學(xué)習(xí)效果。

2.應(yīng)用GIFT系統(tǒng)支撐小組和團(tuán)隊學(xué)習(xí)

Fletcher 和Sottilare共同主導(dǎo)完成了對團(tuán)體學(xué)習(xí)應(yīng)該如何使用智能教學(xué)系統(tǒng)的研究[10]。他們明確了ITS、共享心理模型和團(tuán)隊協(xié)作這三個概念之間的關(guān)系和作用，提出基于GIFT框架的共享認(rèn)知心理模型，來為有不同類型需求的團(tuán)隊提供適應(yīng)性指導(dǎo)。GIFT框架所包含的模塊通過標(biāo)準(zhǔn)化信息進(jìn)行交互，共同搭建成完整的團(tuán)隊共享心理模型。其中，學(xué)習(xí)者模塊與GIFT提供的傳感器接口相結(jié)合，用來收集團(tuán)隊成員的學(xué)習(xí)、表現(xiàn)、記憶等數(shù)據(jù)，建構(gòu)學(xué)習(xí)者模型，進(jìn)而整合每位成員的數(shù)據(jù)，分析各成員之間的相似性和差異性，形成團(tuán)隊的整體模型，確定團(tuán)隊的集體目標(biāo)和狀態(tài)。教學(xué)模塊將團(tuán)隊和個人的當(dāng)前狀態(tài)與預(yù)期狀態(tài)相比較，以集體目標(biāo)為依據(jù)，選擇最佳的教學(xué)策略，在適應(yīng)性模擬情境中來培養(yǎng)和鍛煉團(tuán)隊能力。在教學(xué)過程中繼續(xù)收集并分析團(tuán)隊數(shù)據(jù)，針對個人或團(tuán)體表現(xiàn)繼續(xù)修正教學(xué)策略從而不斷提升團(tuán)隊整體能力。知識模塊則是對教學(xué)模塊所選擇的教學(xué)策略進(jìn)一步具體化，將教學(xué)模塊所給出的策略建議轉(zhuǎn)化為特定領(lǐng)域的教學(xué)策略，這些教學(xué)策略包含了向?qū)W習(xí)者展示的學(xué)習(xí)內(nèi)容、順序、速度以及備選反饋方案等。知識模塊同樣可以利用強(qiáng)化學(xué)習(xí)機(jī)制來改進(jìn)有效教學(xué)策略的選擇。該研究表明，在團(tuán)隊共享心理模型中，應(yīng)該將每個成員的準(zhǔn)備狀態(tài)、行動的恰當(dāng)時機(jī)、任務(wù)本身的價值考慮在內(nèi)。另外，在共享心理模型中，團(tuán)隊成員的交流頻率和類型也會影響團(tuán)隊的整體表現(xiàn)和效率。在該研究中，GIFT系統(tǒng)框架既能夠針對個體學(xué)習(xí)者進(jìn)行分析和評估，還能對現(xiàn)有框架所包含的模塊靈活組合運(yùn)用，構(gòu)建出適合的團(tuán)隊模型，對團(tuán)隊整體和團(tuán)隊成員開展適應(yīng)性指導(dǎo)。

3.借助GIFT在技能訓(xùn)練領(lǐng)域開發(fā)符合教學(xué)需求的課程或模型

在由Benjamin Goldberg和Charles Amburn 等人合作完成的研究項(xiàng)目中，研究者以訓(xùn)練士兵槍法為目標(biāo)，通過GIFT框架中的傳感器模塊搜集、整理專家數(shù)據(jù)建立起合適的專家模型[11]。研究者分析出在槍法訓(xùn)練中的影響因素包括呼吸、觸發(fā)器控制和目標(biāo)跟蹤，通過大量的重復(fù)試驗(yàn)來確定這一通用專家模型的有效性，并且在此基礎(chǔ)上進(jìn)一步識別出在槍法表現(xiàn)中有不同行為技巧的專家，通過SPSS創(chuàng)建模型和交叉折疊驗(yàn)證檢查，驗(yàn)證這些行為對績效結(jié)果的影響。通過這一專家模型，在士兵槍法訓(xùn)練時可以診斷出新手所犯錯誤與哪些因素有關(guān)，提出改進(jìn)建議，從而提升士兵在槍法心理運(yùn)動領(lǐng)域的技能水平。值得注意的是，在這一研究項(xiàng)目中，GIFT能夠識別并評估士兵當(dāng)前的行為，并使用這些搜集到的信息來選擇要糾正的概念和干預(yù)的反饋策略。

以上三個案例分別從情感分析、團(tuán)隊學(xué)習(xí)和技能訓(xùn)練三個方面展示了GIFT的應(yīng)用情況，有代表性地體現(xiàn)出GIFT可以在不同學(xué)習(xí)領(lǐng)域很好地適應(yīng)不同情境下的教學(xué)或訓(xùn)練需求。在GIFT社區(qū)和其他案例研究中，GIFT的使用者和研究者還關(guān)注GIFT本身的架構(gòu)問題、模型問題以及適應(yīng)性教學(xué)系統(tǒng)標(biāo)準(zhǔn)（Adaptive Instructional Systems Standards）等?；趯?shí)例的分析，在現(xiàn)有技術(shù)條件下，對學(xué)習(xí)者個體的智能教學(xué)指導(dǎo)、評估和反饋的實(shí)現(xiàn)已經(jīng)較為容易。研究者們更多關(guān)注如何在團(tuán)隊學(xué)習(xí)模式下，精確、有效地在學(xué)習(xí)者個體和整個學(xué)習(xí)團(tuán)隊兩個層面最大限度地發(fā)揮智能教學(xué)系統(tǒng)的作用，以及如何制定適應(yīng)教學(xué)系統(tǒng)的標(biāo)準(zhǔn)來規(guī)范和統(tǒng)一對學(xué)習(xí)狀態(tài)的評判。在2018年5月的GIFT用戶交流會議中，GIFT研發(fā)團(tuán)隊、領(lǐng)域研究人員與廣大用戶對此深入探討，認(rèn)為需要進(jìn)一步提高情感識別的準(zhǔn)確性和團(tuán)隊指導(dǎo)的適應(yīng)性。

五、結(jié)語及啟示

在GIFT系統(tǒng)中，課程開發(fā)人員可利用系統(tǒng)提供的多種接口和工具開展教學(xué)創(chuàng)作，這一功能使智能化課程開發(fā)變得簡便且易于實(shí)現(xiàn)。因具有開源的特點(diǎn)、靈活的模塊選擇、多類型的外部接口，GIFT系統(tǒng)平臺吸引了數(shù)量眾多的科研人員，還有許多一線教師，通過與平臺技術(shù)人員的不斷溝通，一起完善了該平臺的功能，平臺的適用廣度和應(yīng)用深度不斷加強(qiáng)。GIFT的成功也為我國智能教學(xué)系統(tǒng)建設(shè)提供了諸多啟示：

1.需要創(chuàng)建開放的研究環(huán)境

GIFT的一個突出特點(diǎn)就是平臺的使用者和研究者可以在平臺中自由交流。平臺支持用戶將自己創(chuàng)建的課程和自己開發(fā)出的其他資源上傳至GIFT平臺與其他用戶共享，開放的研究環(huán)境有利于研究者更好地推動人工智能在教育中的應(yīng)用。

2.要加強(qiáng)智能教學(xué)系統(tǒng)對多種教學(xué)資源的整合

GIFT平臺支持類型多樣的外部程序接口，使得教學(xué)課程可以與多領(lǐng)域、多學(xué)科相融合，豐富課程資源的形式，擴(kuò)展學(xué)習(xí)資源的來源。教學(xué)形式和內(nèi)容日趨多樣的當(dāng)下，我國在研發(fā)ITS時應(yīng)該注意融合多種資源類型。

3.需注重智能教學(xué)系統(tǒng)中的團(tuán)隊學(xué)習(xí)

近兩年，GIFT系統(tǒng)對團(tuán)隊學(xué)習(xí)指導(dǎo)給予了高度關(guān)注。在倡導(dǎo)合作學(xué)習(xí)的今天，我們在開發(fā)智能教學(xué)系統(tǒng)時應(yīng)該著重考慮這方面需求，不僅應(yīng)該對個體學(xué)習(xí)者提供精準(zhǔn)的適應(yīng)性教學(xué)反饋，還應(yīng)該能在團(tuán)隊層面對整個團(tuán)隊的表現(xiàn)做指導(dǎo)評估。在設(shè)計團(tuán)隊教學(xué)時需要考慮團(tuán)隊整體目標(biāo)、人物設(shè)置、成員角色等問題，以保證智能教學(xué)系統(tǒng)的整體性、準(zhǔn)確性和高效性。

參考文獻(xiàn)：

[1]張鈺，李佳靜，朱向陽，王珺.ASSISTments 平臺：一款優(yōu)秀的智能導(dǎo)學(xué)系統(tǒng)[J].現(xiàn)代教育技術(shù)，2018（5）：102-108.

[2]石磊.開源人工智能系統(tǒng)TensorFlow的教育應(yīng)用[J].現(xiàn)代教育技術(shù)，2018（1）：93-99.

[3]Sottilare， Robert A.， et al. An updated concept for a Generalized Intelligent Framework for Tutoring （GIFT）.GIFTtutoring. Org， 2017.

[4]Generalized Intelligent Framework for Tutoring （GIFT）[EB/OL].https：//www.gifttutoring.org/projects/gift/wiki/Overview#Background.

[5]Sottilare， Robert A.， et al. The generalized intelligent framework for tutoring （GIFT）.Orlando， FL： US Army Research Laboratory-Human Research & Engineering Directorate （ARL-HRED）， 2012.

[6]Sottilare， Robert A.， et al. Special issue on the Generalized Intelligent Framework for Tutoring （GIFT）： creating a stable and flexible platform for innovations in AIED research.International Journal of Artificial Intelligence in Education 28.2 （2018）： 139-151.

[7]Ososky， Scott.Generalized Intelligent Framework for Tutoring （GIFT） Cloud/Virtual Open Campus Quick-Start Guide. Oak Ridge Associated Universities Oak Ridge United States， 2016.

[8]Hanks， Steve， Martha E. Pollack， and Paul R. Cohen. “Benchmarks， test beds， controlled experimentation， and the design of agent architectures.”AI magazine 14.4 （1993）： 17-17.

[9]DeFalco， Jeanine A.， et al. “Detecting and addressing frustration in a serious game for military training.”International Journal of Artificial Intelligence in Education 28.2 （2018）： 152-193.

[10]Fletcher， J. D.， and Robert A. Sottilare. “Shared mental models in support of adaptive instruction for teams using the GIFT tutoring architecture.”International Journal of Artificial Intelligence in Education（2018）： 1-21.

[11]Goldberg， Benjamin， et al. “Modeling expert behavior in support of an adaptive psychomotor training environment： A marksmanship use case.”International Journal of Artificial Intelligence in Education 28.2（2018）： 194-224.

（編輯：王曉明）