劉欣怡 徐麗芳

摘 要：智能教學(xué)與評(píng)估系統(tǒng)是教育技術(shù)的重要研究領(lǐng)域，綜合了教學(xué)心理學(xué)、計(jì)算機(jī)輔助教學(xué)、人工智能等多方面的理論和技術(shù)，通過(guò)分析個(gè)體差異，實(shí)現(xiàn)個(gè)性化最佳教學(xué)。本文以麥格勞-希爾教育集團(tuán)的ALEKS系統(tǒng)為例，分析基于知識(shí)空間理論的知識(shí)表示和知識(shí)結(jié)構(gòu)，研究智能教學(xué)與評(píng)估系統(tǒng)的基本結(jié)構(gòu)、ALEKS系統(tǒng)的主要功能，并基于知識(shí)空間理論，重點(diǎn)分析其自適應(yīng)測(cè)評(píng)功能的原理和應(yīng)用。最后結(jié)合當(dāng)前智能教學(xué)與評(píng)估系統(tǒng)的優(yōu)缺點(diǎn)，合理地分析其未來(lái)的發(fā)展趨勢(shì)。

全球教育和教育出版領(lǐng)域正在發(fā)生巨大的變革。全球市場(chǎng)洞察公司（Global Market Insights）的報(bào)告數(shù)據(jù)顯示，2018年全球在線教育（E-learning）市場(chǎng)規(guī)模約為1900億美元，預(yù)計(jì)2025年將超過(guò)3000億美元，年平均復(fù)合增長(zhǎng)率為7%。[1]在中國(guó)，根據(jù)艾媒咨詢的預(yù)測(cè)，2020年在線教育用戶規(guī)模將達(dá)3.09億人，市場(chǎng)規(guī)模將達(dá)4538億元人民幣。[2]因應(yīng)此一變局，全球領(lǐng)先的教育出版集團(tuán)培生（Pearson）、麥格勞-希爾（McGraw-Hill Education）、霍頓·米弗林·哈考特（Houghton Mifflin Harcourt，以下簡(jiǎn)稱HMH）等多年來(lái)一直積極進(jìn)行數(shù)字化發(fā)展布局，以實(shí)現(xiàn)從教材、教輔出版商向數(shù)字化教育、教學(xué)解決方案提供商的轉(zhuǎn)型。[3]其產(chǎn)品和服務(wù)層面的數(shù)字化教學(xué)解決方案，往往涵蓋從數(shù)字教材、教輔、評(píng)估等數(shù)字化教育資源，到軟件應(yīng)用（APP）、計(jì)算機(jī)系統(tǒng)、一站式教學(xué)平臺(tái)等多個(gè)層次。其中，智能化的自適應(yīng)教學(xué)與評(píng)估系統(tǒng)可謂“兵家必爭(zhēng)之地”，如麥格勞-希爾的ALEKS、培生的MyLab & Mastering、HMH的Waggle，以及與培生、麥克米倫（Macmillan）、HMH等均有合作關(guān)系，并于2019年被威利（Wiley）收購(gòu)的Knewton等都是其中有代表性的系統(tǒng)和平臺(tái)。從本質(zhì)上來(lái)講，智能教學(xué)與評(píng)估系統(tǒng)屬于一種特殊的數(shù)字教育出版物，它是教育資源和服務(wù)的集成體。作為全球最大的教育出版商之一，麥格勞-希爾有著多年的教材教輔出版經(jīng)驗(yàn)，面對(duì)出版產(chǎn)業(yè)數(shù)字化的挑戰(zhàn)，早在1999年它就開始與ALEKS合作并負(fù)責(zé)后者高教數(shù)學(xué)產(chǎn)品的分銷，幫助它建立起在高等教育領(lǐng)域的市場(chǎng)基礎(chǔ)。[4][5]此后，麥格勞-希爾集團(tuán)不斷加大對(duì)數(shù)字教育產(chǎn)品和服務(wù)的投資力度。2013年，它成立“數(shù)字平臺(tái)組”（Digital Platform Group），負(fù)責(zé)集團(tuán)數(shù)字教育產(chǎn)品和服務(wù)的開發(fā)和運(yùn)營(yíng)，打造自己的數(shù)字出版產(chǎn)業(yè)生態(tài);同年，它正式收購(gòu)ALEKS公司。經(jīng)過(guò)多年努力，ALEKS的產(chǎn)品不斷完善，市場(chǎng)也逐步擴(kuò)大，由高等教育延伸到K12教育領(lǐng)域，學(xué)科也拓展到了科學(xué)和商學(xué)。這無(wú)疑增強(qiáng)了麥格勞-希爾數(shù)字化平臺(tái)和數(shù)字教育出版的實(shí)力;同時(shí)，也肯定了它將智能教學(xué)系統(tǒng)研發(fā)和推廣作為數(shù)字化轉(zhuǎn)型的一個(gè)重點(diǎn)這一戰(zhàn)略的正確性。[6]目前，ALEKS是麥格勞-希爾最重要的數(shù)字學(xué)習(xí)產(chǎn)品/服務(wù)之一，主要涉及的課程為數(shù)學(xué)、商業(yè)（包括會(huì)計(jì)學(xué)、統(tǒng)計(jì)學(xué)等）和科學(xué)（包括化學(xué)、行為科學(xué)等），細(xì)分學(xué)科有100多種;業(yè)務(wù)領(lǐng)域涵蓋K12、高等教育、職業(yè)教育等。截至2018年底，其高等教育業(yè)務(wù)已擁有190萬(wàn)用戶，K12業(yè)務(wù)擁有約260萬(wàn)用戶，覆蓋美國(guó)、加拿大以及其他海外市場(chǎng)。[7]

一、系統(tǒng)構(gòu)建的理論基礎(chǔ)

先進(jìn)的智能教學(xué)與評(píng)估系統(tǒng)背后往往有強(qiáng)大的理論支撐，ALEKS系統(tǒng)的架構(gòu)建立在知識(shí)空間理論的基礎(chǔ)之上。該理論是由Doignon和Falmagne教授提出的一種表示知識(shí)結(jié)構(gòu)的，它認(rèn)為學(xué)習(xí)者的知識(shí)狀態(tài)由他所能解答的問題的集合構(gòu)成，通過(guò)跟蹤學(xué)習(xí)者學(xué)習(xí)路徑可以形成特定的知識(shí)空間，從而能準(zhǔn)確地判斷學(xué)習(xí)者目前的知識(shí)水平和學(xué)習(xí)狀態(tài)。[8]

1.知識(shí)表示和知識(shí)結(jié)構(gòu)

從廣義上講，知識(shí)表示（Knowledge Representation）就是對(duì)知識(shí)的符號(hào)化、形式化或模型化。在計(jì)算機(jī)科學(xué)領(lǐng)域，知識(shí)表示是把人類知識(shí)表示成機(jī)器能處理的數(shù)據(jù)結(jié)構(gòu)和系統(tǒng)控制結(jié)構(gòu);[9]而知識(shí)建構(gòu)（Knowledge Construction）則是對(duì)知識(shí)的進(jìn)一步系統(tǒng)化、結(jié)構(gòu)化組織，以此形成知識(shí)網(wǎng)絡(luò)。因此，從本質(zhì)上看，知識(shí)空間理論就是建立在知識(shí)表示基礎(chǔ)上的一種知識(shí)建構(gòu)模式。以ALEKS為例，智能教學(xué)與評(píng)估系統(tǒng)中知識(shí)是基于優(yōu)先關(guān)系（Precedence Relation）、內(nèi)緣（Inner Fringe）、外緣（Outer Fringe）[10]等基礎(chǔ)邏輯構(gòu)建的。其中，優(yōu)先關(guān)系定義了系統(tǒng)中知識(shí)節(jié)點(diǎn)之間的先后關(guān)系。如圖1所示，a、b、c、d、e、f均為知識(shí)節(jié)點(diǎn)，其中a優(yōu)先于c，則表示知識(shí)c的掌握需要建立在掌握知識(shí)a的基礎(chǔ)上，無(wú)法越級(jí)。在ALEKS數(shù)學(xué)課程中，“整數(shù)加減”就是“整數(shù)乘除”的優(yōu)先條件，先掌握加減法才能進(jìn)行乘除法的學(xué)習(xí)。所以在學(xué)習(xí)過(guò)程中，如果學(xué)習(xí)者無(wú)法正確掌握整數(shù)的乘除法，系統(tǒng)很可能認(rèn)定他沒有完全掌握加減法運(yùn)算，從而回溯到上一級(jí)的學(xué)習(xí)中;以此邏輯遍歷，直到學(xué)習(xí)者掌握所有知識(shí)點(diǎn)。

由于知識(shí)點(diǎn)之間的優(yōu)先關(guān)系，在知識(shí)結(jié)構(gòu)中知識(shí)的遍歷存在著不同路徑，稱為學(xué)習(xí)路徑（Learning Paths）。它記錄學(xué)習(xí)者的學(xué)習(xí)軌跡。如圖1中的學(xué)習(xí)路徑可以分為圖2所示的6種，意味著學(xué)習(xí)者可能會(huì)以這6種方式完成整個(gè)知識(shí)的學(xué)習(xí)。智能教學(xué)與評(píng)估系統(tǒng)擁有龐大的知識(shí)體系，每個(gè)學(xué)習(xí)者不同的學(xué)習(xí)行為又會(huì)產(chǎn)生迥異的學(xué)習(xí)路徑，這便成為智能教學(xué)與評(píng)估系統(tǒng)個(gè)性化教學(xué)的基礎(chǔ)。

在知識(shí)節(jié)點(diǎn)遍歷規(guī)則下，每一種知識(shí)狀態(tài)（Knowledge State）都有至少一種直接后繼知識(shí)狀態(tài)（Immediate Successor State）;其中所謂知識(shí)狀態(tài)是指在知識(shí)節(jié)點(diǎn)無(wú)限的前提下，學(xué)習(xí)者當(dāng)前掌握的所有知識(shí)的集合，除頂端最小知識(shí)狀態(tài)外。直接后繼知識(shí)狀態(tài)涵蓋原知識(shí)狀態(tài)所有的知識(shí)點(diǎn)，有且僅多了一個(gè)知識(shí)節(jié)點(diǎn)。比如知識(shí)狀態(tài){a，b，c}加上新的知識(shí)節(jié)點(diǎn)syggg00或者{e}，就形成新的知識(shí)狀態(tài){a，b，c，d}和{a，b，c，e}。這里我們稱{a，b，c，d}和{a，b，c，e}為{a，b，c}的后繼知識(shí)狀態(tài);syggg00和{e}是{a，b，c}的外緣（Outer Fringe），也就是下一步可能要學(xué)習(xí)的知識(shí)。圖3形象地展示了內(nèi)外緣的關(guān)系。

同理，每一種知識(shí)（除底端最大知識(shí)狀態(tài)外）都至少有一個(gè)直接前導(dǎo)知識(shí)狀態(tài)（Immediate Precursor State），即上一步已掌握的知識(shí)。例如{a，b}和{a，c}是{a，b，c}的前導(dǎo)知識(shí)狀態(tài);和{c}就是{a，b，c}的內(nèi)緣。

在ALEKS課程中，掌握了“同分母分?jǐn)?shù)的運(yùn)算”（實(shí)際上包括了眾多知識(shí)點(diǎn)）后，如果繼續(xù)學(xué)習(xí)“分?jǐn)?shù)的通分”，則能夠掌握新的知識(shí)點(diǎn)“異分母分?jǐn)?shù)的運(yùn)算”。這里可以認(rèn)為“異分母分?jǐn)?shù)的運(yùn)算”是“同分母分?jǐn)?shù)的運(yùn)算”的后繼知識(shí)狀態(tài)，“分?jǐn)?shù)的通分”就是“同分母分?jǐn)?shù)的運(yùn)算”的外緣。

ALEKS智能教學(xué)與評(píng)估系統(tǒng)的知識(shí)空間，原理就是通過(guò)內(nèi)外緣的變化更新知識(shí)狀態(tài)：外緣用來(lái)指導(dǎo)學(xué)習(xí)者下一步的學(xué)習(xí)計(jì)劃;內(nèi)緣用來(lái)診斷糾錯(cuò)，復(fù)習(xí)知識(shí)。

2.知識(shí)空間理論

基于知識(shí)節(jié)點(diǎn)的組織方式與結(jié)構(gòu)特點(diǎn)，可用知識(shí)域（Knowledge Domain）來(lái)表示一系列知識(shí)的集合（用“X”表示）。它包含了學(xué)生所有能解答和不能解答的試題。例如在ALEKS的K12數(shù)學(xué)課“算術(shù)LV 3”的教程中，“整數(shù)位值”章節(jié)可以看作一個(gè)知識(shí)域X，它又可以分為6個(gè)細(xì)分知識(shí)點(diǎn)（如圖4），其中灰色部分（序號(hào)1、3、4）是學(xué)生所有能解決的知識(shí)點(diǎn)的集合，稱為“知識(shí)狀態(tài)”（用“k”表示），它是知識(shí)域的子集。因此，當(dāng)學(xué)生所有問題都不能解決時(shí)，k就是一個(gè)空集;當(dāng)學(xué)生能夠解決所有問題時(shí)，k就表示為全集X。在此基礎(chǔ)上，將（X，k）定義為知識(shí)結(jié)構(gòu)（Knowledge Structure）。在不嚴(yán)格限定的情況下，也可以稱（X，k）為知識(shí)空間（Knowledge Space）或者空間（Space）。知識(shí)域、知識(shí)狀態(tài)和知識(shí)空間的關(guān)系表示如圖5。

如圖1所示的a、b、c、d、e、f六個(gè)知識(shí)節(jié)點(diǎn)。根據(jù)優(yōu)先關(guān)系定義，知識(shí)狀態(tài)并非知識(shí)節(jié)點(diǎn)的任意組合，比如{c，d}就不是知識(shí)狀態(tài)，因?yàn)樗鼪]有包含c的前置知識(shí)節(jié)點(diǎn)a。所以，知識(shí)空間（X，k）共有16種不同的知識(shí)狀態(tài)：?、{a}、{a，c}、{a，c，d}、{a，c，d，f}、{a，c，e}、{a，c，e，f}、、{a，b}、{a，c，b}、{a，b，c，d}、{a，b，c，d，f}、{b，a，c，e，f}、{a，b，d，f}、{a，b，d}、X。其中，?表示學(xué)習(xí)者還未掌握該領(lǐng)域的任何知識(shí);X表示學(xué)習(xí)者已經(jīng)掌握了該領(lǐng)域所有知識(shí);其他14種知識(shí)狀態(tài)則反映了學(xué)習(xí)者當(dāng)前不同的學(xué)習(xí)狀態(tài)、知識(shí)水平和學(xué)習(xí)路徑。

在智能教學(xué)與評(píng)估系統(tǒng)中，知識(shí)空間理論最有效的應(yīng)用在于測(cè)試評(píng)估?；谠摾碚摰南到y(tǒng)評(píng)估最大的特點(diǎn)是，向?qū)W習(xí)者展示的是知識(shí)狀態(tài)而不僅僅是量化的評(píng)估結(jié)果。如現(xiàn)在有a、b、c、d、e、f六個(gè)基本知識(shí)點(diǎn)，在不考慮優(yōu)先關(guān)系的情況下構(gòu)成了如圖6的16種知識(shí)狀態(tài)：最底端空白的橢圓表示沒有掌握任何知識(shí);最頂端的橢圓表示已掌握所有知識(shí);中間部分的橢圓代表知識(shí)狀態(tài);帶箭頭的線代表學(xué)習(xí)路徑。以紅色橢圓為例，它表示掌握了a、b、d三個(gè)知識(shí)點(diǎn)的知識(shí)狀態(tài){a，b，d};f和c是該學(xué)習(xí)者接下來(lái)可能要學(xué)習(xí)的知識(shí)點(diǎn)，{a，b，c，d}和{a，b，d，f}即為其接下來(lái)可能出現(xiàn)的知識(shí)狀態(tài)。

圖6? ALEKS知識(shí)狀態(tài)圖

在實(shí)際教學(xué)中，每個(gè)科目都有眾多基礎(chǔ)知識(shí)點(diǎn)，會(huì)形成數(shù)以億計(jì)的知識(shí)狀態(tài)和學(xué)習(xí)路徑。因此，學(xué)科的知識(shí)結(jié)構(gòu)往往異常龐大;然而，借助基于知識(shí)空間理論的智能教學(xué)與評(píng)估系統(tǒng)，就能夠?qū)崿F(xiàn)精準(zhǔn)高效的學(xué)習(xí)診斷與評(píng)估。

二、系統(tǒng)的結(jié)構(gòu)與功能

目前絕大多數(shù)關(guān)于智能教學(xué)與評(píng)估系統(tǒng)的研究和開發(fā)都圍繞Hartley & Sleeman（1973）提出的智能教學(xué)系統(tǒng)結(jié)構(gòu)框架展開。以該框架結(jié)構(gòu)為基礎(chǔ)，ALEKS開發(fā)了一系列具有用戶友好性的功能。其中，建立在知識(shí)空間理論基礎(chǔ)上的自適應(yīng)測(cè)評(píng)和評(píng)估功能是系統(tǒng)的核心。

1.系統(tǒng)結(jié)構(gòu)

典型的智能教學(xué)系統(tǒng)包括三方面知識(shí)：一是領(lǐng)域知識(shí)，主要解決教學(xué)內(nèi)容問題，包含系統(tǒng)需要教授給學(xué)生的內(nèi)容;二是學(xué)習(xí)者知識(shí)，主要解決教學(xué)對(duì)象的問題，揭示學(xué)習(xí)者已知和未知的問題以及學(xué)習(xí)者的認(rèn)知特征、知識(shí)水平;三是教學(xué)策略知識(shí)，主要解決教學(xué)策略問題，通過(guò)數(shù)據(jù)分析等功能為機(jī)器導(dǎo)師提供教學(xué)建議。[11][12]這三方面知識(shí)加上相關(guān)功能，共同構(gòu)成智能教學(xué)系統(tǒng)的三大模型，即專家模型、學(xué)生模型和導(dǎo)師模型;這三大模型又共同構(gòu)成智能教學(xué)系統(tǒng)的基本框架結(jié)構(gòu)（關(guān)系如圖7所示）。

專家模型（Expert Model）是系統(tǒng)的基礎(chǔ)。其中的領(lǐng)域知識(shí)庫(kù)存儲(chǔ)著完整的知識(shí)體系和詳細(xì)的解答策略;專家模型還為導(dǎo)師模型提供強(qiáng)大的數(shù)據(jù)支撐，是導(dǎo)師模型教學(xué)策略的基礎(chǔ)。學(xué)生模型（Student Model）是系統(tǒng)的核心。它儲(chǔ)存著學(xué)習(xí)者知識(shí)，通過(guò)學(xué)習(xí)者的人機(jī)交互行為分析其知識(shí)水平、知識(shí)結(jié)構(gòu)和學(xué)習(xí)狀態(tài)，幫助導(dǎo)師模型制定個(gè)性化的、科學(xué)的學(xué)習(xí)策略，并完善專家模型的領(lǐng)域知識(shí)庫(kù)。導(dǎo)師模型（Tutor Model）包括教學(xué)策略知識(shí)，它通過(guò)分析學(xué)生模型，為學(xué)習(xí)者提供下一步的學(xué)習(xí)建議。

三大基礎(chǔ)模型為智能教學(xué)系統(tǒng)提供了基本的結(jié)構(gòu)框架。由于系統(tǒng)的差異性，不同的系統(tǒng)對(duì)這三大模型的架構(gòu)方式可能有所不同，同時(shí)也會(huì)根據(jù)需求增加新的模型。ALEKS建立了“學(xué)生人機(jī)接口”和“導(dǎo)師人機(jī)接口”兩種人機(jī)交互模型。這種安排，一方面可以提升溝通效率;另一方面，也為學(xué)生和導(dǎo)師間接溝通留下了通路。例如當(dāng)學(xué)生遇到問題時(shí)，不僅可以在系統(tǒng)的“字典”板塊中尋找解答方案，還可以通過(guò)“消息中心”向?qū)熈粞郧笾?/p>

2.系統(tǒng)功能

根據(jù)不同使用者的需求，ALEKS系統(tǒng)分為兩大板塊：導(dǎo)師/管理員板塊和學(xué)生板塊，各板塊的主要功能如圖9。

導(dǎo)師/管理員角色的使用對(duì)象包括教師、家長(zhǎng)、行政管理人員等，他們?cè)贏LEKS中充當(dāng)著管理者的角色，對(duì)學(xué)生進(jìn)行統(tǒng)一管理和有針對(duì)性的指導(dǎo)。首先，導(dǎo)師/管理員可以創(chuàng)建班級(jí)，在后臺(tái)管理學(xué)生和班級(jí)數(shù)據(jù)庫(kù)，監(jiān)督學(xué)習(xí)進(jìn)度。和其他教學(xué)管理系統(tǒng)一樣，導(dǎo)師/管理員可以通過(guò)ALEKS統(tǒng)一地發(fā)布作業(yè)和測(cè)試。此外，因?yàn)槊總€(gè)學(xué)生的知識(shí)狀態(tài)存在差異，ALEKS也支持針對(duì)性的指導(dǎo)功能，導(dǎo)師/管理員可以根據(jù)不同學(xué)生的情況，自定義學(xué)習(xí)的內(nèi)容和形式，實(shí)現(xiàn)了個(gè)性化和統(tǒng)一化的有效結(jié)合。當(dāng)學(xué)生完成作業(yè)和測(cè)試后，ALEKS會(huì)自動(dòng)生成一系列評(píng)估報(bào)告（圖10展示了部分評(píng)估報(bào)告），從不同的評(píng)估維度細(xì)致地剖析每個(gè)學(xué)生以及整個(gè)班級(jí)的學(xué)習(xí)情況，并科學(xué)地指導(dǎo)導(dǎo)師/管理員安排學(xué)習(xí)計(jì)劃。

學(xué)生板塊是ALEKS的核心。學(xué)生能夠自主地或者在導(dǎo)師的安排下進(jìn)行自適應(yīng)學(xué)習(xí)（如圖11）。ALEKS基于學(xué)生當(dāng)前的知識(shí)掌握情況更新其知識(shí)狀態(tài)圖，并自動(dòng)規(guī)劃接下來(lái)的學(xué)習(xí);當(dāng)完成該階段的學(xué)習(xí)后，系統(tǒng)會(huì)安排測(cè)試。此外，學(xué)生或者導(dǎo)師也可以根據(jù)需要自主地進(jìn)行測(cè)試;ALEKS會(huì)根據(jù)測(cè)試結(jié)果自動(dòng)生成可視化評(píng)估報(bào)告，并根據(jù)當(dāng)前的知識(shí)狀態(tài)合理地幫學(xué)生規(guī)劃接下來(lái)的學(xué)習(xí)進(jìn)度。當(dāng)學(xué)生遇到問題時(shí)，既可以根據(jù)ALEKS的自適應(yīng)指導(dǎo)自主學(xué)習(xí)，也能夠通過(guò)系統(tǒng)向?qū)熥稍儭?/p>

3.自適應(yīng)測(cè)評(píng)功能及其原理

學(xué)生板塊的核心是自適應(yīng)測(cè)試和評(píng)估功能，它是建立在知識(shí)空間理論上的重要實(shí)踐，是整個(gè)ALEKS系統(tǒng)的核心功能。自適應(yīng)性即系統(tǒng)能夠通過(guò)與用戶的實(shí)時(shí)交互，捕捉個(gè)體在學(xué)習(xí)過(guò)程中的差異性，為其提供針對(duì)性的學(xué)習(xí)支持。[13][14]ALEKS是測(cè)試導(dǎo)向型的智能教學(xué)與評(píng)估系統(tǒng)：系統(tǒng)并不直接教授知識(shí)點(diǎn)，而是通過(guò)測(cè)試循序漸進(jìn)地引導(dǎo)學(xué)生利用已掌握的知識(shí)進(jìn)行解答，從而強(qiáng)化學(xué)習(xí)效果。所以，ALEKS的自適應(yīng)性主要體現(xiàn)在其測(cè)試和評(píng)估功能上。具體來(lái)說(shuō)，測(cè)試是為了了解受測(cè)者的知識(shí)結(jié)構(gòu)和學(xué)習(xí)狀態(tài)而對(duì)其進(jìn)行的專業(yè)性測(cè)度;評(píng)估則是建立在測(cè)試結(jié)果基礎(chǔ)上的分析與展示。以下筆者將把測(cè)試與評(píng)估作為一個(gè)具有連續(xù)性和整體性的過(guò)程來(lái)描述。[15]

學(xué)生在最初使用ALEKS時(shí)會(huì)進(jìn)行一次知識(shí)狀態(tài)測(cè)評(píng)，以創(chuàng)建其最基本的知識(shí)狀態(tài)。一般來(lái)說(shuō)，系統(tǒng)會(huì)提出20～30個(gè)問題，根據(jù)學(xué)習(xí)者的作答情況構(gòu)建知識(shí)狀態(tài)（如圖12）。在學(xué)習(xí)之初，每一個(gè)知識(shí)狀態(tài)的初始可能性都相同，我們用漸變的顏色來(lái)表示可能性的大?。侯伾綔\，可能性越大。假設(shè)第一個(gè)知識(shí)點(diǎn)為a，且學(xué)習(xí)者回答正確;那么，ALEKS接下來(lái)會(huì)增加包含a的知識(shí)狀態(tài)的可能性，降低不含a的知識(shí)狀態(tài)的可能性，結(jié)果如圖13（a）所示。為了進(jìn)一步理解該過(guò)程，這里給出一個(gè)數(shù)學(xué)實(shí)例：假設(shè)a代表“整數(shù)加減法”，當(dāng)學(xué)生掌握了該知識(shí)點(diǎn)后，ALEKS可能會(huì)安排學(xué)習(xí)“整數(shù)乘除法”“整數(shù)交換律”等知識(shí)點(diǎn)，因?yàn)檫@些知識(shí)點(diǎn)是“整數(shù)加減法”的進(jìn)一步應(yīng)用。同理，ALEKS不會(huì)直接安排學(xué)習(xí)“分?jǐn)?shù)約分”等知識(shí)點(diǎn)，因?yàn)閷W(xué)生這時(shí)可能還沒有掌握“分?jǐn)?shù)基礎(chǔ)”。

假設(shè)下一個(gè)知識(shí)點(diǎn)是f且學(xué)習(xí)者回答錯(cuò)誤，那么ALEKS會(huì)降低含f的知識(shí)狀態(tài)的可能性，增加不含f的知識(shí)狀態(tài)的可能性，結(jié)果如圖13（b）所示。假如f代表“乘法分配律”，在學(xué)生已掌握“整數(shù)加減法（即a）”的基礎(chǔ)上，ALEKS接下來(lái)很可能安排復(fù)習(xí)“整數(shù)乘除法”和“括號(hào)運(yùn)算”，因?yàn)閷W(xué)生可能還沒有掌握這兩個(gè)知識(shí)點(diǎn)。

最后，圖13（c）展示的是變化后的知識(shí)狀態(tài)圖，其中只有一種知識(shí)狀態(tài)的可能性最高（被圈出的淺黃色圓點(diǎn)）——這個(gè)包含了a、b、g、h、i的知識(shí)狀態(tài)就是該學(xué)習(xí)者目前的知識(shí)狀態(tài)。在ALEKS的實(shí)際操作中，有大量的學(xué)科知識(shí)點(diǎn)以及它們之間的復(fù)雜關(guān)系，因此學(xué)習(xí)者的當(dāng)前知識(shí)狀態(tài)非常龐雜。

除了初始測(cè)評(píng)，ALEKS還有知識(shí)點(diǎn)測(cè)評(píng)和階段性測(cè)評(píng)，其原理相同。因?yàn)橄到y(tǒng)采用的是 “提問-回答”的教學(xué)模式，問題都是知識(shí)點(diǎn)的具體化，因此可以把學(xué)習(xí)者每次的回答看作一次基于知識(shí)點(diǎn)的測(cè)試;而測(cè)評(píng)結(jié)果也是通過(guò)知識(shí)狀態(tài)呈現(xiàn)的。學(xué)習(xí)者在整個(gè)學(xué)習(xí)過(guò)程中會(huì)接受階段性測(cè)評(píng)，系統(tǒng)會(huì)基于學(xué)習(xí)者的知識(shí)狀態(tài)提出25個(gè)問題，以此檢查學(xué)習(xí)者的知識(shí)掌握情況，更新其知識(shí)狀態(tài)。

ALEKS不同階段的測(cè)評(píng)都是基于知識(shí)狀態(tài)的。不同于傳統(tǒng)智能教學(xué)系統(tǒng)通常采用量化指標(biāo)來(lái)展現(xiàn)測(cè)評(píng)結(jié)果（比如分?jǐn)?shù)和等級(jí)），基于知識(shí)狀態(tài)的可視化測(cè)評(píng)結(jié)果能夠最大可能地展現(xiàn)學(xué)習(xí)者的知識(shí)掌握情況。這不僅便于系統(tǒng)科學(xué)的教學(xué)決策，也便于學(xué)習(xí)者了解自己的學(xué)習(xí)進(jìn)度，增強(qiáng)學(xué)習(xí)信心。

三、小結(jié)與展望

基于知識(shí)空間理論的智能教學(xué)與評(píng)估系統(tǒng)目前被廣泛運(yùn)用于教學(xué)與培訓(xùn)領(lǐng)域，大大提升了學(xué)習(xí)者主體的學(xué)習(xí)體驗(yàn)，提高了教學(xué)效果，也減輕了教師和家長(zhǎng)的負(fù)擔(dān)。但系統(tǒng)的評(píng)估機(jī)制仍不夠完善，尤其對(duì)于復(fù)雜問題及分布式解答等解決問題的方法，系統(tǒng)較難厘清知識(shí)點(diǎn)。此外，人文社會(huì)科學(xué)科目的知識(shí)表示存在很大問題，導(dǎo)致系統(tǒng)在該領(lǐng)域的應(yīng)用不太理想。另一方面，目前智能教學(xué)與評(píng)估系統(tǒng)在功能性和用戶體驗(yàn)方面仍有待提升。因此筆者認(rèn)為，未來(lái)的智能教學(xué)與評(píng)估系統(tǒng)會(huì)從知識(shí)建構(gòu)、功能和使用體驗(yàn)三大方面實(shí)現(xiàn)突破。

在知識(shí)建構(gòu)方面，未來(lái)智能教學(xué)與評(píng)估系統(tǒng)會(huì)側(cè)重于解決知識(shí)的非良構(gòu)問題[18]（又稱劣構(gòu)問題Ill-Structured Problems）。比如文學(xué)、管理學(xué)、法學(xué)等學(xué)科的知識(shí)表示和建構(gòu)，因其所包含的很多知識(shí)相較而言缺乏明確界定，很多學(xué)科問題沒有唯一的、最佳的解決方案。為此，系統(tǒng)首先需要解決非良構(gòu)性問題的知識(shí)表示，找到合適的計(jì)算模型、檢索邏輯和學(xué)習(xí)路徑等，把非良構(gòu)性問題轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的問題。

隨著在線教育市場(chǎng)的擴(kuò)張，為了滿足用戶日益增長(zhǎng)的需求，智能教學(xué)與評(píng)估系統(tǒng)會(huì)進(jìn)一步優(yōu)化功能。比如建立協(xié)作學(xué)習(xí)和學(xué)習(xí)監(jiān)督等機(jī)制;增加師生互動(dòng)方式，提高溝通效率;進(jìn)一步優(yōu)化自適應(yīng)測(cè)評(píng)和反饋功能，從而提升人類導(dǎo)師的自主性，增強(qiáng)學(xué)生以及師生的互動(dòng)。

在學(xué)習(xí)體驗(yàn)方面，系統(tǒng)可以利用虛擬現(xiàn)實(shí)（Virtual Reality，VR）和增強(qiáng)現(xiàn)實(shí)（Augment Reality，AR）技術(shù)模擬現(xiàn)實(shí)課堂，打造沉浸式學(xué)習(xí)環(huán)境，讓學(xué)習(xí)者全身心投入到學(xué)習(xí)中。還可以納入游戲化（Gamification）設(shè)計(jì)思想——基于知識(shí)空間理論的智能教學(xué)與評(píng)估系統(tǒng)在知識(shí)構(gòu)建方面與游戲的支線敘事有著極大的相似性;將嚴(yán)肅游戲引入該系統(tǒng)，將能夠有效地培養(yǎng)學(xué)習(xí)興趣，提高學(xué)習(xí)效果。

參考文獻(xiàn)：

[1]Preeti Wadhwani， Saloni Gankar.E-Learning Market Size By Technology，By Provider，By Application， Industry Analysis Report， Regional Outlook，Growth Potential，Competitive Market Share & Forecast，2019-2025[R/OL].[2020-04-19].https：//www.gminsights.com/industry-analysis/elearning-market-size.

[2]艾媒未來(lái)教育產(chǎn)業(yè)研究中心.2019-2020年中國(guó)在線教育行業(yè)發(fā)展研究報(bào)告[R/OL].[2020-03-07].https：//www.iimedia.cn/c400/68955.html.

[3]徐麗芳，王心雨，張慧.國(guó)外教育出版數(shù)字化發(fā)展對(duì)我國(guó)的啟示——以培生集團(tuán)為例[J].出版廣角，2019（1）：11-15+32.

[4]ESchool News.Web-based math tutor from McGraw-Hill[EB/OL].[2020-04-22].https：//www.eschoolnews.com/2001/06/01/web-based-math-tutor-from-mcgraw-hill/.

[5]Autm.ALEKS Tutors Students In Learning To Succeed[EB/OL].[2020-04-22].https：//autm.net/cmswebparts/custom/bwp/generatePDF.aspx？story=%2FAbout-Tech-Transfer%2FBetter-World-Project%2FBWP-Stories%2FALEKS.

[6]McGraw-Hill Education.McGraw-Hill Education Agrees to Acquire ALEKS Corporation，Developer of Adaptive Learning Technology for K-12 and Higher Education[EB/OL].[2020-03-09].https：//www.prnewswire.com/news/mcgraw__hill-education.

[7]McGraw-Hill education.2018 Final Annual Report[R].New York City：McGraw-Hill education， 2018.

[8]Shute，V.J.& Psotka，J.Intelligent tutoring systems：Past，present，and future[D].Defense Technical Information Center，1994.

[9]Pentland P.Fractal-based description of natural scenes[J].IEEE Transactions on Pattern analysis and Machine Intelligence，1984（6）：661-674.

[10]Jean-Claude Falmagne，Jean-Paul Doignon， Nicolas Thi?ery，Eric Cosyn.The Assessment of Knowledge，in Theory and in Practice[EB/OL].[2020-03-07].https：//www.aleks.com/about_aleks/Science_Behind_ALEKS.pdf.

[11]許高攀，曾文華，黃翠蘭.智能教學(xué)系統(tǒng)研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2009，26（11）：4019-4022、4030.

[12]趙建華.智能教學(xué)系統(tǒng)概述[J].中國(guó)電化教育， 2007（7）：5-12.

[13]Pearson.Decoding Adaptive[R].London： Pearson，2016.

[14]徐麗芳，王瑩超.Newsela：探索自適應(yīng)學(xué)習(xí)之路[J].出版參考，2017（5）：19-22.

[15]廖軼.面向基礎(chǔ)教育的自適應(yīng)學(xué)習(xí)服務(wù)系統(tǒng)研究與應(yīng)用[D].北京：北京交通大學(xué)，2017.

[16]ALEKS.WHAT MAKES ALEKS UNIQUE[EB/OL].[2020-03-08].https：//www.aleks.com/about_aleks/tour_ai_pinpoint.

[17]陳仕品，張劍平.智能教學(xué)系統(tǒng)的研究熱點(diǎn)與發(fā)展趨勢(shì)[J].電化教育研究，2007（10）：41-46、50.

[18]Preeti Wadhwani，Saloni Gankar.E-Learning Market Size By Technology，Provider，Application， Industry Analysis Report，Regional Outlook，Growth Potential，Competitive Market Share & Forecast， 2019-2025[R/OL].[2020-03-08].https：//www.gminsights.com/segmentation/detail/elearning-market-size.

（作者單位系武漢大學(xué)信息管理學(xué)院出版科學(xué)系，武漢大學(xué)數(shù)字出版研究所）