【摘 要】
　　 本文探討了在網(wǎng)絡(luò)智能教學(xué)系統(tǒng)中建立一個(gè)雙層動(dòng)態(tài)學(xué)生模型的方法，模型的初始層采用復(fù)合認(rèn)知型學(xué)生模型，高級(jí)層利用Hopfield神經(jīng)網(wǎng)絡(luò)算法，在初始層數(shù)據(jù)的基礎(chǔ)上加入興趣、愛好、知識(shí)狀態(tài)、學(xué)習(xí)歷史等信息進(jìn)行評(píng)價(jià)、分類。該模型克服了單一學(xué)生模型結(jié)構(gòu)數(shù)據(jù)處理的障礙，能夠靈活、全面地對(duì)學(xué)生的學(xué)習(xí)特征進(jìn)行分析，有效改善了智能網(wǎng)絡(luò)教學(xué)系統(tǒng)的教學(xué)決策過程。
　　【關(guān)鍵詞】 學(xué)生模型；智能教學(xué)系統(tǒng)；Hopfield神經(jīng)網(wǎng)絡(luò)
　　
　　【中圖分類號(hào)】 G434 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 １００９—４５８ｘ（２０11）12—００645—０4
　　引 言
　　目前，網(wǎng)絡(luò)教學(xué)系統(tǒng)正向著智能化的方向發(fā)展，智能化的主要目標(biāo)是解決現(xiàn)代遠(yuǎn)程教學(xué)中的個(gè)別化教學(xué)問題，提高系統(tǒng)對(duì)學(xué)生的適應(yīng)性和針對(duì)性[1]。
　　網(wǎng)絡(luò)智能教學(xué)系統(tǒng)中的學(xué)生模型（Student Model）是個(gè)別化教學(xué)決策的依據(jù)，是適應(yīng)性教學(xué)中“因材施教”的“材”的量化標(biāo)準(zhǔn)。學(xué)生模型是指在智能教學(xué)系統(tǒng)中根據(jù)需求構(gòu)造出的一種能可靠表示學(xué)生認(rèn)知特征的數(shù)據(jù)結(jié)構(gòu)，記錄著學(xué)生對(duì)知識(shí)的掌握程度和個(gè)人的學(xué)習(xí)水平，是學(xué)生知識(shí)結(jié)構(gòu)和認(rèn)知特征的反映。學(xué)生模型一般依據(jù)學(xué)生和系統(tǒng)之間的交互及應(yīng)答歷史而形成，可以根據(jù)學(xué)生的學(xué)習(xí)情況動(dòng)態(tài)地修改。
　　在國(guó)外的相關(guān)研究中，有的學(xué)者用貝葉斯網(wǎng)絡(luò)建立學(xué)生模型，進(jìn)行個(gè)性化教學(xué)推理[2]；有的學(xué)者利用對(duì)話來獲得學(xué)生對(duì)領(lǐng)域知識(shí)的掌握程度，從中分析學(xué)生學(xué)習(xí)的速度、掌握程度以及記憶能力，采用一定策略對(duì)學(xué)生實(shí)施個(gè)別化教學(xué)[3]；也有的學(xué)者通過對(duì)學(xué)生學(xué)習(xí)某個(gè)主題的評(píng)價(jià)，來判斷該學(xué)生是否可以進(jìn)入下一個(gè)主題的學(xué)習(xí)[4]。在國(guó)內(nèi)，劉宇，解月光對(duì)CELTS-11學(xué)習(xí)者模型規(guī)范進(jìn)行了取舍、組合，利用模糊評(píng)價(jià)方法對(duì)學(xué)生的認(rèn)知能力進(jìn)行評(píng)判[5]。在最近的研究中，孫中紅提出基于決策樹的遺傳算法，將學(xué)生的學(xué)習(xí)標(biāo)準(zhǔn)、興趣、愛好、知識(shí)狀態(tài)、學(xué)習(xí)歷史、心理因素和認(rèn)知能力等信息進(jìn)行數(shù)據(jù)挖掘和分類，從而構(gòu)建一個(gè)綜合覆蓋模型、偏差模型、認(rèn)知型模型或是幾種模型組合的全面學(xué)生模型[1]。郭富強(qiáng)從學(xué)習(xí)者個(gè)體學(xué)習(xí)情況和學(xué)習(xí)需求出發(fā)，在研究分析影響學(xué)習(xí)者的學(xué)習(xí)基礎(chǔ)、認(rèn)知能力、心理因素的基礎(chǔ)上，設(shè)計(jì)了學(xué)生模型，并給出了學(xué)生模型的動(dòng)態(tài)調(diào)整算法[6]。
　　本文設(shè)計(jì)的雙層動(dòng)態(tài)學(xué)生模型是基于網(wǎng)絡(luò)的SQL查詢語言智能教學(xué)系統(tǒng)，它采用任務(wù)驅(qū)動(dòng)的個(gè)性化學(xué)習(xí)方式，以模擬在線實(shí)驗(yàn)為平臺(tái)，同時(shí)提供學(xué)習(xí)資源、實(shí)例演示與綜合測(cè)試等服務(wù)。SQLlearning學(xué)習(xí)系統(tǒng)因其實(shí)驗(yàn)交互、智能引導(dǎo)等特點(diǎn)在實(shí)踐應(yīng)用中取得了較好的效果。
　　一、雙層動(dòng)態(tài)學(xué)生模型的工作原理
　　在SQLlearning中雙層動(dòng)態(tài)學(xué)生模型的工作原理如圖1所示，學(xué)生登錄系統(tǒng)后，利用雙層動(dòng)態(tài)學(xué)生模型智能引導(dǎo)學(xué)生的實(shí)驗(yàn)、學(xué)習(xí)、測(cè)試等活動(dòng)，系統(tǒng)一般選用學(xué)生模型的高級(jí)層驅(qū)動(dòng)相應(yīng)數(shù)據(jù)庫，生成用戶的個(gè)性化實(shí)驗(yàn)任務(wù)、測(cè)試題目、學(xué)習(xí)資源等，而對(duì)于未經(jīng)高級(jí)層處理或網(wǎng)絡(luò)條件不允許進(jìn)行高級(jí)層處理的學(xué)生模型則選用初始層參數(shù)。
　　一般來說，高級(jí)層的處理過程是在搜集了一定量的初始層學(xué)生模型參數(shù)后，經(jīng)Hopfield網(wǎng)絡(luò)處理生成標(biāo)準(zhǔn)化模型庫，進(jìn)行評(píng)價(jià)、分類，并將結(jié)果取樣到樣本庫、存儲(chǔ)到評(píng)價(jià)庫的過程。
　　
　　
　　二、初始層——復(fù)合認(rèn)知型學(xué)生模型
　　初始層采用輕量化數(shù)據(jù)設(shè)計(jì)，結(jié)合認(rèn)知型學(xué)生模型的特點(diǎn)，在SQLlearning系統(tǒng)中設(shè)計(jì)了如下的數(shù)據(jù)結(jié)構(gòu)來記錄學(xué)生的認(rèn)知能力：
　　SM={Knowle