分类：论文范文 发表时间：2021-03-02 09:57
摘 要人工智能技术与学校教育相融合已逐渐成为一种趋势。智能教学系统（ＩＴＳ）整合心理学、教育学、认知科学、计算机科学等多领域知识技术，为学生提供个性化指导教学。本文通过对ＡＲＡ（Ａｃｑｕｉｒｉｎｇ Ｒｅｓｅａｒｃｈ Ａｃｕｍｅｎ）游戏化智能教学系统的分析，阐述了智能教学系统中“预期－误解式对话”的人工智能原理，以及最近发展区、自我解释、分散学习效应和编码可变性等认知科学原理在其中的作用，同时介绍了ＡＲＡ游戏化智能教学系统在实践中使用的评估情况，指出游戏化特性对学习者注意力和动机的可能影响。最后，分析了游戏化智能教学系统相较于传统教学的优势与局限，对未来在游戏设计、游戏类型选择以及生态化应用等方面提出研究展望。
关键词 人工智能；智能教学；认知科学
１ 引言
智能教学系统（iｎｔｅｌｌｉｇｅｎｔ tｕｔｏｒｉｎｇ sｙｓｔｅｍ，简称ＩＴＳ）是一种结合了计算机科学、人工智能、心理学、教育学以及认知科学等多种学科知识在内的，开放式人机交互式教学系统。其最终目的就是让计算机系统在一定程度上替代人类教师来实现最佳教学，即赋予计算机系统以智能，从而来实现由计算机系统担当学习者的引导者、帮助者（陈天云，张剑平， ２００７；张志祯， 张玲玲， 李芒， ２０１９）。智能教学系统这一概念最初由Ｓｌｅｅｍａｎ和Ｂｒｏｗｎ于１９８２年正式提出，他们认为智能教学系统是一种使用计算机模仿教学专家的方法与经验，从而来辅助教学工作的计算机系统（Ｓｌｅｅｍａｎ ＆ Ｂｒｏｗｎ， １９８２）。Ｐｓｏｔｋａ将其定义为一种能够及时为学习者提供个性化指导和反馈的教学系统（Ｐｓｏｔｋａ， Ｍａｓｓｅｙ， ＆ Ｍｕｔｔｅｒ， １９８８）。也有研究者认为智能教学系统是借助人工智能技术，由计算机扮演教师的角色以实施一对一的教学，向不同需求和特征的学习者传递知识（张利远，王春丽， ２０１２）。上述定义虽然阐述方式不同，但有一个共识即认为智能教学系统是一种提供个性化指导的教学系统。
２ ＡＲＡ游戏化智能教学系统
ＡＲＡ系统以游戏形式贯穿始终，教学游戏以外星人入侵地球为背景，学生以玩家的身份，通过相应游戏模块的训练，不断学习科学研究素养知识，最后识别并找出隐藏在人类中的外星人，从而拯救地球。在整个游戏化教学系统中，学生需要依次通过三个模块的学习，不断掌握科学研究方法的相关知识及研究技能（如图１ 所示）。
３ ＡＲＡ智能教学系统的人工智能原理
与其他智能系统一样，ＡＲＡ智能教学系统中有一位智能教师，其目标是向学生传授目标领域的内容和技能，对学生的答案进行判断以及给予反馈，同时还根据学生对问题的理解程度来调整对话的内容，进而引导学生构建出理想答案。智能教学系统的一个特点就是，大多数教学活动都是通过使用自然语言的对话教程进行的，这一点在很多智能系统中都有体现。计算机系统使用动画教学代理，通过对话和独白在听觉上（以及其他数字媒体，如文本、动画和电影）提供内容。通过这种方式，它模仿真实的导师，他们向学习者提出问题，提供纠正，对于答案的正确与否给出反馈，以帮助学生形成更完整或更清晰的答案。梅耶在多媒体学习的对话原则中指出，在多媒体教学环境下，如果以对话风格的形式来呈现言语信息，那么学习者的学习效果会更好（Ｍａｙｅｒ， ２００９）。由于任何学习都可以视为学习者与教师或与课本作者之间的一种对话，因此，学习也就成为了一种社会事件，当通过对话风格来呈现学习材料时，会让学习者将自己作为一个参照点，并产生强烈的社会存在感，学生的兴趣增加了，学习的参与度也增强了，进而促使学习者利用自己已有的认知资源对新获得信息进行积极的认知加工，最终达到意义学习的目的（毛伟，盛群力， ２０１７）。
４ ＡＲＡ游戏化智能教学系统中的认知科学原则
除了已述及的对话交互性原则外，在ＡＲＡ游戏化智能教学系统中还包含了其它四个重要的认知科学原则：最近发展区、自我解释、分散学习效应和编码可变性。这些原则与人工智能的整合，为智能教学系统实现提高学习效率提供重要保障。
４．１ 最近发展区
最近发展区（tｈｅ ｚｏｎｅ ｏｆ ｐｒｏｘｉｍａｌ ｄｅｖｅｌｏｐｍｅｎｔ）指的是个体在独自处理问题时的活动水平与在成人指导下或在更有能力的同伴帮助下所能达到的活动水平之间的差距（Ｖｙｇｏｔｓｋｉｅ， Ｅｍｂｏｎｇ， ＆ Ｍｕｓｌｉｍ， １９７８）。当个体处于这个区域之外时，如果问题太简单，他们可能会感到无聊；如果问题太困难，他们可能会感到沮丧或不投入。
ＡＲＡ教学游戏设计不论是整体还是局部，都紧密围绕最近发展区。从整体来看，整个游戏过程中，三个模块的顺序有助于通过从简单的任务到困难的任务来维持个体的最近发展区。教学指导从知识概念（基础模块）开始，然后个人将概念应用于实例（试验模块）。最后需要学习者通过自主提问来辨别研究的缺陷（实践模块）。三个模块的难度依次增加，每个模块都需要借助前一个模块中教授的知识和技能。从局部来看，这一原则又被应用在基础训练模块中，在这一模块中，系统以三角对话框的形式，通过选择、填空以及纠错等问题来扩展学习者的知识。当学习者对某个概念缺乏理解时，系统会向他们提示一个对话框，对话框内容的难易程度根据学习者当前的知识水平而定：如果是低知识水平的学生，会收到一个简单的对话框，以避免内容太难而使他们感到沮丧；如果是高知识水平的学生，会收到更严苛更标准的对话框，因为内容太过于简单时，他们会感到无聊，以此来确保最近发展区的应用。从经验上看，这种策略的使用是基于ＶａｎＬｅｈｎ（２００７）的工作，他们发现采用对话框方式进行学习活动时，如果对话的内容要比学生当前的知识水平高一些，学习效果最好。
４．２ 自我解释
自我解释（sｅｌｆ－ｅｘｐｌａｎａｔｉｏｎ）由美国心理学家Ｃｈｉ于１９８９年首次提出，他将自我解释定义为学习者在样例学习或阅读文章的过程中，为了解释句子或澄清句子所做出的陈述性推理（Ｃｈｉ， Ｂａｓｓｏｋ， Ｌｅｗｉｓ， Ｒｅｉｍａｎｎ， ＆ Ｇｌａｓｅｒ， １９８９）。也有研究者将自我解释界定为在教学情景中，学习者向其自身做出解释，以此力图理解新信息的活动，是一种学习者经常使用的用于帮助自己理解以各种方式呈现出来的外部信息的加工过程（吴庆麟， 杜伟宇， ２００３）。自我解释除了有助于增加理解（Ｐａｌｉｎｃｓａｒ ＆ Ｂｒｏｗｎ， １９８４）之外，还有助于增加读者准确判断他们理解的能力，即元认知（Ｇｒｉｆｆｉｎ， Ｗｉｌｅｙ， ＆ Ｔｈｉｅｄｅ， ２００８）。而在ＡＲＡ教学游戏中，自我解释原则主要应用于前两个模块。首先，在基础训练模块中，玩家会不断地学习有关科学概念的基本知识，而教学系统会向玩家提出一些反思问题，让玩家对相关概念进行解释，以此来促进对学习材料的进一步加工。到了第二个模块试验模块中，当玩家找到研究中存在的缺陷时，系统还会要求玩家进一步阐述为什么选择这种缺陷。正是通过自我解释这种方式，学习者对学习材料进行深层次加工，确定已有的误解，修复心理的认知模型，从而构建新的认识图式，最后促进更深层次的学习（Ｍａｙｅｒ， ２０１４）。
５ ＡＲＡ游戏化智能教学系统的效果评估
Ｇｒａｅｓｓｅｒ和他的同事们基于二十多个实验研究的分析表明，在多个不同的学科学习领域（物理、计算机信息等）中，使用智能教学系统均带来了显著的学习收益（平均效应量达到０．８，属于大效应）（Ｇｒａｅｓｓｅｒ ｅｔ ａｌ．， ２０１２；ＶａｎＬｅｈｎ ｅｔ ａｌ．， ２００７）。虽然总体而言，ＡＲＡ游戏化智能教学系统在实践中的使用得到了积极的反馈，但它所包含的许多特性（例如分数、故事情节）理论上可能会分散学习的注意力，在具体评估其效果时应加以考虑。例如，故事情节本身可能会扰乱学习，因为它可能会占用学习核心知识的认知资源（Ａｄａｍｓ， Ｍａｙｅｒ， ＭａｃＮａｍａｒａ， Ｋｏｅｎｉｇ， ＆ Ｗａｉｎｅｓｓ， ２０１２），从而导致出现诱惑性细节效应（Ｓｅｄｕｃｔｉｖｅ ｄｅｔａｉｌｓ ｅｆｆｃｅｔ）。诱惑性细节效应是当前认知教学领域发现的一个现象，它指当文本中包含有趣但无关紧要的附件（图片、插入语）时，可能会导致学习效果受消极影响（Ｇａｒｎｅｒ， Ｇｉｌｌｉｎｇｈａｍ， ＆ Ｗｈｉｔｅ， １９８９）。产生这种效应的一个原因是学习者围绕着无关信息来组织材料，而不是文本主体中的重要信息组织材料（Ｈａｒｐ ＆ Ｍａｙｅｒ， １９９８）。
６ 小结
本文基于ＡＲＡ游戏化智能教学系统，分析了智能教学系统中蕴含的认知科学原则以及现实应用的教学效果，并以此为例说明了人工智能原理是如何应用于教育领域的。智能教学系统作为人工智能技术在教育领域的典型应用，在实验对比条件下，其教学效果优于传统教学模式，这已经得到众多实证研究的支持。但同时，对游戏化智能教学系统的优势和可能存在的局限应有客观而谨慎的认识。
参考文献
陈天云， 张剑平． （２００７）． 智能教学系统（ＩＴＳ）的研究现状及其在中国的发展． 中国电化教育，（２）， ９５－９９．
刘清堂， 吴林静， 刘嫚， 范桂林， 毛刚． （２０１６）． 智能导师系统研究现状与发展趋势． 中国电化教育， （１０）， ３９－４４．
麦克纳马拉， 杰克森， 蒂勒克， 何先友， 邓玉梅． （２０１３）． 积极阅读与思维的交互式策略训练系统（ｉＳＴＡＲＴ－ＭＥ）——基于自然语言加工与游戏环境的理解与训练． 华南师范大学学报（社会科学版）， （２）， ５２－６６．
马伟伟 张锦坤
上一篇：皮亚杰发生认识论视角下的儿童思维与智慧发展 下一篇：城市社区氛围心理结构的初步探索
相关阅读
论文常识
期刊知识
著作出版
教材出书
专利申请
出版社
扫码关注公众号