本發(fā)明涉及計算機(jī)輔助教學(xué)領(lǐng)域，尤其是涉及面向基于信息融合與機(jī)器學(xué)習(xí)的智能計算機(jī)輔助教學(xué)系統(tǒng)的設(shè)計實現(xiàn)方法。

背景技術(shù)：

計算機(jī)輔助教學(xué)(CAI)是利用先進(jìn)信息技術(shù)如移動計算、多媒體、網(wǎng)絡(luò)互聯(lián)的功能與特點，利用計算機(jī)輔助教師完成各個教學(xué)工作環(huán)節(jié)，并通過與計算機(jī)之間的交互活動，激發(fā)學(xué)生的學(xué)習(xí)積極性和主動性，幫助學(xué)生更有效地學(xué)習(xí)，從而提高教學(xué)質(zhì)量。在這種教學(xué)形式中，計算機(jī)主要是用來呈現(xiàn)教學(xué)目標(biāo)、教學(xué)重點與難點、記錄學(xué)生的學(xué)習(xí)情況、控制學(xué)生的學(xué)習(xí)進(jìn)度等信息，計算機(jī)在教學(xué)軟件的控制下可以通過輸入設(shè)備接收各種信息，并對其進(jìn)行分析判斷，根據(jù)判斷提供有針對性的提示信息，最后通過輸出設(shè)備輸出，顯示結(jié)果。使用CAI系統(tǒng)，有利于認(rèn)知主體作用的發(fā)揮，為制定科學(xué)合理的教學(xué)方法策略提供技術(shù)依據(jù)；它所提供的圖像、聲音、動畫等多媒體信息有利于學(xué)生知識的獲取與保持，達(dá)到提高教學(xué)效果的目的。

計算機(jī)與網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步與發(fā)展使得CAI技術(shù)也得到了快速發(fā)展與完善；而諸多相關(guān)領(lǐng)域的新理論、新方法及新技術(shù)的持續(xù)引入，也使得CAI的研究內(nèi)容日趨豐富。當(dāng)前互聯(lián)網(wǎng)(Internet)已成為必要的公共通訊工具，數(shù)字化校園網(wǎng)絡(luò)(DCN)在教育領(lǐng)域得到了廣泛應(yīng)用與推廣，并對教育、教學(xué)過程產(chǎn)生著深刻影響。J.Foster等人基于NeXT工作站設(shè)計實現(xiàn)了面向大規(guī)模集成電路的遠(yuǎn)程CAI系統(tǒng)。V.R.Frank&C.Karin提出了一種基于網(wǎng)絡(luò)多媒體的CAI系統(tǒng)實現(xiàn)方法，并在計算機(jī)圖形學(xué)方面的教學(xué)工作方面證明了其有效性與先進(jìn)性。K.L.Li&J.Cheng提出了一種基于萬維網(wǎng)的CAI實現(xiàn)方法，在匯編語言的教學(xué)中得到了較好應(yīng)用。蔣鐵海提出了一種基于.NET的英語口譯CAI實現(xiàn)方法，并成功解決了海量素材選擇、多媒體斷點設(shè)置等問題。M.Li將決策支持系統(tǒng)原理及其技術(shù)方法引入CAI領(lǐng)域，并在具體教學(xué)實踐中取得了一定成果。

根據(jù)上述文獻(xiàn)的調(diào)研結(jié)果可知，CAI技術(shù)在其發(fā)展初期多集中在多媒體教學(xué)領(lǐng)域，使教學(xué)實現(xiàn)手段更加豐富、生動，從而提高了教學(xué)效果與質(zhì)量；網(wǎng)絡(luò)化技術(shù)的引入拓寬了CAI的有效工作范圍，使其在教學(xué)的可控范圍、實時性、交互性方面有顯著提高，但只是在實現(xiàn)方式方面的改進(jìn)與發(fā)展，就CAI的內(nèi)在機(jī)理而言并未有本質(zhì)性變化。而隨著現(xiàn)代科學(xué)技術(shù)的進(jìn)步與發(fā)展，對于高等教育的要求也越來越高，尤其是在醫(yī)學(xué)專業(yè)教育方面，要求能夠完成許多具有較高難度的專業(yè)領(lǐng)域知識的學(xué)習(xí)與強(qiáng)化訓(xùn)練任務(wù)。在這種情況下，傳統(tǒng)的CAI技術(shù)無法滿足現(xiàn)代高等專業(yè)教育的基本要求，因此出現(xiàn)了計算機(jī)支持教育(CSE)概念，即在當(dāng)前日益提高的專業(yè)教學(xué)要求條件下，需要面向不同的學(xué)科背景，制定不同的教學(xué)應(yīng)對策略；這時計算機(jī)已經(jīng)不是教學(xué)過程中的輔助技術(shù)，而發(fā)展成為關(guān)鍵支撐技術(shù)。

技術(shù)實現(xiàn)要素：

為了克服已有計算機(jī)輔助教學(xué)方式的智能化較低、適用性較差的不足，本發(fā)明提供一種智能化較高、適用性良好的基于信息融合與機(jī)器學(xué)習(xí)的智能計算機(jī)輔助教學(xué)系統(tǒng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于信息融合與機(jī)器學(xué)習(xí)的智能計算機(jī)輔助教學(xué)系統(tǒng)，所述智能計算機(jī)輔助教學(xué)系統(tǒng)包括教學(xué)過程信息融合子系統(tǒng)與教學(xué)模擬執(zhí)行子系統(tǒng)；

所述的教學(xué)過程信息融合子系統(tǒng)，用于對教學(xué)過程中所涉及的對象、素材和工具要素進(jìn)行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標(biāo)數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，為教學(xué)模擬執(zhí)行子系統(tǒng)提供元數(shù)據(jù)支持；

所述的教學(xué)模擬執(zhí)行子系統(tǒng)，用于對教學(xué)過程信息融合子系統(tǒng)上傳的元數(shù)據(jù)進(jìn)行挖掘與整合，模擬教學(xué)過程所涉及的執(zhí)行環(huán)節(jié)；根據(jù)對學(xué)生學(xué)習(xí)效果的評價和當(dāng)前教學(xué)資源配置情況，實現(xiàn)對實際教學(xué)過程的自動優(yōu)化和動態(tài)調(diào)度。

進(jìn)一步，所述的教學(xué)過程信息融合子系統(tǒng)中，教學(xué)過程信息融合處理的過程如下：

①確定一具體教學(xué)班級作為工作對象，通過所在院校教務(wù)管理系統(tǒng)獲取學(xué)生的基本檔案數(shù)據(jù)，對其學(xué)緣歷程、文化背景信息進(jìn)行擴(kuò)充與完善，并已數(shù)據(jù)記錄的形式進(jìn)行表述；

②通過訪談與調(diào)查問卷的方式采集教務(wù)管理系統(tǒng)未包含的學(xué)生信息數(shù)據(jù)，按照數(shù)據(jù)庫第三范式(3NF)進(jìn)行編排與初步規(guī)格化，建立擴(kuò)展的學(xué)生學(xué)習(xí)信息數(shù)據(jù)表；

③采用靜態(tài)數(shù)學(xué)統(tǒng)計算法進(jìn)行特征數(shù)據(jù)提取，得到該方向?qū)W生在學(xué)緣結(jié)構(gòu)、知識儲備、記憶特征和學(xué)習(xí)策略方面的特征數(shù)據(jù)，并在此基礎(chǔ)上得到統(tǒng)計平均值、方差、標(biāo)準(zhǔn)差、自相關(guān)、互相關(guān)和數(shù)據(jù)偏移衍生數(shù)據(jù)項；

④采用粗糙集經(jīng)驗學(xué)習(xí)系統(tǒng)對上一步處理的數(shù)據(jù)對象進(jìn)行多維對象信息提取，處理非結(jié)構(gòu)化不完備的衍生數(shù)據(jù)項，消除各指標(biāo)數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高所獲信息的可用度，為教學(xué)過程模擬計算提供完備、可靠的數(shù)據(jù)序列。

再進(jìn)一步，所述教學(xué)模擬執(zhí)行子系統(tǒng)劃分為3個邏輯功能模塊：面向?qū)I(yè)領(lǐng)域知識點系統(tǒng)的超文本知識庫模塊、面向教師教學(xué)過程的教師模塊與面向?qū)W生學(xué)習(xí)過程的學(xué)生模塊。

更進(jìn)一步，所述的超文本知識庫模塊是面向某具體專業(yè)的領(lǐng)域知識超集，包括領(lǐng)域知識點網(wǎng)絡(luò)實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例、教師先驗規(guī)則、難度問題實例、知識遷移過程實例組元；所述的領(lǐng)域知識點網(wǎng)絡(luò)實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例為靜態(tài)組元，只能進(jìn)行定期更新維護(hù)，其中領(lǐng)域知識點網(wǎng)絡(luò)實例通過超文本鏈接方式構(gòu)建關(guān)聯(lián)并完成內(nèi)容表述，過程性知識素材實例與結(jié)構(gòu)化知識素材實例通過多級嵌入式超媒體進(jìn)行遞進(jìn)式構(gòu)建與表達(dá)，所述的教師先驗規(guī)則、難度問題實例、知識遷移過程實例為動態(tài)組元，通過超文本知識庫模塊的用戶接口對上述組元進(jìn)行更新、刪減、補充和擴(kuò)展操作。

所述的教師模塊是面向教學(xué)過程產(chǎn)生式規(guī)則推理機(jī)制，對教師教學(xué)活動的過程模擬，完成對學(xué)生模型記錄下來的學(xué)生信息進(jìn)行處理，并運用知識庫中的知識進(jìn)行推理，做出決策和判斷；教師模塊由教學(xué)過程推理構(gòu)件與應(yīng)用程序接口組成，處理過程如下：①學(xué)生在做完一道習(xí)題后，通過教師模塊應(yīng)用程序接口喚醒教學(xué)過程推理構(gòu)件；②教學(xué)過程推理構(gòu)件通過隱性馬爾科夫模型算法對學(xué)生所做習(xí)題進(jìn)行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導(dǎo)；③若學(xué)生出現(xiàn)錯誤，學(xué)生是因某一個知識點不懂而導(dǎo)致的錯誤給出文本描述，通過先序遍歷的方式在知識庫中先找到該知識點；④在規(guī)則庫中找到與該知識點相關(guān)的推理規(guī)則，利用自適應(yīng)貝葉斯網(wǎng)絡(luò)算法得出與該知識點有聯(lián)系的知識網(wǎng)絡(luò)路徑，通過教師模塊指導(dǎo)學(xué)生的學(xué)習(xí)，并把相關(guān)的錯誤原因分析過程提示給學(xué)生。

所述的學(xué)生模塊包括無導(dǎo)師學(xué)習(xí)構(gòu)件、有導(dǎo)師學(xué)習(xí)構(gòu)件、智能化人機(jī)接口，所述的無導(dǎo)師學(xué)習(xí)構(gòu)件利用自組織神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對學(xué)生自學(xué)過程的模擬與優(yōu)化，即通過自組織神經(jīng)網(wǎng)絡(luò)算法自主調(diào)用超文本知識庫模塊中的知識規(guī)則，建立新的知識聯(lián)系，形成新的知識規(guī)則；所述的有導(dǎo)師學(xué)習(xí)構(gòu)件利用誤差反向傳播神經(jīng)網(wǎng)絡(luò)算法對學(xué)生在有老師教授的學(xué)習(xí)過程進(jìn)行模擬與優(yōu)化，即通過人工方式從調(diào)用超文本知識庫模塊中的知識規(guī)則，按照預(yù)設(shè)目標(biāo)進(jìn)行逐級聚類學(xué)習(xí)，最后在設(shè)定閾值處(教學(xué)目標(biāo))收斂結(jié)束；所述的智能化人機(jī)接口跟蹤學(xué)生學(xué)習(xí)過程，過程如下：①對每個課程建立獨立的單元，建立各單元水平的判定規(guī)則；②學(xué)生進(jìn)入學(xué)習(xí)狀態(tài)，在教師模塊的指導(dǎo)下，根據(jù)教學(xué)目標(biāo)選擇學(xué)習(xí)內(nèi)容和習(xí)題；③若學(xué)生完成一課的學(xué)習(xí)，給出水平判定值，并進(jìn)行錯誤診斷時，并從教師模塊和知識庫中得到系統(tǒng)對學(xué)生行為診斷的信息反饋；④將反饋頻率較高的信息設(shè)定為典型記錄，組成學(xué)習(xí)過程主題記錄文件，作為知識庫模塊更新的重要依據(jù)。

本發(fā)明的有益效果主要表現(xiàn)在：

1)采用粗糙集(RS)方法進(jìn)行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標(biāo)數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高了數(shù)據(jù)的可用性。

2)引入機(jī)器學(xué)習(xí)(ML)技術(shù)與認(rèn)知心理學(xué)方法，實現(xiàn)對學(xué)生專業(yè)知識認(rèn)知過程的實時追蹤與出錯機(jī)制分析，提高教學(xué)質(zhì)量。

3)對測得的數(shù)據(jù)進(jìn)行挖掘與整合，并根據(jù)對學(xué)生學(xué)習(xí)效果的評價和當(dāng)前教學(xué)資源配置情況，實現(xiàn)對實際教學(xué)過程的自動優(yōu)化和動態(tài)調(diào)度。

附圖說明

圖1是學(xué)習(xí)特征提取與信息融合處理示意圖；

圖2是教學(xué)模擬執(zhí)行子系統(tǒng)構(gòu)架示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。

參照圖1和圖2，一種基于信息融合(IF)與機(jī)器學(xué)習(xí)(ML)的智能計算機(jī)輔助教學(xué)(ICAI)系統(tǒng)，包括教學(xué)過程信息融合子系統(tǒng)(TPFS)與教學(xué)模擬執(zhí)行子系統(tǒng)(TSES)；

TPFS對教學(xué)過程中所涉及的對象、素材、工具等要素進(jìn)行多維對象信息提取，處理非結(jié)構(gòu)化不完備數(shù)據(jù)，消除各指標(biāo)數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，為教學(xué)模擬執(zhí)行子系統(tǒng)提供元數(shù)據(jù)支持。

TSES對教學(xué)過程信息融合子系統(tǒng)上傳的元數(shù)據(jù)進(jìn)行挖掘與整合，模擬教學(xué)過程所涉及的執(zhí)行環(huán)節(jié)；根據(jù)對學(xué)生學(xué)習(xí)效果的評價和當(dāng)前教學(xué)資源配置情況，實現(xiàn)對實際教學(xué)過程的自動優(yōu)化和動態(tài)調(diào)度。

如圖1所示，教學(xué)過程信息融合子系統(tǒng)(TPFS)中，教學(xué)過程信息融合處理過程如下：

①確定一具體教學(xué)班級作為工作對象，通過所在院校教務(wù)管理系統(tǒng)獲取學(xué)生的基本檔案數(shù)據(jù)，對其學(xué)緣歷程、文化背景信息進(jìn)行擴(kuò)充與完善，并已數(shù)據(jù)記錄的形式進(jìn)行表述。

②通過訪談與調(diào)查問卷的方式采集教務(wù)管理系統(tǒng)未包含的學(xué)生信息數(shù)據(jù)，按照數(shù)據(jù)庫第三范式(3NF)進(jìn)行編排與初步規(guī)格化，建立擴(kuò)展的學(xué)生學(xué)習(xí)信息數(shù)據(jù)表(SID)。

③采用靜態(tài)數(shù)學(xué)統(tǒng)計(SMS)算法進(jìn)行特征數(shù)據(jù)提取，得到該方向?qū)W生在學(xué)緣結(jié)構(gòu)、知識儲備、記憶特征、學(xué)習(xí)策略等方面的特征數(shù)據(jù)，并在此基礎(chǔ)上得到統(tǒng)計平均值、方差、標(biāo)準(zhǔn)差、自相關(guān)、互相關(guān)、數(shù)據(jù)偏移等衍生數(shù)據(jù)項。

④考慮上述過程，通過教務(wù)系統(tǒng)及其它方式獲得的非計算性數(shù)據(jù)可認(rèn)為是具有確定性結(jié)構(gòu)，是完備的。由于各個信息指標(biāo)因素之間并非完全獨立，因此通過SMS計算獲得的數(shù)據(jù)具有耦合覆蓋特征，是不完備的。而ICAI系統(tǒng)對于輸入?yún)?shù)的要求是具有統(tǒng)一完備性，這樣其計算結(jié)果才具有實際意義。采用粗糙集(LERS)經(jīng)驗學(xué)習(xí)系統(tǒng)對上一步處理的數(shù)據(jù)對象進(jìn)行多維對象信息提取，處理非結(jié)構(gòu)化不完備的衍生數(shù)據(jù)項，消除各指標(biāo)數(shù)據(jù)間的耦合噪聲與相關(guān)冗余數(shù)據(jù)，提高所獲信息的可用度，為教學(xué)過程模擬計算提供完備、可靠的數(shù)據(jù)序列。LERS無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，所以對問題的不確定性的描述或處理可以說是比較客觀的。由于上述方法未能包含處理不精確或不確定原始數(shù)據(jù)的機(jī)制，所以上述方法與概率論、模糊數(shù)學(xué)和證據(jù)理論等其他處理不確定或不精確問題的理論有很強(qiáng)的互補性。

基于上述工作所獲得的學(xué)生學(xué)習(xí)特征數(shù)據(jù)，進(jìn)而分析其學(xué)習(xí)過程與知識認(rèn)知形成機(jī)制，對其在專業(yè)方向的學(xué)習(xí)策略優(yōu)劣條件進(jìn)行對比研究，并進(jìn)行相關(guān)指標(biāo)評價，建立SID主題數(shù)據(jù)庫，為后續(xù)的ICAI系統(tǒng)實例以及該方向?qū)W習(xí)策略優(yōu)化方法的研究提供理論依據(jù)與數(shù)據(jù)支持。

教學(xué)模擬執(zhí)行子系統(tǒng)(TSES)，針對實際教學(xué)過程特點與階段功能需求，TSES可劃分為3個邏輯功能模塊：面向?qū)I(yè)領(lǐng)域知識點系統(tǒng)的超文本知識庫模塊、面向教師教學(xué)過程的教師模塊與面向?qū)W生學(xué)習(xí)過程的學(xué)生模塊，如圖2所示。

(1)超文本知識庫模塊

超文本知識庫模塊是面向某具體專業(yè)(如機(jī)械工程、臨床醫(yī)學(xué)等)的領(lǐng)域知識超集，包括領(lǐng)域知識點網(wǎng)絡(luò)實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例、教師先驗規(guī)則、難度問題實例、知識遷移過程實例等組元，如附圖2所示。所述的領(lǐng)域知識點網(wǎng)絡(luò)實例、過程性知識素材實例、結(jié)構(gòu)化知識素材實例為靜態(tài)組元，只能進(jìn)行定期更新維護(hù)，其中領(lǐng)域知識點網(wǎng)絡(luò)實例通過超文本鏈接方式構(gòu)建關(guān)聯(lián)并完成內(nèi)容表述，過程性知識素材實例與結(jié)構(gòu)化知識素材實例通過多級嵌入式超媒體進(jìn)行遞進(jìn)式構(gòu)建與表達(dá)。所述的教師先驗規(guī)則、難度問題實例、知識遷移過程實例為動態(tài)組元，通過超文本知識庫模塊的用戶接口對上述組元進(jìn)行更新、刪減、補充、擴(kuò)展等操作。

知識庫應(yīng)該能夠體現(xiàn)知識的體系結(jié)構(gòu)，并滿足系統(tǒng)教學(xué)過程的需要，要形成前后連貫的關(guān)系或基礎(chǔ)知識體系，形成一個適用的思維或推理模塊。各個知識點之間的聯(lián)系是復(fù)雜的，新知識點的學(xué)習(xí)需要先行知識的支持，一個知識點的掌握又影響著其它知識的學(xué)習(xí)與理解?？梢娭R點間是一種支持和被支持的相互關(guān)系，它們構(gòu)成一種交錯網(wǎng)絡(luò)結(jié)構(gòu)。因此，知識庫的結(jié)構(gòu)可以看成是一個網(wǎng)狀結(jié)構(gòu)，各知識點之間的關(guān)系有著固定的鏈路鏈接，這樣才便于推理機(jī)制的推理，得出正確的結(jié)果。

(2)教師模塊

教師模塊是面向教學(xué)過程產(chǎn)生式規(guī)則推理機(jī)制，對教師教學(xué)活動的過程模擬，完成對學(xué)生模型記錄下來的學(xué)生信息進(jìn)行處理，并運用知識庫中的知識進(jìn)行推理，做出決策和判斷，如附圖2所示。教師模塊由教學(xué)過程推理構(gòu)件與應(yīng)用程序接口組成，過程如下：

①學(xué)生在做完一道習(xí)題后，通過教師模塊應(yīng)用程序接口喚醒教學(xué)過程推理構(gòu)件；

②教學(xué)過程推理構(gòu)件通過隱性馬爾科夫模型算法對學(xué)生所做習(xí)題進(jìn)行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導(dǎo)；

③若學(xué)生出現(xiàn)錯誤，學(xué)生是因某一個知識點不懂而導(dǎo)致的錯誤給出文本描述，通過先序遍歷的方式在知識庫中先找到該知識點；

④在規(guī)則庫中找到與該知識點相關(guān)的推理規(guī)則，利用自適應(yīng)貝葉斯網(wǎng)絡(luò)算法得出與該知識點有聯(lián)系的知識網(wǎng)絡(luò)路徑，通過教師模塊指導(dǎo)學(xué)生的學(xué)習(xí)，并把相關(guān)的錯誤原因分析過程提示給學(xué)生。

教師模塊解決問題的能力應(yīng)達(dá)到領(lǐng)域?qū)＜业乃疁?zhǔn)，可以分析學(xué)生對某一知識點的掌握程度，及時診斷學(xué)生的解題行為，并給出對應(yīng)的操作建議，如求解提示、警界提示、引導(dǎo)學(xué)習(xí)等。學(xué)生在做完一道習(xí)題后，通過相關(guān)接口喚醒推理模塊，推理模塊依據(jù)一定的規(guī)則對學(xué)生所做習(xí)題進(jìn)行錯誤診斷，并根據(jù)不同的情況給出不同的提示信息和輔導(dǎo)，在很大程度上實現(xiàn)了一對一、個性化教學(xué)。

(3)學(xué)生模塊

學(xué)生模塊由無導(dǎo)師學(xué)習(xí)構(gòu)件、有導(dǎo)師學(xué)習(xí)構(gòu)件、智能化人機(jī)接口三部分組成，如附圖2所示。

無導(dǎo)師學(xué)習(xí)構(gòu)件利用自組織神經(jīng)網(wǎng)絡(luò)(AR-ANN)算法實現(xiàn)對學(xué)生自學(xué)過程的模擬與優(yōu)化，即通過自組織神經(jīng)網(wǎng)絡(luò)算法自主調(diào)用超文本知識庫模塊中的知識規(guī)則，建立新的知識聯(lián)系，形成新的知識規(guī)則(自學(xué)成果)。

有導(dǎo)師學(xué)習(xí)構(gòu)件利用誤差反向傳播神經(jīng)網(wǎng)絡(luò)(BP-ANN)算法對學(xué)生在有老師教授的學(xué)習(xí)過程進(jìn)行模擬與優(yōu)化，即通過人工方式從調(diào)用超文本知識庫模塊中的知識規(guī)則，按照預(yù)設(shè)目標(biāo)進(jìn)行逐級聚類學(xué)習(xí)，最后在設(shè)定閾值處(教學(xué)目標(biāo))收斂結(jié)束。

智能化人機(jī)接口跟蹤學(xué)生學(xué)習(xí)過程，過程如下：

①對每個課程建立獨立的單元，建立各單元水平的判定規(guī)則；

②學(xué)生進(jìn)入學(xué)習(xí)狀態(tài)，在教師模塊的指導(dǎo)下，根據(jù)教學(xué)目標(biāo)選擇學(xué)習(xí)內(nèi)容和習(xí)題；

③若學(xué)生完成一課的學(xué)習(xí)，給出水平判定值，并進(jìn)行錯誤診斷時，并從教師模塊和知識庫中得到系統(tǒng)對學(xué)生行為診斷的信息反饋；

④將反饋頻率較高的信息設(shè)定為典型記錄，組成學(xué)習(xí)過程主題記錄文件，作為知識庫模塊更新的重要依據(jù)。

學(xué)生模塊在跟蹤學(xué)習(xí)時給出錯誤的原因，如概念性錯誤用擾動法、方法性錯誤用過程協(xié)議分析法和解題過程網(wǎng)絡(luò)分類分析法等。查出原因后再給出改正的提示，同時記錄下來作為學(xué)習(xí)輔導(dǎo)的依據(jù)；學(xué)習(xí)跟蹤是學(xué)習(xí)過程的記錄，記下學(xué)生的學(xué)習(xí)歷史和進(jìn)步情況；模塊更新是隨著學(xué)生學(xué)習(xí)的深入而改變的，它可以用覆蓋法或差錯法來說明學(xué)生具有的知識與計算機(jī)系統(tǒng)中存儲知識的差距，進(jìn)一步更新學(xué)生模塊，繼續(xù)進(jìn)行教授內(nèi)容和方法的決策。

最后，還需要注意的是，以上列舉的僅是本發(fā)明的一個具體實施例。顯然，本發(fā)明不限于以上實施例，還可以有許多變形。本領(lǐng)域的普通技術(shù)人員能從本發(fā)明公開的內(nèi)容直接導(dǎo)出或聯(lián)想到的所有變形，均應(yīng)認(rèn)為是本發(fā)明的保護(hù)范圍。