计算机辅助教育系统及方法

专利名称：计算机辅助教育系统及方法
技术领域：
本发明主要涉及计算机辅助教育系统与方法，且尤其涉及具有教学能力的智能型计算机辅助教育系统。
背景技术：
随着计算机技术的普及，计算机辅助教育或教学(CAI)产品也逐渐盛行。如今，从学前或小学学龄的儿童、到参加大学课程或是注重特定学科的专业课程的人们，针对各个层次学习者的CAI产品都能找到。这些软件产品可以在个人计算机或计算机网络上使用。CAI产品还可以通过Internet(互联网)获取。某些产品是面向独立学习者的，而另有一些则是供教室使用的，例如，用以补充或促进教员提供的教学。尽管有着各种类型的产品，但是大多数CAI程序都存在类似的缺陷。
最近出品的CAI产品可算是“翻页器”。这类软件向学习者提供了文字与图片的图形化表示。使用这些“翻页器”型的产品，学习者的体验就会非常类似于翻阅一本电子形式的书籍，因为其中的内容是静态的。例如，不论学习者采取何种行为，他总是会先遇上第一页或第一屏，接着是第二页或第二屏，依此类推。在学习者与CAI产品间很少有或是没有互动，而所述的产品也没有教学的能力。学习者必须自己从内容中提取信息。
另一类CAI软件包括视频游戏类型的产品。这种视频游戏类型的产品往往将练习或实践问题隐藏在游戏的形式中，例如，让学习者通过正确回答问题来提高他们的得分或等级。提出的问题往往与游戏的主题或场景无关。例如，学习者可以通过回答乘法表问题来穿过一片树林以得到奖励。如果学习者反复地回答错误，那么该软件就会提供静态的指导。视频游戏类型的CAI产品相对于“翻页器”型产品来说确实有所提高，至少学习者通过一种互动的体验参与了进来。另外，视频游戏软件还能够根据特定的技能测试，比如乘法表，来提供关于学习者的报告或是反馈。但是，这些产品在教学能力方面仍有欠缺。
很少有CAI产品体现出任何智能或是教学能力。在那些展现出一定智能的系统中，大部分都是面向任务的，即所述的产品按预定顺序执行一系列任务，而无视学习者的输入。这类系统可以模拟一对一的辅导，并且还可以包括广泛的专家模型。所述的系统还可以将学习者的表现与专家模型进行对比，一旦它判定一名学习者偏离了专家模型，就会进行辅导或是训练干涉。由于所述的系统中包括了某些智能的内容，因此就可以用它来训练一名学习者完成复杂的多步骤任务，比如医学或技术程序，或是求解高等数学或科学问题。
然而，这类面向任务的CAI产品的一个缺陷在于必须遵守专家模型，而真人教师则能够以灵活的方式向学习者讲解问题。另外，所述的专家模型还要求必须遵守求解复杂问题的特定步骤。这类产品不能相应于学习者的输入，或是根据学习者解题方法上的问题来改变求解问题的步骤。这些方面使得这些面向任务的CAI系统不适合引导性的学习环境，在那样的环境中，求解问题的技能是逐渐培养出来的，而且学习者会被鼓励去寻找他们自己的解题途径。
相应的，最好能够提供一种具有教学及诊断能力的智能CAI系统与方法。另外，所述的智能CAI系统最好能够注重学习者对于概念的掌握，而不是要求严格遵守程序，从而提供灵活的学习方法。另外，最好能够根据特定的课程提纲以及/或优先级集合来调节所提供的CAI系统，以达到注重概念的目的。

发明内容
根据本发明，其中提出了一种能够向学习者提供具有教学意义的互动的方法，包括判断学习者的信息；根据判定的学习者信息来确定互动状态；根据确定的状态创建一个概念模式；以及根据所述的概念模式以及确定的状态来实现恰当的互动。
另外，本发明中还提出了一种向学习者提供具有教学意义的互动的系统，包括一个输出设备，用于向学习者显示互动内容；一个输入设备，让学习者与系统互动；以及一台计算机，其中所述的计算机包括一个处理器和一个存储器，该存储器中装有智能型计算机辅助教学(CAI)系统，并且其中的智能CAI系统还包括一个会话播放器，用来向输出设备提供互动内容；一个视频数据元件，用来存储会话播放器所使用的媒体文件；一个代理引擎，用以决定由会话播放器播出的恰当互动内容，并确定视频数据元件中要被会话播放器读取的视频数据；以及一个概念矩阵，该矩阵被代理引擎使用来确定恰当的互动内容。
本发明其他的特性和优点将在下文的叙述中逐一说明，其中的部分内容在本文的说明中即可揭示出来，也可以通过对本发明的实践来获知。本发明的特性及优点可以借助附带权利要求中特别指出的单元或组合来实现或得到。
应该理解的是，不论是上文中的概括性描述，还是下文中的详细说明，它们都是且仅仅是示例性的，它们并不对本发明产生限制，就如所声明的那样。


本文中所包括的附图构成了该说明书的一部分，它们图示了本发明的实施例，并且与文中的叙述结合在一起起到了解释本发明原理的作用。
图1示出了一种符合本发明原理的用于提供智能CAI产品的系统的示例性方框示意图；图2示出了一种符合本发明原理的智能CAI系统的示例性方框示意图；图3示出了一种符合本发明原理的方法的流程图，该方法用于提供具有教学意义的课程或问题；图4示出了与本发明的概念矩阵相关的概念表格的示例性实体关系示意图；图5示出了符合本发明的会话表格的示例性实体关系示意图；图6根据本发明示出了一张示例性实体关系示意图，该图展示了概念与会话之间的关系；图7示出了符合本发明的视频表格的示例性实体关系示意图；图8示出了另一张示例性实体关系示意图，该图展示了符合本发明的复杂视频表格；以及图9示出了符合本发明的学生表格的示例性实体关系示意图。
具体实施例方式
下面将详细地引用本发明特定的范例实施例。在所有的附图及书面描述中，一旦可能，就会用相同的附图标记来指代相同或类似的组件。
概述符合本发明原理的系统与方法提供了优于传统CAI系统的下列优点基于教学技能模拟的指导模型，该模型特别注重根据每个特定的学习者来量身定制问题；分析学习者解决问题、掌握概念、并将他或她对概念的理解应用于解题的能力；一种教学程序，它既适合指导性的设置也适合构造性的设置；以及对学习者困境的强化管理。这些属性(如教育模型、困境管理，以及高度的个性化)提供了高度互动的学习体验。
智能CAI系统借助于非限制性的示例，图1示出了一种用于实现符合本发明的特性及原理的范例系统环境100。系统环境100中包括一台个人计算机110。个人计算机110包括，例如台式计算机、便携计算机、手持设备以及互联网终端。个人计算机110中包括CPU 120、CD-ROM125、存储器130、光盘驱动器145、输入设备140以及输出设备150。个人计算机110中还包括网络连接155，用于访问互联网和/或外部服务器。存储器130中可能存有智能CAI系统135，在被CPU 120访问时，该系统能够为学习者提供具有教学能力的教育体验。智能CAI系统135可以被储存在计算机可读的介质上，比如磁盘、CD-ROM、或是其他可被个人计算机110读取的存储介质上，并由CPU 120处理。该系统可以通过网络连接155从例如互联网上下载。CAI系统135在下文中有更加详细的说明。输入设备140可以是键盘、鼠标、或是其他数据输入设备。输出设备150可以是监视器、显示器、或是其他显示设备。学习者通过输出设备150获得互动指南，并利用输入设备140解决问题以及/或回答问题。
图2所示的方框示意图展示了智能CAI系统135的范例组成部分。智能CAI系统135中包括一个会话播放器200、视频数据210、代理引擎220、概念矩阵230以及一个报告管理器240。另外，代理引擎220可以通过网络连接155与外部服务器250通信。网络连接155中包括了对万维网和/或互联网的访问。通常，会话播放器200从视频数据210中取得教学序列并向学习者提问。代理引擎220会根据概念矩阵230以及学习者的输入来判断视频数据210中的哪些教学序列及问题适合于学习者。报告管理器240可以向教师或其他导师提供学习者的进度报告，以及对学习者掌握概念的分析。CAI系统135可以用标准查询语言(SQL)来实现，利用关系数据库来保存与代理引擎220以及/或概念矩阵230有关的信息。关系数据库提供了高效的数据搜索优势，并使得大量数据的存储变得可行；但是也可以使用其他形式的数据存储。会话播放器200、视频数据210、代理引擎220、概念矩阵230以及报告管理器240之间的接口可以利用Java编程语言来编写，其他编程语言也同样适用。
代理引擎220可以利用关于学习者的历史信息和/或身份信息来决定对该学习者所进行的教育过程的进行方式。具体地说，代理引擎220访问概念矩阵230，以确定教学序列中概念与等级之间的关系，还要确定某个具体概念中存在的问题，从而最优地选择合适的序列或问题，并且要评估(学习者)对于序列或问题的反应，以便分析关于该学习者的历史信息。代理引擎220工作在实时环境中，当学习者与当前序列或问题进行互动时，代理引擎就在寻找接着的序列或问题。这样，代理引擎220就可能需要快速地检索概念数据和历史信息，从而让学习者不会被丢在一边等待下一个问题或序列。为了实现实时互动，代理引擎220会储存一个默认的“下一序列/问题”，或者也可以根据允许的时间来选择最佳的序列或问题。代理引擎220还可以储存今后会被报告管理器240使用的数据。举例来说，所述的存储数据可能包括提供给学习者的主题及概念，以及学习者回答相关问题的表现。存储数据还可以提供有关学习者能力与预存的平均能力相比较的全面评述，所述的平均能力可以是储存在例如概念矩阵230中的。
图3示出了一个用来为学习者决定具有教学意义的互动-也就是适当的教学序列与问题-的代理引擎的示例流程图，该代理引擎符合本发明。代理引擎220首先识别学习者的信息(步骤300)。学习者信息中可以包括人口统计和等级数据，以及关于该学习者的历史信息。历史信息中可以包括与学习者有关的会话日志，代理引擎220可以利用概念矩阵230对此日志进行分析。学习者可以登录进入智能CAI系统135，例如，通过提供用户名或身份信息与密码。学习者第一次使用系统时可以创建用户名称或身份信息。在学习者使用该系统时，用户名或身份信息可以被用来追踪并储存与该学习者相关的历史数据，例如存储在一个会话日志中。
代理引擎220接着为将要提供给学习者的下一序列或问题决定适当的状态(步骤310)。例如，可能的状态包括所谓的“挑战”、“巩固”、或“复习”状态。代理引擎220考虑关于学习者的历史数据，以决定合适的状态。例如，代理引擎220可以利用学习者先前课程的会话日志来决定问题的正确答案以及/或是对课程的正面反应。如果代理引擎220判断出正确回答问题的历史，那么就会启用“挑战”模式。如果代理引擎220判断出了负面的趋势，则代理引擎220会认为“复习”状态更为恰当。如果没有明显的趋势，那么就会启用“巩固”状态。在一个实施例中，如果没有关于某个特定学习者的历史数据存在，代理引擎220就会在“挑战”与“复习”模式间切换，直到确定恰当的状态为止。
在“挑战”模式中，代理引擎220可以搜寻超过学习者所表现出来的能力等级的教学程序或问题。该状态使得代理引擎220可以推进并测试学习者的知识，并让学习者达到较高的学习水平。在“巩固”状态中，代理引擎220搜寻的教学程序或问题是和处在与学习者所表现出来的能力等级相同级别的信息相关的。例如，“巩固”状态中的问题不应太简单，而应该要求学习者在作答前思考概念。尽管“巩固”模式搜寻同一等级的问题，但是代理引擎220会搜索学习者先前没有见过的问题。在“复习”状态中，代理引擎220搜寻的程序及问题类型是学习者已经见过的，或者是搜寻基于基本概念的问题。在“复习”状态被启动较长一段时间后，提供的问题及教学序列将逐渐简化，知道学习者表现出对基本概念的掌握为止。
代理引擎220接着创建一种信息概念模式，以便根据确定的状态寻找最佳的教学序列或问题(步骤320)。代理引擎220可以创建一个概念列表，其中的每个概念都具有相关的级别值。创建的第一个概念列表中可以包括一个到学习者所访问过的最后的问题或教学序列的链接。如果该系统处于所谓的“巩固”状态中，那么代理引擎220就会根据当前问题的概念模式，搜寻类似于当前问题的教学序列或问题，或是搜寻紧密相关的教学序列或问题。在所谓的“挑战”状态中，代理引擎220在所述概念中搜寻教学序列或问题，但是会在更高的测试级别及学习等级中搜索。如果学习者已经达到了针对某个概念的教学序列或问题的最高级别，代理引擎220就会根据“概念链”表格，在一连串的概念中搜索下一个级别更高的概念。类似地，在所谓的“复习”状态中，代理引擎220搜索较低等级的教学序列或问题以寻找特定的概念，在到达最低级别时搜索更为简单的概念。
最后，代理引擎220根据确定的状态以及概念模式，读取恰当的教学序列或问题(步骤330)。代理引擎220识别出链接在合适等级或是“会话细节”表格某行上的概念，这些将在下文中叙述。每一行都被交叉检验，并对照代理引擎220识别出的最高等级序列或问题来标定测试等级与学习等级。如果搜索出来的会话被定级为高于当前对话，那么这个被搜索到的会话就会替代当前会话。在一个实施例中，搜索持续进行，直到需要作出响应以向学习者显示问题或教学序列为止，或者直到“会话细节”表格中所有的“会话细节”记录都已经被搜索过为止。在另一个实施例中，代理引擎220还会为在步骤310中没有确定的一个或多个状态(“挑战”、“巩固”或“复习”)创建一个概念模式，从而使得代理引擎220可以更快速地对状态中确定的变化作出反应。
概念矩阵230的基本元素是离散的概念，它们起到的作用是对特定主题的知识以及掌握程度的组成模块。另外，概念矩阵230中还可以含有教员或导师输入到系统中的数据，这些数据可以将系统与特定的训练目标或课程提纲同步。概念矩阵230中还含有一组信息，这些信息定义了概念之间的关系，教学序列与问题和概念之间的关系，概念与视频数据之间的关系，以及概念与学习等级之间的关系。利用这些已定义的关系，代理引擎220就能够评价学生的响应，并搜寻下一个合适的序列或问题。代理引擎220还可以判断出概念与学习者对该概念掌握程度之间的关系。最后，概念矩阵230还可以判断优先级与概念，以便在准备报告及诊断分析时使用。
由于数据或记录可以被存储在图4中的实体关系(“ER”)示意图所示的表格结构与关系中，因此概念矩阵230中的数据可以被修改来满足教员或导师的需要。一条概念记录就是可学习的主题内容的一个构建模块，该模块可以被当作一个独立单元来定义并跟踪。每条概念记录都会拥有一个独特的号码，比如“concept_id”，该号码被用于创建与其他概念表格之间的索引链接。概念表格中的记录可以拥有与其相链接的“父”与/或“子”。所述的子/父关系可以利用例如“parent_concept_id”标识符来定义。该概念系统创建了一个分级结构，这种结构使得了解概念如何在一个主题层次上与其他概念相关联更加容易。一个示例性的概念表格如下所示

在以上的实例中，概念1是概念2、3、4的父。概念4是概念5的父、概念表格中的“name”栏可以被用来存储概念的全称。“short_name”栏被用来存储一个值，该值可以被用作报告或图表中的标号，以便让它们的外表与格式更好看。
概念表格中还可以含有一个“max_level”栏，该栏中含有一个代表了一条概念可以被测试或掌握到的大小或级别的变量。例如，一个值为1的“max_level”意味着该概念只有一个级别，而一个值为10的“max_level”则表示该概念可以被掌握到10个不同的等级，其中1是最低掌握级别，10则是最高掌握级别。代理220利用该变量来判断一个学生何时掌握了某条概念且应该前进到与当前概念相连的下一个概念。
其他的概念表格栏目或是附加的表格可以存储例如“grade_level”、“report_type”、“concept_adv”、“concept_link”和/或“concept_grade”。“Grade_level”代表了一个确定的值，该值是一名学习者应该开始学习以及被测试特定概念的时间。“Grade_level”变量提供了学校分级系统上的一个入口点，用以表示何时应该让一名学习者接触某个概念。“report_type”变量被用来确定应该显示什么样的报告才能最好地报告一个概念，从而为报告管理器240提供了一种手段来找到用于报告的恰当概念。“Concept_adv”提供了关于概念的高级信息，并帮助解释及跟踪关于某个概念的更多细节。“Concept_adv”可以被实现为一个独立的表格，该表格供教员或教育者而非代理引擎220使用。
“Concept_link”定义了当前正被测试的概念与较高或较低级别概念之间的关系。每个概念都可以建立在其他感念之上，这些概念是被链接在一起的。“concept_id_to”和“concept_id_from”提供了两条概念记录之间的桥梁，它们分别代表了下一个要探索的概念以及先前已经被学习过的概念。“Concept_link”还可以存储为了通往下一个概念学习者必须获得的级别。“Concept_link”可以使用存储“test_level”和“learn_level”信息的栏目来储存这些必需的等级。“test_level”表示学生已经以一个可接受的熟练程度回答了问题，所述的熟练程度是由会话表格定义的。下文中将结合图5更全面地说明会话表格。
“learn_level”表示学生之前已经学习过会话表格所定义的一个级别上的课程及其他教学材料。代理引擎220允许一定的灵活性，以便让学习者前进到新的概念上，该学习者并不会被自动要求学习当前概念下的所有主题内容。在达到足够的熟练程度后，该学习者就可以例如前进到更高级的主题中。
“concept_grade”表格可以通过估计一名学习者所应处在的等级来将概念链接到特定的级别上。另外，“concept_grade”表格还可以定义“test_level”和“learn_level”。“concept_grade”表格因此就建立了一个学生应该达到的精确度。另外，“concept_grade”向代理引擎220提供了难度等级的指示，该难度等级是学生应该被进一步测试以掌握其还需要掌握的概念的难度等级。
教员与导师可以通过修改“concept_to”或“concept_from”变量，将概念矩阵230与他们自己的教学提纲同步，从而形成一名学习者所必须通过的概念分级结构。教员还可以修改表现对某个主题的熟练程度所必须达到的等级值，也可以修改“grade_level”值，从而使得代理引擎220对于特定的年龄组或年级注重特定的概念。
每一个离散的概念或是构建模块，都对应于那个概念的教学序列，以及与那个概念相关联的问题或题目。在一个实施例中，还有代理引擎220可以用来产生对应于某个概念的新问题的指导。问题组可以代表一系列适用于不同学习类型的问题，比如解方程或字符问题。在完成每组问题之后，学习者应该已经掌握了那个概念，且足以将对概念的理解应用于求解其他问题或是掌握其他更高级的概念中。这些教学序列和相关的问题或题目可以被认为是一个会话。
会话表格被用来储存的数据是关于代理引擎220将要通过会话播放器200提供给学习者什么教学序列及问题。在图5中示出了对应于基本会话表格的全局ER图表。和以线性方式简单地提供教学序列及问题的做法-比如在“翻页器”型CAI产品中-不同，代理引擎220能够决定例如在一系列问题都被回答错误后提供复习可能，即通过提供教学序列来帮助建立有问题的概念。这可以通过例如将数据关系储存在同一个表格中实现。在本系统的一个实施例中，可能有“session_header”和“session_detail”表格，其中“session_detail”是“session_header”的子表。这种关系使得会话信息的分组更为容易。另外，它还允许系统以较小的会话组工作，这些较小的会话组是通过限制一次显示的数据量而形成的。然而，在另一个实施例中，所有的“session_details”(或教学序列与问题)都可以被分组在同一个会话头部之下。会话被链接到它们在“session_concept”表格中所代表的概念上，这样使得系统可以链接概念与会话，从而使得代理引擎220能够通过概念来搜索教学序列与/或问题。这一关系在图6中被更为详细地展示出来。
“session_concept”表格使得代理引擎220能够通过所需的概念来搜索会话。这种会话与概念的链接使得一名学习者所需的不同能力级别与会话一同工作。“required_test_level”和“required_learn_level”存储的值定义了一名学习者要前进所需的指示等级。
在一个实施例中，“session_influence”和“session_event”允许系统评估学习者在会话期间表现如何。“session_influence”变量中存储的值对应于对学习者掌握给定概念的评级，这种评级是根据学习者先前在特定会话中的表现评定的。当一名学习者能够“有点正确”地回答特定问题时，对于评级的影响就会缓解。但是，当学习者的答案被认为偏离了方向且完全错误，那么对于掌握评级的影响就会更严格。
课程浏览通过允许代理引擎220要求学习者提供反馈-比如提问-来改变影响值。例如，学习者可能被提示通过回答“你理解这些概念吗？”或“你需要更多信息？”这样的问题来提供反馈。“Session_events”被定义并与回答数据一同储存在“session_event”表格中，从而系统可以检查对于某个问题的回应。
会话播放器200的作用类似于投影仪向学习者播放“电影”，其中包括教学材料、问题以及类似游戏的场景。代理引擎220将与学习者的每一次互动当作一部简短的影片，而代理引擎220充当一个编辑器。关于影片的信息被储存为影片表格，但是与“翻页器”型CAI软件不同，影片表格中的值与数据可以更改，从而引起“演员”与“场景”的变化。由于这个原因，一个影片可以被多于一个会话使用，从而带来一个灵活且可扩展的系统。在图7中示出了一个表示影片表格的ER示意图。更为复杂的影片可以是基于图8所示的ER示意图所展示的影片表格。另外，在代理引擎220的方向上，智能CAI系统135可以重新编辑影片以便根据学习者展示出的需要及能力来裁减特定影片中提供的材料。
作为另一种符合本发明原理的方案，智能CAI系统135可以储存其他数据以便用教师创建的互动内容替代存储的影片。例如，概念矩阵230可以储存指向替代材料的Web地址，这些替代材料是教师或其他第三方团体创建来用于智能CAI系统135的。在这样一个实施例中，教师可以在学习者互动内容中加入到Web页的链接，该Web页中包含有幻灯片或是提示、指南及任何其他适用于Web格式的材料。
这样一种特性为教师提供了定义特定内容以供学习者浏览的机会，这样做的目的是为了巩固概念，或是在概念测试之后附加上额外的指导。智能CAI系统135可以向学习者提供替代内容以替换或补充存储在影片数据210中且被会话播放器200播放的影片。教师还可以通过添加从概念矩阵230到Web页的链接，来加入历史报告及进度报告。或者，概念矩阵230也可以借助Web页来接收内容更新。精通本技术的人可以理解，其他适用于浏览Web网站的媒介也可以被采用，并且这样做是符合本发明的指导思想与范围的。
本系统还可以使用数据库表格来储存对应于特定学习者的历史信息。这些数据库表格可以与代理引擎220相关联。或者，这些数据库表格也可以被储存在智能CAI系统135的独立部分中，比如学习者数据库(未示出)。图9展示了一种学生表格的示例ER示意图。表格可以和代理引擎220或概念矩阵230相关联，也可以单独储存。
对应于特定学习者的历史信息可以被报告管理器240用来准备报告。例如，关于被掌握的概念、提供的会话、提出的问题以及学习者对那些问题的回答情况的信息，都可以通过报告管理器240以显示或打印的格式提供。
应该理解的是，图l和图2只是展示了示例性的实施例。例如，智能CAI系统135可以位于服务器计算机上，而学习者则在一台客户端计算机上通过网络-比如局域网(LAN)或互联网-访问程序。在另一个实施例中，CAI系统135的组件可以位于不同的计算机上。例如，会话播放器200与影片数据210可以位于第一计算机上，而代理引擎220和概念矩阵230则位于与第一计算机联网的第二计算机上。报告管理器240可以位于第三计算机上，该计算机也与第一计算机联网。这些实施方式能够增强安全性，因为用户不会同时拥有所有的组成部分，从而减少了复制的奉献。
另外，在客户端-服务器以及/或基于互联网的版本中，可以以这种方式分布组件，以提供有限带宽下的最高性能。例如，包含大量音频与图像文件的影片数据210以及位于客户端计算机上，而余下的其他组件则位于别处。这样就减少了需要通过网络交换的数据量。这些备选实施例提供了一种在手持设备上提供CAI产品的手段，在那样的设备上，存储量的考虑是很重要的。另外，在客户端-服务器以及/或基于互联网的版本中，借助于网络连接155，智能CAI系统135还能允许多个学习者协同合作来解决一个问题。例如，使用客户端-服务器以及/或基于互联网版本的学习者可以通过各自解决问题的特定方面或是通过各自分担解题中的不同责任来进行合作。
下文中提供了由代理引擎220为一个学习者会话执行的一个程序的范例概述。起初，学习者通过提供用户名与密码来登入系统。一旦学习者登录，代理引擎220就会读取存储在概念矩阵230中的学习者数据，并让会话播放器200显示恰当的浏览屏幕。浏览屏幕中包括各种图标选项，学习者可以利用输入设备140来选择它们。例如，浏览屏幕中可以包括一个含有多个图标的工具栏，这些图标指示了学习者可用的菜单选项。
学习者通过使用例如输入设备140选取一个特定的游戏或课程，从浏览屏幕开始一次会话。会话播放器200接着播放一个针对被选取选项的适当的解释性介绍，代理引擎220则读取学习者的历史数据以供游戏或课程使用。
代理引擎220接着浏览学习者的历史，以决定一个适当的斜率值，用于与选项相关的概念。该斜率值代表了代理引擎220迄今为止对于学习者对指定概念的学习表现的分析。代理引擎220可以根据多个输入值来更新一个正确的斜率值，比如“challenge_test_slope”、“review_test_slope”、“challenge_learn_slope”或“review_learn_slope”变量中的一个或多个。例如，代理引擎220可以根据学习者对课程及指南的学习，以及学习者对于学习会话期间的提问所作出的反应，来更新斜率值。
对应于指定概念的测试斜率值的更新是根据当前问题的“session_influence”值并结合学习者对于问题的每个反应来完成的。斜率值被代理引擎220用来在任意的指定学习会话中选择下一个问题。例如，在会话开始时，学习者的历史数据被载入概念矩阵230，代理引擎220就会检查与被选定的游戏或课程相关的概念的正确斜率值，并将这些值与存储的默认值比较。在检查了这些值之后，代理引擎220就会为学习会话设置初始模式。
代理引擎220接着检查学习者的历史以便为与被选定的游戏或课程相关的概念决定正确的斜率。如果在学习者的历史中检查到了强烈的负趋势，代理引擎220就会启动“复习”模式。如果在学习者的历史中检测到了强烈的正趋势，代理引擎220就会启动“挑战”模式。如果两者都没检测到，代理引擎220就启动“巩固”模式。基于这种决定，代理引擎220就能选择一个合适的问题来开始会话，并将该问题数据发送给会话播放器220，该播放器使用正确的影片数据210在输出设备150上显示问题。或者，代理引擎220也可以通过网络连接155访问服务器250。
在浏览问题时，学习者可以输入或选择该问题的答案，学习者也可以点击位于工具栏上的图标以显示额外的选项。工具栏选项中可以包括“Quit(退出)”命令，当该命令被选择时，就会导致游戏或课程终止，并让会话播放器200显示导航屏幕，代理引擎220将“Quit”作为给予当前问题的反应存储在概念矩阵230中，并相应地更新概念影响与斜率值。
工具栏上的另一个选项可以包括“Hint(提示)”命令，当该命令被选择时，会引起代理引擎220指示会话播放器200显示一个对于当前概念的1级干预，且代理引擎220会将“Hint”作为给予当前问题的响应存储在概念矩阵230中，并响应地更新概念影响与斜率值。1级干预可以包括向学习者提供提示、公式或是简单的提醒。
工具栏上的第三个选择可以包括一个“Help(帮助)”命令，当该命令被选择时，会引起代理引擎220指示会话播放器200显示一个对应于当前概念的2级干预，且代理引擎220会将“Help”作为给予当前问题的响应储存在概念矩阵230中，并相应地更新概念影响与斜率值。2级干预包括多种高级信息以及例如一个指南程序。随着干预级别的提高，指南辅导会变得愈加详细，且包括更多关于解题的详细指导。
如果学习者为当前问题输入或选择了一个答案，代理引擎220就会根据学习者的回答执行若干结果之一。
例如，如果学习者的答案是正确的，代理引擎220就会根据问题的难度等级让会话播放器200显示“correct(正确)”的影片结果，将“correct(正确)”作为对于当前问题的响应存储在概念矩阵230中，并根据为该问题存储的“session_influence”值更新对应于该问题中所体现出来的概念的斜率，其中所述的影片结果是储存在影片数据210中的。
如果对于特定问题的解答是例如数字的，且学习者的答案太大，代理引擎220就会让会话播放器200显示“high(高)”的影片结果，并将“high(高)”作为对于当前问题的响应存储在概念矩阵230中，并根据为该问题储存的“session_influence”值更新对应于当前问题所体现出来的概念的斜率值。
另外，如果学习者的答案太小，代理引擎220就会让会话播放器200显示“low(低)”的影片结果，并将“low(低)”作为对于当前问题的响应储存在概念矩阵230中，并根据为该问题储存的“session_influence”值更新对应于当前问题所体现出来的概念的斜率值。
在完成一个问题之后，代理引擎220会在选择一个新问题之前检查最新更新的对应于当前被测试的概念的斜率。代理引擎220接着判定随后序列中的哪一个适合被显示给学习者。
如果斜率没有变化(比如在先前问题的响应为“Hint(提示)”的情况下)，那么代理引擎220就根据概念模式以及对应于问题中所体现的各个概念的相应的“test_level”和“learn_level”选择一个相同或近似相同的问题。
如果斜率产生正向变化(比如在“correct(正确)”响应的情况下)，代理引擎220就会选择一个具有相似概念模式的问题，该问题具有更高的“test_level”和“learn_level”值。
如果在多个问题之后，学习者的表现引起了斜率的正趋势，代理引擎220就会触发模式变化，从“巩固”模式变为“挑战”模式。在“挑战”模式中，代理引擎220将改变概念模式并选择能够体现超越学习者所表现出来的熟练程度以及学习者年级的概念的问题。代理引擎220将相应地为这些高级概念更新斜率值。
如果斜率出现负变化(比如在具有数值解的问题得到“High(高)”或“Low(低)”的响应的情况下)，代理引擎220将选择一个具有类似概念模式的问题，该问题具有较低的“test_level”和“learn_level”值。
如果斜率为负，代理引擎220就会通过依次选择一系列问题来分离出特定学习者的理解错误，所述的一系列问题具有相同的概念模式，但是具有不同的“test_level”和“learn_level”值组合。相应地，代理引擎220会分辨学习者在掌握基本概念上的困难。为了确定它的诊断，代理引擎220将切换到一个新的概念模式上，该概念模式体现了有嫌疑的基本概念。
如果代理引擎220检测到了斜率的负趋势，它就会触发一次干预，让会话播放器200显示一段存储在影片数据210或存储在服务器250上的干预影片，而不显示另一个问题。如前所述，在干预的最低级别，它们包括暗示、公式或是简单的提醒。在最高级别，干预包括教学序列或是详细的实例。在显示了干预之后，代理引擎220会显示一个与触发了该次干预的问题相同或近似的问题。然而，如果代理引擎220检测到斜率中足够负的趋势，这意味着超过特定门限值的斜率，它就会触发一个模式下降的变化，从“挑战”到“巩固”或是从“巩固”到“复习”。
最终，当学习者选择退出一次会话，代理引擎220就会让会话播放器200播放导航屏幕。更新的斜率值以及其他表现数据被储存在概念矩阵230中。从导航屏幕上，学习者就可以完全退出系统或是重新登陆以开始一次新的会话。
根据本发明的原理，代理引擎220可以在学习者的计算机以外的计算机或是服务器上运行。在这样一种结构中，代理引擎220可以检查所有先前提问过的问题以及所有访问智能CAI系统135的学习者提供的数据。例如，代理引擎220可以检查数据并找出学生经常回答错误的问题与概念。另外，代理引擎220还可以识别出学习者需要更多联系的概念。代理引擎220还可以检查学习者的解题模式，以便接着以同样的方向促使学生更快地掌握概念。通过将代理引擎220设置在学习者(计算机)以外的服务器上，一名学习者所使用的成功的解题方式就可以与其他学习者共享，从而其他学习者可以学习成功的解题方法。除了代理引擎220之外，例如，其他代理也可以与代理引擎220交互，从而向当前系统提供额外的智能与/或改进。
另外，精通本技术的人应该明白，尽管本文中是结合提供教育系统描述了智能CAI系统135，但是也可以设计其他符合本发明原理的实施方式与应用。例如，可以使用智能CAI系统135来设计游戏及用于其他娱乐项目，比如根据用户与系统的互动通过重新编辑程序内容而将互动电影或电视节目组合在一起。另外，智能CAI系统135可以应用于飞行员或车辆驾驶员训练，或是比如教授雇员如何执行工作相关的事项。智能CAI系统135还可以实现一个销售循环关系系统，用以向销售人员展示关于该销售人员为获得销售在下一步所应采取的行动，或是执行市场分析以便通过累积来自顾客的数据测算某个产品的顾客满意度。精通本技术的人应该认识到，本发明的原理具有很宽额的应用范围，能够在多种领域提供教学应用，以教授多种主题内容。
因而，那些精通本技术的人通过思考本文中所公开的发明的规范与应用，将会很清楚本发明的其他实施方式。所述的规范与实例旨在作为示例使用，本发明真正的范围与指导思想将在之后的权利要求中指出。
权利要求
1.一种向学习者提供具有教学意义的适当互动的方法，该方法包括确定学习者信息，其中包括学习者的身份信息或是关于学习者先前互动行为的数据中的至少一项；根据确定的学习者信息确定互动的状态；根据确定的状态创建一个概念模式；以及根据概念模式与确定的状态读取适当的互动内容。
2.根据权利要求1所述的方法，其中可能的所述确定的状态包括至少一个第一状态和一个第二状态。
3.根据权利要求2所述的方法，其中如果确定的学习者信息中包括过去互动中的正趋势，所述的确定状态就是第一状态。
4.根据权利要求2所述的方法，其中如果确定的学习者信息中包括过去互动中的负趋势，所述的确定状态就是第二状态。
5.根据权利要求1所述的方法，其中正确的互动内容包括教学序列或是一个或多个问题中的至少一种。
6.根据权利要求1所述的方法，其中所述的概念模式包括一个概念列表。
7.根据权利要求6所述的方法，其中所述的概念模式还包括一个与所述概念列表中的各个概念相关联的等级值。
8.根据权利要求6所述的方法，其中所述的概念列表还包括一个指向一个概念分级结构中的概念的链接。
9.根据权利要求1所述的方法，其中读取适当的互动内容还包括访问一个外部服务器以取得适当的互动内容。
10.一种向学习者提供具有教学意义的适当互动内容的系统，该系统包括一个输出设备用以向学习者显示所述互动内容；一个输入设备让学习者与系统交互；以及一台计算机；其中所述的计算机包括一个处理器和一个存储器，该存储器中存有一个智能计算机辅助教学(CAI)系统，并且其中所述的智能CAI系统还包括一个会话播放器用以向输出设备提供所述互动内容；一个影片数据元件，用于存储会话播放器要使用的媒体文件；一个代理引擎用以决定要被会话播放器播放的适当互动内容，以及确定影片数据元件中要被会话播放器读取的影片数据；以及一个被代理引擎用来决定适当互动内容的概念矩阵。
11.根据权利要求10所述的系统，其中所述的智能CAI系统还包括一个报告管理器，用于提供关于互动的细节。
12.根据权利要求10所述的系统，还包括一台通过互联网连接与所述系统相连的外部服务器，用于根据概念矩阵提供的网络地址取得适当的互动内容。
全文摘要
计算机辅助教学系统和方法提供给学习者一种有教育意义的适当互动内容，包括确定学习者信息(300)。所述互动的状态是基于所确定的学习者信息(310)。基于所确定的学习者信息确定用于所述互动的状态(310)。基于所述状态创建一个概念模式(320)。然后基于所述概念模式和所确定的状态读取所述的适当互动内容(330)。
文档编号G09B3/00GK1717677SQ03824196
公开日2006年1月4日 申请日期2003年8月15日 优先权日2002年8月15日
发明者托马斯·R.·西兹, 克里斯·W.·安德森 申请人:斯马特代理有限责任公司