基于贝叶斯网络的AIBNS系统建模研究及其应用

论文摘要

智能授导系统ITS研究的重点在于增加远程网络教学系统的适应性和智能性。学生模型是ITS的基础和核心,是其他模块进行工作的前提。论文针对目前国内ITS中学生模型构建偏于简单而缺乏智能性的不足,结合人工智能领域的一些成熟技术,研究开发了一个基于贝叶斯网络的智能授导系统AIBNS。论文首先分析了基于前提关系和继承关系的两种建模方式的优缺点,在划分知识项后,经过网络结构和参数学习,提出了一种构建覆盖型贝叶斯网络学生模型的方法。通过对领域相关及无关信息分别建模,构建出学生在特定领域内的知识结构,使模型具备较强的预测能力。针对学生认知状态评估上存在的不确定性,以及测试过程中不正常反应的干扰问题,论文提出了一种自适应选题算法,以期用尽量少的试题完成对学生认知状态的精确评估,并减少评估测试中的噪声。此外设计了一个基于模糊变换原理的学生认知状态评估模型,不仅可以对相关知识项进行认知评估,而且可以进行多级别的综合评价,提高了对学生认知状态评估的准确度。论文应用贝叶斯网络面向对象的知识表达方式,实现了AIBNS原型系统,对贝叶斯网络理论在ITS领域的实际应用提供了有益借鉴。AIBNS系统区别于传统“以教为主”教学模式,实现了个性化自主学习与交互协调学习相结合,不仅能够根据学生的不同个性自适应地提供教学资源,而且可以针对学习目标提出建议,呈现给用户学习知识的步骤序列。验证表明基于贝叶斯网络的智能授导系统具有良好的智能性、交互性和适应性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 论文的主要工作
• 1.4 论文的组织结构
• 第二章 基本理论和相关技术
• 2.1 教育心理学的理论基础
• 2.2 智能授导系统 ITS
• 2.3 学生模型
• 2.4 贝叶斯网络理论基础
• 2.5 本章小结
• 第三章 基于贝叶斯网络的学生模型构建
• 3.1 领域相关信息学生模型
• 3.2 知识项划分
• 3.2.1 全局领域知识项的划分
• 3.2.2 局部领域知识项的划分
• 3.3 模型的结构框架
• 3.4 学生模型参数的确定
• 3.4.1 知识项节点的状态值
• 3.4.2 确定知识项节点间的置信度
• 3.4.3 贝叶斯网络参数的更新算法及证据传播
• 3.5 领域无关信息模型的设计
• 3.6 本章小结
• 第四章 学生认知状态的评估方法
• 4.1 认知状态评估的模糊性原理
• 4.2 模糊变换的基本方法
• 4.3 学生认知状态评估模型的构建
• 4.3.1 相关知识项认知评价
• 4.3.2 学生水平的综合评价
• 4.3.3 多级别的综合评价
• 4.4 自适应测试选题算法
• 4.4.1 选题策略研究
• 4.4.2 选题算法设计
• 4.5 本章小结
• 第五章 AIBNS系统的设计与实现
• 5.1 面向对象的知识表示
• 5.2 AIBNS原型系统实现
• 5.2.1 系统总体逻辑结构
• 5.2.2 基于关系数据库的知识存储与提取
• 5.2.3 基于一般贝叶斯网络的推理算法
• 5.3 AIBNS系统自适应功能
• 5.3.1 个性化学习
• 5.3.2 自适应导航
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 进一步研究方向
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果