打开文本图片集

摘要：传统的学习与考试系统不能满足学生的自适应学习与智能组卷需求，并且也不能对知识点进行易错统计等，本文通过基于知识空间理论的自适应引擎算法，实现学生个性化的模拟训练、课堂练习与智能组卷的目的。达到让学生在较短的时间内高效学习，让教师也可以随时掌握每个学生的知识点掌握情况，调整教学内容提高教学质量。

关键词：自适应学习；知识空间理论；个性化学习；

一、在线学习与考试系统的现状及研究目标

1.1 现状描述

传统考试环节众多，如题库的管理、试卷的生成、下发、回收、评卷及考试统计分析等都完全依赖人工完成，考试管理的工作量非常大，不仅容易出错，而且效率低下；同时学生的在线学习与模拟训练也存在如下问题：（1）海量试题库维护审核工作量大、需要科学高效的管理工具；（2）大量学生需要考试、模拟考及课堂练习，而教学资源有限；（3）多批次组卷工作难度高，各试题的知识点分布、难易度、熟悉程度与整卷的要求难以平衡；（4）出卷、打印、监考、批阅工作强度高，老师工作负担重；（5）日常训练、考试统计工作量大，缺少有效的数据分析方法；（6）学生掌握的知识分布不同，老师难以单独指导，无法对每个学生制定针对性的学习方案。基于以上的各种问题，急需开发一套基于互联网+人工智能的学习与考试系统。

2、研究目标

基于互联网+人工智能建设一个功能完善、可根据不同中医高校的教学要求，且能够针对不同学生知识点掌握的在线学习及考试系统。强化练习，巩固学生的专业基础，增强学生的动手操作能力和创新意识。

以《中医诊断学》课程为例，以教学大纲为依据，遵照试卷管理规定的要求，针对中医学、针灸推拿学、中西医结合专业等不同专业本科生、研究生等不同层次学生对课程的学习要求，真正提高命题效率与质量、有效实现教考分离及考试结果的分析反馈，扎实学生基本功，进一步提升教学质量。

二、自适应学习与考试系统实现

传统的模拟训练和课堂训练学生在练习的时候，训练的试题是随机或者顺序出现的，这会导致已经掌握的知识点可能会重复出现，没有掌握的知识点试题可能没有得到有效练习，学生要想掌握更多的知识点，必须进行大量的模拟训练才可以得到较好的学习效果。自适应学习系统能够为学习者提供一种个性化学习服务，根据学习者的知识掌握和学习行为，采用相应的教学策略，推荐个性化的学习路径和学习资源。

基于人工智能自适应引擎技术的学习系统，在学生接受测试前，利用知识图谱进行学生掌握知识点的预测，根据测试的结果，结合学生在系统日常学习的记录，利用基于知识图谱的自适应引擎智能判断出学生已经掌握的知识点和未掌握的知识点。对于已经掌握的知识点（答对试题），系统会推送难度相近或更高难度的后续知识点学习内容和试题，对于未掌握的知识点（答错试题），系统会推送难度相近或难度稍低的前置知识点给学生练习。同时根据学生的学习过程和学习进度，基于人工智能的算法来规划学生个性化的学习路径。

基于人工智能自适应引擎技术的在线学习与考试系统的主要功能主要包括知识图谱、题库管理、智能组卷、课堂练习、模拟训练、智能防作弊、线下考试/线上考试，考试统计分析、知识点分析等，教师可以通过系统完成试题库的建立、快速组卷完成学生试卷的生成，学生可以在线完成考试；同时学生也可以通过移动端完成课堂练习以及自适应模拟训练。

三、自适应引擎技术的自适应学习研究方法

人工智能自适应学习引擎，根据每个学生的学习进度以及学习能力状态，基于知识图谱、项目反应理论、知识空间理论、模糊逻辑等基础理论，利用贝叶斯算法、贝叶斯追踪、逻辑回归等机器学习算法，结合学生在学习过程中的学习行为和学习能力数据，为每个学生提供一套个性化的学习方案，使得每个学生都可以根据自己的知识薄弱点进行学习，解决了学生重复练习、题海战术，达到了提高学生学习效率的目的。

3.1 建立知识学习模型

主要包括学习者模型与领域知识模型，学习者模型主要包括学生在模拟训练、课堂练习、学业测试等过程中正确率、错误率、重复错误率，同时还包括学生在学习过程中的登录次数，访问页面次数、测试次数、完成情况、已学知识点等信息；领域知识模型主要是基于知识空间理论，建立课程知识点的属性（知识点本身的属性、知识点所属课程试题资源、课程资源信息）以及知识点之前的关联关系（父子、前序、后续、兄弟），起始学习路径由系统默认建立，随着学习者学习的深入以及对学习者学习路径的挖掘，不断优化和完善每个学习者的学习路径。

3.2 基于学习数据挖掘和聚类的个性化自适应试题推荐

个性化自适应试题的呈现主要体现在2个方面，即学生模拟训练和推荐练习，首先基于知识图谱通过课程章节知识点建立按章节个性化自适应模拟训练，再次基于学生模型和聚类算法，结合学生的学习、练习完成情况（正确率、错误率、重复错误率等）以及知识点的学习路径，建立学习者练习模型，为不同类型的学习者搭建个性化的自适应试题推荐。

3.3 基于知识图谱和贝叶斯知识追踪的个性化自适应学习资源推荐

个性化自适应学习资源的呈现主要根据学生的学习、练习完成情况，搭建学习者学习模型，根据学习者的知识点掌握情况，利用贝叶斯知识追踪理论预测每个学生的知识点掌握情况，并为不同类型的学习者推送个性化的课程学习资源（视频、文本、图文等），通过对应课程知识点的学习，可以再次对学习的知识点掌握程度进行测试；

四、系统应用介绍

以《中医诊断学》 为例进行自适应学习与考试系统过程介绍，如知识点刺痛包括血瘀证、心脉痹阻证、瘀阻脑络证、瘀滞胃脘证等证候表现；学生的练习过程如下：当学生测试刺痛的知识点时，系统根据学生的前期的学习过程，选择了心脉痹阻证的试题给学生进行训练，学生答对后，系统根据依据自适应引擎算法，推送相同父知识点的瘀阻脑络证的学习内容、试题给学生学习与练习，学生如果答错，自适应引擎会根据学生本知识点和前置知识点的掌握情况，推算出可能是其前置知识点（瘀阻脑络证的前置知识点主要包括血瘀证的证候表现、疼痛的性质、望面色、望舌质、细脉和涩脉的诊断等）细脉未掌握好，系统这时会推送其细脉的学习内容、试题进行学习与练习。若答对则进行后续关联知识点的练习与测试，若答错系统再判断前置知识点的掌握情况，直到学生答对某个前置知识点的试题或某个规定的学习能力为止，再进行后续知识点的学习与练习。

五、应用价值与展望

基于人工智能自适应引擎的在线学习与考试系统，让学习者在学习过程中能够对已经掌握的知识点不用重复练习，未掌握的知识点追踪练习，达到了让学生在较短的时间内高效学习，让教师可以随时掌握每个学生的知识点掌握情况，调整教学内容提高教学质量的目的。

5.1 应用价值

该系统在知识图谱、题库管理、智能组卷、学生模拟训练、考试统计分析以及主观题判分等方面引入人工智能的算法，将传统的学习与考试模式结合人工智能技术，在学生在训练的同时由系统推送每个学生的最佳学习路径，提高学习效率，同时教师端也可以查看每个学生的训练情况以及知识点掌握情况，更有效的反哺整个教学过程，真正意义上实现无纸化考试。

5.2 展望

现有的系统是基于单学科的自适应学习系统，后期可以通过课程间知识点间的串联形成多层架构的知识图谱，完成课程间的自适应学习考试，如通过在中医诊断学的某个未掌握的知识点，可以推导出由于前置课程知识点《中医基础理论》的知识点未掌握，进行《中医基础理论》的前置知识点的学习。

参考文献：

[1] 董君武. 构建个性化学习系统的研究[D]. 上海：华东师范大学，2016.

[2] 马晶晶. 基于自适应学习系统的个性化学习环境设计研究[J]. 数字教育，2017，（04）：14-18.

[3] 王洁. 基于学习风格的学习内容自适应系统的研究[D].武汉：华中师范大学，2017.