基于有窮自動機的網(wǎng)絡(luò)學(xué)習(xí)活動智能導(dǎo)航服務(wù)模型與算法研究.pdf

1、與傳統(tǒng)“一對多”的課堂教育相比,遠(yuǎn)程教育的最大優(yōu)勢在于能夠借助各種計算機技術(shù)滿足學(xué)習(xí)者的個性化需要,實現(xiàn)“以學(xué)生為中心”的差異化教學(xué)。為此,近年來一系列支撐個性化學(xué)習(xí)的應(yīng)用技術(shù),如智能答疑、自適應(yīng)測試、個性化推薦等,得到了普遍的發(fā)展。
　　 然而,通過多年的教學(xué)與實踐觀察,筆者發(fā)現(xiàn):即使教學(xué)系統(tǒng)能根據(jù)學(xué)習(xí)者的學(xué)習(xí)偏好、已掌握知識的情況、甚至是考慮情景因素提供或推薦個性化的學(xué)習(xí)內(nèi)容,也不能完全保證學(xué)習(xí)者能夠獲得預(yù)期的學(xué)習(xí)效果。這是

2、因為目前多數(shù)應(yīng)用系統(tǒng)都是基于內(nèi)容而不是基于活動來設(shè)計和實現(xiàn)的,這會導(dǎo)致學(xué)習(xí)者在獲得所需的教學(xué)內(nèi)容后缺乏必要的活動引導(dǎo),使自主學(xué)習(xí)存在一定的盲目性。從教學(xué)規(guī)律的角度來看,在相同的教學(xué)內(nèi)容上開展不同的活動,例如一段文本內(nèi)容可以有朗讀、背誦、默寫等活動,其獲得的學(xué)習(xí)效果也不相同,因此學(xué)習(xí)過程應(yīng)當(dāng)是由一系列學(xué)習(xí)活動而非僅是內(nèi)容組成的。根據(jù)上述分析,本文認(rèn)為當(dāng)前遠(yuǎn)程教學(xué)系統(tǒng)存在一個迫切需要解決的問題:系統(tǒng)在提供給學(xué)習(xí)者所需學(xué)習(xí)資源的同時,如何生成

3、與之對應(yīng)的學(xué)習(xí)活動規(guī)劃與調(diào)度方案,從而用以導(dǎo)航服務(wù)的方式來指導(dǎo)學(xué)習(xí)者將學(xué)習(xí)資源轉(zhuǎn)化為知識和能力。
　　 本文的工作就是研究如何采用基于有窮自動機的方法來解決教學(xué)支撐平臺中學(xué)習(xí)活動的規(guī)劃與調(diào)度的問題并實現(xiàn)智能導(dǎo)航服務(wù)。論文主要從:建立問題的約束滿足(Constraint Satisfaction Problem)模型;設(shè)計基于有窮自動機的求解方法;在問題規(guī)模較大情況下的蟻群優(yōu)化算法;特定教學(xué)模式下的學(xué)習(xí)活動調(diào)度算法等四方面展開,并

4、分別得出相應(yīng)的結(jié)論。
　　 1.建立學(xué)習(xí)活動規(guī)劃與調(diào)度的CSP模型。本文涉及的學(xué)習(xí)活動規(guī)劃與調(diào)度問題從本質(zhì)上可看作人工智能領(lǐng)域的智能規(guī)劃問題,而這類問題常?？梢杂眉s束滿足問題(即CSP)模型來加以描述。在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中,需要將教學(xué)目標(biāo)和教學(xué)方法結(jié)合起來,在標(biāo)準(zhǔn)化的資源庫基礎(chǔ)上,首先對學(xué)科體系加以規(guī)范化;再利用本體技術(shù)建立以知識點為核心的課程體系結(jié)構(gòu);最后根據(jù)教學(xué)規(guī)律定義一系列學(xué)習(xí)活動(或任務(wù))及這些活動跟知識點的聯(lián)系。學(xué)習(xí)者為達(dá)

5、到某一學(xué)習(xí)目標(biāo)而需要進行的學(xué)習(xí)活動及其調(diào)度方案可以通過CSP模型中的變量來制定,而學(xué)習(xí)過程中的各約束如訪問的并發(fā)控制、多個學(xué)習(xí)者的同步與協(xié)同等,可以用約束方程組定義,從而建立起學(xué)習(xí)活動規(guī)劃與調(diào)度問題的CSP模型。目前,在網(wǎng)絡(luò)課程的知識點層次上建立學(xué)習(xí)活動層、并將其轉(zhuǎn)化為約束滿足問題來實現(xiàn)智能規(guī)劃與調(diào)度服務(wù)的研究尚未見文獻(xiàn)報導(dǎo)。
　　 2.設(shè)計基于有窮自動機的求解方法。在不同的網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中,約束條件往往可能發(fā)生不同的變化,而現(xiàn)有

6、CSP的各類常用求解方法又往往缺乏對約束條件的動態(tài)適應(yīng)操作與創(chuàng)建能力。本文提出的基于自動機的求解方法可以將CSP表示為一個具有最小狀態(tài)的確定有窮自動機MDFA,該自動機接受的語言即為問題的解。該方法最大的優(yōu)點在于由環(huán)境變化產(chǎn)生的新約束條件可通過簡單的運算加入到原有的自動機,使之得到擴展。同時,原先自動機的計算結(jié)果也可復(fù)用以節(jié)省時間開銷。在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境中基于自動機理論對學(xué)習(xí)活動約束滿足問題的算法設(shè)計及有關(guān)理論研究是本文的創(chuàng)新之處。此外,由

7、于利用自動機理論求解CSP的相關(guān)文獻(xiàn)很少,因此本文的方法對CSP自身的求解技術(shù)發(fā)展也具有一定的研究價值。
　　 3.規(guī)模較大的CSP的蟻群優(yōu)化算法。蟻群算法的思想源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為方法。由于本文涉及的CSP本質(zhì)上屬于NP問題,在問題規(guī)模較大的情況下,可以將CSP轉(zhuǎn)化為一個優(yōu)化問題求解。有關(guān)蟻群優(yōu)化算法及其應(yīng)用研究在較多文獻(xiàn)已有討論,本文借鑒了這些文獻(xiàn)中蟻群算法的設(shè)計方法來實現(xiàn)了解的啟發(fā)式搜索。
　　

8、4.網(wǎng)絡(luò)特定教學(xué)模式下的學(xué)習(xí)活動調(diào)度算法。在一些特定的網(wǎng)絡(luò)教學(xué)模式下,通過對學(xué)習(xí)活動CSP模型中的部分變量進行預(yù)先賦值,并簡化約束條件等方法將問題轉(zhuǎn)化為經(jīng)典的α|β|γ調(diào)度模型求解。目前各類調(diào)度模型的求解算法尤其是車間調(diào)度模型算法有大量文獻(xiàn)可查,但尚無針對網(wǎng)絡(luò)特定教學(xué)模式中的學(xué)習(xí)活動開展調(diào)度模型定義并求解的文章發(fā)表。
　　 綜上所述,在本文涉及的四項主要研究工作中,第一、第四部分的研究成果目前還沒有文獻(xiàn)報導(dǎo);第二部分相關(guān)文獻(xiàn)很少