時間：2023-08-18 17:16:59
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能網絡教學，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
中圖分類號：TP18
“人工智能”一詞最早是在20世紀50年代末期在Dartmouth學會上提出的。它是計算機技術的一個分支學科，但又同時包含了很多領域的不同學科，例如生物信息學、機械理論學、數理推論、語言文化等，它的研究領域非常的廣泛，包括機器翻譯研究、智能控制研究、專家系統學、機器人研究、語言和圖像理解研究、遺傳編程研究、自動程序設計研究、航天科學與應用、龐大的信息處理、儲存、管理研究。此后，越來越多的科研人員開始了對人工智能技術的研究。國際上比較先進的研究機構有麻省理工學院、斯坦福大學、加州大學伯克利分校、賓夕法尼亞大學、耶魯大學、德國人工智能研究中心、索尼公司等，中國的先進研究機構主要有清華大學、北京紫光優藍機器人技術有限公司、中國科學院先進技術研究院、北京大學、南京理工大學、哈爾濱工業大學、中國科學技術大學、北京郵電大學等幾十家機構。
目前，將人工智能應用在網絡教育中是很多研究者關注的熱點，在近些年的研究中取得了很大的進步，取得了一些先進的成果，但是在研究中也遇到了一些問題，需要研究人員進行解決并創新。本文首先介紹了網絡教育的現狀，探討了人工智能在網絡教育中的應用，通過研究提出了做好人工智能在網絡教育中應用的有效措施，最后對人工智能在網絡教育中的發展前景進行展望。
1 網絡教育的現狀
隨著信息技術和網絡技術的不斷發展，人們對教育的觀念以及接受教育的方式發生了巨大的改變，“網絡教育文化”日趨成熟。網絡的發展給傳統的教育模式帶來新的挑戰，它除了將傳統教育模式的一些顯著不足進行了改變以外，同時使教學更富有吸引力和生氣，吸引更多的人愿意到Internet教學中來學習自己想要的知識，他們可以不受時間、空間、身份的限制，到這個虛擬的課堂來進行“充電”。但在當前，網絡教育還在初級的發展階段，在實際的推廣和應用中還存在著一些問題：
（1）在網絡遠程教育的過程中，支持學習的服務系統沒有很好的滿足學習者的要求，引導學習者學習的手段和給學習者答疑的方法都比較落后，服務的方式受到一些客觀因素的限制；
（2）網絡實驗教學中有很的問題存在，例如空間的分散性差，時間的流動性和自主性差，除此之外，便攜性也比較差等；
（3）目前，雖然網絡教育中進行的考試具有開放性，但是考試的公平公正性、考試類型的科學性、出題的權威性都很難保證；
（4）目前來看，網絡系統本身具有了信息查詢能力，但這種查詢的能力是很有限的。
2 人工智能在網絡教育中的應用
2.1 智能決策支持系統
智能決策支持系統是在1980年左右由美國的研究大師波恩切克提出來的，是決策支持系統與人工智能技術相結合的產物。目前，由于智能決策支持系統的不斷發展和創新，在網絡教育的應用和研究方面表現出很強的發展潛力。例如，智能決策支持系統在數字和移動圖書館中的得到了廣泛的應用，該系統能夠為數字圖書館的管理人員提供決策和管理所需的數據、信息，幫助他們明確決策和管理的目標，通過建立決策模型并加以修改或完善，為數字圖書館正確、有效的管理和決策提供必要的支持。
2.2 智能教學系統
智能教學系統是在1970年以后迅速發展起來的，可以為學習者提供一種智能的授課環境，它將計算機的模擬功能來體現在整個教學過程中，使用人工智能技術和多媒體技術等先進的教學手段，共同形成一個交互式的開放的教學系統，在這個學習系統中，學生可以主動的獲取學習知識，系統可以根據學習者的個人情況來進行合理和科學的教學，以達到最佳的、理想的教學效果。
2.3 智能導學系統
支持服務是現代計算機網絡教育系統的重要構成要素。建立和維持一個高效靈活、強有力的支持服務子系統是有效地開發、管理和實施計算機網絡教育項目的保證。智能導學系統可以創造一個優良的學習環境，使學習者方便快捷地調用各種資源，以獲得學習的成功。
2.4 智能硬件網絡
智能網是20世紀80年代初期興起的研究課題。隨著網絡的日益普及，通過網絡進行學習，不僅要求多媒體綜合化的信息處理能力，而且要求網絡能夠提供高級信息處理能力。就目前的狀況而言，對現有的計算機教育網絡賦予其一定的“智能”，從硬件性能本身加以提升是一種不乏遠見的選擇。
3 做好人工智能在網絡教育中應用的有效措施
3.1 加大資金的支持
對于做好人工智能在網絡教育中的應用工作，絕對離不開資金的支持，因此各級政府部門應該做好相關的預算，落實好國家對于支持人工智能技術的相關政策，對于在人工智能技術發展中做出突出貢獻的企業和科研單位要給予一定的資金支持，支持這些企業、科研單位的研究工作，促進人工智能在網絡教育中更好的發展和應用。
3.2 加快人員培訓工作，建立技術研究團隊
人工智能在網絡教育中的應用工作具有技術性、專業性強等很多特征，因此，必須培養一批高素質的人工智能專業人才，同時還要對這些人員進行全面的業務培訓，使得這些人員既要懂管理，又要精通人工智能的專業知識，通過全面的業務培訓和人才引進，建立人工智能的技術研究團隊，使得這些人的才能得到很好的發揮，在人工智能方面有所創新，保證人工智能在網絡教育中得到更好的應用。
3.3 加強和先進研究機構的合作
在人工智能技術研究方面，美國、英國、德國等國家都走在世界的前列，而我國的人工智能技術研究的能力較低，與上述發達國家相比還存在一定的差距。因此，如何縮小這種差距，實現人工智能在網絡教育中更好的應用，就需要我們的研究人員加強專業知識的學習，和這些國家的先進研究機構進行有效的溝通和聯系，借鑒其先進的研究經驗，根據自己的實際需要，進行一些實際的合作。
4 結束語
由于人工智能技術本身存在著巨大的優勢，人工智能網絡技術也會不斷地進行發展而趨于成熟，這將極大地改善并且優化網絡教育的學習環境，全面提升網絡教育的整體教學質量，并有望增強網絡教育的全面開放性。為了做好人工智能在網絡教育中的應用，需要加大資金的支持，加快人員培訓工作，建立技術研究團隊，加強和先進研究機構的合作，使網絡學習的支持服務更加人性化和擬人化，更加體現以人為本的關懷精神。
參考文獻：
[1]呂生榮.淺談人工智能在計算機輔助教學中的應用[J].科技資訊，2009（01）：198.
[2]張園.人工智能技術在計算機輔助教學中的應用研究[J].科技資訊，2007（34）：108-109.
[3]陸志一，吳學慶.計算機未來的發展趨勢[J].黑龍江科技信息，2008（04）.
[4]張瑞.計算機科學與技術的發展趨勢探析[J].制造業自動化，2010（08）.
[5]何月瑤.計算機技術發展態勢分析[J].科技創業月刊，2007（05）.
關鍵詞：智能授導系統; 自適應; 輔助教學;
中圖分類號: TP391 文獻標識碼: A
Research on the constitution of ITS by adaptiveperspective.
Abstract：The research of Intelligent Tutoring System (ITS) has been changed along with the appearance of the different technology―supported learning environments. This paper analyzes the influence and enlightenment that distributed cognition theory has on ITS-based the prototype of ITS, choose the self-adaptation techniques of ITS as a research entry point of digital technology aided teaching software and find the appropriate connection point between the concept and technology of Intelligent Tutoring, and then propose constitution strategy to improve the ITS. Finally, a new model of distributed adaptive ITS is presented and eventually improvetheabilityof system’s self-reasoningand self-organization.
Key words：ITS; adaptive; adjunct instruction
0 引言
人工智能（AI）是計算機科學、信息論、神經生理學、控制論、心理學、語言學等多種學科互相交叉滲透而發展起來的一門綜合性學科[1]。人工智能的本質問題就是研究如何制造出人造的智能機器或系統，來模擬人類智能活動的能力，以延伸人們智能的科學。其技術特征主要是具有搜索功能、知識表示能力、一定的推理功能、抽象功能、語音識別功能及模糊信息處理能力。
智能授導系統〔ITS)是一種學習技術系統，能根據學習者的特定目標、需求和偏好，利用教學方法和學科知識動態地調整學習內容。它的發展源于對傳統計算機輔助教學的改進，克服了僅僅關注學生行為的缺陷，引入了對知識的描述以及智能推理技術。ITS大都由學習者模塊、專家模塊、課程與診斷模塊和通訊模塊組成[2]。Hartley和Seeman最早提出一個ITS的框架應該包括專門知識（專家模型）、學生的知識（學生模型）和教學策略知識（導師）[3]。近十幾年的研究中比較有代表性的是Peng-Kiat Pek和Kim-Leng Poh應用貝葉斯網絡構建的學生模型可以較好的估計出學生的學習興趣值，從而對學生的學習行為方向進行預測[4]。Dietrich Albert和Cord Hockemeyer分析知識空間理論而得出超文本結構和知識空間在結構上的有很強的相似性，通過對知識空間進行建模，使之適用于網絡Web結構模式[5]。Joel Martin和Kurt VanLehn使用貝葉斯網絡技術對學生的學習結果進行評估，得出學習者學習過程中的缺陷和不足[6]。Declan Kelly和Brendan Tangney提出了一種多Agent技術(Multi-Agent System，MAS)，通過對個體的個性化學習進行動態建模的智能框架的建構重組，滿足了學習者的不同需求[7]。在構建策略和技術支持上的最新研究[8-10]都對數字化技術輔助教學軟件的開發提供了新的思路和算法。
目前ITS的研究和實現在自推理能力和自組織上存在不足，未能充分發掘ITS的自學習能力。基于現代網絡發展對學習環境的技術支持，從自適應角度出發，給出分布式自適應的智能授導系統模型，強化自適應策略推理機制，提高ITS的自組織和自適應能力。
1 分布式ITS
從分布式學習的角度分析傳統ITS的設計與應用實踐，在系統開發過程中存在的問題有：①傳統“智能推理”系統缺乏與環境的靈活交互能力；②認知監控與激勵機制的缺失；③忽視系統最本質、最具價值的“授導”服務功能，沒能實現學習與認知目標；④人機交互過程不夠和諧。隨著計算機科學和網絡技術的發展，分布式智能授導理論[11]提供了一種全新的分布式模式和問題求解途徑，恰當地表述出數字化教育的主題，其核心思想強調學習者為中心、關注學習活動、注意學習情境脈絡，使建構性的學習過程理論替代了傳統的學習理論。
分布式學習是一種學習模式，它允許學習者、指導者和學習內容分布于不同的位置，使教和學可以不受時間和地點的限制而作用，其關鍵要素包括基于Web的模塊化內容、智能導師、互操作與重用、更大范圍的協同工作。綜合國內外有關研究機構和Philip Bell、William Winn、傅小蘭、李克東等中外學者的觀點，分布式ITS的主要特征可以概括為[12]：重點在于對觀點特征的表述，資源的交流與共享是必要條件，分布式系統中的制品主要用于拓展學習主體的能力，分布式學習環境取決于學習本體的特征以及認知方式。
目前針對ITS存在的不足，學者們主要采用項目反應原理、數據挖掘、分布式人工智能、計算機智能網格、自然語言處理、可擴展標記語言等技術對ITS進行改進。最終目標是以分布式學習理論和教育教學理論為指導，應用人工智能中的多Agent技術，根據認知本體的數據模型和知識類型確定認知過程中采用的基本認知策略。
2 分布式自適應ITS的模型構建
2.1 分布式自適應ITS的機理特征
自適應是軟件系統中的概念，可以看作是一個能根據環境變化智能調節和控制自身特性以使系統能工作在最優狀態的機制與功能，它可以為智能授導系統提供了一種響應外界環境變化而產生自身調節的一種能力。這意味著軟件能夠主動實現自身功能性的調整與適應，而與使用者對系統的操作方式無關。從分布式角度分析，ITS應是一種具有自適應能力的知識系統，就人機交互而言，其自適應能力依據用戶維、知識維和決策維發生變化。自適應的核心技術是能夠讓機器廣義的“學習”機制，系統自適應能力的產生是否在很大程度上取決于它能否自組織地自我學習和完善。通常情況下用適應性(adaptive)與順應性(adaptable)來表示自適應的ITS系統的不同方式[12]，其區別如圖1所示給出的智能系統結構。
2.2 學習者模型建模
研究表明，學習者模型是分布式自適應ITS的核心，而學習者學習過程中存在著大量不確定性的因素和信息，因而成功獲取學習者的情況是其它環節正確運行的保障。在學習者模型設計中，基于自適應為特征的設計思路，本文不僅利用貝葉斯網絡的條件概率分布量化知識項之間的組織關系及依賴關系，很好地反映學習者特定領域中的知識結構，還讓學習者模型的相關知識項的狀態隨時可以改變，使學習者模型具有較強的預測能力和自學習能力。圖2給出了具有自適應特征的學習者模型結構。
2.3 分布式自適應ITS模型
根據Brusilovsky提出的虛擬校園環境的部件理論[13]及以自適應為特征的技術支持，本文給出了一種新的基于分布式自適應的ITS模型（如圖3所示）。它主要由內容部件、行為部件、通信部件和管理部件組成，其中內容部件是輔助教學系統的核心，由構成課程的多媒體教學材料組成，實現時依賴于知識表示與技術呈現，特別是依賴于知識建模和本體的研究。行為部件主要功能是需要學習者通過“做”的交互方式來完成的自主學習的過程，表現形式有自適應學習導航、自適應練習與測試、自適應模擬模擬實驗等。通信部件起到媒介作用，主要是支持學習者與教學專家之間、學習者相互之間的交流和溝通的通信工具，支持學習者的協作學習和協同進化。管理部件主要是支持教學過程中必要的管理職能。在功能模塊實現上主要由學習者模型庫、領域知識庫和教學決策庫組成。
3 分布式自適應ITS的技術實現
3.1 智能授導機制和網絡技術支持
數字化技術輔助教學中智能授導的研發技術路線主要有模擬課堂面授的路線、人工智能的技術路線和網絡協同進化的路線。在分布式自適應ITS中，由于學習者本體基本上是基于資源的自主學習，其最強烈的需求是學習資源的組織傳遞和共享以及人機協同進化[8]中的自組織性。為滿足此要求，具有自適應特征的網絡協同進化的技術路線十分突出“授導”特性，即滿足了系統地對教學內容的組織和傳播，又兼顧對學習者本體提供針對性的適應性學習支持。網絡協同進化的技術路線是基于網絡這一分布式系統自身知識獲取的主動性與持續性，充分發揮人機協同進化中的反饋性與自組織性，激發群體智慧的生成，從而影響學習者個體的較低層次的進化。
莊秀麗等研究闡述了Web2.0網絡中如何通過拓展人群關系網絡來聚合所需資料[14]，學習者應用學習資源的行為螺旋往復、不斷拓展與優化，實質上它構成了一個網絡協同進化的過程，學習者在參與、分享、共創的網絡學習行為中，群體智慧自然而然地產生，并對學習者的學習產生積極作用。這充分證明了網絡協同進化的網絡學習空間為分布式自適應ITS的實現準備了外在條件與技術支持。
3.2 分布式自適應ITS的實現
根據智能授導機制，基于本文提出的模型和智能網絡的技術支持，實現中借助AI中的產生式算法、模糊推理、人工神經網絡等技術手段組建內在的組織領域知識庫，原因在于領域知識獲取是賦予智能授導系統具有推理、判別與自適應能力的關鍵環節，進而最終形成的知識庫基本包含兩類知識：陳述式的學科知識與反映專家經驗的程序式知識。在教學決策庫的構建中采用了數據挖掘技術，首先通過學習者特征分析模塊引導學習者與系統進行對話，確定挖掘目標、提交系統參數，產生初步挖掘結果；其次通過對領域知識庫中的專家經驗知識和系統領域背景知識進行數據挖掘分析，得出補充的挖掘結果；最后結合自適應測量推理機產生全面的挖掘結果，并在教學決策庫中對其做出合理的決策結果。
此外，把群體決策技術引入到分布式自適應ITS中充分發揮了自適應的特征。通過從系統工程的視角分析，給出了由問題維、用戶維、過程維等構成的描述學習者群體決策結構，較好反映了群體決策對象之間綜合信息關系。同時選擇專門為語義Web設計的本體表示語言OWL語言來描述學習者模型[15]，它具有更強大的功能來表示語義和容易被機器理解的特點。
在輔助教學軟件的初步開發實踐中，測試發現本模型能夠滿足學習者模型所要求具備的自學習性、自組織性和自適應性特征。
4 結束語
針對當前ITS研究的不足，本文選擇了基于自適應為特征的分布式ITS作為數字化技術輔助教學軟件開發研究的一個切入點，利用貝葉斯網絡的思想來設計學習者原型模型來滿足適應性和個性化的要求，融入了先進成熟的AI技術、數據挖掘技術和群體決策技術，更多的關注系統各模塊的標準化、形式化構建以及分布式系統的協同工作，達到知識的共享與重用，還選擇了專門為語義Web設計的本體表示語言OWL語言來描述學習者模型，并依據網絡協同進化的技術路線，最后給出了分布式自適應的智能授導系統模型。此模型能夠讓機器更好的理解網絡內容和對知識進行顯性的描述，彌補了傳統智能授導方式整合信息并產生自適應策略機制的不足。如何提高自適應特征下教學決策效率是今后研究工作的另一個重點。
參考文獻：
[1] 王萬森.人工智能原理及其應用[M].北京.電子工業出版社,2007:4-6.
[2] Mand1 H, Lesgold A. Learning s for intelligent tutoring systems[M]. New York: Springer-Vedag, 1988:307-307.
[3] Hartley J R, Sleeman D H. Towards more intelligent teaching system[J].International Jounal of Man-Machines Studies,1973,5(2):215-236.
[4] Peng-Kiat Pek, Kim-Leng Poh. A Bayesian tutoring system for Newtonian mechanics: Can it adapt to different learners?[J]. Educational Computing Research, 2004(3): 281-307.
[5] Albert D, Hockemeyer C. Adaptive and Dynamic Hypertext Tutoring Systems Based on Knowledge Space Theory [C]. AIED’97 Artificial Intelligence in Education, 1997: 553-555.
[6] Martin J, VanLehn K. A bayesian approach to cognitive assessment [J]. Cognitively Diagnostic Assessment, 1995:141-165.
[7] Declan Kelly, Brendan Tangney. Adapting to intelligence profile in an adaptive educational system [J].Interacting with Computers, 2006 (3):385-409.
[8] 智勇,曹梅,杜楚源. 基于B/S結構的智能授導系統的設計與實現[J].計算機工程與應,2004(11):159-161.
[9] 張蕾,郭文強.淺談現代網絡通信技術的發展對智能授導系統的影響[J].無線互聯科技, 2011(11):15-16.
[10] 郭文強,王思秀.基于智能授導系統的軟件開發策略研究[J].科技傳播,2012(1):165-166.
[11] 李欣.分布式認知視角下的智能授導系統的設計與開發[J].電化教育研究,2008(1):52-58.
[12] Stephanidis C, Paramythis A, Akoumianakis and Sfyrakis M. Self-adapting web-based systems: Towards universal accessibility [DB/OL]. 2000.
[13] Brusilovsky P, MILLER P. Course delivery systems for the virtual university [EB/OL].2001.
[14] 莊秀麗.Web2.0技術學習的作川研究[J].中國遠程教育,2009(11):32-36.
[15] 岳靜,張自力.本體表示語言研究綜述[J].計算機科學,2006(2):158-162.
基金項目:
新疆教育科學規劃項目（No.070729）; 新疆社科基金項目（No.11BTQ127）; 國家社科基金項目（No.11BTQ029）; 國家自然科學基金項目（No.61163066）。
關鍵詞：非全日制研究生；智能網絡教學平臺；教學質量
中圖分類號：G643 文獻標志碼：A 文章編號：1674-9324（2014）33-0229-03
一、引言
非全日制研究生教育，是指與全日制研究生教育相對應的，功能互補的，適應現代社會、經濟、科技發展需要的，以培養高層次創造型人才為目標的現代教育體系，是我國研究生教育體系的重要組成部分。非全日制研究生教育的主要內容，包括教育的思想定位、教育目標、教育方法、教育技術手段、教育過程管理等，是一項系統工程。隨著國家建設學習型社會和人才強國戰略的相繼實施，非全日制研究生教育的規范和發展開始受到社會和教育界的關注。非全日制研究生教育以在職人員為主要培養對象，以不離崗學習為主要學習形式，在教育對象、教學及管理方面有其自身的特點并具有明顯的特殊性，因此，在教育教學活動中出現了一些問題。其中，如何提高課堂教學質量成為非全日制研究生培養過程中亟待解決的問題。
網絡智能教學系統（Web Intelligent Tutoring System簡稱WITS）是基于World WideWeb技術的智能教學系統（Intelligent Tutoring System簡稱ITS）。ITS是以認知科學為理論基礎，綜合利用人工智能技術、教育心理學、計算機科學等多門學科成果形成的，對學生實施有效教學的技術。智能網絡教學利用計算機模擬教師的教學思維過程，以學生為中心、以計算機為媒介，形成開放式交互的教學方式，能夠達到真正個別化教學的目的。以Web為代表的互聯網技術為ITS的教學理念和功能實現提供了較為理想的技術平臺以及海量的信息資源。
在非全日制研究生教育中，面臨的實際問題是學生與教師的見面交流機會較少，缺乏教學互動相長的平臺。而且，非全日制學生一般都有正式職業，且分散在社會各行各業，平時對大學圖書資料等教學資源的利用機會不多，因此將網絡智能教學平臺引入非全日制研究生的教育和培養過程是非常必要的，對于提高研究生培養質量起著重要的作用。本文將選取非全日制研究生的教學培養作為網絡智能教學系統的具體應用領域，對非全日制研究生課程教學中面臨的典型問題進行分析，然后依據網絡智能教學系統的系統思想和模型結構，設計構建一種適用于非全日制研究生教學培養的網絡智能教學系統。
二、智能網絡教學平臺的構架介紹
綜合運用網絡技術（網絡編程技術、網頁制作技術、網絡數據庫技術）、多媒體技術以及面向對象編程技術，研究并開發了基于Web的智能網絡教學平臺。該教學平臺主要分為四個模塊：學生模塊、教師模塊、交流模塊及資料庫，如圖1所示。
學生模塊是系統為不同學習者提供的個別化教學內容與學習界面。學生首先登陸系統，然后進行自主學習。學生可自愿參與評估測試，了解自己的知識水平、認知能力、學習習慣及風格等。后續學習中系統將根據評估測試結果、學生學習記錄以及教師反饋等選擇教學知識庫中適合該生特點與實際水平的學習內容，并可根據學生情況動態生成教學過程，以及根據學生情況采用不同的教學策略，實現有針對性的個別化教學。學生也可在該模塊中提交作業，便于教師掌握學習情況。交流模塊是學生和教師互動的模塊，學生可以在此提出問題等待答疑，并有相關論壇可以留言討論。每個學期開始，學生可自主進入選課系統。選課系統主要由兩部分組成，基礎模塊和復合模塊。其中，基礎模塊主要由必修課程和基礎課程組成，而復合模塊主要針對非全日制研究生“產學研結合”的特點，增加了選修課程，保證整個選課系統既滿足了基礎性、實踐性、先進性，又增強了社會適用性、針對性和務實性。教師模型是網絡教學平臺中組織、管理和實施教學活動的核心。它由現實的教師主體和計算機化的教師屬性以及行為能力組件構成，用于網上授課、課件、知識傳授、組織討論、考試和管理等。其中，教師的教學經驗、教學策略、IT應用水平等是影響教師模型的關鍵因素。教學經驗和教學策略決定課程教學內容的結構、知識點劃分和知識內容的組織規則，同時，也影響課程素材的組織規則和問題答疑的組織規則。教師的IT應用水平是教師應用智能教學系統的技術能力，是教師靈活應用網絡教學平臺的技術要素。教師一般是通過學生學習狀態生成課程教學內容，通過學生評價狀態控制學習過程，并通過交流模塊的答疑系統實現對學生問題的解答。此外，教師模型還可以實現對于知識庫系統的維護。交流模塊主要是提供一個交流的環境來實現同學之間、師生之間實時的相互交流的需求，以便于師生之間、同學之間及相關人員的交流、設問、解答等。通過建立交流模塊可以解決學生無法在課堂上實時解決的一些問題，亦能實現遠程、分布式的協作學習。交流模塊主要包括答疑、公共BBS、專題討論、公告留言等版塊。通過交流教師可以將一些較為普遍或專業性較強的問題進行統一回答，并一些公告信息。在公共BBS中，任何人都可以發表意見和建議，提高學生的表達能力并提高學習興趣。教師可以根據教學內容、需要設立一些專題，在某一時間由學生和教師共同參與討論，通過網上聊天的形式，讓學生發表見解，教師加以引導，加深對于該問題涉及知識的理解。資料庫模塊是非全日制研究生網絡智能教學平臺的基礎和資源來源。知識庫模型中主要包括課程知識點、課程素材庫、課程習題庫等，并提供查詢打印功能。課程知識點匯聚了課程中具有獨立屬性和相互關系的知識點。課程素材庫包括與相關例題、圖片、音視頻文件等素材，為學習提供內容和形式支持。課程習題庫則按照章節提供習題及參考答案。該模塊最為突出的特點是加入了Web搜索功能組件，該組件的作用主要針對知識庫系統滿足不了學生答疑問題時轉向Web搜索，獲取知識答案。
三、智能網絡教學平臺的構建方法及關鍵技術
1.三層B/S分布式計算結構。為了有效地減少網絡流量、防止客戶端肥大、易于數據更新及實現系統間的連接，網絡教學平臺的設計采用了“三層B/S分布式計算結構”的Web技術，形成基于Web數據庫應用下的網絡教學環境。三層B/S分布式計算結構分為三部分：客戶端、應用服務器和數據庫服務器。客戶端提供一個可視化接口，用來顯示信息和收集數據，它只與應用服務器打交道。在智能網絡教學平臺中有三類客戶：學生、教師和管理員。他們各自具有不同的用戶界面，不同的用戶界面顯示的信息也不同，從而體現不同的用戶身份。應用服務器主要用來實現應用邏輯，是連接客戶與數據庫服務器的橋梁。它主要根據用戶發出的請求執行某種任務，并與數據庫服務器打交道。數據庫服務器實現數據的定義、維護、訪問、更新和管理，并對應用服務器的數據進行響應。可以采用某一種數據庫管理也可以是多個數據庫的集合。常用的數據庫服務器有Oracle、Sybase等。網絡教學管理系統正是基于上述B/S結構的三層結構：教學信息表示層、教學應用邏輯層和教學資源訪問層進行實施的。
2.應用層與數據層連接。應用層與數據層的連接通過基于TCP/IP的超文本傳輸。客戶端可以自由通過瀏覽器瀏覽Web頁面，獲取與使用網絡教學資源。這些請求經過審核，通過Web服務器的一組中間控件和后臺數據庫進行交互。中間控件的開發目前有CGI、JDBC、ASP和JSP等技術。我們主要采用JSP技術。
關鍵詞：課程體系；實驗體系；教學平臺
中圖分類號：G642 文獻標識碼：A、
1 引言
智能科學的理論、技術及其應用已經發展成為信息技術創新的重要生長點，“智能科學與技術”本科專業是面向21世紀、具有廣闊發展前景和巨大應用需求的新型專業。該專業旨在培養具有信息科學、智能科學、腦與認知科學、現代科學方法學的基本理論知識，掌握計算機、人工智能、信息網絡、信息處理、自動控制、系統優化專業知識和綜合技能的高級復合型人才。2004年，北京大學開始在“智能科學與技術”本科專業招生，開創了“智能科學與技術”專業本科教育的先河。隨后，國內更多院校陸續開設該專業，現在“智能科學與技術”本科專業在全國已初具規模。
盡管“智能科學與技術”本科專業被譽為“操縱未來的專業”，但將其納入本科教育，仍處于探索階段，可供參考的資料和形成的教學經驗和體系非常有限，仍需要開拓創新，努力探索，大膽實踐。本文結合我校在專業建設過程中的一些探索和想法，就教學平臺建設談一些體會，重點談課程體系、實驗體系、學生創新能力培養方面的問題。
2 課程體系建設
計算機和通訊技術的結合，形成了以計算機為核心的信息網絡，由此引發的信息革命也是一場數字化革命，智能革命的時空動力是網絡革命，促使信息網絡發展為智能網絡。“智能科學與技術”專業的課程體系建設應以計算機科學的內涵為邏輯起點，以數字信息獲取、處理和響應的本質屬性為中心，由淺入深地推理和演繹出一套完整的理論體系，在理論框架的指導下科學合理地建立一套完整的課程體系。結合我院的實際，我們在對學生、學科和社會需求研究的基礎上，確定了課程內容。我們把對學習主體的尊重、學科的發展和社會的需要協調起來，在課程體系建設方面重點考慮了以下內容：
(1)面向應用
我院是以教學為主的高等院校，重點培養應用型人才，學生應具有較強的實踐動手能力。
(2)以學生為中心
課程體系的建設應樹立以學生為本、為學生服務的思想，有利于學生素質教育和創新能力的培養。
(3)突出特色
信息通信是我院的傳統和特色，它和測控技術、自動化技術、計算機技術、信息技術密切相關。根據我院的辦學特色，參考其他兄弟院校的培養方案，我們將該專業培養的重點放在智能信息處理、智能機器人兩個方向上。
按照課程設置的原則，遵循國家的相關規定，參考其他院校的經驗，我院智能科學與技術專業的課程體系圍繞“三個平臺，兩個方向，一個目標”進行建設。三個平臺分別為公共基礎課平臺、專業基礎課平臺、專業課平臺；兩個方向分別為智能信息處理和智能機器人；一個目標為培養有特色、面向就業的工程應用型人才。具體如圖1所示：
3 實驗體系建設
“智能科學與技術”是一個新興專業，實驗教學體系尚處于探索階段。總結近年來智能信息處理和智能機器人理論研究成果和實驗設備開發已有素材的基礎上，我們在“智能科學與技術”專業的實驗教學體系建設上重點考慮了以下幾方面：
(1)層次化
實驗教學一方面是為了配合理論教學而設置的驗證性實驗，一方面是為了提高學生的綜合能力而進行的綜合設計性實驗。此外還應面向學生就業，通過各種方法和手段開展實訓、創新性實驗。
(2)開放性
開放性包含兩個層面的含義，一是開放實驗時間和實驗場地，讓學生自己選擇實驗時間和實驗場地；二是開放實驗內容，讓學生自己選擇部分實驗項目，提高學生理解和解決問題的能力，加強學生的動手實踐能力。
(3)有特色
立足我院信息通信特色，強化智能信息處理、智能機器人方向的實驗設置。
為此，我們的實驗室建設體系圍繞“三個層次，兩個方向”進行建設。三個層次是配合理論教學的驗證性實驗、提高學生能力的綜合設計性實驗、強調創新的開放性實驗。兩個方向是奇偶智能信息處理和智能機器人，智能信息處理以圖形圖像為主要處理對象，進行圖像處理、模式識別等內容的實驗，以軟件設計為主、部分結合硬件；智能機器人重點放在了以硬件設計為主的嵌入式系統設計。具體的教學實驗平臺如圖2所示：
4 創新能力培養
在高等學院質量工程建設中，國家明確提出了培養創新型人才。作為新興的專業，“智能科學與技術”專業更是應該從一開始就抓住這個機遇，制定創新型人才培養的新模式。我們認為，培養創新精神需要堅持“一個中心”、“三個結合”，即以學生為中心，課內與課外相結合，科學與人文相結合，教學與研究相結合，逐漸形成獨具特色的創新人才培養模式。重點考慮做好以下幾方面的工作：
(1)加強學生集中實踐環節的教學，建立實習基地，加強認識實習、課程設計、開放實驗、科研訓練、生產實習和畢業設計實踐環節的教學，提高學生的團隊協作、認真求實和獨立思考的創新意識。
(2)增加選修課、跨學科課程和素質拓展類課程，提高學生的求知欲、進取心、挑戰欲、自信心、意志力等。
(3)積極引導和鼓勵學生參加各種競賽，參加學科競賽是引導學生努力學習、靈活創新的有效途徑。
(4)組織素質高、能力強學生參與教師的科研活動，使學生的能力在真正的科研活動中得到鍛煉和提高。
關鍵詞:網絡教學;智能教學;虛擬教學;多智能體(Multi-Agent);X3D
中圖分類號:TP393文獻標識碼:A文章編號:1009-3044(2010)22-6298-02
1 網絡教學
近年來,隨著網絡技術的日趨成熟,網絡教學逐漸成為人們研究的熱點。現代網絡教學是隨著計算機網絡技術和多媒體技術的發展而產生的一種新型的教學形式,以網絡技術為依托,以大量的數字化教學資源為支撐,采用遠程交互式多媒體現代化教學手段,實現跨越時間和空間的教育傳遞。它與傳統教學的不同之處在于,突破了傳統教育的時空限制,共享優秀的教學資源,體現了不可比擬的優越性。
但是現代網絡教學尚存在著許多缺陷:教學組織多以單方面呈現教學材料為主,缺乏交互手段;學生不能根據自己的認知能力和學習需求選擇合適的教學內容,難以達到因材施教; 學習系統、考試系統和協作交互系統等教學模塊往往自成體系,缺乏知識的交換與共享。
2 虛擬教學
利用虛擬現實技術可以創造與真實環境相同的虛擬環境,并提供與該虛擬環境交互的手段,讓用戶產生身臨其境的感覺。沉浸式虛擬教學系統可以給學生提供具有情境感的學習環境,學生對虛擬教學環境的刺激和虛擬教學環境對學習者的反應實時自然,有利于增強學生的想象力,提高教學效果。
X3D是Web3D協會制定的下一代VRML97標準,它是下一代的、可擴展的、互聯網上的 3D圖形規范。X3D定義了如何在多媒體中整合基于網絡傳播的交互三維內容,整體結構包括四個部分:內核(核心特性集),VRML特性集,應用程序接口和擴展集。一個X3D文件包括header(頭部說明)、scene graph(場景圖)、prototypes(模型)和eventrouting(事件路由)等功能組件,通過X3D瀏覽器表達成真實的3D場景。X3D場景和用戶的交互可通過靜態和動態方式兩種方式實現。靜態方式是通過檢測、感知等節點的使用實現瀏覽者和虛擬對象的交互功能;動態方式則是通過一段外部程序邏輯去決定事件的產生,X3D通過自己的API提供給Java程序一個可以訪問X3D瀏覽器的界面和可執行環境。將X3D技術應用于網絡教學中,通過創建虛擬場景,加入交互功能,可以使學生沉浸在友好的虛擬學習環境中,邊學習理論知識邊進行實際操作,獲得較好的實踐能力鍛煉,從而獲得良好的學習效果。
3 多Agent系統
智能體(Agent)的研究起源于人工智能領域,Agent對自己的狀態和行為有完全的控制能力,能夠對復雜的刺激進行響應并產生內部狀態的控制和適應性的行為。廣義Agent的內涵:具有諸如信念(belief),能力(capability),決定(decision)和承諾(commitment)等精神狀態(mental state)的實體,認為Agent是能夠適應環境通過學習提高自身能力的實體。多Agent系統(Multi-Agent System,MAS)由多個自主或半自主的智能體組成,具有分析目標、相互通信和協作完成任務的能力,依靠共同協商和分治,各Agent實體能夠自主地完成知識推理和任務求解。
將多Agent技術引入現代的網絡化教學中,可以在一定程度上解決傳統教學模式下教學材料單一、教學缺乏互動和難以因材施教等一系列問題,增強網絡學習推薦的智能化和個性化,同時利用了網絡平臺帶給我們的豐富的媒體資源和多彩的表現手段、可以激發學生的學習興趣,找到適合學生自身情況的教學策略,使學生能在一種交互式的學習環境中得到更人性化的教學服務。
4 智能虛擬教學系統
智能虛擬教學系統基于客戶端/服務器結構,如圖1所示,整個結構分為四層:客戶層、交互層、多Agent引擎層和服務器層。客戶端與服務器端通過Internet進行通信。服務器層包括教學數據庫服務器、WWW服務器、X3D課件庫、多媒體資源庫、個性推薦模型庫和用戶資料庫。多Agent引擎層是智能虛擬教學系統的核心模塊,包含兩個高層的功能子模塊:交互Agent模塊和協同管理模塊。交互Agent模塊負責實體Agent(管理員、教師、學生和訪客)進行請求服務和消息通信,協同管理模塊負責系統安全管理、虛擬行為管理、Agent對象管理和虛擬教學場景控制管理,子模塊之間采用消息傳遞機制進行通信,采用KQML語言來作為Agent之間的通信語言。知識查詢與操作語言(knowledge query and manipulation language,KQML)是一種交換知識和信息的描述性語言,它定義了Agent間傳遞消息的格式和消息處理的協議。虛擬行為包括用戶的注冊與登陸、用戶個性學習推薦、學生自主學習、教師輔導答疑、作業完成與提交、學生考核與自主測試、課程導航與特色資源推薦、學習效果個性評價與教學策略推薦、教學資源的調用與維護等。
學生是整個教學環節中受教育的主體,學生Agent包括學習習慣、興趣愛好、認知水平、學習進度以及當前情緒等。學生Agent學生的學習行為,任何一個學生登錄進教學系統后,將會創建一個學生Agent,并將該學生的所有學習情況記錄在系統內,保持該學生學習狀態的延續性。個性分析Agent負責調用登錄學生的個人資料庫,查看學生以往的學習記錄,不斷地分析用戶的學習狀態,為學生的下一步學習做相應的準備。個性推薦Agent是在學生登錄后生成的,調用個性分析Agent的分析結果來產生個性化推薦,根據目的不同分為基于知識推薦的Agent和基于相似學習者推薦的Agent,從而實現智能化教學。教學策略Agent將以“教”為主和以“學”為主的教學策略有機結合起來,形成一種新型的教學策略;學習評價Agent分為兩類,一類對學生的學習效果進行評價的Agent,另一類是對教師的工作情況進行評價的Agent,評價的依據是教學數據庫中存儲的評價策略。考試測試Agent分為試卷子Agent、考試子Agent、注冊子Agent、學生答題子Agent和評分子Agent。試卷子Agent依據一定的試卷生成算法從試題庫中抽取符合總體難度系數的試卷,生成考試內容,評分子Agent對試卷結果進行評判,并將結果傳送回數據庫和學生Agent。導航Agent的作用是使學生明白自己當前在系統中所處的位置,使學生不至于在繁多的超鏈中迷失。
5 結束語
智能虛擬教學系統在教育領域的應用不僅改變了傳統的教育理念、教育模式和教學方法等,同時也為學生提供了便捷的學習機會、優良的教學環境和豐富的教學資源,使學生的學習活動更加自主化和個性化,是服務于終生教育和構建學習型社會的一種重要技術基礎。
參考文獻:
[1] 林士敏.計算機輔助教學基礎教程[M].浦東電子出版社,2001.
[2] 史忠植.智能主體及其應用[M].北京:中國科學出版社,2000.
[3] 何炎祥,陳莘萌.Agent和多Agent系統的設計與應用[M].武漢:武漢大學出版社,2003.
[4] 胡迎松,韓萍,陳中新.一個基于Agent的個性化推薦系統[J].計算機應用研究,2006,23(4):78-80.
關鍵詞：精品課程；Agent；多Agent系統；高職教育
中圖分類號：TP311文獻標識碼：A文章編號：1009-3044(2012)11-2526-03
Study and Practice on Higher Vocational Excellent Course Website Based on Agent
CAI Li-lu1，DIAO Yong-feng2
(1.Anhui Finance & Trade Vocational College, Hefei 230601，China; 2.China West Normal University, Nanchong 637002, China)
Abstract: With the increasing number of high vocational course website，course website has been more mature in some respects，such as issuing teaching information and showing course content，but websites general lack of intelligence，adaptation，and interaction.To overcome these problems，the Agent technology is adopted in website system.This article has discussed the system framework，working principle，and the related technologies, and based on this，it has given the specific case in order to improve the demonstration of the outcome and effectiveness of the course construction.
Key words: excellent course; Agent; multi-agent; high vocational
隨著信息技術的應用和網絡教育的蓬勃發展，近年來，各高職院校建設了多門精品課程。精品課程為改善學習和訓練條件提供一種有效的手段，也為教師和學生提供靈活、方便、豐富的授課方式和學習方式，然而目前的精品課程，多數只是將課堂教學簡單搬上網絡，這樣導致的最大的問題就是精品課程網站智能化程度低，不能對不同認知水平的學生采用不同的教學策略，實現因材施教，而將Agent技術應用于精品課程網站，能有效克服現階段精品課程教學系統的局限和不足。
1 Agent技術簡介
Agent一詞直譯為“”，也有人把它翻譯為“智能”。所謂Agent，按Wooldridge[1]教授的提法，“如果一個實體具有自主性、反應性、預動性、社交性四條基本性質，那么該實體可以視為一個,“Agent”。Shoham[2]教授認為，“如果一個實體可以用信念、承諾、義務、意圖等精神狀態進行描述，那么該實體可視為一個Agent”。綜合這兩種定義方法，給出Agent的定義如下：
Agent也就是軟件，是一個能在特定環境下連續、自發地實現功能，并且與相關和進程相聯系的軟件實體。連續，自發的要求來源于環境的變化，要求能在沒有人的引導和干涉下以柔性、智能的方式對用戶的需求實時地加以響應，更理想的情況是在某一特定的環境下和時間內，反復實現某一功能后能夠吸取經驗教訓，即具備所謂的學習功能[3]。另外，還希望能與環境中的其他和進程進行通信、合作。
由于現實問題紛繁復雜，當單一Agent不能解決時，就需要把多個Agent進行組織和調度形成多Agent系統來承擔任務。基于多Agent技術的系統是指多個Agent相互通訊、彼此協調，共同完成作業任務的系統,各Agent能夠通過相互協調解決大規模的復雜問題，使系統具有很強的可靠性和自組織能力。[4]
2基于Agent的精品課程網站框架
由于精品課程網站涵蓋教學的各個環節,是一個復雜的信息系統。因此應該將其劃分成子問題，設計采用Agent作為基本單元，構造多個具有一定功能的Agent，再由這些Agent去分別處理子問題。并通過協調Agent管理、調度、協調其他Agent的行為。系統如果需要對某個功能進行修改，只需修改相應的Agent設計，再修改協調Agent的協調機制。基于上述分析，結合精品課程網站實際，構建了圖1所示的精品課程網站系統模型。
系統采用瀏覽器（Browser）／（Agent）／中心服務器（Server）模式即B／A／S模式，Web瀏覽器作為客戶端，通過該層可以實現任務的接受、用戶信息和行為的獲取、處理結果的反饋等，中間層是各種Agent，負責溝通客戶端和服務。部分Agent的功能如下。
學生Agent：學生Agent主要是為協助登錄精品課程網站的學員完成學習任務的智能，一個注冊賬號對應一個學生Agent，并自動在學員登錄時自動為其提供服務。它負責記錄學生的學習特點、個性特點和學習過程。這些數據是分析個別化學習的基礎，也是選擇學習內容、準備教學資源、控制教學策略的參考依據。
教師Agent：教師Agent是為輔助教師更有效的完成教學任務而設置的，它主要負責對教學資源、教學內容以及教學策略進行日常維護。教師Agent通過教學Agent了解學生學習過程，指導和監控教學過程，并根據學生的反應，給出解答和指正。
管理員Agent：在精品課程網站系統中涉及一系列的管理如課程管理、成績管理、身份識別與訪問權限管理等等。管理員Agent能主動獲得諸如學習者的學習習慣偏好、學習水平等數據和資料，協助管理員進行快速有效的反應；為學生Agent搜索指定相應的教師Agent以指導學生的學習；對教學內容和教學活動的監督、管理協作學習區；對其他的Agent進行增刪管理、地址管理、名錄管理和通訊管理。動態地對知識庫進行有效的更新、歸類等。
協調Agent：協調Agent負責整個系統的管理與控制，并協調各智能體之間的問題求解，實時建立戶與系統的通訊，起著一個總調度的作用。[5]協調Agent了解系統中其它Agent的信息（位置、功能、狀態），能夠檢測和消除沖突信息并將任務自動分解成并分配給相應Agent執行。
答疑Agent：在精品課程網站中學生提出的問題往往較多，很難對每位學生的問題都能實時解答。但是根據學科的特點和教學經驗，課程的內容具有經典和普遍意義，學生對課程的理解一般都有相似之處，提出的問題實質性內容有60%~70%是相同的，只不過表達方式可能有所偏差。[6]因此，在精品課程網站中可使用答疑Agent來輔助解答學員常見問題。答疑Agent對學生提出的問題首先在數據庫里面進行查詢，如果找不到答案時，答疑Agent將此問題提交給教師Agent，由教師Agent提醒教師做出回答。若這個問題在一定時間內多次被提出，Agent把它提交到常見問題庫中；答疑Agent還對問題和答案進行統計分析并將結果信息傳遞給教師，這樣教師能了解學生對于知識點的掌握情況以及問題所在，能夠優化教學，提高教學效果。
測試Agent：測試目的是為了檢驗學生是否掌握了相應的知識和能力，為教師改進教學績效提供決策依據，從而促進教學水平的不斷提高。測試Agent在測試過程中實時考評學生的水平，并根據學員的答題情況動態選擇試題，測試完成后給出答案和錯誤原因。
知識庫：由學習資源庫、系統知識庫、教學策略庫、學生模型庫、試題庫組成的知識倉庫，為智能學習系統提供了變化的數據集合。知識庫中的信息都可以為每個智能體共享。
圖1基于Agent的精品課程網站系統
3多Agent的精品課程網站的工作原理
這里以學生學習的工作流程(圖2)為例說明多Agent的精品課程網站的工作原理：
登錄注冊：學生通過瀏覽器訪問精品課程網站并注冊登記。如果管理員Agent同意。則將該生的注冊信息添加到學生信息庫，學員第一次進入系統，須要參與預評估測試，用于了解學生的學習風格、知識水平、認知能力等并存入學生特征庫，以備以后教學時調用、修正。
課程學習：學員根據需要選擇課程，進入系統開始學習。系統自動生成的學生Agent會將用戶的學習請求轉化為Agent能夠識別的命令，教師Agent依據信息庫中系統診斷性測驗中的表現、學習風格、學習的歷史記錄、與系統的交互情況進行推理，選取知識庫中的適合學生實際水平與學習特點的學習內容和教學策略。在課程學習過程中，學生Agent幫助學生與教師Agent練習、溝通；教師Agent指導學生教學；答疑Agent將負責回答學生的各種疑難問題，對于不能解決的問題，則提交給教師，由教師負責解答。
練習：學生選擇單元練習后，系統自動從題庫中調出與學習內容和學生的水平相關的習題。并在練習后根據結果數據提供反饋信息，如建議學生重新學習相關知識點等。
測試：學生測試完畢后，測試Agent把測試的結果反饋到教師Agent、學生Agent和相應的數據庫。同時根據學生的學習情況進一步調整教學計劃，直至符合學習目標要求。
評估：對測試結果進行評估是否達到了規定的通過閥值，對測試的知識點進行自動分析并給出學習建議，進一步引導學生學習相關課程。
退出：學生完成或中斷某一知識點的學習時，學生Agent記錄了本次學生學習情況，學生Agent、教師Agent會修改相應的數據庫的內容。
圖2學員學習流程圖
4多Agent高職精品課程網站上的特征
將Agent技術應用于我院省級精品課程網站“圖形圖像處理”課程，學生和教師普遍反映良好，相比傳統精品課程網站有以下優勢：
l）網絡教育的個性化。
在Agent被應用以后，可以做到學生的個性化教學，因為利用其智能性可為不同水平、不同學習內容和學習動機的教學對象，提供不同的教學資源和教學方式。這是因材施教教育思想的具體體現，也是建構主義學習理論中以學生為中心的教育思想的體現[7]。
2）答疑智能化。
學生在精品課程網站學習過程中，會遇到各種疑難問題，如果這些問題得不到及時解答，學生的學習效率會受到影響，學生的積極性也會受到打擊。而有了答疑Agent,學生可以像詢問老師一樣提出遇到的疑難問題。答疑Agent首先通過查詢自身知識庫，將相關答案反饋給學生，若不能解決，則將問題提交并通知給教師解決，極大地提高了答疑效率。
3）討論、協作學習智能化。
傳統的精品課程網站多數也為學習者提供了交流、討論的場所，然而這種交流和協作是靜態的。而將Agent應用于精品課程網站，可以將學員討論的問題進行總結提煉，并能根據討論的情況組織專題性的討論，引導學生做更深入的研究和探討，發揮協作式學習的優越性。
4）解決資源迷向的問題。
學習者在精品課程網站中經常會出現“資源迷向”現象，即不知道如何確切表達對真正想要的資源的需求，也不知道如何更準確、更有效地尋找資源[8]。Agent的信息推薦功能可以一定程度上以緩解該類現象。Agent能自動從庫中搜索符合學員興趣范圍和學習過程有幫助的數據，方便用戶快捷地找到自己的所需頁面。
5結論
將Agent引入精品課程網站，能實時地按照學生的學習水平來選取學習路徑、提供教學策略達到因此施教和提高教學績效的目的。當然系統中還有很多不成熟的地方，如目前只在內網內供本校學生使用、系統的推薦技術準確度還比較低等，在以后的應用實踐過程中，仍需進一步完善和改進。
參考文獻：
[1] Wooidridge M,Jennings N R.Intelligent Agents：Theory and Practice[J].Knowledge Engineering Review,1995,10(2).
[2] Shoham Y.Agent-oriented programming. Artificial Intelligence,1993(60):51-92.
[3]張濤.多Agent在現代遠程教學中的研究與應用[D].長沙:湖南大學.
[4] Corchado J M,Lees B.Fyfe C.project monitoring intelligent Agent system[C]. London.IEE Colloquium on Intelligent World Wide Web Agents,1997.
[5] Michael Wooldridge.多Agent系統引論[M].石純一,譯.北京:電子工業出版社,2003:14-15.
[6]薛安榮.基于多Agent的協同教學環境的設計與探討[J].計算機工程與應用,2000(12):67-69.
關鍵詞：大數據；大數據技術；教學改革；教學模式
中圖分類號：G424 文獻標識碼：A 文章編號：1009-3044（2015）09-0156-03
Abstract： The big data technologyof information society has made a great influence on the development of people's life and the society， College education combined with the big data technology to reform is the development trend in the future. This paper analyzes the applicationexploration of big data in the domestic and foreign teaching in Colleges and universities， and the influence of big data technology to teaching mode in Colleges and universities.Puts forward the scheme and measures of big data technologies in college Seniorteaching reform exploration.
Key words： Big Data； Big Data Technology；Teaching Reformation；Teaching Model
大數據誕生于人們對數據搜集能力、傳輸能力、存儲能力和處理分析能力的發展和跨越基礎上，已在各行業掀起了變革的巨浪，發展潛力巨大[1]。著名管理咨詢公司麥肯錫認為大數據是大小超出了常規數據庫軟件工具獲取、存儲、管理和分析能力的海量復雜數據集。亞馬孫認為大數據是任何超過了一臺計算機處理能力的數據量。從宏觀角度來講，大數據是融合物理世界、信息空間和人類社會三元世界的紐帶。谷歌借助云計算搜索引擎推動了大數據的應用和發展。在教育領域，在教與學的過程中，也蘊藏著有價值的海量大數據，怎么有效挖掘、分析和利用這些海量數據來促進教學，是當今教育界研究的熱點內容。
未來十年將是一個“大數據”引領的智慧科技時代。隨著QQ、微信等社交網絡的逐漸成熟普及，移動帶寬迅速提升，云計算、物聯網應用更加豐富，更多的傳感設備、移動終端接入網絡，由此產生的數據急劇增長，速度比歷史上的任何時期都要多都要快。IDC在《數字宇宙膨脹：到2020年全球信息增長預測》指出，數字信息每年按幾何級數遞增，到2020年，數據量將超出人們想象，達到40ZB。據麥肯錫數據顯示，2009年美國教育部某信息系統數據庫存儲的數據達到近270PB，入選2009全美十大數據生產貢獻排名，教育已成為大數據重要源泉之一[2]。
教育意味著未來，抓好了教育，就預示著掌握了未來，所以教育始終是民生之本，是國家和政府高度重視的領域，教育改革始終是一個不斷探索的課題。在大數據時代快速推進之際，探索新形勢下的教育體制、模式和方法，對促進我國教育發展具有長遠意義。
1 國內外對大數據在高校教學中的初步探索
大數據技術必將改變我們的生活，也必將推動教育模式產生巨大的變革。2011年秋天，斯坦福大學一門人工智能網上課程受到熱烈歡迎，190多個國家約16萬學生參加學習，2萬多人通過了考試，獲得認證。課程講授者Thrun教授，創辦了在線教育平臺Udacity。斯坦福大學的Ng教授，把自己的課程放到了互聯網上，全球有十幾萬人注冊，在網上聽他的實時講授，同時還和斯坦福大學在校生做同樣的作業、接受同樣的考核。Ng教授2012年4月成立了Coursera，和普林斯頓、斯坦福、密歇根大學和賓夕法尼亞大學等大學結盟，提供社會科學、物理、工程學等課程。2012年11月福布斯發表文章《一個人，一臺電腦，1千萬學生，可汗學院如何重塑了教育》。因為“大數據”的技術背景，哈佛和麻省理工也把課程免費上網，收集最多的學生學習行為數據，研究開發更好的在線教育平臺，強化學校品牌效應。
硬件的高速革新和軟件的高度智能，國內也掀起了新一輪教育信息化的浪潮。清華大學、北京大學、上海交通大學和復旦大學等，也都開始提供免費網絡課程。國內多個省市先后實施了建設教育信息化公共服務平臺，推進數字校園實驗工作，建立 “數字化學習”試點學校，開發“微課程”，試點“微學位”，開展“翻轉課堂”活動、推進1對1“E課堂”教學實踐等一系列教育改革新舉措。
1.3 研究趨勢
現代信息世界已經發酵出第三次工業革命，具體到教育和高等教育領域，云、物聯網和基于云和物聯發展所帶來的大數據趨勢，是變革的技術因素，向大數據時代、知識時代跨越。目前僅就知識而言，教育資源所經歷的平臺開放時代、內容開放時代、校園開放時代是前所未有的。教育發展的未來模式將是：視頻成為主要載體，教育資源極其豐富；翻轉課堂；按需學習；終生學習；不以年齡劃線；距離不再是問題，在學校之外在異地發生等等。
千百年來，知識載體的變化，決定了知識本身的價值。簡牘時代，知識被教師壟斷，師生的等級觀念由此誕生；印刷時代，知識變得廉價，教師的作用變成講授服務；信息時代，知識更容易獲取，教師成為學生的朋友和教學過程信息服務的組織者、主持人和教練。數據挖掘和數據分析軟件可以階段測驗學生表現，幫助教育者研究能夠預測其效果的學習模式。面向服務、面向創新和面向過程成為教育的重點，云和大數據為基礎的教育資源共享、教育模式語言與教育空間設計、學生個性和天性培養成為教育發展趨勢。信息時代大量的知識創造和服務業的興起，行業技能專能和社區教育，將不斷壯大發展。高等院校的教學模式、教學定位等都將有很大的變化，推動高校不斷創新，成為新知識的生產中心，而不是舊知識的傳播中心，催生良好的管理和其他增值服務。
2 大數據對高校教學模式和教學實施的影響
2.1 大數據的4V特性在教育變革中的體現
大數據的4V特性是，Volume（海量的數據規模）、Velocity（快速的數據流轉和動態的數據體系）、Variety（多樣的數據類型）、Value（巨大的數據價值）。現代教育過程將產生大量的教育數據，海量的知識數據，隨著信息技術和通信技術的飛速發展，各種計算機和終端設備實現了前所未有的互聯互通，教育內容實現了跨越時空的自由流通。大數據的實時分析與處理，Hadoop（MapReduce技術的基于Java的開源實現）等非關系型數據管理和分析技術和HadoopDB（MapReduce技術和RDBMS的集成），能加速數據查詢和分析，具有較好的擴展性和容錯性，智慧軟件實時誘導跟進評價學生的在線學習。關系型數據庫處理結構化數據，而現在非結構化數據（用戶評論、應用、位置信息、圖片、音樂、視頻等）占很大比重（約為85%），產生智慧的大數據往往是這些非結構化數據[3]。視頻教學和師生間的網絡互動交流將成為未來教育的重要方式，對學生學習過程的記錄數據，將對學生的教育規劃進行智能化的指導和評價。通過對數據的分析和利用，預測未來發展趨勢，開發有吸引力的應用，將產生巨大的價值，為未來教育帶來創新模式。
2.2 大數據支撐的未來教育將成為一門實證科學（教育的數據化）
與醫療技術比較，原來的醫療靠望聞問切和經驗為病人診治，現代醫學更多的依靠各種檢驗化驗和先進的醫療設備器械，通過報告單、可視化的影像、X光片等精確數據，為疾病的判斷和診治提供科學的依據和證據。盡管病人會抱怨，住院后讓做各種檢查，該做不該做的都做，但也無可否認，在大量診查數據的支撐下，現代醫療技術確實提高了很多，治愈率越來越高，人的壽命不斷延長。
類似的，教育也將不再是單純靠理念經驗的積累和傳承，道德良心自律的學科，而將變成一門實實在在的實證科學[4]。把學生從入校后的所有相關教育信息行為表現，都記錄下來，根據這些數據，分析學生的學習過程和個性特質，將為學生的個性化學習和個人成功提供有力的科學依據。
大數據使得查探學生表現和學習途徑信息成為可能，學生通過在線學習平臺進行學習，其學習行為數據將被記錄，系統后臺根據不斷積累的行為數據對學生進行評估，分析學生的思考習慣和思維模式，創建心理測量圖，根據學生的學習進展調整之后的學習內容和重點。實時記錄學生的量化學習過程（上課、讀書、記筆記、作業、討論、考試、考評等）和實驗的過程結果等，這些數據將作為課程最后考評的重要參考依據。通過聚焦于數據分析，教師可以用更有效的方式研究學生學習狀況和學習效果[5]。
2.3 未來教育在技術上的演進
2.3.1 教育技術的演進
教育經歷了PC時代的數字化教育（傳統的板書變成了PPT投影）、互聯網時代的社會化教育（知識的獲取更加便利和普及，知識傳播更加迅捷）、移動互聯網時代的范在化教育（教育不再受時間和空間的限制），現在進入了大數據時代的個性化教育（視頻將作為知識傳播的主要載體）。傳統網絡教育、遠程教育、網上學堂只是把教育教學轉換為視頻，通過網絡傳播，使學生異地學習，只是學習內容的網絡化跨地域化。
大數據教育依托網絡技術和大數據分析，將有更多的教育手段、要求、方式和內涵等，更注重學生的因材施教、個性化培養、突出個體差異化發展和成功。哈佛、MIT、斯坦福、耶魯、普林斯頓、伯克利、賓夕法尼亞大學等紛紛把自己的課程免費上網。新一代的在線學習平臺和過去的重要區別，在于增加了行為評價和學習誘導的成分，向全世界開放，讓最多的學習者在上面學習、使用，同時可以收集最多的數據，使用、研究、分析學習者的行為模式。
未來大部分的老師，是課堂的組織者、學習的引導者、學生學習行為的分析者，而不是知識的講授者。網絡、視頻和智能軟件，為每一個學習者搭建起一個學習情境，對學習者的學習過程和行為提供持續性的誘導、評價和支持，幫助其培養科學有效的學習方法和習慣等。數據在網上自動整合和跳轉，向學生推送學校信息和建議。學生可以和其他學習者交流互動，尋求有效幫助。普適計算的浪潮，網絡終端將無處不在，學生可以在任何可以聯網的地方學習，而到學校去，則主要是做作業、答疑、討論、考評等。
2.3.2 大數據教育技術
1）大數據處理模式大數據的主要處理模式有兩種：直接處理的流數據處理（Stream Processing）模式和先存儲后處理的批處理（Batch Processing）模式。數據流的研究與技術應用已經有十幾年的歷史了，目前開發和得到廣泛應用的代表性開源系統有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批處理模式的典型代表是Google的MapReduce模型。
2）教育大數據分析技術教育分析技術來源于大數據在商業領域的應用，如淘寶網根據用戶的瀏覽軌跡推斷用戶對產品類別的偏好。教育分析技術以學生群體為主體，借助于網絡在線平臺和移動終端軟件，跟蹤采集挖掘分析學生學習的整個過程，以提高學生學習質量和學習效率，并對學生未來需求趨勢進行分析和預測， 拓展發展空間，提高競爭力[7]。深度學習和知識計算是教育大數據分析的基礎，可視化是數據分析的關鍵技術和數據分析結果呈現的關鍵技術。
深度學習深度學習的起源可以追溯到神經網絡和后向傳播（BP）算法，2006年多倫多大學的Hinton等人提出無監督的逐層貪婪的預訓練（greedy layer-wise pre-train）方法，掀起了深度學習的浪潮。近幾年，深度學習在自然語言理解、語音識別、人臉識別、圖像搜索等應用領域取得了一系列重大進展[8]。而在教育領域，深度學習研究集中在學生線上視頻學習時間分析、學生參加網絡活動的行為分析等方面。
知識計算對大數據進行高端分析，需要從大數據中抽取有價值的知識，構建成支持查詢、分析和計算的知識庫。目前，世界各國建立的知識庫達50多種，知識應用系統達100多種。知識計算的基礎是構建知識庫，包括知識庫的構建、多源知識的融合、知識庫的更新等。教育領域，基于機器學習、信息檢索和數據挖掘的智慧軟件構建了一個高度個性化的智能網絡平臺，實時反饋學習過程信息，可以幫助對學生做出評價、對教育做出決策。
可視化技術可視化技術在大數據領域的應用主要表現在數據分析工具的可視化和數據分析結果的可視化[9]。對大規模、高維度、多來源、動態演化的大數據信息，開發可視化分析工具，使普通人員也可以輕松上手操作實現自動分析。對大數據分析結果應用有效的可視化技術（交互式展示、超大圖動態化展示），有助于用戶理解和輔助做出實時反饋和決策。教育領域，教師可以使用數據可視化工具來研究學生的學習模式，修正課程以引導學生進行有效學習和滿足學生個性化學習需求。
2.3.3 大數據處理平臺和工具
在原有的關系型數據庫RDBMS，很難處理大數據時代產生的大量非結構化數據的背景下，基于Google三大核心技術GFS、MapReduce、BigTable的Hadoop和NoSQL數據庫技術應運而生，為海量大數據的處理提供了強大的技術支撐。國內的教育大數據平臺，也已經起步并開始應用，如超星公司的超星爾雅和泛雅，已經和國內多所高校合作，用于這些高校的教學，其SPOCs和混合學習的模式，正在漸漸被接受和付諸實施。
2.3.4 未來教育將是一項以支持和服務為核心的系統工程
源于網絡和大數據提供的爆炸式的知識，未來教育不再是標準化、歸一化、規范化的教育，而是按需學習、終生學習，充分發掘學生自身原有的積極性和天分，實現自組織學習[10]。
大數據時代使人們接收知識更加方便了，但是就和印刷術的發明和普及，使人們接觸知識的機會增多了，但教師的數量并沒有下降，反而升高了一樣。大數據時代，對于爆炸的信息，需要很好的甄別、引導和指導，去除無用的垃圾信息，所以對于學校和教師的需求不降反升。此時的教育，主要是根據學生的興趣和個性特質，建立“以學生為中心”的智慧教學模式，規劃指導跟進學生的培養，與學生有更多的互動和交流，以支持和服務為核心貫穿學生培養的整個過程。
3 大數據在高校教學改革中的應用實施
3.1 我院現狀
大數據改變了高校教與學的模式，但這個過程是循序漸進的。我們學院首先在大四學生中進行試點。
大四學生第七學期的學習有這樣一些特點，學生基本分為三個陣營：（1）外出培訓工作；（2）考研考證照考公務員考選調生；（3）在校內繼續學習。基于以上情況，大四第七學期的課堂到課率普遍不高，對大四學生的課程考核也相對寬松，這就造成大四第七學期的課程形同虛設，根本沒有達到本專業的人才培養目的和預期，而大四第七學期的課程又基本都是比較重要的專業課、實踐課，是專業人才培養方案中比較重要的部分，并對學生未來就業影響頗深。
3.2 改革措施
基于以上情況，我們實施了以下改革措施。
1）個性化差異化教學：大四第七學期的課程全部作為選修課，設置的門數和種類更加多樣化，學生根據自己的興趣和職業發展規劃，自由選擇其中的4-5門課，選修夠最低學分要求，對最高學分不進行限制，鼓勵多選。
2）化解學生學習時間和地域限制的矛盾：學習方式改革，利用大數據技術，借助網絡，將課程教學視頻根據教學安排，上傳網絡，使學生可以在任何地點自由安排學習時間，這對于在外培訓工作的學生，十分方便。對于校內考研和學習的學生，也可以自由安排學習時間，提高學習效率。
3）重視學生學習的過程性評價：學生必須要完成規定的課程學習學時，每次課安排有課前測試，課后測試及作業。課前測試，課后測試，學生能夠實時查看到測試成績，課后作業要求學生在規定的時間內提交，課程教師要在規定的時間內批改完畢，并將成績到網上，供學生查看，對不合格的作業，要告知學生重做。學生的課程成績由學習的所有各階段的所有成績匯總而成，所以學生必須重視和認真對待每次的學習、測試和作業。
4）師生互動交流：教師和學生間的互動交流方式多樣，可以通過線上論壇討論答疑，也可以利用移動終端的便捷，建立課程QQ群或微信群，進行交流。教師將作業、要求、提醒等信息及時網絡和交流群中，引導督促幫助學生完成課程學習。
5）對學生學習的過程性大數據進行分析：學習的過程性數據分析技術，改變了傳統教學的經驗式模式，為學生提供高質量個性化的學習體驗，輔助教師根據數據分析結果，改進教學方式完善教學過程。將學生從選課、學習、考試結課等所有階段過程中，產生的數據進行匯總分析。根據學生的選課情況數據分析，綜合考慮調整專業課程設置，同時對學生選修課程行為進行適當宣傳引導。對學生學習的過程性數據進行分析，掌握學生學習情況，挖掘學生學習習慣和特點，以實時調整課程難易度，根據學生特點突出個性化差異化人才培養。
6）教師角色的轉變：在新的學習方式中，教師的角色也將發生改變，由原來單一的知識講授傳授者，變為學生學習的知識傳授者和學習引導者、督促者、幫助者、考評者。教師將課程內容錄制上傳后，將不再為每個班一遍遍的重復講授，大量的時間將花費在教學的組織實施、答疑解惑和對學生學習的引導督促激勵監管考核上。學生將有更多的時間得到一對一的輔導和幫助。
4 結論
大數據時代已經到來，未來十年，大數據在高校中有著廣闊的應用前景，將成為下一個創新、競爭和效率提高的前沿，我們應抓住機遇，適時改革，使信息時代下的高校教育與時俱進，培養出更多的適應信息社會發展的高素質人才。
參考文獻：
[1] 羅軍鋒，徐菲. 大數據時代的高校信息化框架[J]. 中國教育信息化，2014（3）：11-13，22.
[2] 朱建平，李秋雅. 大數據對大學教學的影響[J].中國大學教學，2014（9）：41-44.
[3] 程學旗，靳小龍，王元卓，等. 大數據系統和分析技術綜述[J]. 軟件學報，2014，25（9）：1889-1908.
[4] 張羽，李越. 基于MOOCs大數據的學習分析和教育測量介紹[J]. 清華大學教育研究，2013，34（4）：22-26.
[5] [英]Viktor Mayer-Sch?nberger， Kenneth Cukier. Big Data：A Revolution That Will Transform How We Live， Work， and Think[M]. 盛楊燕，周濤，譯. 杭州：浙江人民出版社，2013：148.
[6] 張引，陳敏，廖小飛. 大數據應用的現狀與展望[J]. 計算機研究與發展，2013，50（增刊）：216-232.
[7] 馮翔，余明華，馬曉玲，等. 基于大數據技術的學習分析系統架構[J]. 華東師范大學學報，2014（2）：20-29.
[8] 陳律. 大數據背景下學習分析技術對教學模式的變革[J]. 中國教育信息化，2013（24）：15-17.
關鍵詞：直觀演示儀器；多媒體；教學
中圖分類號：G632 文獻標識碼：B 文章編號：1002-7661（2015）17-346-03
一、直觀互動教學法
直觀教學法指的是在教學過程中利用和借助實物、圖片、模型、動作、語言和電化教學設備等進行具體形象的教學方法。直觀教學法的合理正確運用是教學過程中不可或缺的重要手段之一，它不僅可以使一些簡單易學的知識被講解的更加生動具體，特別是在針對那些抽象、乏味的理論知識的講解過程中，直觀教學有不可替代和事半功倍的教學效果的特點。心理實驗表明：通過視覺獲得知識占83%；聽覺占11%；嗅覺占3.5%；觸覺占1.5%；味沉占1%。這說明學生的視覺運動在知覺物理現象中有決定性的作用，視聽結合媒體教學的記憶比率要比傳統的聽覺教學高出60%以上。
在中學教學的過程中，數、理、化應該說對學生來講是較為抽象的學科，特別是物理化學等以實驗為基礎的自然學科，很多學生，對物理化學物質的性質和變化規律僅僅停留在死記硬背的水平上，加之許多中學受實驗設備和藥品的短缺的限制，實驗的開設率非常低，這嚴重影響了的教學效果，很多學生根本沒有理解那些知識的本質和內部的規律，其結果造成學生硬套公式、概念混淆，使學的知識容易忘記而不牢固，不能靈活運用學到的東西來解決實際遇到的問題等等諸多弊端，甚至個別學生因此而放棄對這兩門學科的學習，教學效果十分不理想，而直觀教學在化學教學中的合理運用能使從根本上可以解決上述存在的問題。
二、多媒體技術在現代教學中的作用
多媒體（Multimedia）技術是指把聲音文字、圖形、圖像、動畫和活動視頻等多種媒體的信息通過計算機進行交互式綜合處理和控制的技術。即通過計算機用多種媒體手段來存儲、傳播和處理信息。它涉及副計算機硬件、軟件和圖形、聲音、信號處理、人工智能網絡和通信等等廣泛的技術領域。
多媒體具有如下特點：圖文聲像并茂，激發學習興趣，提高學習效率；友好的交互環境，調動參與積極性；豐富的信息資源，擴大視野知識面；特定結構組織形式，提供多種學習途徑；突破時空的約束，拓展教學方式符合認識規律，加強素質教育和創新教育。由此可見，將多媒體技術應用在教學過程中，可以以圖文并茂、聲像俱佳、動靜皆宜的表現形式。以跨越時空的非凡表現力，大大增強人們對抽象事物與過程的理解與感受，把知識的學習融入新穎別致的娛樂形式中，能使學生的多種感官得到刺激，最大限度地設取信息與知識，發揮寓教干樂的學習優勢，使枯燥的學習變得輕松愉快，把學生的認識過程，情感過程、意志表現有機的統一于教學過程之中，創設出教學情境，充分地激發學生的學習興趣和求知欲望，將課堂教學引入全新的境界。多媒體在加強教與學的交流方面，可以幫助教師在課堂上根據學生的反饋信息，如提問、課堂反映，快捷調出各類信息資料，進行現場分析和答疑，靈活方便地進行啟發式教學。課堂教學方式在多媒體特性的支持下，可以變得多種多樣，如演示型、討論型、導航型、咨詢型或各種方式的有機結合。這樣既保證了教學的規范性、系統性、條理性，又具有一定的自主性、多樣性和靈活性。教與學的關系更為密切融洽。
三、直觀互動演示儀器與多媒體的結合應用
在進行天文地理、歷史、生物、數學、物理的教學工過程中，最好是結合演示原理儀器及模型和多媒體的綜合運用，達到最佳學習效果。比如說網上最新創建的《科教創業聯盟》，相對于傳統教學做的就很有創意，它是集市場動態，硬件設備、教學方法、學習資源于一體并匯聚一批立志于快樂教學輔導的精英，在當地投資“科教館”，其中 “科教館”即科技館與直觀教室的綜合館，用高科技的演示儀器、歷史的模型、生物的標本、地理的環境來詮釋原理和進程，再者通過系統優化的學習方法和與教科書同步的學習資源，配備導游機復述記憶。“科普公園”即室外大型的以科普為主的主題公園。“科教館”和科普公園二項目總體結構，以植物及儀器營造氛圍，以典型地形地貌水景營造環境，“科教館”功能以室內直觀教室為主， “科普公園”以獨立浮舟垂釣草屋營造心境，以露天鹽浴營造氣紛，內設咖吧，酒店，客房，容教學、休閑、旅游為一體。這不僅給學生提供了一個好的學習環境，也給學生和家長在業余時間提供了放松娛樂的好場所，真正體現快樂學習和素質教育的真諦。
四、直觀互動演示儀器與多媒體的結合在一些學科中的典型應用
1、在歷史學中的應用：中學歷史教學方法多種多樣，如講解法、講述法、談話法、討論法等，但中學歷史直觀教學法是教師運用直觀語言、板書、歷史文物、圖片、模型、象征性教具以及電化教學等直觀手段，調動學生的多種感覺器官參與學習活動，通過各種形式的感知，使學生在頭腦中形成生動的、具體的歷史表象，獲得全面的、系統的歷史知識，喚起學生豐富的想象力和思維能力。教師通過化石、石器、文物等實物，或運用圖表、圖示、掛圖等象征性直觀教具，或利用影視、錄像等現代科技，或組織參觀文物古跡、歷史博物館等直觀活動，給學生形象的直觀感受和身臨其境的感覺，使教學內容形象化、直觀化，做到通俗易懂、深入淺出，這樣學生學習歷史知識的興趣和積極性得到提高，使教學形式多樣化，使教學方法和教學手段生動活潑。同時也較好地把課堂教學和課外活動有機地結合起來，有助于學生理解歷史知識和掌握歷史線索。石器、文物等直觀實物，學生看后，一些歷史概念就簡單明了，如石器的類型分為砍砸器、尖狀器、刮削器、投擲器，對照實物學生一看便知，粗石器與細石器的劃分有了實物教師也不必更多的花費口舌；影視、錄像、多媒體等現代科技的利用，也為學生創設了一種模擬的客觀視覺形象，便于學生體會和感知；地圖、掛圖等圖示，也為學生提供了理解歷史知識的空間形象；而參觀博物館、文物古跡等直觀活動，也給學生創造和再現了一種歷史情境的氛圍；而通過表格對一些歷史線索和知識要點的歸納整理，對于學生的理解、掌握、記憶是十分必要的，這也就是我們通常所說的要理解記憶而不要機械記憶，避免和克服了學生學習歷史知識死記硬背、生吞活剝的弊端。提高是不言而喻的。
