1、與傳統(tǒng)“一對多”的課堂教育相比,遠程教育的最大優(yōu)勢在于能夠借助各種計算機技術滿足學習者的個性化需要,實現(xiàn)“以學生為中心”的差異化教學。為此,近年來一系列支撐個性化學習的應用技術,如智能答疑、自適應測試、個性化推薦等,得到了普遍的發(fā)展。
　　 然而,通過多年的教學與實踐觀察,筆者發(fā)現(xiàn):即使教學系統(tǒng)能根據(jù)學習者的學習偏好、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習內(nèi)容,也不能完全保證學習者能夠獲得預期的學習效果。這是

2、因為目前多數(shù)應用系統(tǒng)都是基于內(nèi)容而不是基于活動來設計和實現(xiàn)的,這會導致學習者在獲得所需的教學內(nèi)容后缺乏必要的活動引導,使自主學習存在一定的盲目性。從教學規(guī)律的角度來看,在相同的教學內(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,其獲得的學習效果也不相同,因此學習過程應當是由一系列學習活動而非僅是內(nèi)容組成的。根據(jù)上述分析,本文認為當前遠程教學系統(tǒng)存在一個迫切需要解決的問題:系統(tǒng)在提供給學習者所需學習資源的同時,如何生成

3、與之對應的學習活動規(guī)劃與調(diào)度方案,從而用以導航服務的方式來指導學習者將學習資源轉(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支撐平臺中學習活動的規(guī)劃與調(diào)度的問題并實現(xiàn)智能導航服務。論文主要從:建立問題的約束滿足(Constraint Satisfaction Problem)模型;設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;特定教學模式下的學習活動調(diào)度算法等四方面展開,并

4、分別得出相應的結(jié)論。
　　 1.建立學習活動規(guī)劃與調(diào)度的CSP模型。本文涉及的學習活動規(guī)劃與調(diào)度問題從本質(zhì)上可看作人工智能領域的智能規(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)絡學習環(huán)境中,需要將教學目標和教學方法結(jié)合起來,在標準化的資源庫基礎上,首先對學科體系加以規(guī)范化;再利用本體技術建立以知識點為核心的課程體系結(jié)構(gòu);最后根據(jù)教學規(guī)律定義一系列學習活動(或任務)及這些活動跟知識點的聯(lián)系。學習者為達

5、到某一學習目標而需要進行的學習活動及其調(diào)度方案可以通過CSP模型中的變量來制定,而學習過程中的各約束如訪問的并發(fā)控制、多個學習者的同步與協(xié)同等,可以用約束方程組定義,從而建立起學習活動規(guī)劃與調(diào)度問題的CSP模型。目前,在網(wǎng)絡課程的知識點層次上建立學習活動層、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)度服務的研究尚未見文獻報導。
　　 2.設計基于有窮自動機的求解方法。在不同的網(wǎng)絡學習環(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)果也可復用以節(jié)省時間開銷。在網(wǎng)絡學習環(huán)境中基于自動機理論對學習活動約束滿足問題的算法設計及有關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的相關文獻很少,因此本文的方法對CSP自身的求解技術發(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。有關蟻群優(yōu)化算法及其應用研究在較多文獻已有討論,本文借鑒了這些文獻中蟻群算法的設計方法來實現(xiàn)了解的啟發(fā)式搜索。
　　

8、4.網(wǎng)絡特定教學模式下的學習活動調(diào)度算法。在一些特定的網(wǎng)絡教學模式下,通過對學習活動CSP模型中的部分變量進行預先賦值,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可查,但尚無針對網(wǎng)絡特定教學模式中的學習活動開展調(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報導;第二部分相關文獻很少