前言：中文期刊網精心挑選了人工智能教學策略范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
人工智能教學策略范文1
關鍵詞：智能教學系統；模型；局限
中圖分類號：TP315 文獻標識碼：A 文章編號：1673-8454(2012)03-0007-03
智能教學系統(Intelligence Tutoring System，簡稱ITS)是把人工智能技術引入到計算機輔助教學系統中，應用人工智能技術開發出能夠因材施教的教學系統，使“計算機導師”貼近人類教師的水平，具有推理、診斷、決策的能力。能夠根據每個學習者的特點制定教學計劃，選擇教學策略，實現因材施教。
一、智能教學系統的模型及功能
基于教育學、心理學和教學設計原理分析，智能教學系統模型應包含學生模塊、教學策略模塊、知識庫和智能接口幾個主要模塊，各模塊的系統結構如圖所示。
學生模塊記錄每個學生原有的知識水平和學習能力。其依據為學生與系統之間的交互問答歷史，并對每個學生的學習進步情況進行動態調整。這樣，系統通過學生模型就可隨時了解每個學生的情況，有的放矢地進行個別化教學。
教學策略模塊根據學生模塊情況和知識庫做出智能化的教學決策，評判學生的學習效果，幫助學生分析錯誤原因。提出改進方法和意見等。
知識庫存儲所要教的學科領域知識和教學知識。
智能接口能夠理解自然語言，實現更普遍意義上的人機對話。
智能教學系統與傳統CAI相比，具備以下功能：
第一，了解學生的學習能力、學習基礎和當前的知識水平，以此為依據為不同的學生做出不同的教學決策，有針對性地進行個別指導，并在學習過程中根據學生進度自動調整學習內容，具有適應能力。
第二，允許學生用自然語言與“計算機導師”進行人機對話，并能對帶有學生個性特點的問題做出解答，從而具備更好的交互能力。
第三，能診斷學生學習過程中的錯誤，并分析錯誤原因和給出解決方案，在此基礎上逐漸積累“經驗”，從而具備糾錯能力。
第四，大大拓寬了CAI的模式，例如建立虛擬教室、智能導師系統、教學模擬等。從而使CAI不再是簡單的課本搬家、教室搬家，而具有更多的創造能力。
二、智能教學系統的局限性分析
智能教學系統雖然較傳統CAI在諸多方面有很大改進。但就智能教學系統的工作原理以及目前的研發現狀而言，應當冷靜地看到，它自身也存在一些固有的局限性。
要計算機解決某個問題，有三個基本的前提：必須把問題形式化、必須有一定的算法、必須有合理的復雜度。由于人的智能活動不能完全形式化，因此，機器就不能將人腦的智力活動全部復制出來。教育是一種人類所特有的活動，基于人工智能技術的智能教學系統在教育中的應用也存在局限性。
1.智能教學系統不能實現自我更新，自我改進
智能教學系統的設計原理是把現有的專家的知識和教師的教學方法和策略集中到一個數據庫中。隨著現代社會知識的迅猛增長，教育理念的不斷更新以及教學模式和教學方法的不斷改進，智能教學系統無法像人類教師那樣跟隨時代的變化而實現知識庫的自我更新以及教學策略模型的自我改進。還需要人從外界對整個ITS進行翻新，甚至需要從一種新的教育理念出發，重新設計ITS。智能教學系統的自我更新涉及機器學習這個難點。
2.智能教學系統適用的學習領域存在局限
以智能模擬的方法實現的人工智能應用于教育中時，并非適合所有的學習領域。人的智能活動可以分為四個領域。領域一是“刺激――反應”領域，其中包括任何形式的條件反射，與上下文環境無關的、各種形式的初級聯想行為，最典型的如無意義音節的機械學習。領域二是數學思維的領域，這是比較適合于人工智能的領域。它是由概念世界而不是感知世界構成，這一領域中的問題完全形式化了，并可以計算，這一領域又可稱為簡單形式化領域，典型的例子如邏輯和有精確規則的游戲。領域三是復雜形式化領域，這是比較難把握的一個領域。這一領域包括原則上可形式化而實際上不易駕馭的行為，包括那些不能用窮舉算法處理的。因而需要設計啟發程序的系統，如圍棋。領域四可稱作非形式化行為領域，包括有規律但無規則支配的、我們人類世界中的一些日?；顒?，這一領域又稱作感知思維領域。在這一領域內解決問題都是直覺的遵從，無須求助規則。包括一些規則不確定的游戲，如文字猜謎游戲。以上四個領域中前兩個領域適合用數字計算機模擬，第三個領域只是部分可程序化，而第四個領域則很難駕馭。
與此相對應的，根據加涅的學習結果分類，學習分為言語信息、智慧技能、認知策略、動作技能和態度五類。言語信息分為符號學習、事實學習和有組織的知識學習，這些屬于可形式化內容，適用于智能教學系統；智慧技能分為辨別、具體概念、定義性概念、規則和高級規則，其中前四項屬于可形式化內容，適用于智能教學系統，而高級規則屬于復雜形式化內容，部分內容不適用于智能教學系統；動作技能和態度領域的學習。在其認知成分中可以使用智能教學系統，但情感和行為成分等非形式化內容，則難以用智能教學系統來實現。
因此，并不是所有的學習領域都適用于智能教學系統。智能教學系統在教育中應用的重點應放在認知領域中的符號學習、事實學習和有組織的知識學習、辨別、具體概念、定義性概念以及規則這些學習內容上。
3.與學生之間無法暢通交流
教育是一種交互活動，智能教學系統的交互功能雖然較傳統CAI有所改進。但仍然缺乏在學生和計算機之間交換信息的自然的、暢通的途徑。系統只能通過學生輸入計算機的信息來判斷其掌握和內化程度。而無法像人類教師通過自然狀態的交流和觀察來判斷學生的真實情況，因此，“機器智能”很容易被蒙蔽“雙眼”，無法做到像人與人之間那樣自然暢通的交流。此外，系統在遇到新的學習情境時。不能理解和產生對話，這會影響智能教學系統功能的實施。
4.決策和推理機制不完善
智能教學系統的關鍵智能所在是其決策和推理機制，即“教學策略”模塊根據不同學生的具體情況通過推理做出靈活決策，這種決策基于學生模塊提供的學生的知識水平、認知特點和學習風格。智能教學系統雖然加入診斷系統并不斷調整對學生學習水平的判斷，但由于學習風格、認知特點等不能完全被形式化，因此，根據系統的教學策略模塊中預先存入的診斷知識來評估不同學生的學習過程和理解每個學生不同的推理過程也是有局限的。
三、智能教學系統在教育中應用的建議
1.不能忽略教師的作用
雖然智能教學系統具有“智能性”。但在使用它的過程中，決不能放棄教師的主導作用。要明確教師是教學的設計者和教學過程的主導，應該把智能教學系統的應用納入到教學設計中。教師作為教學的“主導”。要引領教學
全過程，時刻注意學生的學習狀態、學習程度、情感交流，盡量照顧到每個同學。ITS不是將教師擱置了。而是把教師從ITS能做的事情中解放出來，有更多的時間去從事機器所無法替代的事情。例如，計劃教學，開發教學補充材料，示范成熟的行為，啟發、引導學生去克服遇到的各種困難。特別是一個優秀教師對學生的態度和道德的影響和培養，是任何智能教學機器所無法取代的。所以，在利用智能教學系統教學的過程中，不能用智能教學系統取代教師，不能忽略教師的指導作用。
2.注意教學模式的運用
作為一種教育技術的實現，ITS主要依賴于各種技術的發展，但作為一個能夠實施完整教學過程的教學系統，ITS的應用效果更多地依賴于所采用的教學模式。長期以來，傳統CAI在教學中的應用都以個別化教學模式為主。但隨著認知心理學的發展，基于建構主義學習理論的以“學”為中心的教學模式逐漸受到青睞。這種教學模式更能滿足學習者的個性化要求，也為協作學習創造了更大的可能性。目前，協作學習模式因其利于培養學生的多樣化思維和合作精神而日益受到重視。同一個智能教學系統，用于個別化教學模式和用于協作學習模式就會產生截然不同的教學效果。因此。在利用智能教學系統時，要注意根據教學內容和教學目標靈活采用個別化教學模式或協作學習模式。
3.有效與網絡相結合
隨著多媒體技術和Internet網絡的飛速發展，多媒體教育技術與Internet的進一步融合，ITS不僅僅在人工智能上單一發展。它要向多維的網絡空間發展。網絡化成為當今世界ITS系統的一大優勢和特色?！盁o機不聯”正是現代教育計算機使用情況的真實寫照。智能教學系統應與網絡相結合。借助網絡的優勢，完成在線學習、實時討論、網上測試等多種教學任務。學生可以在學?；蚣抑型ㄟ^計算機登錄到系統，系統按其不同的認知水平為其準備不同難度的教學內容。完成學習時，系統通過自適應的測試確定學生新的認知水平，作為其下一次登錄學習時為其準備學習內容的依據，并向學生提出進一步需學習內容的建議。學生在學習過程中可以實時地與其他在線的學習者進行討論，并可通過E-mail的形式與教師進行交流。教師可以使用自己的計算機，在教研室或家中登錄到系統，檢查學生的學習進度，學習情況。并依據學生的實際情況，有針對性地對教學內容、測試內容進行更新。網絡與智能計算機輔助教學系統有機結合，相互補足，必將構建成一個新的系統工程。
參考文獻：
[1]王士同主編.人工智能教程[M].北京：電子工業出版社，2001.
[1]王永慶.人工智能原理與方法[M].西安：西安交通大學出版社，1998.
[3]何克抗.計算機輔助教育[M].北京：高等教育出版社，1997.
人工智能教學策略范文2
關鍵詞 智能授導系統；輔助教學；語義Web
中圖分類號TP31 文獻標識碼A 文章編號 1674-6708（2012）58-0165-02
計算機輔助教學(CAI)是以對話方式利用多媒體計算機的功能與特點與學生討論教學內容、安排教學進程和進行教學訓練的方法與技術。但是存在交互能力差和缺乏虛擬技術支持、智能性及教學策略等問題。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。它用人工的方法在機器(計算機)上執行智能行為：感知、理解、學習、判斷、推理、規劃、設計、求解等。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。
1 智能授導系統
智能授導系統（ITS）技術是在對計算機輔助教學研究局限性的改革突破中發展起來的，它不僅克服了僅僅關注學生行為的缺陷，還引入了對知識的描述以及智能推理技術，智能授導系統的獨特之處是能依據每個學習對象的不同需求而調整教學策略。
ITS從上個世紀80年代提出到至今已有30多年了，幾乎涉及人工智能技術的所有問題，而且一直是人工智能技術在教育領域的核心研究之一。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；Dietrich Albert和Cord Hockemeyer通過分析知識空間理論而得出的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；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，有效的分析出學生學習過程中的問題和不足；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。隨著國內數字化教學與教育信息化的大趨勢，最近幾年國內對于該領域的研究發展的相對比較快，而且需要進行綜合性的研究，以不斷促進智能授導系統的實際應用價值。
2 自適應智能授導系統機制
由于個體學習者基本上是基于資源的自主學習，在教學上的有效組織主要體現在學習資源的組織、傳遞和共享上，良好的資源組織和個性化資源服務是學習個體最強烈的需求。為了支持個體的自主學習，輔助教學研究十分強調“授導”?！笆凇奔聪到y地對教學內容的組織和傳播，通常反映為學習目標制定、學習材料序列化、學習路徑引導以及學習結果評價等方面；而“導”則側重對學生的具體學習過程提供針對性的學習支持。
2.1 網絡智能授導的技術實現
網絡輔助教學平臺設計者們一直致力于智能授導機制的理論研究和實現，不僅在理論上提出很多模型和設想，而且實踐上也有所突破，特別是可以借助計算機網絡技術和人工智能技術構建一個更有針對性的、更智能的信息空間，為學習者提供個性化的學習支持。通過調研，網絡輔助教學中智能授導的研發技術路線主要是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。
2.2 本體的智能授導機制
根據Brusilovsky提出的關于虛擬校園環境的部件理論知道，當前分布式虛擬環境支撐的網絡教學平臺大多是圍繞內容部件、行為部件、通信部件、管理部件來提供學習者本體的智能授導應用功能。
1）內容部件是輔助教學系統的核心，多由構成課程的多媒體教學材料組成。運用靜態超媒體比較容易實現，以一種同有的結構和形式呈現給學習者同樣的教學內容。但是會產生由適應性內容所呈現的各種方法與技術問題，例如：附加解釋、前提知識解釋、比較性解釋、解釋變體、信息排序等。其實現需依賴于知識表示與呈現技術，特別是知識建模和知識本體的研究；2）行為部件主要功能是需要學生通過“做”的交互方式來完成的自主學習的過程，表現形式多指學習導航、練習、測試、模擬、實驗等。其三個主要應用方向是自適應導航、自適應測試和虛擬實驗；3）通信部件在智能授導系統中起到媒介作用，主要是支持學生與教師之間、學生相互之間的交流和溝通的通信工具，支持學習社區的協作學習和協同進化；其3個主要應用方向為)針對交互信息的知識發現、學習者智能互助和群體智慧；4）管理部件主要是支持教學過程中必要的管理職能。如學生管理、課程管理等。
2.3 自適應智能授導系統的構建策略
個性化的自適應輔助教學研究已成為現代教學系統應用的一個熱點問題，而自適應智能授導系統運用人工智能技術，直接、科學地了解到學習者的個性特點及學習進展情況，靈活調整自身的策略、方案來滿足受教育對象的需求。從集成觀點出發，自適應智能授導系統首先涉及的是教學理論和思想與計算機技術的交叉。從計算機輔助教學的發展線索出發，網絡技術與人工智能方法的應用是計算機輔助教學的必然趨勢，但智能授導絕不是在計算機網絡通信技術上的簡單翻版，其需要進行更為深刻的分析與抽象?？偟膩砜?，自適應智能授導系統是一種建立在軟件協同基礎上的分布式的群體智能，更是一種人機協調的智能。
學習者模型是自適應智能授導系統的核心，而學習者學習過程中存在大量的不確定性因素和不確定性信息，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，我們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，當學習者模型中的知識項的狀態發生改變時，將引起相關知識項的狀態的改變，因而使學習者模型具有一定的預測能力。同時我們選擇專門為語義Web設計的本體表示語言OWL語言來描述學習者模型，因為它具有更強大的功能來表示語義，比XML和RDF更容易被機器理解。
我們在輔助教學軟件的研究開發中選擇了語義Web下的自適應智能授導系統，因為它更多的關注系統各模塊的標準化、形式化構建，以及系統間的互操作和知識共享與重用。其目標是使機器能夠更好的理解網絡上的內容，構建一個基礎結構使在網絡上運行的智能能夠進行復雜的活動，對嵌入在基于網絡的應用程序中的知識進行顯性的描述，從而以智能化的方式來整合信息，提供基于語義的方式來訪問網絡，以及從文本中進行信息抽取。語義Web技術可以通過對智能授導系統不同模塊中嵌入的知識和學習者的交互信息進行共享，從而在一定程度上推動了分布式智能授導系統的開放程度。圖1給出了自適應智能授導系統的智能產生流程圖。
3 結論
伴隨著互聯網絡的日益發展，我們日常的學習與工作越發依賴數字化的資源與服務，智能化與人性化將是數字化教學重要的發展方向。我們選擇了自適應智能授導系統作為數字化技術輔助教學研究的一個切入點，依據網絡智能授導系統實現的三條技術路線，從理論框架上闡述了教學輔助平臺中常見的智能授導機制，利用人工智能中貝葉斯網絡的思想來設計學習者模型來實現適應性和個性化的教學，并選擇了語義Web下的自適應智能授導系統來實現輔助教學軟件的開發。
參考文獻
[1]閔宇鋒.淺談網絡教學平臺中的智能授導機制[J].科技情報開發與經濟，2010.
[2]Brusilovsky P. MILLER P., Course Delivery Systems for the Virtual University.
人工智能教學策略范文3
關鍵詞：計算機輔助教學
中圖分類號：tp 文獻標識碼：a
收錄日期：2013年4月16日
計算機輔助教學的智能化源于20世紀五十年代后期。英國數學家圖靈在“計算機器與智能”一文中提出了著名的圖靈測試，用來測試一臺機器有無智能。當時，麥卡錫和紐厄爾等人認為機器能夠像人一樣思考的時代已經近在咫尺，實現這一目標的主要問題只是需要創建更大的、運算速度更快的計算機。如果機器能夠像人一樣地思考這一命題成立，就可以據此提出一個合理的假設：人們能夠制造出聰明的機器，它能夠執行需要人類思考才能完成的復雜任務，例如開展教學。計算機輔助教學的智能化研究正是基于這樣的假設，從20世紀五十年代至今，在計算機科學、教育科學、認知科學等學科專家的不懈努力下取得了不少成果。
普萊西于1924年發明了第一臺教學機器，但是直到20世紀五十年代，哈佛大學心理學家斯金納把他研究的操作條件反射和積極強化原理成功地運用到教學機器上，在美國軍隊中進行應用并取得了良好的教學效果，使程序教學獲得社會的承認并有了很大的發展，才導致了教學機器和程序教學的興起。程序教學（pi）就是將教學內容按一定的邏輯順序分解成若干小的學習單元，編制成教學程序由學習者自主學習。程序教學具有小的學習步驟、自定學習進度、積極反應、即時反饋等特點，綜合使用比單個使用某種能產生更好的記憶效果，從而改善學習。如果將視、聽覺和做結合起來，那么學習效果會有更大的提高。通過多媒體條件下個性化學習環境的創設，智能教學系統能夠有效地支持學生看、聽和做，從而提高學習效率。但智能教學系統也存在著一些難以解決的問題，例如，如何讓學生從被動地接受教學轉為主動的建構式學習；如何根據學生的需求和教學目標，實現學習者和教學系統之間有效的知識通訊；如何在網絡環境下有效地支持個別化學習、協作學習和探究學習等。此外，智能教學系統的開發需要領域專家、知識工程師、教學專家的通力合作，開發難度大。由于人工智能技術自身的局限，當前智能教學系統的智能化程度并不令人滿意。
20世紀九十年代以來，計算機多媒體技術、網絡通信技術以及人工智能技術的發展，為基于建構主義學習理論的多媒體教學環境的構建提供了有效的技術支持，數字化學習（e-learning）迅速成為人們崇尚的一種學習方式。但是，在網絡環境下，教學材料的選擇和組織往往缺乏系統的設計，容易造成數字化學習者的認知超載和網絡迷航。為了提高網絡學習效率和學習質量，一些智能教學系統的研究專家開始轉向網絡環境下的適應性學習支持系統研究。
在學習過程中，學習者個體具有很大的差異性，具體表現在個人的能力、背景、學習風格以及學習目標等各個方面。即使是個體本身，在學習過程中其知識狀態也是在不斷變化和發展的。適應性學習支持系統（alss），是針對個體學習過程中的差異性而提供的適合個體特征的一種支持學習的系統。適應性學習支持系統本質上是一類個別化的學習支持系統，它能夠提供一個適應用戶個性化特征的用戶視圖，這種個性化的學習視圖不僅包括個性化的資源，而且包括個性化的學習過程和策略。適應性學習支持系統提供對不同學習者個別化需求的適應，包括學習診斷、學習內容、自主選擇學習策略等。對于相同的學習內容，該系統可以為不同的學生提供不同的學習方式。不同的學習者通過適應性學習支持系統學習同樣的知識，會有不同的學習路徑、學習策略和學習內容。
換言之，適應性學習支持系統提供的學習是個別化的、因人而異的，是符合學習者個人學習情況的。在其支持之下，學習者能夠以更快的速度，更加有效地進行學習。由于學習者在適應性學習支持系統中不僅可以進行個別學習，而且可以開展在線的協作學習、探究式學習等多種學習方式，適應性學習支持系統已經超越了作為傳統意義上的輔助教學的工具，而是作為認知工具、協作交流工具和情感激勵工具，可以作為導師、學習伙伴和學習工具。
近年來，我國不少學者開始對適應性學習支持系統進行研究，例如開放的、通用的適應性學習支持系統外殼a-tutor；基于教師經驗性知識的適應性學習系統在中小學校的應用，等等。智能教學系統
主要特點在于能夠針對不同學生進行因材施教，但由于該類系統過于強調理想化的教育，生硬的界面和過多的程序控制往往無法激發學習者學習的主動性或維持學習者的學習興趣，因此，它的實現和應用受到了較大的限制。計算機作為教師，監控學生學習過程，執行錯誤診斷和生成提示信息采用知識表示技術，教學內容由系統自動安排多媒體，主要由文本構成、輔以圖片、動畫、聲音適應性學習支持系統開放的網絡學習環境下自主學習、協作學習、探究學習。計算機作為學習伙伴，或作為認知工具、協作和交流工具、情感激勵工具由多媒體、超媒體構成，采用適應性超媒體、超文本系統綜合了生成性cai和面向幀的cai的設計思想，并規定了問題的描述格式，系統據此生成參數，然后在數據庫里查詢正確的答案。
卡內基梅隆大學卡波納嘗試將人工智能（ai）技術應用于cai系統，并設想了這樣一種教學系統。該系統有一個包含教學主題材料和授導教學規律的知識庫，能夠用自然語言與學生對話，能夠以自然的方式從它的通用知識庫里面生成問題和反饋?？ú{按照上述設想建立了第一個智能化的地理教學系統 scholar，它采用語義網絡知識表示，建立了覆蓋學生模型，能夠自動生成教學材料和問題，也是第一個能夠用自然語言與學生交互的系統。scholar 的出現標志著智能計算機輔助教學（icai）的開始。
在智能教學系統中，學生主要通過問題解決的方式學習，這些問題都是經過恰當選擇的，能夠為學習者提供良好的學習經驗。哈特利和史利曼認為智能教學系統必須提前考慮三個方面的知識：第一，系統通過評估學生已有的知識基礎，建立起學生模型；第二，系統考慮到學生需要學習什么，建立起領域專家模型；第三，系統還必須決定下一步應該教學生學習哪一個教學單元，怎么呈現教學內容，即具備教師模型。系統在上述基礎上選擇或生成一個問題，并通過專家模型生成該問題的解決方案。智能教學系統時時比較學生的解答與計算機的解答，并診斷兩者的差異。針對學生是否已經接受了系統提供的學習建議，系統還會提供進一步的反饋。當反饋循環結束后，智能教學系統會更新學生的技能記錄（一個關于學生知道什么和不知道什么的記錄）、學習進度標識，從而更新了學生模型。然后系統又開始新一輪的循環，選擇或生成一個新問題。從領域知識、學習者知識、教學策略知識的視角，對程序教學系統、計算機輔助教學系統、生成性cai系統以及智能教學系統進行考察，不難看出它們的差異所在。
人工智能教學策略范文4
1、計算機人工智能識別技術應用瓶頸探析
2、計算機科學與技術的應用現狀與未來趨勢
3、計算機信息處理技術在大數據時代背景下的滲透
4、計算機基礎課程應用教學思考和感悟
5、中職中藥專業計算機應用基礎教學改革實踐
6、淺談虛擬現實技術在中職計算機基礎教學中應用的必要性
7、計算機圖像處理技術在UI設計中的應用
8、計算機生成兵力行為建模發展現狀
9、智慧檔案館計算機網絡系統方案設計
10、淺談如何提高計算機網絡的安全穩定性
11、計算機應用技術與信息管理的整合探討
12、計算機科學技術小組合作學習研究
13、計算機科學與技術有效教學策略研究 >>>>>計算機網絡和系統病毒及其防范措施畢業論文
14、互聯網+背景下高校計算機教學改革的認識
15、藝術類應用型本科高校"計算機基礎"課程教學改革研究
16、計算機技術在石油工業中應用的實踐與認識
17、計算機技術在電力系統自動化中的應用研究
18、微課在中職計算機基礎教學中的應用探析
19、課程思政在計算機基礎課程中的探索
20、計算機服務器虛擬化關鍵技術探析
21、計算機網絡工程安全存在問題及其對策研究
22、人工智能在計算機網絡技術中的運用
23、慕課在中職計算機應用基礎教學中的運用
24、淺析如何提高高校計算機課程教學效率
25、項目教學在計算機基礎實訓課程中的應用分析
26、高職計算機網絡教學中項目式教學的應用
27、計算機信息安全技術在校園網絡的實踐思考
28、大數據背景下的計算機網絡安全現狀及優化策略
29、基于計算機網絡信息安全及防護對策簡析
人工智能教學策略范文5
一、深度學習概念的提出
深度學習的概念，源于30多年來計算機科學、人工神經網絡和人工智能的研究。上世紀八九十年代，人們提出了一系列機器學習模型，應用最為廣泛的包括支持向量機（Support Vector Machine，SVM）和邏輯回歸（Logistic Regression，LR），這兩種模型分別可以看作包含1個隱藏層和沒有隱藏層的淺層模型。計算機面對較為復雜的問題解決訓練時，可以利用反向傳播算法計算梯度，再用梯度下降方法在參數空間中尋找最優解。淺層模型往往具有凸代價函數，理論分析相對簡單，訓練方法也容易掌握，應用取得了很多成功。①隨著人工智能的發展，計算機和智能網絡如何基于算法革新，模擬人腦抽象認知和思維，準確且高清晰度地進行聲音處理、圖像傳播甚至更為復雜的數據處理和問題解決等，在21世紀來臨的時候成為擺在人工智能領域的關鍵問題。
30多年來，加拿大多倫多大學計算機系辛頓教授（Hinton，G.）一直從事機器學習模型、神經網絡與人工智能等問題的相關研究，并在機器學習模型特別是突破淺層學習模型，實現計算機抽象認知方面取得了突破性的進展。2006年，他在《Science》上發表了《利用神經網絡刻畫數據維度》（Reducing the Dimensionality of Data with Neural Networks）一文，探討了應用人工神經網絡刻畫數據的學習模型，首先提出了深度學習（Deep Learning）的概念和計算機深度學習模型，掀起了深度學習在人工智能領域的新。這篇文章的兩個主要觀點是：第一，多隱藏層的人工神經網絡具有優異的特征學習能力，學習到的特征對數據有更本質的刻畫，從而有利于可視化或分類；第二，深度神經網絡可以通過“逐層初始化”（Layer-wise Pre-training）來有效克服訓練和優解的難度，無監督的逐層初始化方法有助于突破淺層學習模型。②基于深度置信網絡（DBN）提出非監督逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨后提出多層自動編碼器深層結構。③2012年，辛頓又帶領學生在目前最大的圖像數據庫ImageNet上，對分類問題取得了驚人的結果，將計算機處理圖像數據問題時排名前五的錯誤率（即Top5錯誤率），由最高26%大幅降低至15%，大大提高了人工智能圖像數據處理的準確性和清晰度，這是早先計算機僅僅依賴數學模型的表層學習和單層學習根本無法實現的水平。
在人工智能領域，深度學習其實是一種算法思維，其核心是對人腦思維深層次學習的模擬，通過模擬人腦的深喲緯橄筧現過程，實現計算機對數據的復雜運算和優化。深度學習采用的模型是深層神經網絡（Deep Neural Networks，DNN）模型，即包含多個隱藏層（Hidden Layer，也稱隱含層）的神經網絡（Neural Networks，NN）。深度學習利用模型中的隱藏層，通過特征組合的方式，逐層將原始輸入轉化為淺層特征、中層特征、高層特征直至最終的任務目標。深度學習可以完成需要高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等。深層模型是包含多個隱藏層的人工神經網絡，多層非線性結構使其具備強大的特征表達能力和對復雜任務的建模能力。訓練深層模型是長期以來的難題，近年來以層次化、逐層初始化為代表的一系列方法的提出，為訓練深層模型帶來了希望，并在多個應用領域獲得了成功。
人工智能學者們認為計算機和智能網絡的這一深層的自動編碼與解碼過程，是一個從數據刻畫、抽象認知到優選方案的深度學習的過程。由于人腦具有深度結構，認知過程是一個復雜的腦活動過程，因而計算機和人工智能網絡模擬從符號接受、符號解碼、意義建立再到優化方案的學習過程也是有結構的；同時，認知過程是逐層進行、逐步抽象的，人工智能不是純粹依賴于數學模型的產物，而是對人腦、人腦神經網絡及抽象認知和思維過程進行模擬的產物。應該說，到目前為止，深度學習是計算機和智能網絡最接近人腦的智能學習方法。近幾年來，深度學習進一步嘗試直接解決抽象認知的難題，并取得了突破性的進展，AlphaGo的問世，便是明證。2013年4月，《麻省理工學院技術評論》（MIT Technology Review ）雜志將深度學習列為2013年十大突破性技術之首。④深度學習引爆的這場革命，將人工智能帶上了一個新的臺階，不僅學術意義巨大，而且實用性很強，工業界也開始了大規模的投入，一大批產品將從中獲益。二十世紀八九十年代以來，隨著學習科學的不斷發展，深度學習的概念和思想不斷在教育中得到應用。
二、深度學習在教育中的興起與發展
來自腦科學、人工智能和學習科學領域的新成就，必然引起教育領域研究者的深刻反省。計算機、人工智能尚且能夠模擬人腦的深層結構和抽象認知，通過神經網絡的建立開展深度學習，那人對知識的學習過程究竟應該是怎樣的一個腦活動過程和學習過程？學生的學習有表層和深層等層次之分嗎？從作為符號的公共知識到作為個人意義的個人知識究竟是怎樣建立起來的？知識學習過程究竟是一個怎樣的抽象認知過程？信息技術環境支持下深層次的學習如何實現？近十多年來，這些問題引起了許多教育研究者特別是教育技術學研究者的濃厚興趣，深度學習、深度教學的研究日益引起人們的重視。也正是在辛頓的“深度學習”概念明確提出后，教育學領域特別是教育技術學領域的深度學習研究日益活躍起來。
其實，早在1956年布魯姆在《教育目標分類學》里關于“認知領域目標”的探討中，對認識目標的維度劃分就蘊含了深度學習的思想，即“學習有深淺層次之分”，將教學目標分為了解、理解、應用、分析、綜合、評價六個由淺入深的層次。⑤學習者的認知水平停留在知道或領會的層次則為淺層學習，涉及的是簡單提取、機械記憶符號表征或淺層了解邏輯背景等低階思維活動；而認知水平較高的深層理解、應用、分析、綜合和評價則涉及的是理性思辨、創造性思維、問題解決等相對復雜的高階思維活動，屬于深層學習。1976年，美國學者馬頓（Marton，F.）和薩爾約（Saljo，R.）在《論學習的本質區別：結果和過程》（On Qualitative Difference in Learning： Outcome and Process）一文中，明確提出了表層學習和深層學習的概念。⑥這被普遍認為是教育學領域首次明確提出深度學習的概念。他們在一項關于閱讀能力的實驗研究中，明確探討了閱讀學習的層次問題。通過讓學生閱讀文章并進行測驗，發現學生在閱讀的過程中運用了兩種截然不同的學習策略：一種是試圖記住文章的事實表達，揣測接下來的測試并記憶，即表層學習（Surface Learning）；另一種是試圖理解文章的中心思想和學術內涵，即深層學習（Deep Learning），也被譯為深度學習。深度學習的學習者追求知識的理解并且使已有的知識與特定教材的內容進行批判性互動，探尋知識的邏輯意義，使現有事實和所得出的結論建立聯系。淺層學習和深層學習在學習動機、投入程度、記憶方式、思維層次和遷移能力上有明顯的差異。深度學習是一種主動的、高投入的、理解記憶的、涉及高階思維并且學習結果遷移性強的學習狀態和學習過程。之后 ，拉姆斯登（Ramsden，1988）、英推施黛（Entwistle，1997）以及比格斯（Biggs，1999）等人發展了淺層學習和深度學習的相關理論。⑦隨著信息技術的發展，近十年來，國外學者對信息技術支持下的深度學習及其在各學科領域、各類教育中的應用研究日漸廣泛。
2002年以來，從技術支持高等教育的深度學習、虛擬環境中的深度學習、形成性評估對深度學習的影響、學習環境對學生進行深度學習的影響、技術支持下的深度學習設計等方面研究成果日益豐富，但絕大部分是基于教育技術學視野的研究成果。2006年，辛頓教授關于深度學習的成果發表，進一步推動了深度學習在教育中的研究與應用。近十年來，在中小學深度學習研究方面最有影響的當屬加拿大西盟菲莎大學（Simon Fraser University）艾根（Egan， K.）教授領銜的“深度學習”（Learning in Depth，簡稱LID）項目組所進行的研究，其成果集中體現在《深度學習：轉變學校教育的一個革新案例》（Learning in Depth： A Simple Innovation That Can Transform Schooling）等著述之中。⑧該研究探討了深度學習的基本原則與方法，分析了深度學習對學生成長、教師發展和學校革新的價值與路徑，并在加拿大部分中小學進行實驗研究。其核心成果聚焦課堂學習和教學問題，即使是關于教師教育中深度學習的研究，也聚焦于教師的學習過程和學習方式。⑨艾根所開展的深度學習研究項目超越了單一教育技術學視野的研究，不僅僅是關于教學設計、學習技術和學習環境開發的研究，而是基于建立新的學習觀和知識觀，對教學活動與學習過程作出了新的闡釋。
總體上看，國內關于深度學習的研究最近十年才剛剛起步。2005年，我國學者黎加厚教授在《促進學生深度學習》一文中，率先介紹了國外關于深度學習的研究成果，同時探討了深度學習的本質。他認為深度學習是指在理解學習的基礎上，學習者能夠批判性地學習新的思想和事實，并將它們融入原有的認知結構中，能夠在眾多思想間進行聯系，能夠將已有的知識遷移到新的情境中，作出決策和解決問題的學習。⑩此文被認為是國內較早介紹并論及深度學習的研究成果，此后，關于深度學習的探討，特別是基于信息技術環境下的深度學習的相關研究論文逐漸增加。2006年10月，筆者在前期研究的基礎上，與臺灣成功大學教育研究所所長李坤崇教授聯合發起“海峽兩岸能力生根計劃”，推進能力導向的深度教學的理論研究與實驗研究，主張以價值觀、知識觀、學習觀、過程觀的重建為基礎，以發展學生的學科能力為宗旨，實施深度教學，克服課堂教學改革過于注重教學程序、教學技術、教學時間的淺層次改革和表層學習的局限性，深化課堂教學改革。2014年后，中國教育科學院院長兼教育部課程教材研究與發展中心主任田慧生研究員基于深化課程改革的需要，帶領一個團隊開始啟動深度學習的項目研究。直至今日，基于核心素養追求背景下的深度學習研究項目，如雨后春筍般涌現，“深度學習”成為教育研究中的一個熱詞。
盡管計算機、人工智能領域與教育學領域都提出了“深度學習”概念，但不難看出二者顯然具有本質差異。計算機與人工智能領域的深度學習是建立在機器模擬人腦深層結構的基礎之上的，是基于人腦結構的一種計算機算法思維和問題解決模型，是對人腦和認知結構的模擬。而教育學領域的“深度學習”概念，無論是布魯姆還是馬頓和薩爾約，都指向了“知識”和“學習”兩個核心，是關于知識學習的目標和過程的問題。布魯姆在教育目標分類學認知領域的目標構設中，認為認知目標是由了解、理解、應用、分析、綜合、評價六個不斷加深的層次構成的。這一目標明顯是關于知識學習和認知過程的目標，在2001年修訂版中，這一目標被精確表述為知識學習和認知過程兩個維度。馬頓和薩爾約在關于閱讀的研究中，基于學生對文本理解的層次和理解的深度提出了“深度學習”的概念，并認為學習的本質區別在于過程而不是學習的結果，是學生對文本知識學習的深刻程度決定了其學習結果的差異性。
艾根的研究實現了從深度學習向深度教學的轉向。艾根的深度學習（Learning in Depth）研究更明確地指向了學生對知識的學習所到達的深度，以及教師通過對知識的處理引導學生逐步到達一定的學習深度。這一深度學習的過程是一個逐步深化的學習過程，要求教師在教學過程中引導學生著眼于知識的深層次理解和深度處理。該項研究表明，深度學習的研究開始從單一的學習技術研究轉向了對教學過程的關注，注重深度學習與深度教學的關聯性和一致性，深度學習的研究呈現出向深度學習與深度教學相結合的轉向。
三、深度學習的核心理念
從深度學習走向深度教學，一方面是教與學的一致性決定的，另一方面是當前中小學課堂教學普遍存在的局限性Q定的。教與學的關系既不是對立關系，也不是對應關系，而是一種具有相融性的一體化關系，離開了教無所謂學，離開了學也無所謂教。學生真正意義上的深度學習需要建立在教師深度教導、引導的基礎之上。從本質上看，教育學視野下的深度學習不同于人工智能視野下的深度學習，不是學生像機器一樣對人腦進行孤獨的模擬活動，而是學生在教師引導下，對知識進行的“層進式學習”和“沉浸式學習”?！皩舆M”是指對知識內在結構的逐層深化的學習，“沉浸”是指對學習過程的深刻參與和學習投入。離開了教師的教學和引導，學生何以“沉浸”？因此，深度學習只有走向深度教學才更具有發展性的意義和價值。同時，我國新一輪基礎教育課程改革以來，課堂教學改革依然存在著諸多表層學習、表面學習和表演學習的局限性，“學習方式的轉變”往往演變成了教學形式的改變，諸如教與學在程序上的簡單翻轉和在時間上的粗暴分配。其所體現出來的知識觀、價值觀、教學觀、過程觀依然陳舊落后，以學科知識、學科能力、學科思想和學科經驗的融合為核心的學科素養依然未能得到實質性的滲透。
深度教學的“深度”是建立在完整而深刻地處理和理解知識的基礎之上的。艾根在深度學習的研究中，首次從知識論的角度，論述了深度學習的“深度”（Depth）的涵義。他認為“學習深度”具有三個基本標準，即知識學習的充分廣度（Sufficient Breadth）、知識學習的充分深度（Sufficient Depth）和知識學習的充分關聯度（Multi-Dimensional Richness and Ties）。這三個標準，也是深度學習的核心理念。
第一，知識學習的充分廣度。充分的廣度與知識產生的背景相關，與知識對人生成的意義相關，與個體經驗相關，也與學習者的學習情境相關。如果教學把知識從其賴以存在的背景、意義和經驗中剝離出來，成為純粹的符號，便成為無意義的符號、無根基的概念知識。知識具有強烈的依存性，無論是自然科學的知識還是社會科學或人文學科的知識，都是特定的社會背景、文化背景、歷史背景及其特定的思維方式的產物。離開了知識的自然背景、社會背景、邏輯背景，前人創造的知識對后人而言幾乎不具有可理解性。隨著深度學習的興起，旨在以廣度促進理解的“無邊界學習”日益引起人們的重視?？梢?，知識的充分廣度，其實是為理解提供多樣性的支架，為知識的意義達成創造了可能性和廣闊性基礎。
第二，知識學習的充分深度。知識的充分深度與知識所表達的內在思想、認知方式和具體的思維邏輯相關，深度學習把通過知識理解來建立認識方式，提升思維品質，特別是發展批判性思維作為核心目標。所以說，深度學習是一種反思性學習，是注重批判性思維品質培養的學習，同時也是一種沉浸式、層進式的學習。深度學習強調學習過程是從符號理解、符號解碼到意義建構的認知過程，這一過程是逐層深化的。
第三，知R學習的充分關聯度。知識的充分關聯度，是指知識學習指向與多維度地理解知識的豐富內涵及其與文化、想象、經驗的內在聯系。知識學習不是單一的符號學習，而是對知識所承載的文化精神的學習。同時，通過與學生的想象、情感的緊密聯系，達到對知識的意義建構。從廣度，到深度，再到關聯度，學生認知的過程是逐層深化的。所謂意義建構，即從公共知識到個人知識的建立過程，都需要建立在知識學習的深度和關聯度之上。
①Y.LeCun and Y.Bengio.Convolutional networks for images，speech，and time-series.In M.A.Arbib，editor，The Handbook of Brain Theory and Neural Networks.MIT Press，1995.
②Geoffery E.Hinton and Salakhutdinov R.R.，Reducing the dimensionality of data with neural networks. Science.2006 Jul 28；313（5786）：504-7.
③Geoffrey E.Hinton，Simon Osindero，Yee-Whye Teh. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation.2006（7）.
④余凱等.深度學習的昨天、今天和明天[J].計算機研究與發展，2013，9.
⑤安德森.布盧姆教育目標分類學（修訂版）[M]. 北京：外語教學與研究出版社，2009：78-80.
⑥Marton，F. and Saljo，R.，On Qualitative Difference in Learning：Outcome and Process. British Journal of Educational Psychology，1976，46：4-11.
⑦安富海.促進深度學習的課堂教學策略研究[J].課程?教材?教法，2014，11.
⑧Kieran Egan. Learning in Depth： A Simple Innovation That Can Transform Schooling. London， Ontario： The Althouse Press， 2010.
人工智能教學策略范文6
關鍵詞：多媒體；情境；任務驅動
現今社會的教育正在向信息化、數字化、科學化以及智能化邁進。作為信息技術老師，不僅需要根據教學目標進行教學改革，還要努力提高學生對于信息技術這一門課的熱情和興趣。
一、高中信息技術理論課的特點
1.知識面廣
高中信息技術包含的知識面廣、內涵很豐富，涉及信息技術的多個方面。理論知識有基本概念、原理、規律、算法以及程序的設計等。此外，理論知識之間的聯系性不夠緊密，高中信息技術學科不像其他的學科，在掌握了某個知識點或者概念過后，就可以學習新的知識，這門課的各個知識點之間的內在聯系或者說是邏輯性不是很強，看似簡單，但學生學起來會花費一些力氣，因此對于老師來說，在教學中就要講求方法策略。
2.內容抽象
信息技術的知識點比較抽象，很難用語言來表述清楚，學生聽起來也很費勁。例如：“網絡通信的工作原理”這一節課，包括網絡中數據的傳輸過程、TCP/IP協議的基本知識點、OSI參考模型等內容，對于學生而言，這些概念之間的聯系、區別以及原理是看不見、摸不著的。因此，對于教師而言也是一個大挑戰。
二、高中信息技術理論教學方法策略
1.利用多媒體技術，激發學生學習高中信息技術的興趣
隨著多媒體技術的發展，多媒體已經被許多老師運用到課堂的教學當中。許多學校購買了多種多樣的課件、素材，并且通過網絡共享資源，使得全校師生可以享受到這樣的便利。多媒體以其生動的圖像、聲音等效果，使得抽象、深奧的理論知識更為簡單和直觀，使學生與學生之間的距離更短。多媒體提供的多種感官的綜合刺激有利于學生對于理論知識的獲取。老師可以利用共享的資源，整理和制作出圖文并茂的PPT以及Flash等課件，在課堂教學中運用可以起到事半功倍的效果。
例如：在講授“人工智能”這一節課的時候，老師通過網絡搜集到與人工智能有關的信息，當中也包括一些有關人工智能的電影片段等等，將收集到的東西演示給學生觀賞，使學生有一種新穎和好奇感；再如：“算法和算法描述”教學的時候，通過趣味的智力游戲，激發學生學習程序設計的興趣，從而體會和掌握算法的概念。
2.采用情境教學或典故教學
愛因斯坦說：“興趣是最好的老師”。信息技術課有著優美的動畫、色彩鮮明的圖畫以及悅耳的聲效，這些對于學生學習信息技術能產生強大的動力。因此可以充分利用這一特點，激發學生的興趣。根據教學的內容，創設出恰當的情境，這樣使得學生更容易接受知識。經過多年課堂教學的實踐，在教學中，適當引入合適的故事，既可以提高學生參與課堂教學的積極性，又有助于加深學生對問題的理解，讓學生在一個輕松愉悅的環境中學習，從而改善了傳統的灌輸式教育，大大提高了課堂教學的效果。
例如：在講授信息技術中的木馬病毒的時候，老師可以通過講解希臘神話中“特洛伊木馬”的故事，然后再告訴學生“木馬”的含義就是把預謀的功能隱藏在公開的功能里面，從而掩蓋真實的企圖，學生邊聽故事，邊感受到虛擬的木馬病毒。老師接著順其自然地介紹木馬病毒侵入電腦的危害，這樣學生更為容易接受。
3.采用任務驅動的課堂教學方法
高中信息技術課堂教學，應該注重培養學生的信息素養以及學生處理信息的能力。老師授課和學生的學習都離不開教材。任務驅動教學是指教學的全過程中，以若干個具體任務為中心，通過完成任務的過程，介紹和學習基本知識和技能，它是一種建立在建構主義教學理論基礎上的教學方法。任務驅動教學方法的步驟是，首先老師向學生明確布置本階段、本課時的學習任務，并且給予學生學習方法的指導，以任務為驅動，通過實例進行引導，鼓勵學生完成任務，并且根據現有的問題，提出新的問題，自己去解決，培養學生的創新意識和自主學習的習慣。
例如：在講“信息獲取”一節課的時候，由于學生上機時間相對較少，通過設計“我的家鄉”為主題的網站，每節課都以此內容作為背景，以FrontPage軟件為網頁制作工具，當學生完成整個網站制作的時候，學生對于網站設計的全過程就有了一個完整的認識。
總而言之，高中信息技術是一門理論和實踐相結合的學科，需要老師對信息技術有清晰的認識，需要老師認識到該課程的重要性，根據教學的目標，探索出教授這一門課的方法策略，從而使學生更好地認識這一門課。
參考文獻：
[1]蔣霞.高中信息技術理論課教學策略的探討[J].信息技術，2011（12）：41-42.
[2]劉曉峰.多媒體課件在高中信息技術課堂上的應用現狀分析[J].吉林省教育學院學報，2011（10）：31-33.
