智能导学系统AutoTutor:理论、技术、应用和预期影响

被引：15

作者：

高红丽 ^{[1
,2
]}

隆舟 ^{[1
,3
]}

刘凯 ^{[1
]}

徐升 ^{[1
]}

蔡志强 ^{[4
]}

胡祥恩 ^{[1
,4
]}

机构：

[1] 华中师范大学心理学院

[2] 新乡医学院心理学系

[3] 怀化学院教育科学学院

[4] 孟菲斯大学智能系统研究所

来源：

开放教育研究 | 2016年 / 22卷 / 02期

关键词：

AutoTutor; 智能导学系统; 自然语言对话; 潜在语义分析;

D O I：

10.13966/j.cnki.kfjyyj.2016.02.012

中图分类号：

TP391.1 [文字信息处理]; G434 [计算机化教学];

学科分类号：

081203 ; 0835 ; 040110 ;

摘要：

AutoTutor是一种基于自然语言的智能导学系统,在模拟人类教师教学基础上采用自然语言与学生对话。其使用预期-误解定制式对话,对学生的答案给予及时反馈,并根据学生对问题理解的程度随时调整对话内容,有效地引导学生构建理想答案。本文首先概述了AutoTutor的开发动因及自然语言导学的优势,然后介绍了其背后的理论和技术,回顾了已有应用研究,并展望了未来的预期影响。AutoTutor的开发以认知科学和学习科学理论为基础,充分利用最新的文本分析技术和对话技巧,使对话过程自然有效,其后期发展还纳入了学习情绪相关理论。AutoTutor对自然语言对话的分析主要采用正则表达式、潜在语义分析和言语行为分类器,并使用x API标准记录学习活动数据,以方便与其他系统进行信息交流。目前,AutoTutor已被应用于多个学习领域,学习效果可达0.8个标准差;在旁观者图灵测试中,被试不能区分对话脚本是由系统生成还是由真实教师生成的;已实现脚本的在线协同编辑。这种基于自然语言的定制式对话可与已有学习平台整合,实现优势互补。

引用

页码：96 / 103

页数：8

共 10 条

[1] 获取教育大数据:基于xAPI规范对学习经历数据的获取与共享 [J].

顾小清 ;

郑隆威 ;

简菁 .

现代远程教育研究, 2014, (05) :13-23

[2]

AutoTutor and Family: A Review of 17 Years of Natural Language Tutoring[J] . Benjamin D. Nye,Arthur C. Graesser,Xiangen Hu.International Journal of Artificial Intelligence . 2014 (4)

[3] COH-METRIX MEASURES TEXT CHARACTERISTICS AT MULTIPLE LEVELS OF LANGUAGE AND DISCOURSE [J].

Graesser, Arthur C. ;

McNamara, Danielle S. ;

Cai, Zhiqang ;

Conley, Mark ;

Li, Haiying ;

Pennebaker, James .

ELEMENTARY SCHOOL JOURNAL, 2014, 115 (02) :210-229

[4] Recent Advances in Conversational Intelligent Tutoring Systems [J].

Rus, Vasile ;

D'Mello, Sidney ;

Hu, Xiangen ;

Graesser, Arthur C. .

AI MAGAZINE, 2013, 34 (03) :42-54

[5]

Operation ARA: A computerized learning game that teaches critical thinking and scientific reasoning[J] . Diane F. Halpern,Keith Millis,Arthur C. Graesser,Heather Butler,Carol Forsyth,Zhiqiang Cai.Thinking Skills and Creativity . 2012 (2)

[6]

The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems[J] . KURT VanLEHN.Educational Psychologist . 2011 (4)

[7]

When Are Tutorial Dialogues More Effective Than Reading?[J] . Kurt VanLehn,Arthur C. Graesser,G. Tanner Jackson,Pamela Jordan,Andrew Olney,Carolyn P. Rosé.Cognitive Science . 2010 (1)

[8]

Predicting Affective States expressed through an Emote-Aloud Procedure from AutoTutor's Mixed-Initiative Dialogue[J] . Sidney K. D’Mello,Scotty D. Craig,Jeremiah Sullins,Arthur C. Graesser.International Journal of Artificial Intelligence in Education . 2006 (1)

[9]

Affect and learning: an exploratory look into the role of affect in learning with AutoTutor[J] . Scotty Craig,Arthur Graesser,Jeremiah Sullins,Barry Gholson.Learning, Media and Technology . 2004 (3)

[10]

Intelligent tutoring systems: an overview[J] . Hyacinth S. Nwana.Artificial Intelligence Review . 1990 (4)

← 1 →