STEM项目化学习智能导师系统设计研究

摘要：智能导师系统作为典型的教育类人工智能产品，能够利用人工智能技术赋能STEM项目化学习。本文从用户模型、领域知识库、教学策略推理机、人机接口、界面设计等方面分析设计了STEM项目化学习智能导师系统。本系统给予了用户个性化的智能教学服务，提高了其教学设计水平以及教学认知水平。期望通过本系统能够促进K12教师STEM项目设计能力发展，助力K12教师STEM项目实施。

关键词：STEM；项目化学习；智能导师系统

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2023）02-0105-04

STEM智能导师系统：人工智能技术赋能STEM项目化学习

STEM教育是一种跨学科整合教育，最初由美国国家科学基金于2001年提出。在国家课程改革及大力发展素质教育的背景下，我国高中新修订的课程标准要求语文、数学、信息技术等学科均要采用项目化学习方式。因此，STEM项目化学习是改革传统教学模式与学习方式的关键举措，是每一位教师都需要参与的改革行动。STEM项目化学习对原本分科教学为主的教师提出了挑战，不管是教学经验丰富的骨干教师还是高校培养的新教师，都面临着从单一学科向跨学科、从讲授教学向项目化教学的转型。而教师能力不足已成为当前STEM项目化学习教育改革的瓶颈。

智能导师系统是由计算机辅助教学（Computer-Assisted Instruction，CAI）发展而来，通过融合人工智能、教育学等多种学科，再利用人工智能技术，为不同需求和特征的学习者提供适应性指导的学习支持系统。智能导师系统作为典型的教育类人工智能产品，能够利用人工智能技术赋能STEM项目化学习，STEM项目化学习智能导师系统的应用和推广，将对未来STEM教育和项目化学习的发展产生巨大推力。

系统总体设计方案

STEM项目化学习智能导师系统的作用主要是帮助K12教师在智能化服务下进行STEM项目化学习教学设计，在提供个性化指导的同时带给用户良好的体验，笔者期望通过该系统提高其教学设计水平以及教学认知水平。对产品定义的总结如图1所示。

系统可实现功能

1.学习资源智能推荐，动态学习方案生成

根据用户的基本信息推荐用户感兴趣的STEM项目化学习案例，根据用户的操作行为来评估用户STEM项目化学习的认知水平和设计能力，并智能推荐教学微课补充用户可能需要的STEM项目化学习教学知识；对用户的教学设计能力进行动态评估并提供相应的动态学习方案建议。

2.数据记录，获得激励

记录用户学习行为习惯，生成可视化的用户STEM项目化学习教学设计能力雷达图以及学习数据的周期推送，定期提醒用户对某薄弱阶段的教学设计进行学习；建立积分奖励机制以及段位排名，培养用户粘性。

3.动态更新的生态化学习资源数据库

随着用户的增多，用户可以自行选择是否发布自己的STEM项目化学习方案，这些方案将被存储在系统的数据库中，并且其他用户可以依靠积分兑换浏览学习，从而进一步丰富学习资源库，反过来为其他用户提供学习案例，形成生态化的学习资源环境。

4.用户交流学习社区

用户可以以个体的名义或者学校的名义与其他用户或者学校团队远程协作开发STEM项目化学习教学设计方案，也可以针对某一学科单元、研学活动场景或特定项目主题开展设计竞赛，互相切磋学习。

系统设计

1.用户模型设计

用户模型解决“教谁”的问题。用户模型负责存储用户的静态基本信息以及学习者学习过程的动态信息。用户模型是基于用户与系统的交互形成的，根据用户的学习情况动态变化，系统可以通过用户模型提供个性化的教育。用户模型建立在领域知识库之上，是智能导师系统的核心。该模块大多以数据挖掘技术（Data mining Techniques）和贝叶斯网络技术（Bayesian based Techniques）为基础，通过对用户的学习数据进行统计推断来构建用户模型。

本系统中用户数据由五个部分组成：用户基本信息、学习历史、用户知识结构、绩效信息、学习偏好。将五个部分转化为一个三维的用户模型，如图2所示。

根据以上三维用户模型，STEM项目化学习智能导师系统的用户模型将针对K12阶段的教师用户，逐步开展以下理论研究与模型构建：STEM教师用户特征与模型建构、STEM教师心理与认识特征与模型建构及STEM教师知识与经验特征与模型建构。

STEM教师用户特征与模型建构属于基于学习特征的静态模型，主要包括教师用户基本信息（姓名、教龄、授课学科等字段）的内容。STEM教师心理与认识特征与模型建构属于基于认知属性的动态模型，主要包含学习偏好（学习动机、认知策略、社会特征）以及用户知识结构（知识点编号、各知识点的认知能力情况、知识缺陷和存在的问题）的内容。STEM教师知识与经验特征与模型建构属于基于用户行为的动态模型，主要包含绩效信息（各知识点的编号、微课学习后的测试成绩、积分情况）以及学习历史（浏览过的微课和案例、登录次数、不同教学设计阶段的学习时间）的内容。

一般智能导师系统的用户模型按照设计原理可分为过程模型和表述模型。过程模型的主要代表是偏差模型，表述模型的主要代表是覆盖模型（overlay model）。本文采用覆盖模型，原理是将用户想学习的领域知识及其约束关系表示为有向知识结构图。用户的学习状态被视为这个图的一个子图，学习过程就是子图不断逼近原图的过程。这样，智能导师系统可以将领域的知识结构图与用户的知识状态图进行对比，捕捉用户的知识结构缺陷，向用户推荐学习内容。

2.领域知识库设计

领域知识库解决“教什么”的问题。领域知识库负责存放预期教授学习者的内容。该模块大多使用了知识工程中本体论的方法，如南京师范大学开发的智能导师系统DS-TUTOR。

STEM项目化学习智能导师系统的领域知识库主要包括STEM相关理论知识与实践案例库的建设，具体包括STEM教育价值理解、STEM学科基础与跨学科实践知识、STEM项目设计理论与项目案例库建设、STEM数字化资源与在线课程建设以及STEM项目化学习学生工具库等，为不同用户进行STEM项目设计提供智能化支持。

STEM教育价值理解库依靠STEM教育价值理解评价体系的理论基础，设定不同STEM项目教育的理解程度，生成STEM教育认知可视化雷达图，从而提醒用户清楚自身对STEM教育价值理解存在的不足。STEM学科基础与跨学科实践知识库涵盖了K12阶段所有学科的教材内容、课程标准以及跨学科实践知识，能够帮助教师在“核心概念提取”环节快速对标课标核心词并智能生成概念网络。STEM项目设计理论与项目案例库包含预先存放的经典STEM项目案例，并且随着用户的增多，用户自行设计发布的项目案例也将作为资源动态补充项目案例库。此外，库中也预先存放STEM项目设计理论，为教学策略机指导用户进行项目设计的行为提供诊断依据。STEM数字化资源与在线课程建设包括了开展STEM项目化学习过程中各个阶段的学习微课体系，并且用户也可以自行发布自己的STEM项目化学习课堂实录，促进教学资源的动态更新。STEM项目化学习学生工具库包含了各种类型的学生专用项目记录册、活动开展可以使用的工具和材料，并附有相应的使用说明及注意事项等。

3.教学策略推理机设计

教学策略推理机解决“如何教”的问题。教学策略推理模块负责接受来自用户模型和领域知识库的信息，依据教学原理，进行自适应反馈、提示和推荐生成、学习路径导航和呈现自适应教育内容。该模块大多使用了基于条件作用规则的推理、模糊技术和智能代理技术等。

STEM项目化学习智能导师系统的教育策略机是在不同的教育条件下，采用不同的方法和媒介，以达到不同的教学效果。教育策略机的选择由领域知识库和用户模型决定。在具备丰富教学策略的同时，还需要准确地描述教学策略可以应用到的知识类型、难度级别和合适的用户特征。因此，STEM项目化学习智能导师系统的教学策略机主要包含推理诊断规则及用户对知识点掌握水平的评价算法。

推理诊断规则包括三点：第一，如果用户达到或超过当前知识点的所有重要上游知识点所需的熟练程度，可以学习当前的知识点。第二，如果用户对当前知识点的重要上游知识点存在未达到要求熟练程度，就不应该对当前知识点进行学习，而应该学习未达到所需熟练程度的重要上游知识点。第三，如果当前非重要的上游知识点还没有达到要求的熟练程度，或者用户还没有学习到这些知识点，则赋予用户选择学习路径的权利，并实施用户的自主选择学习当前知识点或学习这些上游知识点的内容。用户对掌握水平的评价算法即根据应用概率统计学的假设检验理论判断用户的知识状态图是否趋近领域知识结构图。

4.人机接口设计

人机接口解决“系统和用户怎么交互”的问题。人机接口负责将系统内部信息转化为人类可以理解的形式。人机接口是智能导师系统的前端用户界面。该模块大多使用了自然语言处理技术和虚拟现实技术。

STEM项目化学习智能导师系统的人机接口模块，也可称为STEM智能导师系统云平台，其包括STEM项目社区模块以及STEM项目化学习教学设计智能导师模块两部分。

5.界面设计

在前文信息架构设计中，把STEM项目化学习智能导师系统分为了四大功能模块，主要对STEM项目化智能导师系统的后端开发进行需求分析，并提出相应的设计标准。接下来便对前端的交互界面进行界面设计和代码编写。STEM智能导师系统云平台的前端开发使用了Visual Studio Code编译器，采用VUE框架进行JavaScript的开发。笔者选取了STEM项目社区模块的界面设计及代码部分进行展示，如图3、图4所示。

总结与展望

本文从用户模型、领域知识库、教学策略推理机、人机接口、界面设计等方面分析设计了STEM项目化学习智能导师系统，以期助力STEM教育和项目化学习的发展。为了使产品功能更加符合用户真实需求，后期可以对用户进行更加深入的调查，真正满足K12阶段教师STEM项目化学习教学的需求。

参考文献：

[1]唐小为，王唯真.整合STEM发展我国基础科学教育的有效路径分析[J].教育研究，2014（09）：61-67.

[2]杨彦军，饶菲菲.跨学科整合型STEM课程开发案例研究及启示——以美国火星教育项目STEM课程为例[J].电化教育研究，2019，40（02）：113-122.

[3]夏雪梅.从设计教学法到项目化学习：百年变迁重蹈覆辙还是涅槃重生？[J].中国教育学刊，2019（04）：57-62.

[4]刘清堂，吴林静，刘嫚，等.智能导师系统研究现状与发展趋势[J].中国电化教育，2016（10）：39-44.

[5] 蔡宝来.人工智能赋能课堂革命：实质与理念[J].教育发展研究，2019，39（02）：8-14.

[6]尹婷婷，龚思怡，曾宪玉.基于用户画像技术的教育资源个性化推荐服务研究[J].数字图书馆论坛，2019（11）：29-35.

[7]蔡海云.STEM教学模式的设计与实践研究[D].上海：华东师范大学，2017.

[8]黄涛，王一岩，张浩，等.智能教育场域中的学习者建模研究趋向[J].远程教育杂志，2020，38（01）：50-60.

作者简介：范鑫（1998，.5—），女，汉族，山西吕梁人，硕士研究生，研究方向为STEM教育。