摘要：智能导师系统（Intelligent Tutor System，ITS）在教学中具有自适应性，但是目前大多数的ITS 实现技术复杂，且与浏览器的兼容性差。文章首先介绍了认知导师创作工具（The Cognitive Tutor Authoring Tools，CTAT）的分类、构成及工作环境，构建了基于CTAT的智能导师系统；随后，分析了CTAT与大规模开放在线课程（Massive Open Online Courses，MOOC）平台的集成过程；最后，通过基于CTAT 的智能导师系统在“Big Data in Education”MOOC 课程中的具体应用，论证了CTAT 与MOOC 平台集成的可行性。文章的研究表明：在MOOC 中嵌入ITS，能有效提升学习者“做中学”的积极性，并提高自主学习的效率。

关键词：CTAT；MOOC；ITS

网络教学突破了传统课堂教学的时空限制，给更多学习者提供了系统学习知识的机会。特别是MOOC 的出现，为网络教学带来了一股新的力量，并给高等教育带来了机遇和挑战，使学习者通过互联网便可学习到国内外名校名师的课程。MOOC 的典型特征就是为学习者提供短小精悍的教学视频，当然也包括一些教学活动，如文献阅读、在线测试、小组讨论以及同伴评分等。虽然这些解决方案在MOOC 教学中取得了一定的成功，但还是存在一些局限性。如在线答题时，系统通常只能以简单的方式对学习者的回答进行反馈，不能呈现复杂问题的推理过程；在大多数情况下，教师在线答疑并不是很及时；在个性化指导方面，MOOC 也有所欠缺。ITS是智能化网络学习环境的重要组成部分，在MOOC 中融入ITS 技术，可以在一定程度上解决MOOC 教学中存在的部分问题。

一 CTAT 概述

CTAT 是国外ITS 领域使用较多的专家著作系统，它利用人机交互和人工智能技术提供一套创作工具，可以为个性化学习提供灵活的智能辅导方案，能够快速精准地帮助学习者诊断、定位练习中存在的问题，并提供科学的提升方案和及时帮助，以有效提高学习者的自主学习效率。

1 CTAT 分类

CTAT 支持开发两种类型的智能导师系统：①认知型导师（Cognitive Tutors）系统，也被称为“产生式规则导师”系统。它以一个基于规则的认知模型为基础，通过编写产生式规则来描述各种学习策略和学习者可能出现的错误。它采用人工智能编程，增强了系统的教学功能和开发的灵活性，但是开发比较费时，并且要求著作者具有一定的编程基础。②实例跟踪型导师（Example-Tracing Tutors）系统。它以基于实例的方法为基础，不需要任何编程就可以提供和认知型导师类似的授课、导学功能，相较于认知型导师系统更加容易创建和调试。

2 CTAT 构成

CTAT 由三部分构成：①外部图形用户界面（Graphical User Interface，GUI）编辑器，用于创建一个学习者与导师系统交互的用户界面。利用外部GUI 编辑器，可以减少导师系统的开发工作量，帮助著作者将更多的精力专注于提供辅导、解决问题等工作。②核心工具组，用于任务分析、测试和调试认知模型，主要由行为记录器（Behavior Recorder）、工作存储器编辑器（Working Memory Editor）、冲突树和“为什么不”窗口（Conflict Tree and “Why Not” Window）、Jess 控制台（Jess Console）组成。③外部编辑器，主要用于编辑认知模型的Jess 规则，Eclipse的Jess 插件提供了编辑Jess 规则时的语法检查和自动完成功能。

3 CTAT 工作环境

①系统要求：Windows 7 及以上或Mac OS X 10.7.3 及以上，J2SE Java 运行环境（JRE）1.7或更高版本。

②软件需求：CTAT 4.0 及以上版本；认知型导师要求相关程序软件来编辑产生式规则，CTAT建议使用Eclipse，并为Eclipse IDE 编辑器提供Jess 插件。

二 基于CTAT 的智能导师系统

ITS 是模仿教师的教学行为，并通过人机交互判定学习者的学习进展及其对知识的掌握程度，从而有针对性地确定教学策略，对学习者传授知识、提供个性化指导的适应性教学系统。ITS 能为复杂问题的解决提供逐步、适度的指导，可以跟踪学习者的技能增长和个性化的学习行为，可以自适应地应对学习者的学习策略等。目前，大多数的ITS 实现技术都很复杂，且与浏览器的兼容性差。为了解决ITS 与其它在线学习平台有效兼容的问题，美国卡耐基梅隆大学人机交互研究所的CTAT 开发团队对CTAT 工具的功能进行了拓展，增加了支持浏览器运行的模式，并于2015 年在edX MOOC 平台进行了教学实践，取得了较好的应用效果。

绝大多数利用CTAT 创建的ITS 都是实例跟踪型导师系统，因为该系统提供的智能导师行为的关键元素是创建“示范”，即著作者通过用户界面，向系统先后示范正确的、错误的问题解决行为，并由CTAT 记录下这些行为；然后，著作者对这些实例进行归纳和注释，以便更好地为导师系统服务。利用CTAT 创建实例跟踪型导师系统主要分为三个步骤：

1 设计用户界面

首先，系统著作者需要设计并创建一个或多个用户界面，也可以在现有界面构建器中通过拖放形式完成，如通过Flash 或Java 集成开发环境可以便捷地完成界面的开发。为便于与MOOC及其它在线学习平台集成，CTAT 开发团队重新设计了前端技术，如可以利用HTML、CSS 和JavaScript 开发基于HTML 的用户界面。

为简化操作，CTAT 提供了“HTML5 工程向导”。利用该向导，著作者可以快速开发出HTML用户界面。同时，向导会在CTAT 工作区生成一个包含HTML 界面和行为图的文件夹。随后，在此HTML 界面的基础上，著作者利用文本编辑器Notepad++、可视化网页设计工具Dreamweaver 等对原始界面文件进行编辑修改，制作成能满足特定学习需求的用户界面。

2 创建行为图

当用户界面制作好后，著作者在CTAT 中使用“Launch HTML Interface”命令，在浏览器中打开工作区文件夹内的HTML 文件。然后，著作者将浏览器窗口和CTAT 调整到合适大小，将其并排放置在桌面，可以得到用户界面与CTAT 行为图窗口。

一个实例跟踪型导师系统的工作方法是将学习者的行为与行为图中记录的步骤进行比较，所以创作导师系统的关键步骤是行为图的创建。首先，著作者在CTAT 窗口新建一个行为图，并定义问题的初始状态。然后，著作者在用户界面窗口演示解决问题的步骤，CTAT 的行为记录器会在行为图中同步记录下该演示步骤，创建对应于每个步骤的链接和状态。在行为图中，不同的路径会捕获不同的问题解决策略，行为图中的链接代表解决问题的步骤。左侧用户界面的第二个选项为正确答案，当著作者点击该选项按钮时，右侧的CTAT 行为图就会同步记录下该演示步骤，并生成一条正确的行为路径；当著作者选择其它三个选项时，行为图会生成其它三条行为路径，著作者依次将其设置为错误的行为路径，并输入相应的错误提示信息。由于某些复杂的求解问题涉及多个可行的答案，因此著作者在设计时要考虑所有合理的问题解决策略，并在行为图中加以体现，这样导师系统才能识别出它们都是正确的学习行为。接下来，著作者还要为导师系统添加解题的提示信息。当学习者在练习中遇到了困难，可以单击“Hint”按钮，在提示文本框中观看解题的提示信息。为了培养学习者的独立思考、自主学习能力，著作者可以根据解题要点，逐步给出提示信息，以帮助学习者更好地理解知识点，自主找出问题的答案。最后，为了便于在后期对知识进行跟踪，以分析学习者的学习数据，著作者还需在行为图中添加技能名称——技能名称对应于学习者为了完成某个问题所需要采用的技能。

当用户界面与CTAT 行为图制作好后，著作者对导师系统进行一轮或多轮测试和修改，并将最终的行为图文件保存在CTAT 工作区的文件夹中。

3 上传文件到Tutorshop

为了便于管理和使用，著作者可以将实例跟踪型导师系统的相关文件上传到Tutorshop 中。Tutorshop 是一个可自由定制的智能辅导学习管理系统，用于管理用户上传的实例跟踪型导师系统的相关文件。

三 基于CTAT 的智能导师系统在MOOC 中的应用

1 CTAT 与MOOC 平台的集成

CTAT 与MOOC 平台的集成涉及两个关键问题：①CTAT 通过JavaScript 将实例跟踪型导师引擎放置在客户端，这样可以有效减少客户端—服务器端的流量、降低服务器的负载；②将Tutorshop 作为学习工具协同（Learning Tool Interoperability，LTI）系统，这样，MOOC 平台就可以方便地调用远程的智能导师系统。

CTAT 与MOOC 平台的集成过程。首先，学习者登录MOOC 平台，浏览MOOC课程页面，单击页面的导师系统链接，调用Tutorshop 工具提供的统一资源定位符（Uniform Resource Locator，URL），Tutorshop 对此做出回应，下载导师系统的用户界面HTML 和JavaScrip导师引擎到学习者页面。此后，学习者在导师系统用户界面的解答过程中，每进行一次尝试，用户界面都会向JavaScript 导师引擎传递行动，并从导师系统得到反馈（这些反馈有可能是正确的，也有可能是错误的），同时更新学习者模型，用户界面会显示相应的反馈信息。然后，学习者在用户界面进行其它答题操作，直至完成该练习。最后，用户界面根据答题情况发送一个练习总结和修正后的学习者模型到Tutorshop，Tutorshop 更新LTI 评价，并进行下一轮练习。

2 应用案例

2015 年7 月初，卡耐基梅隆大学人机交互研究所的Vincent 教授及其研究团队在edX 平台利用MOOC 课程“Big Data in Education”，进行了CTAT 智能导师系统的试点研究。“Big Datain Education”MOOC 课程一共有8 个学习周，教学团队在每个学习周结束后提供一个CTAT 活动，用于代替传统MOOC 课程的练习作业，每个活动都有8～13 个步骤。CTAT 几乎为每一步都提供了提示信息，引导学习者通过必要的思维过程来求解正确的答案。学习者在解答作业时，可以自愿选择是否访问提示信息或者查看多少提示信息。作业通过循序渐进的形式来引导学习者积极学习，只有当学习者完成当前的练习后，下一题的步骤或问题才会出现。

截至2015 年8 月底，共有10358 名学习者注册进入“Big Data in Education”MOOC 课程进行学习，其中有114 名学习者取得了课程证书——取得课程证书的条件之一是需要至少完成70%的智能导师活动。在MOOC 课程中，所有学习者和CTAT 导师的交互都被记录到DataShop。DataShop 是世界上最大的学习交互数据的存储库，它通过基于Web 的接口，提供安全的数据存储和一系列分析、可视化工具。ITS 的日志数据和DataShop 提供的分析工具在迭代完善导师系统时具有重要的意义，如它们能帮助导师著作者识别学习者存在的普遍性错误，从而帮助学习者完善导师系统；当这些错误发生时它们还会给出更为具体的反馈信息，以帮助学习者更好地理解知识点。

虽然在“Big Data in Education”MOOC 课程中使用的导师系统比较简单，但是通过一轮教学实践，验证了实例跟踪型导师系统在MOOC 教学中的可行性，标志着MOOC 与成熟的、免费的ITS 著作工具可以有机集成，有效拓展了MOOC 的教学功能。

四 结语

CTAT 与MOOC 集成，可以改变传统MOOC 课程在作业反馈方面的某些局限性（如MOOC系统自动反馈过于简单、同伴互评反馈不够及时等），并通过详细的反馈信息和适应性问题的选择，提高学习者的在线学习效率。在MOOC 中集成ITS 技术，一方面有助于广泛推行ITS 技术，促进其在网络教学中大规模的应用；另一方面也为MOOC 课程自适应性学习的研究者提供了新的视野，如通过分析学习者观看的视频或学习者回答视频中测试题的情况，MOOC 平台可以有选择性地为学习者提供导师系统；反过来，MOOC 平台也可以根据学习者在导师系统中的答题情况，有针对性地为其推荐学习视频。