隨著科技的高速發展，人工智能技術也在不斷升級換代與創新變革。人工智能與教育的深度融合，改變了教育模式、教學技術和教學資源。根據黨中央、國務院關于人工智能教育與教育現代化的戰略部署及教育部《教育信息化2.0 行動計劃》要求，“人工智能+ 教育”，計算機輔助教學(Computer-Assisted Instruction，CAI)^[1]開始受到教育工作者的關注。20 世紀70 年代，隨著人工智能技術的高速發展，教育研究人員將專家系統引入到教育領域^[2]，促使智能導學系統的誕生。

智能導學系統（Intelligent Tutoring System，ITS），是指利用人工智能技術模仿人類教師在教學中所承擔的角色，為學習者提供個性化學習指導，幫助不同需求和特征的學習者獲得知識和技能的一種智能化的計算機輔助教學系統。^[3]智能導學系統與學生進行互動，對學生的個人意圖做出反應。智能導學系統有效結合了建構主義學習理論，讓學生在學習過程中占據主導地位，控制學生進行積極地有效學習。它通過分析用戶的問題，與用戶進行互動，準確顯示用戶搜索的信息。智能導學系統整個系統貫穿了“人工智能+ 教育”的思想，通過人工智能技術對學生進行有效的教學輔導，以提高學生的學習效率。目前，廣泛使用的智能導學系統有Autotutor^[4]，Gift^[5]等。

1   研究設計

1.1 研究對象

智能導學系統致力于輔導學生進行有效學習，故本文研究樣本以“智能導學系統”為關鍵詞，在中國知網數據庫中檢索與關鍵詞相關期刊論文文獻為主要研究對象。在知網數據庫中進行檢索，經過刪除無效樣本后，得到文章331 篇。

1.2 研究方法

本研究主要采用內容分析法，對國內相關文獻進行統計分析。內容分析法是一種對研究內容進行客觀、系統、定量描述的研究方法^[6]。該方法通常旨在對研究對象的本質性事實和發展趨勢進行清晰的梳理和了解，以此對其中所蘊含的深層次內容進行進一步的揭示和挖掘，并對其發展趨勢加以預測和把握。內容分析法的實施步驟通常分為以下幾步：首先根據研究問題界定目標總體的范圍，然后對目標總體范圍進行篩選，梳理出研究樣本，接著選定研究的分析單元，確定研究編碼體系，對文獻樣本進行編碼統計、處理，最后對統計數據進行分析，并得出一定的研究結果[7]。本文將按照該步驟對文獻內容進行分析、處理。

1.3 內容分析維度

本文基于內容分析法研究智能導學系統，主要研究內容為發文時間分析、發文量分析、研究主體分析、關鍵詞分析。

2   研究結果與分析

2.1 發文時間與發文量分析

本文主要研究智能導學系統相關文獻發文時間與發文量，并對其數據進行分析統計，對智能導學系統相關文獻發表時間線進行梳理，可以在宏觀上把握智能導學系統未來發展的趨勢，為后期智能導學系統的研究打好基礎。

通過分析中國知網相關文獻，我們可以了解到在中國知網上首次發表與智能導學系統相關文獻是在1993年由日本學者發表，直到現在與智能導學系統相關論文仍在不斷發表，截止到2021 年7 月累計已有331 篇相關文獻可以在中國知網上查閱，這些文章包含國內外學者對智能導學系統研究的相關內容，時間跨度為28 年。通過在知網上檢索，我們可以發現與智能導學系統相關文獻的發文時間持久，發文量逐漸增加。20世紀90年代，人工智能技術仍處于初始發展階段，人們開始嘗試將人工智能技術應用到各個領域。在教育領域，人工智能技術的加入，促使智能導學系統的誕生與使用。而隨著技術的不斷發展，對話系統，自然語言處理等技術的發展使智能導學系統也隨之大力發展，人們也一直致力于研究如何將智能導學系統更好地應用在教學過程中。智能導學系統相關文獻具體發文時間與發文量如圖1 所示。

由圖1 所示，我們可以觀察到，在1993 年中國知網收錄了第一篇智能導學系統相關文獻，該文獻是由日本學者撰寫。從1993 年開始，智能導學系統逐漸受到教育研究者的關注，2009 年發文21 篇，到2016 年發文增加至32 篇。我們可以發現隨著人工智能技術的不斷發展，智能導學系統相關文獻發表數量也在逐年上升。隨著人工智能技術和教育相關理論的不斷發展，使得智能導學系統也在不斷改革創新和大力發展，智能導學系統的研究與應用也在不斷深入?？傮w來看，近年來智能導學系統逐漸成為教育領域的一個研究熱點。

圖1 智能導學系統發文量（截至2021年7月1日）

2.2 被引用量分析

論文的被引用量反映出論文的科學性與可學性，從側面體現出論文的研究價值，為后續的研究發展提供相應的參考。表1 是被引用量排名前十位的智能導學系統相關文獻。

表1 智能導學系統相關文獻被引用次數排名前十名

（截至2021年7月1日）

表1 已列出相關文獻的篇名，作者和被引用量相關信息。根據表1 內相關信息，被引用次數最多的是由韓建華，姜強，趙蔚，劉東亮，Gautam Biswas一起合作完成的《智能導學環境下個性化學習模型及應用效能評價》。這篇文章主要研究個性化學習理論和學習分析理論，構建了相關的智能導學系統的結構模型與學習過程模型，從而對學生進行輔導教學。文章于2016 年刊登在現代教育技術專業的核心期刊《電化教育研究》上，文章為研究開發智能導學系統提供了有效案例，為后續的研究提供了有效范例。

2.3 研究主題分析

論文研究主題是每一篇文章的靈魂，研究論文主題能為后續相關研究提供強有力的文獻支持，促進對專業領域知識的深入認識與學習。

智能導學系統通過人工智能技術輔助學生學習，協助學生解決問題或者進行反思，讓學生積極投入和參與教學活動中，達到輔導的最佳效果。根據知網相關數據分析可得，大部分文章主要研究智能導學系統的設計與開發，其余文章則基于智能導學系統延伸出去討論學習者個體、個性化學習、現代遠程教育、數據挖掘等相關領域。這充分體現了智能導學系統知識面涵蓋廣泛，它包含人工智能技術，計算機科學與技術，教育學理論，教育心理學等領域的相關知識。在這些領域的深入研究與發展后又促進智能導學系統的應用與發展。

觀察圖2 可知，有70篇文獻研究了智能導學系統的實現與開發，人工智能技術的發展使得人們開始逐漸關注與重視智能導學系統的研發。有20篇文獻主要研究了使用智能導學系統的學習者，從關注系統的角度轉移到關注其使用學習者的角度，充分體現了“以人為本”的教育思想，切合智能導學系統的終極研究目的，即為學習者服務，輔導學習者學習。另外，還有部分文獻研究了個性化學習，這也是智能導學系統的特色之一。智能導學系統能針對學習者個人的學習情況，為學習者提供一對一的個性化輔導，提高學習者的學習效率，從而達到個性化有效教學輔導的效果。這些相關研究都為后續研究智能導學系統提供了新的思路與模式，值得后續的研究者深入探索。

圖2 智能導學系統研究主題分布

2.4 關鍵詞分析

論文關鍵詞是文章的精髓所在，作者提煉出關鍵詞就是讓讀者對文章內容的核心一目了然，所以研究關鍵詞能讓我們更清楚地了解每一篇文章的核心之處，加深對文章的理解與掌握，把握住文章的中心內容，感受到文章的精神內核。

根據知網相關信息分析可知，智能導學系統的關鍵詞主要分布在兩個領域，一個是功能領域，一個是技術領域。

由圖3 可知，在功能領域，智能導學系統主要在于研究其功能模塊的設計與問題解決過程，這兩者交集點在于學習功能和用戶界面的設計。其功能模塊的設計在于導學、自主學習與教學輔導模塊設計，其問題解決過程在于問題解決模式、已知條件和思維品質方面。功能模塊主要是為學生提供有效輔導的方式方法，而問題解決過程則是智能導學系統的核心所在。

圖3 功能領域關鍵詞

由圖4 可知，在技術領域，智能導學系統主要研究語義分析和自然語言理解兩個方面，二者主要涉及到的相關技術有相關的名詞概念、系統關鍵技術、數據庫管理技術、系統開發平臺和系統測試這些相關技術。技術領域主要是研究用相關技術開發智能導學系統，不斷地完善智能導學系統，使其能讓學生有更好的學習體驗，獲得更好的輔導學習效果。

圖4 技術領域關鍵詞

3   思考與建議

我們探索在智能導學系統中創建自動化、個性化的反饋。我們的目標是以個性化反饋輔導學生學習，讓學生在輔導學習的過程中進行自主思考，能判斷答案中確定正確和錯誤的概念，以實現更好的學生學習成果。個性化的反饋實現在技術層面仍不夠完善，需要繼續研究。智能導學系統解決在學習過程中學生遇到各種各樣的問題，教師也可以使用智能導學系統評估學生當前的知識水平，并對知識水平的任何變化作出適當反應。教師還可以使用智能導學系統采取行動來修復學生理解中的任何錯誤，提供立即的反饋和減少掌握概念所需的時間。有些智能導學系統的提供的對話功能還允許在學生無法自己制定策略時，制定適當的策略進行教學。它可以為學生提供一些一對一的輔導，而且它可以在任何時候訪問，這為學生學習提供了靈活性。

人工智能技術的發展促使基于對話的智能導學系統也有所得到發展，基于對話的智能導學系統支持與學生的自然語言互動，并可以讓學生體驗協作解決問題和反饋類似于人類導師，基于對話的智能導學系統在技術上的實現仍值得深入探究。未來，智能導學系統的使用還可以探索出更多模式，從而更好地輔導學生學習。

參考文獻：

[1] 陳仕品,張劍平.智能教學系統的研究熱點與發展趨勢[J].電化教育研究,2007,(10):41-46.

[2] 武棟.基于WEB的ITS中學生模型和教學策略的設計[J].現代教育技術,2007,(5):6-64.

[3] 劉清堂,吳林靜,劉嫚,范桂林,毛剛.智能導師系統研究現狀與發展[J].中國電化教育,2016(10):39-44.

[4] GRAESSER A C,LU S,JACKSON G T, et al. Auto Tutor:A tutor with dialogue in natural language[J]. nBehavior Research Methods,2004,36(2):180-192.

[5] 胡祥恩,匡子翌,彭霽,徐雯慧.GIFT-通用智能導學系統框架[J].人工智能,2020:22-28.

[6] 風笑天.社會性研究方法[M].北京:中國人民大學出版社,2009.

[7] 李克東.教育技術學研究方法[M].北京:北京師范大學出版社,2002.

（本文來源于《電子產品世界》雜志2022年4月期）