考试评价系统中的知识树表示法研究

蔡晓云

(镇江高等专科学校 基础部， 江苏 丹阳 212300)

网络远程教育已成为融现代信息和多媒体技术为一体的新型学习方式，远程教育模式下的在线考试更是成为一个研究热点.各种基于局域网的C/S模式或基于Web的B/S模式的考试测评系统目前已被开发出来.在试题库的模型建立、选题算法和考试评价上都获得了进展，并取得了一定的成果[1- 2].但仍存在一些问题和不足：① 现有的考试系统大多仍以应付升学和等级考试为目的，缺少对学习的评价，尤其缺乏对学习过程的评价；② 系统模块之间动态有机联系不强，进而限制了系统在进行个别化学习过程中的智能性；③ 以知识建构为主要学习目标的特点也没能在现有的考试系统中体现出来.针对以上存在问题根据实际学科知识结构的特点,引入人工智能的知识表示理论,分析基于知识的考试评价知识树表示法.

1 有关知识树的基本概念

1) 知识点.知识点是描述教学领域知识的完整的教学单元，是考试系统中信息传递的基本单元,研究知识点的表示与关联对提高考试系统的评价和学习建议具有重要的基础作用.知识点包括元知识点和复合知识点，在结构上不可分割的知识点称为元知识点；由一组知识点聚合而成的知识点称为复合知识点.

2) 知识关系.知识库的结构是类似树状的网状结构，作为知识网络中的节点——知识点之间的联系是十分复杂的.一般研究认为知识点间主要有以下几类联系：前驱/后继关系；包含关系；兄弟关系；引用关系.在本文中所应用的知识点关系是关于知识点的前驱/后继关系和包含关系的知识点树.

3) 知识树.知识树就是知识点及其关系的集合.知识树本质上就是一个层级式知识图，它表达了为实现某一领域知识的所有相关知识点间的因果关系或从属关系.层级式知识图由于具有对称性、良好图形、连续性等特点，而得到广泛的应用.利用知识树的这些特点和VB等可视化编程语言的作图功能，就能方便直观地表示出学生的学习知识树了，并结合此方式给出形象而准确的评价和建议[3].

知识树可以看作知识图的简化形式，有利于建立知识体系中的关联和推理机制，利于知识的组织、管理和可视化，能够满足大多数学科知识表示的需求.各类学习资源，包括试题库、素材库等，均能以学科领域知识树为中心，以知识点为线索，建立起知识点和资源之间的有机联系.

4) 知识的表示.知识的表示既是知识获取的基础，也是知识应用的前提，知识表示方法及知识库结构将直接决定系统的推理机制及求解策略，不同的知识表示方法，会有不同的推理机制.不仅如此，专家系统的知识结构与解释机制也有密切关系，采用适当的知识表示方法可以得到更易表达和容易接受的解释[5].

在该系统智能评价模块中，知识表示是一个关键问题.教学是知识的传播过程，学科领域知识是教学活动中各种知识的核心.良好的知识表示方法不仅可以合理、有效地将该学科领域知识组织在一起，也能为系统提供信息查询，而且还可以帮助学生建立清晰的知识结构，提高问题求解的能力.知识表示方法的优劣对教学系统是至关重要的，在智能评价系统中，知识表示是实现系统智能化的关键.

知识是极其丰富和庞杂的，知识表示的方法主要有这样几种：自然语言表示法、谓词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、状态空间表示法、问题归约表示法、过程表示、脚本表示[6]、面向对象表示、Petri网表示法等.文中着重探讨层次分明、结构清晰的知识树表示法，各类学习资源均能以学科领域知识树为中心，以知识点为线索，建立起知识点和资源之间的有机联系.该系统知识树采用面向对象为主的知识表示方法,来表达系统的评价知识.

2 主要对象模型的设计

数据模型的设计是系统开发的基础，直接影响组卷功能和智能评价模块的设计，是实现系统智能化的关键.在该系统中，主要涉及知识点、试题、试卷、学习资源、学习者和规则等对象.下面利用关系数据库技术，对该考试系统中的知识点等几个主要对象建模.

2.1 知识点模型

知识点是描述教学领域知识完整的教学单元，知识点之间存在的各种关联及其关联程度称为知识点关系.若学习知识点A，必须先掌握知识点B，则B称为A的前驱知识点，而A称为B的后继知识点，其关联程度有强弱之分.知识点及其关系的集合称为知识树.

知识点：：=<知识点标识，知识点名称，关键词，学习要求标识，情感目标，能力目标，学习内容，难易程度，教学重点，重要程度，学习时间，媒体资源，强前驱知识，弱前驱知识，强后继知识，弱后继知识>.

其中，知识点标识采用形如“T1.1.2”这样的形式，字母“T”表示理论知识，数字“1.1.2”表示第1章第1节第2个知识点.这样的编号方式不仅将编号与章节的具体含义结合起来，也为智能评价中的知识树的树叶显示提供了位置信息参考.

学习要求：：=<学习要求标识，学习要求名称，具体说明，举例 >.

例如，大学信息技术中学习要求名称包括掌握，熟悉，了解.

知识点间关系：：=<知识点标识，预备知识编号，关系类型 >.

其中，关系类型包括组合关系，为依赖关系、兄弟关系、平行关系.

在本系统中，知识点为基本学习单元，由各知识点构成了该课程的层次知识结构，它是若干个关联的知识节点集K，知识节点间的关系r构成了一个关系集R，知识节点集K与知识关系集R构成了一个知识树.知识树的具体表示和实现可通过语义网络法、框架表示、面向对象表示等方法来描述.

知识点的编码和知识树结构清晰地反映了知识点之间的相互关系，以某一知识点为例，可以方便地找到该知识点前驱和后继知识点.树中的每一个知识点都被赋予唯一的编码，方便知识点的查询、增加和删除.学习者在学习某一知识点时，在线考试系统可以很容易的对其进行前驱知识测试和后继知识提示.根据Web日志挖掘出的频繁访问路径，调整知识树结构，形成适应网络测试和学习的知识点关系网络和导航.

2.2 学生模型

在该系统的设计中，希望能根据不同能力学习者的要求和学习情况自动选择试题库中试题组卷、变化题目，精确地对每一个学习者进行测试和评价，因此学习者信息和学习情况的记录是智能组卷和智能评价引导的重要基础，在此设计了学生模型.

学生模型是指对学生属性的详细描述，描述如下：

学生模型={学生信息，班级信息，系院信息，安全信息，学业信息，偏好信息，学习行为}

2.3 学习资源模型

系统的设计目标不只是为了测试学生的学习水平，而是测试的过程中发现学生在该学科学习上存在的问题，并对学生提出准确的评价和有效的引导.在在线考试系统系统设计中为了满足学生个性化学习需要以提高学习效率，充分利用Internet的优点和现有的辅助教学资料设计了学习资源库模型，学习资源的媒体类型分为：文本、图形(图像)、音频、视频、动画五大类.

资源信息：：=< 资源标识，知识点标识，关键词，描述，有效学习时间，大小，使用环境，反馈评价>

其中，资源标识编码如下规定：T开头表示文本，P开头表示图形(图像)，A开头表示音频，V开头表示视频，F开头表示动画，通过特定开头字母确定素材类型.

3 智能评价中知识树的功能

1) 综合运用可缩放矢量图形SVG等多项网页技术，尽可能完整地体现本学科领域的总体知识结构，以便学习者认识一个学科知识结构的全貌与细节，并能随时查看当前学习知识树的生成情况.

2) 智能评价中借助知识树映射过程实现知识的动态调度和规划.系统的学习策略主要通过知识树形成、叶节点添加、叶节点删除和移动等标准树型数据结构的标准化操作，运用人工智能化混合推理技术，动态加以实现. 将知识点属性与知识树节点的显示特征相结合，如可通过叶节点的虚实、颜色属性表示该知识结点是否掌握、掌握程度.学生知识树的不断增长和属性改变的过程就是学生掌握该学科知识的过程.通过知识树映射，用户可以随时查看知识树变化，动态反映学生不断变化的学习情况，具有较高的智能性，促使学习者及时补充学习.

3) 以超链接的形式将知识树中的叶节点与知识点详细信息联系起来，无论知识树中节点显示是否掌握，都能通过该节点查询相关知识点信息和学习资料等，增强了学生学习的自由，学习者能随时自由自主地点击查询和学习，根据自己对已经学习过的知识点的掌握情况选择下一个要学习的知识点.

4) 以时间信息为序，直观查阅知识树的生长过程，学习者能灵活提取任一时间点的知识信息，即某时刻的学习情况和知识的掌握程度.知识树下显示根据专家经验知识作出的的学习评价和建议.系统已具备了一定的“推理智慧” ，能根据实际应用情况不断地修改和丰富知识库.分析得出的规则在学习过程中不断得到锻炼，即通过规则在学习过程中的绩效来修正自身，使其能够更加确切地反映学习者的真实情况.

5) 系统充分利用网络和数据库技术，将智能评价与分析模块与智能组卷模块相连接，根据知识树中反映的学生学习状况和学习评价信息及时对测试内容进行调整，更好地实现网上随机动态组卷与测试，帮助学习者补习有关知识或进一步测试，提高了学习效率.

4 知识的表现形式及存储形式

4.1 知识的表现形式

合理的知识结构有利于学习者对知识的运用,有利于进一步的学习.有关研究表明,合理的知识结构应该是分层存储的,层的划分要结合知识的分化、运用以及相互之间的联系等综合考虑，层次分明的知识结构容易被人所接受，更容易让学习者看清楚知识的发展方向.考试系统中的知识可分为学科专业理论知识和学科专家经验知识.

研究表明，将学科专业理论知识分解成不同粒度的知识点，使用图或树的结构将它们组织起来是比较适宜的知识组织和表现形式[7].知识树可以看作知识图的简化形式，有利于建立知识体系中的关联和推理机制，有利于知识的组织、管理和可视化，能够满足大多数学科理论知识表示的需求.各类学习资源均能以学科领域知识树为中心，以知识点为线索，建立起知识点和资源之间的有机联系.因此，在智能评价系统中有效地建立和维护知识树是一个重要的问题.将具体学科知识表示为知识树,学生学习知识和能力的增加是一个动态的过程，表现为知识树的栽培和发育生长.多学科知识在系统中表示为知识森林，每门具体学科的知识通过知识点粒度细分,知识树内部节点对应于科目、单元、章、节、小节等，实现知识之间的组合关系.

4.2 知识的存储形式

知识树表示的有关知识是以数据库的形式存储的,又称为知识库.随着专家系统的不断发展，对知识库的要求越来越高，知识库也将逐步地趋于完善.将知识库建立在基于数据库的基础之上，充分利用数据库系统的强大管理功能和快捷的开发环境，能够满足知识库的发展要求.本文选用目前最成熟、应用最广泛的关系型数据库.选用关系数据库SQL Server具体实现系统，充分利用SQL Server数据库的诸多优点，例如能够很好地处理知识表示中的不一致性、整体性及冗余度检查问题，能利用强大的SQL查询语句对知识进行搜索处理等，给出了专家系统中知识的关系化表示方法，以及在关系数据库SQL Server中的具体实现，并利用面向对象的开发语言ASP.net来实现SQL Server对知识的访问，亦即在ASP.net中利用ADO技术访问SQL Server表[8-9].

5 知识树表示方法的应用

将本文探讨的知识树表示方法应用于《大学信息技术》课程学习与考试评价系统的研究与开发中，从实现过程和运行状况来看都是比较满意的，从一个侧面验证了这一方法的实用价值.

系统采用科学的评价标准，全面测评学生，既要能客观标准地评价学生的学习，也能全面完整地反应学生情况，为学生今后学习提供帮助[10]，同时能根据学生的知识掌握情况，为教师今后的教学提供指导建设性建议.本课题的研究旨在为本校的《大学信息技术》课程的教与学提供一个学习与测试的平台.该系统对学生参加等级考试的复习和提高通过率带来了很大的帮助.

在智能评价系统中，知识表示是实现系统智能化的关键.大学信息技术的每个章节的知识都是一个有机的网状结构系统，知识点相互联系，相互作用，使得学科网络形成了一个完整的有生命的体系.本文将学科领域知识表示为知识树，学生学习知识的增加可以表现为知识树的种植和生长过程，是一个动态的过程.此方法也可拓展到学生多学科知识的学习，多学科领域知识的知识树就构成了知识森林.每个具体学科的知识通过知识点粒度细分，知识树内部节点对应于单元、章、节、小节等.[11]

大学信息技术课程中的知识点较多，在以往的学习中，很多学生只注重知识点的掌握，不注意掌握知识点之间的内在联系，所以学生在做综合性的习题时表现出灵活性和知识迁移能力较差，出错较多，不会活学活用.造成这种问题的原因就是学生在学习整个过程中没有创建起知识点之间的内在联系，形成较完备的知识网络.

将知识树表示法是应用到智能评价系统中以后，可以帮助学生积极建立学科知识系统，促进他们迅速掌握知识体系，理清知识点之间的内在联系，增进了学生对所学知识的理解.我们把这种知识体系以知识树这种形象直观的方式展现给学生，将能极大地提升学习效率，弥补了课堂教学中的不足，有效地提升了学习成绩.如计算机信息系统与数据库这一章，树干是信息系统与数据库，信息系统和数据库是两个分叉.我们可以利用VB等可视化编程语言的作图功能，以不同的颜色和形状表示是知识节点的不同信息，如用实线空心圆表示待学习的知识点，用虚线空心圆表示该学科中选学的知识点，用实线实心圆表示已经掌握的知识点.此外，在各章节知识树上用超链接的方法链接上之前设计和准备好的各种学习资源素材.这样就使得知识树变得枝繁叶茂，生机勃勃，文本、图形(图像)、单频、视频、动画也有机地结合起来.这样，学习者在获悉自己的学习评价之后，也能通过知识树中链接的学习资源，及时巩固，并进入到下次测试，起到了查缺和补漏的作用.实践表明，测试时间越长、测试次数越多，知识树的评价效果会越好，反映学习者的学习情况也越准确，同时可结合智能评价的信息在知识树下显示一个学习评价总结.学习者参照知识树反映的信息，当根节点为掌握标记时就表明已全部掌握所要求的知识点，这样，学习者只要经过多次练习而非全部练习就能测试完毕了.

6 结论

1) 基于知识树表示的智能评价系统能根据学习者的测试情况和个性提供相应的指导，实现个性化学习，能根据学习者当前的薄弱环节，提供学习者补漏的提示和相应的学习计划.智能评价系统将学生的评价信息提供给智能组卷系统，就能根据学习者的水平和学习情况提供合适的、个性化的、交互的练习和测试环境，调动学习者的学习兴趣.

2) 应用智能评价系统，能根据学习者的实际情况，对其学习内容和方向以适当的引导，学习者在测评时能准确知道要学什么和怎么学，不用浪费时间去重复练习已经掌握的知识，通过有效的练习和测试达到学习目标，这极大地增加了学习情境的人性化色彩，对提高学习者的学习兴趣，改善教学效果有重要的意义.

3) 下一步工作主要是研究规则的产生和学习策略的制定问题，系统的通用性研究，探讨将数据挖掘技术应用于学生测评信息和个性化信息的提取中.进一步研究如何从大量的信息中提取有效的规则，然后根据规则制定与之相应的、行之有效的学习策略.

参考文献：

[1] 张量，詹国华. 一种基于Internet的远程考试系统[J]. 计算机应用，2001,21(7)： 62-63.

[2] 张福炎，孙志挥. 大学计算机信息技术教程[M]. 南京：南京大学出版社，2008.

[3] 王小辉，童规. 智能计算机辅助教学系统的设计[J]. 软件学报，1996,7(4)：217-222.

[4] 姜云飞. 基于知识结构图的智能教学规划[J]. 计算机研究与发展，1998(9) ：787-792.

[5] 年志刚 ，梁式 ，麻芳兰，等. 知识表示方法研究与应用[J]. 计算机应用研究，2007(5)：234-236，286.

[6] RENATO D M. Computer models of speech using fuzzy algorithms[M]. NewYork：Plenum Press，1983.

[7] 徐明发，聂承启. 基于面向对象技术的知识表示模式[J].江西师范大学学报：自然科学版，1997，21(2)：39-44.

[8] 罗宗航. 基于ASP. NET的专家系统知识库设计[J]. 河池师专学报，2004(6)：89-90.

[9] 刘宏伟，姚寿广. 数据库技术在专家系统知识表示中的应用[J]. 江苏科技大学学报：自然科学版，2007(6)：50-53.

[10]ELLEN W. 有效的学生评价[M]. “促进教师发展与学生成长的评价研究”项目组, 译，北京：中国轻工业出版社，2003.

[11]吕皖丽，陈宁江，钟诚. 教学知识树算法的研究与应用[J]. 计算机工程与应用，2002(24)：96-98.