面向临床医学专业的智能化计算机辅助教学系统

陈树婷，周文霞，王 珏

（杭州医学院基础医学部，浙江 杭州310053）

一、研究背景

临床医学是一门实践性要求很强的学科。相对其他专业教育而言，临床医学高等教育具有以下特点：临床专业知识内容涵盖范围广，知识量大［1］；临床专业的实践要求高，通过实践和应用实现其社会服务功能。随着科技的进步，现有医学知识和技能在逐渐过时，临床医学生需要不断更新专业知识和技能［2］。因此，优化临床医学专业学生学习策略，研究面向临床医学专业学生的培养创新机制及其教学方法是非常有必要的。计算机辅助教学（Computer-aided Instruction，CAI）是利用先进信息技术提高教学效果的有效方法，是可能实现上述目标的重要途径。

人工智能 （Artificial Intelligence，AI）是利用计算机系统模仿人类的感知、推理等思维活动的专业技术。上世纪70年代末，W.J.Clancey等人将人工智能技术引入到CAI领域，提出了智能化计算机辅助教学方法（Intelligent Computeraided Instruction，ICAI），该方法设计实现了面向医疗诊断专业的教学系统，来完成传染病学科的教学与研究工作［3］。ICAI将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略；为教师提供友好的教学内容、测试内容、维护界面，无需改变软件的结构即可调整教学策略；通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。从某种意义上说，ICAI系统就是一个自主、优秀的老师［4］。

当前关于ICAI方面的研究处于快速发展阶段，且对象主要集中在计算机、机械、信息等方面，因此研究一种面向临床医学专业的ICAI方法非常有必要。机器学习（Machine Learning，ML）是研究计算机怎样模拟或实现人类的学习行为，通过算法以获取新的知识，重新组织已有的知识结构使之不断改善自身的性能［5］。因此，本文将ML方法引入到临床医学教育领域，旨在研究一种ICAI建模与学习策略优化方法。

二、特征提取与信息融合

确定具体班级作为研究对象，通过教务管理系统获取学生的基本档案数据，并对其学缘历程、文化背景信息进行扩充与完善。在此基础上，通过访谈与调查问卷的方式采集学生的相关信息数据，建立临床专业学生学习信息数据表（Study Information Data-sheet，SID）。采用社会科学统计软件包（Statistical Package for the Social Sciences，SPSS）进行特征数据提取，得到该方向学生在学缘结构、知识储备、记忆特征、学习策略等方面的特征数据。通过教务系统及其他方式获得的非计算性数据可认为是具有确定性结构，是完备的。由于各个信息指标因素之间并非完全独立，因此通过SPSS计算获得的数据具有耦合覆盖特征，是不完备的。而ICAI系统对于输入参数的要求是具有统一完备性，这样其计算结果才具有实际意义。针对此问题，本文采用粗糙集经验学习系统（Learning from Examples based on Rough Sets，LERS）进行多维对象信息提取，处理非结构化不完备数据，消除各指标数据间的耦合噪声与相关冗余数据，提高所获信息的可用度。基于上述工作所获得的学生学习特征数据，进而分析其学习过程与知识认知形成机制，对其在临床医学专业方向的学习策略优劣条件进行对比研究，并进行相关指标评价，建立SID主题数据库，为ICAI系统建模以及该方向学习策略优化方法的研究提供理论依据与数据支持。

三、基于ML的ICAI系统

ICAI建模是本文研究的核心内容，其关键在于对学生学习过程的动态跟踪，并根据跟踪结果提供课程教学决策支持，即体现特定的智能属性。根据实际的教学过程需求，ICAI模型可划分为3个子模型：（1）知识库模型是相对某具体专业（临床医学）的领域知识超集，包括教师经验库、教学素材库、学生错误库、知识迁移缓冲区等。ICAI系统可采用超媒体的网状结构表示领域知识、超媒体嵌入过程性知识与结构化知识。（2）教师模型是ICAI系统的一套产生式规则推理机制，是对教师教学活动的过程模拟，能够对学生模型记录下来的学生信息进行处理，并运用知识库中的知识进行推理，做出决策和判断。（3）学生模型可以通过智能化交互接口跟踪学习过程，对每个课程建立独立的单元，建立各单元水平的判定规则。ICAI系统通过点鼠标、按界面上的功能按钮或选择菜单等方式来实现。学生可以通过人机交互界面从教师模块和知识库中得到系统对学生行为诊断的信息反馈。

四、原型系统开发与实验

基于上述研究工作，开发了面向临床医学专业的ICAI原型应用软件系统。系统可容纳临床医学主要专业课程，根据不同的教学任务需求，通过超文本知识库、教师模块接口、学生模块接口等应用程序接口，向用户提供课程知识遍历、知识点查询、典型习题及错误分析、启发式知识点网络图谱等服务。

为了验证本文所提出的基于RS的教学对象信息融合方法的有效性，基于所开发的ICAI原型软件系统，以笔者所在单位的10个教学班级（30人/班）为对象，采集相关数据，形成SID原始样本并进行备份。利用所提出的信息融合方法，对SID原始样本进行处理，然后对原始样本及融合处理后的样本分别进行先序与中序遍历，得到结果如下（见附图）。可以看出，经过融合处理后的数据条目需要更少的查询时间，且随着人数测增加，体现出更好的效率优势。上述结果表明，本文所提出的信息融合方法能够有效消除各相关数据项之间的冗余信息，使SID中的数据条目统一规格化，提高了ICAI系统的数据访问效率。

附图 数据遍历对比实验结果

为了检验所开发原型系统的实际应用效果，以笔者所在单位临床专业的两个教学班级为对象，进行了为期两学期的教学效果对比实验，结果如下（见附表）。实验过程中，班级A应用本系统，尤其是在课外及自学环节，班级B未使用本系统；对比参考指标主要包括教学效果总体满意度、300个专业难度知识点掌握概率、二次学习动机概率与平均绩点。通过数据可以看出，本系统可有效提高教学效果，尤其是在高难度知识点深化理解、自主学习动机激发等方面。

附表 教学效果对比实验结果

五、结 论

针对临床医学教学过程中存在因知识量大、记忆及实践环节要求高而造成的学习策略难以优化问题，将ML方法引入到临床医学教育领域，提出了一种ICAI建模与学习策略优化方法，主要得到如下结论：（1）提出了一种基于RS的教学对象信息提取融合方法，消除相关数据记录之间的冗余信息，融合不完备数据，有效提高了系统的访问效率。（2）建立面向临床医学专业的ICAI模型，主要包含超文本知识库、教师模型、学生模型三个逻辑功能构件。在此基础上，开发了应用原型软件系统，进行了教学效果对比实验，验证系统的有效性。