[论文解读] Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments

Ali Alkhatlan, Jugal Kalita|arXiv (Cornell University)|Dec 22, 2018

Intelligent Tutoring Systems and Adaptive Learning被引用 11

一句话总结

本文对智能辅导系统（ITS）进行了全面的历史与技术综述，追溯其从早期计算机辅助教学（CAI）到现代人工智能驱动的自适应学习系统的演进历程。文章回顾了核心架构组件、教学法模型以及近年来的创新成果，如AutoTutor和GIFT，结论指出，尽管ITS正在缩小与人类导师的差距，但在个性化、可扩展性以及长期影响评估方面仍存在挑战。

ABSTRACT

This paper provides interested beginners with an updated and detailed introduction to the field of Intelligent Tutoring Systems (ITS). ITSs are computer programs that use artificial intelligence techniques to enhance and personalize automation in teaching. This paper is a literature review that provides the following: First, a review of the history of ITS along with a discussion on the interface between human learning and computer tutors and how effective ITSs are in contemporary education. Second, the traditional architectural components of an ITS and their functions are discussed along with approaches taken by various ITSs. Finally, recent innovative ideas in ITS systems are presented. This paper concludes with some of the author's views regarding future work in the field of intelligent tutoring systems.

研究动机与目标

• 为初学者提供一个结构化且最新的智能辅导系统（ITS）领域入门介绍。
• 追溯ITS从计算机辅助教学（CAI）和智能计算机辅助教学（ICAI）的发展历程，突出关键里程碑与转型节点。
• 分析ITS的核心架构组件，包括学生建模、领域建模以及教学策略，及其功能角色。
• 考察近年来ITS的进展，如对话式辅导、基于约束的系统，以及GIFT和AutoTutor等框架。
• 识别现存挑战并提出未来研究方向，尤其关注长期学习成效追踪以及对特殊需求学习者的支持。

提出的方法

• 对1970年代至2018年期间ITS领域的基础性与近期研究成果进行全面文献回顾，涵盖开创性研究与综述论文。
• 分析人工智能、认知心理学与教育理论在ITS设计与实现中的整合方式。
• 调研主要的ITS架构，如认知导师模型、基于约束的导师以及混合模型，以阐明其功能组件。
• 评估现代ITS框架（如GIFT，即通用智能辅导框架）和AutoTutor，重点关注其适应性、知识表示与学生建模能力。
• 考察数据挖掘与长期数据收集在评估ITS对学生学习成效长期影响方面的作用。
• 提出未来研究方向，包括从早期教育到大学毕业的长期学生追踪，以关联ITS使用情况与学业表现及专业选择。

实验结果

研究问题

• RQ1 智能辅导系统（ITS）如何从早期的计算机辅助教学（CAI）和智能计算机辅助教学（ICAI）系统演变而来？
• RQ2 ITS的核心架构组件是什么？它们如何协同作用以支持个性化学习？
• RQ3 现代ITS框架（如GIFT和AutoTutor）如何实现自适应与对话式辅导？
• RQ4 当前ITS系统在支持有特殊需求学习者（如阅读障碍或注意力缺陷多动障碍）方面存在哪些局限性？
• RQ5 长期数据收集在将早期ITS互动与后期学业成果（如GPA和专业选择）关联方面具有哪些潜力？

主要发现

• ITS在教学有效性方面表现强劲，研究表明，接受人类导师辅导的学生比传统集体教学环境中的学生平均提高两个标准差。
• 人工智能技术的整合使ITS能够监控学生的解题步骤、适应其认知状态并提供即时反馈——这些能力在传统CAI系统中基本缺失。
• GIFT和AutoTutor等框架通过提供标准化的知识表示、学生建模与教学控制服务，支持ITS的模块化与可重用开发。
• 尽管已有进展，但目前尚无ITS能完全复制人类导师的认知意识与适应能力，尽管其在可扩展性与一致性方面正变得日益具有竞争力。
• 尽管此类数据具有重要潜力，但目前仍严重缺乏将早期ITS互动与长期学业成果（如大学GPA或专业选择）相联系的纵向数据集。
• 若基于经验证明有效的教学策略，专门设计的ITS模块在支持有认知障碍的学习者（包括阅读障碍、注意力缺陷多动障碍和唐氏综合症）方面展现出巨大潜力。