本站原创
引子
School of One
约翰·佩雷斯是美国纽约布鲁克林区八十八中的一位七年级学生。他每天到学校后，第一件事情就是打开学习终端，领取一份个人学习日程表。这份日程表的课程安排与他的同伴不一样，因为约翰最近一次的代数练习只得到了B，所以今天的时间表上安排了他参加一个小组讲座，补修昨天有问题的内容。事实上，约翰的每位同学得到的日程表安排都不一样。这是由于八十八中正在实施一个叫做School of One的项目——纽约市教育部门的一项初中数学教改项目。School of One采用了一项最新的技术，能自动为每位学生提供个人学习计划。因此，根据自己的学习需求和优势，每位学生都能获得独特的每日时间表；且每个时间表和教学计划都是自动调整以适应每位学生能力和最成功的学习方法。由于School of One以学生为中心，把技术和课程整合，并在学校提供一种混合式学习环境，满足了每位学生的个性化学习需求，所以在2009年《时代》杂志评选的50项最佳发明中，该项目是获此殊荣的唯一一项教育创新。2011年，美国教育发展中心的儿童和技术中心对该项目2010年的实施进行了独立评估，结果显示：参与学生的数学成绩显著跑赢非参与的学生。
综述
● 优秀教师的做法
每位学生的学习都是独特的。优秀教师的做法是对学生的学习情况进行适应性分析，根据学生的家庭背景、兴趣和爱好，以及知识基础、学习能力、学习方式等，在每次学习之前，在每次作业或测验后，为不同学生提供不同的辅导策略、补救措施和对应的学习材料。采取这种适应性教学法（个别化教学和差异化教学），使学生在教师的帮助下能进行写作化学习。
不过，即便是最优秀的教师也很难完成面面俱到的分析，许多教师只是做到了在某些方面适应性分析，而且不是每位学生都会受到如此的照顾。因为，没有现代信息技术技术的帮助，要做到这一点需要极大工作量。
● 斯金纳的机器教学
在20世纪50年代，哈佛大学教授、心理学家B.F.斯金纳根据自己创立的新行为主义理论发明了教学机器，并以此来进行程序化教学。其原理就是：把教学材料分解成按循序渐进原则有机联系的几百甚至几千个问题框面组成的程序；在学生回答问题过程中，教学机器根据学生的薄弱环节呈现教学材料进行提示，直到学生回答正确后再进行下一个内容的学习。
课堂上采用斯金纳的教学机器，与传统的班级教学相比较有许多优点。第一，教学机器能即时强化正确答案，学习效果的及时反馈能加强学习动力。而在传统班级教学中行为与强化之间间隔时间很长，因而强化效果大大削弱。第二，教学机器使学生学习行为得到积极强化，力求获得正确答案的愿望成了推动学生学习的动力，提高了学习效率。传统的教学消极强化，会导致学生失去学习兴趣。第三，采用教学机器，一个教师能同时监督全班学生尽可能多地完成作业。第四，教学机器允许学生按自己的速度循序渐进地学习，这能使其对教材掌握得更牢固，提高他们的学习责任心。第五，采用教学机器，教师就可以按一个极复杂的整体把教学内容安排成一个连续的顺序，设计一系列强化列联。第六，教学机器可记录错误数量，从而为教师修改程序提供依据，结果是提高了教学效果。第
● 计算机
20世纪70年代后，结合计算机技术和认知心理学发展起来的人工智能逐渐成熟，用于教育的各种智能教学系统也相继被开发出来。智能教学系统是利用计算机为学习者提供及时性和写作化的教学和反馈的适应性支持系统，它的结构包括四个基本组成部分：认知模型、学生模型、教师模型、界面模型（Charles P. Bloom， R. Bowen Loftin）。
认知模型决定问题解决可能需要的所有步骤。更具体地说，这种模式包含要学习领域的概念、规则和解决问题的策略。它的主要实现功能为：专业知识库，学生表现或检测错误的评价标准等。学生模型跟踪和模拟学生的认知、情感状态以及随着学习进程的发展出现的变化。
教师模型根据认知模型和学生模型的信息选择教学的策略和行动。界面模型实现人机交互的所有功能。
随着计算机智能化教学研究和实践的深入，学界逐渐总结出了设计和开发的八项原则和四个阶段。智能教学系统的设计以使学生成功解决问题为总原则，并辅以这八项原则：①模拟学生的能力。②表现传递目标结构是问题解决的基础。③在解决问题的环境中提供教学。④深化对解决问题的知识的抽象理解。⑤最大程度减少学习过程中的记忆负荷。⑥对错误提供即时反馈。⑦为学习调整教学容量。⑧帮助学生循序渐进地达成目标技能。
智能教学系统的开发和大多数的教学设计过程大致相同，包括四个迭代阶段：①需求评估。②认知任务分析。③初始教学的实施。④评价。
由于得益于行为主义和认知心理学的优势互补，相比教学机器，智能教学系统显然是较高级的自适应学习系统。它能更准确地分析判断学生的学习情况，提供的教学方法、学习材料和评估方式也更多样化。
在20世纪80～90年代，智能教学系统在学校教育、企业培训和军事训练中得到了较多应用，成功的个案主要体现在数学、健康科学、语言习得等领域的教学。不过，由于智能教学系统开发和实施成本昂贵，导致其最终没有得到广泛的推广和应用。此外，以下两个缺点也为业界所诟病：智能教学系统主要是用预设因素来对学生的学习进行适应性分析和模拟匹配，因此不能全面地把握学生的学习需求和特征；智能教学系统仍然是以教师为中心（这里的教师是计算机系统）来实现个别化教学或差异化教学。这种从模拟认知—自适应教学的模式，主要受到当时教育、学习科学和计算机数据挖掘处理技术的发展限制。
School of One
约翰·佩雷斯是美国纽约布鲁克林区八十八中的一位七年级学生。他每天到学校后，第一件事情就是打开学习终端，领取一份个人学习日程表。这份日程表的课程安排与他的同伴不一样，因为约翰最近一次的代数练习只得到了B，所以今天的时间表上安排了他参加一个小组讲座，补修昨天有问题的内容。事实上，约翰的每位同学得到的日程表安排都不一样。这是由于八十八中正在实施一个叫做School of One的项目——纽约市教育部门的一项初中数学教改项目。School of One采用了一项最新的技术，能自动为每位学生提供个人学习计划。因此，根据自己的学习需求和优势，每位学生都能获得独特的每日时间表；且每个时间表和教学计划都是自动调整以适应每位学生能力和最成功的学习方法。由于School of One以学生为中心，把技术和课程整合，并在学校提供一种混合式学习环境，满足了每位学生的个性化学习需求，所以在2009年《时代》杂志评选的50项最佳发明中，该项目是获此殊荣的唯一一项教育创新。2011年，美国教育发展中心的儿童和技术中心对该项目2010年的实施进行了独立评估，结果显示：参与学生的数学成绩显著跑赢非参与的学生。
综述
● 优秀教师的做法
每位学生的学习都是独特的。优秀教师的做法是对学生的学习情况进行适应性分析，根据学生的家庭背景、兴趣和爱好，以及知识基础、学习能力、学习方式等，在每次学习之前，在每次作业或测验后，为不同学生提供不同的辅导策略、补救措施和对应的学习材料。采取这种适应性教学法（个别化教学和差异化教学），使学生在教师的帮助下能进行写作化学习。
不过，即便是最优秀的教师也很难完成面面俱到的分析，许多教师只是做到了在某些方面适应性分析，而且不是每位学生都会受到如此的照顾。因为，没有现代信息技术技术的帮助，要做到这一点需要极大工作量。
● 斯金纳的机器教学
在20世纪50年代，哈佛大学教授、心理学家B.F.斯金纳根据自己创立的新行为主义理论发明了教学机器，并以此来进行程序化教学。其原理就是：把教学材料分解成按循序渐进原则有机联系的几百甚至几千个问题框面组成的程序；在学生回答问题过程中，教学机器根据学生的薄弱环节呈现教学材料进行提示，直到学生回答正确后再进行下一个内容的学习。
课堂上采用斯金纳的教学机器，与传统的班级教学相比较有许多优点。第一，教学机器能即时强化正确答案，学习效果的及时反馈能加强学习动力。而在传统班级教学中行为与强化之间间隔时间很长，因而强化效果大大削弱。第二，教学机器使学生学习行为得到积极强化，力求获得正确答案的愿望成了推动学生学习的动力，提高了学习效率。传统的教学消极强化，会导致学生失去学习兴趣。第三，采用教学机器，一个教师能同时监督全班学生尽可能多地完成作业。第四，教学机器允许学生按自己的速度循序渐进地学习，这能使其对教材掌握得更牢固，提高他们的学习责任心。第五，采用教学机器，教师就可以按一个极复杂的整体把教学内容安排成一个连续的顺序，设计一系列强化列联。第六，教学机器可记录错误数量，从而为教师修改程序提供依据，结果是提高了教学效果。第
七、学习时手脑并用，能培养学生自学能力。
但是由于缺乏对认知心理学的借鉴、教学内容媒体形式和机器功能单一等不利因素，使机器教学实践并没达到预想效果。实践中缺乏师生间的及时交流；过细分割教学内容导致学生缺乏对知识的整体认知；学生盲目地追求学习进度、猜想问题的答案和不求甚解。不过，教学机器是一种自适应学习系统萌芽，初步实现了量身写作的教学，并努力让学习者从信息的被动接受者转变为教育过程的合作者。● 计算机
学位论文www.udooo.com
智能化教学20世纪70年代后，结合计算机技术和认知心理学发展起来的人工智能逐渐成熟，用于教育的各种智能教学系统也相继被开发出来。智能教学系统是利用计算机为学习者提供及时性和写作化的教学和反馈的适应性支持系统，它的结构包括四个基本组成部分：认知模型、学生模型、教师模型、界面模型（Charles P. Bloom， R. Bowen Loftin）。
认知模型决定问题解决可能需要的所有步骤。更具体地说，这种模式包含要学习领域的概念、规则和解决问题的策略。它的主要实现功能为：专业知识库，学生表现或检测错误的评价标准等。学生模型跟踪和模拟学生的认知、情感状态以及随着学习进程的发展出现的变化。
教师模型根据认知模型和学生模型的信息选择教学的策略和行动。界面模型实现人机交互的所有功能。
随着计算机智能化教学研究和实践的深入，学界逐渐总结出了设计和开发的八项原则和四个阶段。智能教学系统的设计以使学生成功解决问题为总原则，并辅以这八项原则：①模拟学生的能力。②表现传递目标结构是问题解决的基础。③在解决问题的环境中提供教学。④深化对解决问题的知识的抽象理解。⑤最大程度减少学习过程中的记忆负荷。⑥对错误提供即时反馈。⑦为学习调整教学容量。⑧帮助学生循序渐进地达成目标技能。
智能教学系统的开发和大多数的教学设计过程大致相同，包括四个迭代阶段：①需求评估。②认知任务分析。③初始教学的实施。④评价。
由于得益于行为主义和认知心理学的优势互补，相比教学机器，智能教学系统显然是较高级的自适应学习系统。它能更准确地分析判断学生的学习情况，提供的教学方法、学习材料和评估方式也更多样化。
在20世纪80～90年代，智能教学系统在学校教育、企业培训和军事训练中得到了较多应用，成功的个案主要体现在数学、健康科学、语言习得等领域的教学。不过，由于智能教学系统开发和实施成本昂贵，导致其最终没有得到广泛的推广和应用。此外，以下两个缺点也为业界所诟病：智能教学系统主要是用预设因素来对学生的学习进行适应性分析和模拟匹配，因此不能全面地把握学生的学习需求和特征；智能教学系统仍然是以教师为中心（这里的教师是计算机系统）来实现个别化教学或差异化教学。这种从模拟认知—自适应教学的模式，主要受到当时教育、学习科学和计算机数据挖掘处理技术的发展限制。
摘自：写毕业论文经典的网站www.udooo.com