复制成功
  • 图案背景
  • 纯色背景

笔记

  • 2019-11-16
    为大人带来形象的羊生肖故事来历 为孩子带去快乐的生肖图画故事阅读
    谈谈怎样学好数学_苏步青-中学生文库
个人中心

上传于:2015-06-17

粉丝量:152

网络技术员,毕业于北大青鸟!!现有自己的网络工作室!



基于Web适应性分布知识环境研究

下载积分:1500

内容提示: 基于W eb适应性分布知识环境研究刘晓强朱国进曹乐静陈家训( 东华大学信息学院,上海200051)Ereal :l i uxq@ dhu.edu.( ‘ n摘要以异步教育方式为主要特征的基于W 乩学习正成为w 硪w 上的一种重要应用学习的特点和基于W eb适应- 眭学习的分布知识环境研究内容,并讨论了相关技术发展,最后卉’W eb适应一1"2学习的分布知识环境框架厦实现方法.论文分析了基于w eh适应性绍丁作者提出的基于关键词智能教学系统基于W eb适应性学习分布式知识管理知识集成文章编号1002—833l -( 2003) 14—0032—05文献标识码A中图分类号l ’ PI 8D i stri buted Know l edgeEnvi ron...

文档格式:PDF| 浏览次数:7| 上传日期:2015-06-17 22:37:00| 文档星级:
基于W eb适应性分布知识环境研究刘晓强朱国进曹乐静陈家训( 东华大学信息学院,上海200051)Ereal :l i uxq@ dhu.edu.( ‘ n摘要以异步教育方式为主要特征的基于W 乩学习正成为w 硪w 上的一种重要应用学习的特点和基于W eb适应- 眭学习的分布知识环境研究内容,并讨论了相关技术发展,最后卉’W eb适应一1"2学习的分布知识环境框架厦实现方法.论文分析了基于w eh适应性绍丁作者提出的基于关键词智能教学系统基于W eb适应性学习分布式知识管理知识集成文章编号1002—833l -( 2003) 14—0032—05文献标识码A中图分类号l ’ PI 8D i stri buted Know l edgeEnvi ronm entW eb-based Educati onZhu Guoj i nofInform ati on Engi neeri ng.D onghua U ni versi ty,Shanghai 200051)for Adapti veLi uXi aoqi angCaoLej i ngChert J i axun(S(、hoolAbstract:Internetprovi desa ncw envi ronm entfordi stance educati on.Basednn anal yzi ng the characters nfW eb—basede‘ tueal i on.adi stri buted en' ci ronm e, n|foradapti ve W eb—based educati on archi tecturei sprovi ded,andthe rel ated technol o—gi esand howtheycan be usedi n the archi tectureare di scussed.Keyw ords:Intel l i gent Tutori ng system .W eb-based Educati on,Di stri buted Know l edge M anagem ent,Know l edgeAggregati onl引言i 1算机应用于救育研究从20世纪50年代开始,最初被称为汁箅:机辅助敦学( Com puter—Based Teach,CBT或Com puterAi ded Instructi on.CAI) 。这坤系统通常提供特定的知识和学习响啦,但不能支持个性化的教学。智能敦学系统( Intel |i gentTuturi ng System .ITS) 引人人t智能技术,目的足为学爿者提供适盅性面向领域知识的教学服务。Internet为计算机辅助救育提供了分布式支持环境。随着Intem et的迅速发展和全球对终身教爵的需求.以异步教育方式为主要特征的基rW eb学爿正成为w w W 上的一种重要应用⋯ 。拭于W eb学习为J {j 户提供了与平台无关的学习支持环境,也为计算机辅助教育带来了新特点.其中书要包括对个性化和适应性学习的支持.对知识共享和合作学习的支持等。要适啦这此新的特点.一方面继续研究人工智能技术在适应性教学中的应Ⅲ1,,j · 力面重点在知识的发布、集成和管理卜开展研究,充分利H j Tntem et和W eb上的新技术。结合基于W eb教学的特点.实耻有效的适应性分布式数字知识环境,为分布在互连网上的用户提供远程教育和与知识相关的服务。2基于W eb适应性分布知识环境2.1基于W eb学习的特点Internet政变了传统的计算机辅助教育方法.不仅出现r网主}}虚拟学校面向不同类别用户提供各种层趺的敦育,而且传统的学校也越柬越多地通过W eb方式提供谍程和辅助教学。这样个新的学爿环境具有以下特点:( I) 它是一种面向3A( Anyti m e,Anyw here,Anybody) 的应用,仵何人在任何时间任何地点都能获得学习支持。潜在的学习者分布J 。泛日具有不确定性。( 2) 知识的共享、重州成为必然要求。Ⅻ识提供者进行知让l组织或课件制作花赞大量劳动.W eb支持的全球资源共享亟待冉基于w eh教育巾应用束实现知识共享。( 3) 适应件和智能支持是基于W eb学爿成功的丛奉条件。计箅机将取代或部分取代教师的功能,要根据用户不同学爿能力的需要,提供个性化学习支持,( 4) 对☆作学习的吏持。这里的合作学习包括人人台作( 救师和学生、学生和学生) 、人机台作( 教师和计算机学牛和计算机) 和机机合作( 计算机和}f算机) 。( 5) 对实验教学的支持,传统教学中的实验室救学环肯是远程教育中面临的避大挑战,虚拟技术和网络技术的结合为虚拟实验提供r种实现手段。2.2基于W eb适应性分布知识环境的研究内容目前Internet上基十W eb学习资源H 益增f,,但有资料对200多个教学站点研究表明H ,它“ l 有一些明显的鞘点.其中缺乏个性化教学和参与性教学、课程资料的重用性差是最突出的问题。设计者往往采用标准‰b协议或创佧T其米改计教学资源并在自己的服务器上维护互相独立的教学课件,用户能获得的学习支持基本上还只是静态的垲文本页面,L三有的一些适应件系统主要是传统ITS的网络化.般足【f『I向某具体教学内容或教学策略的.重用性差。基金项目:囤家自然科学摹金项目资助( 编号:6027305I)作者筒介:刊晓强( 1968一) ,博十研究生,主要研究方向为分布式计算、数据库系统.计算机辅助教育。朱国进,副教授.主要研究方向为『钔向对象枝术、Intem et信息空问。曹乐静.硕士研究生。陈家硼,教授,博七生导师.主要骈究方向为分布式计算、电子商务。322003.14计算机工程与应用 万方数据 综合以上特点和需求,将基于W eb适应性学爿分布知识环境定义为在Internet环境下以基于W eb学习为目的的开放知¨ {管理和知识服务环境。资源提供者( 教师) 按照开放标准进行教学资源的创建以支持共享和重用;资源管理者对教育资源实施分布式管理,资源使用者( 教师、学生) 通过知识集成以实现资源的有效组织和利用,获得适应性知识服务。其相关研究问题包括:知识资源描述:包括元数据表,下方法.元数据标准的语义通用性等。知识组织和知i }l 管理:包括基于W eb的知i }{发布、知识维护和分布式知识管理。知识发现和知识适应性集成:包括基于元数据和基于实体的知识发现和获取,面向学习者的通用适应性知识集成方法和囊成] i 具。学生模型与教学策略的形式化描述和多策略混合应用。3基于W eb适应性分布知识环境相关技术基于W eb适应性分布知识环境是一个复杂的开放系统.下面讨论相关技术发展及应用。适应性和智能技术3.I基于W eb学习的适应性和智能支持是指根据用户不同学习能力和学习目的需要,提供不同形式的学习:包括学习内容的选择和学习内容的组织、呈现、交互支持等。目前研究基本上立足于智能教学系统和适应性超媒体系统I"J 。31.1智能教学系统ITs包括5个交互作用的模块( 图1) :学生模型、教学策略模块、领域知识、通信模块和专家模型。学生模型存放学生个性化信息,为救学策略模块提供决策依据;教学策略模块是提供教学过程控制的模型,根据学生模型决定对领域知识的教学应用方式;领域知识是明确表达的教学内容,包括概念、事实以及智力模型等;通信模块提供学生与系统交互的通信和界面支持;等家模型类似于领域知识,但它通常是解题模型,可作为学牛的竞争或参考模型。熏踅}一圈1智能教学系统的组成模块及信息交互示意圈各种人工智能技术被应用到ITS中,历史上一些著名的ITS系统在知识表示、专家系统、问题求解和系统推理方面不断运用AI技术.进行了大量的研究工作。例如.SCH O EAR系统在知识表示上采用了基于语义网络的方法,SO PH IE系统采用r基于语义的N LP技术.N YCIN .N EO M YCIN 以及G U ID O N采用规则推理方法实现系统控制。但这屿系统一般是面向领域模型或特定的知识环境,基于W eb学习的适应性知识环境需要具有更一般和普遍的适应能力。目前以ITS为基础的基于W eb教学系统主要包含的核心技术有:课程体第结构;智能分析学生解题;对解题的交互支持;基f实例的解题支持。课程体第结构为用户提供个性化的知识单元组织次序或学习任务安排( 例如例子、问题、测试等) .即为用户找到适舍于他学习的优化路径。主要有两种知识组织方式,一是主动组织,是为实现某一个学习目标而将各个知识单兀组织在一起;另一种是被动组织.当用户遇到学习困难时.系统为用户组织相关学习材料束弥补知识空白或错误概念等。课程体第结构可以体现在两个层次上,一是高层的知识体第,即决定下一个学习目标,例如概念、主题、课程等;另一个是低层的任务体第.即决定下一个学习任务,例如问题、实例、测试等。主流ITS并没有把课程体第结构作为非常重要的问题,冈为现有系统大多以追求智能分析和解决学生学习状态为主要目标,而且系统往往足面向某一领域的,系统中知识材料固定,而基于W eb学习通常包含大量的学习资料,再加卜W eb本身超媒体容易迷航的特性,如何从服务站点选择台适的学习资料并在客户端进行组织和呈现,课程体第结构在正确引导学生适应性学习中变得非常重要,智能分析学生解题、对解题的交互支持和基于实例的解题支持都是为了帮助用户解题。其中智能分析学生解题是对学生给出的最终答案判断正误.并分析原因提供反馈,或进一步修改学生模型;对解题的交互支持通过监测学生解题过程及时提供智能帮助,或进一步修改学生模型。而基于实例的解题支持不是通过指出学生的错误来帮助学生解题,而是提供相关的成功解题实例来引导学牛。J AVA技术为解题的交互支持提供了新技术.可以通过建立分布式客户/服务器应用程序,让J AVA客户端与远程智能服务器交互。由于目前Intem et的访问速度对远程频繁交互提供的响应能力还存在一定限制,因此智能分析解题和基于实例的解题在W eb上应用较多。3.12适应性超媒体技术适应性超媒体系统( AH S,Adapti ve hyperm edi a system ) 依据用户模型为用户提供合适的内容和超媒体页面,主要包括适应性表示、适应性导航。适应性导航技术支持学生在超媒体空『H ] 中通过可视超链接的变化来实现导航,可以被看作通过超链接在超媒体中实现课程体第结构.帮助学生找到最合适的学习路径,但它比传统的体第结构实现方式更灵活,可以采用直接指导,适应性链接注释和适应性链接隐藏等方式实现。适应性表示技术是依据用户学习目标、知识以及学牛模型中的相关信息为用户动态生成页面,例如为比较专业的用f-提供深入的知识,而对于初学者则尽可能提供更多解释。适应性表示技术对基于W eb学习非常重要。因为同一个静态页面面对不同用户很难体现个性化。智能代理和教学代理的人性化研究引入教学系统以及多代理的应用目前受到较多关注,智能代理协助学生学习也是一种有救的适应性途径。3.2学习者建模技术学生模型是许多ITS的核心模块.也是基于W eb实现适应性教学、提供智能化指导的重要方面。学生建模也一直被认为是最复杂、最困难的问题。因为它需要以心理学学习理论和教学设计为基础。学习者建模的实质是分析和处理学习者的相关信息.包括模型表示和模型诊断两个方面161。3.2.1学习者建模方法根据模型表示内容和持续时间分为长期模型和短期模型( 围2) ,短期模型主要包括与当前学习相关的一些特性.长期模型中包含学生的基本特性,对领域知识的掌握情况等。计算机工程与应用2003.1433 万方数据 逦产垃谰商垒鑫圈2学习者麓模方法分类固定模型是一种简单、粗粒度的建模方法。它假定所有具有棚同模型的学生具有相同的领域知谚l 行为。例如将知识分为不同的难度等级,学生模型描述学爿等级。系统通过测试或其他手段i 半价学生并将其归类到合适的模型,覆盖模型是种经典建模方法。它描述学习者对领域知识的掌握程度。它假定学生的领域知识是专家知识的子集,专家知识可以被分解为各个模块或项目,学生模型描述学生对各项日的掌握程度。十扰模型是在糙盖模型基础上发展起来的,它将学生知识表示为专家知识和可能错误知识的子集,通过建模学生的错误,系统可以提供更好的知议补救。模型跟踪不仅是学生建模方法,也是建立11S的一个完整框架,它要求系统不仅能指导相关知识学习,还能在学生解题过程-扣给出及时反馈和指导。所以学生模型要能描述学生某一身面的领域知识,还要能描述学生应用该知识解题的能力。而且学生对当前题目的求解特性只在短期内有意义,学生离开当前问题时,陔部分信息则失去意义,或进一步集成到其他长期模型中,例如覆盖模型。基f限制建模试图定义与领域无关的知识评价来增强模型的可吏现性,限制建模最大好处就是限制匹配的计算营小,挣日适合问胚多群情况的建模。· 般采用一个模式对(Cr,Cs),cr称为适虚条件.用来定义学生解题的类别;Cs称为满足条件.用来定义正确的解题。在血用中两者逻辑匹配荚系如F:【F学生解题与Cr匹配ThenIF学生解题与C8不匹配Then违反限制,系统给与指导EI SE满足限制例如:Cr:nl +n2=S.n1.n2代表非负整数,S代表任意字符串,那么5+2=7.5+2=18均匹配;Cs:nl +n2=Sum ( n1,n2) ,Sum是加法运算甬数。那么5+2=7匹配.5+2=18不匹配,3 2.2学习者模型诊断以模型表示为基础,学习者模犁的诊断利用推理和概率统计等方法分析学习者的认知状态,向学生呈现适当的知识和方法.提供帮助和指导。认知诊断的过程是决策的过程,主要采用推理机制.目前主要有产生式方法、贝叶斯网络和模糊方法。产生式系统结构相对比较简单.可以用它来描述人类心理活动的认知过程,是人工智能中应用最多的知识表示模式。它主要是通过规则库中的产生式与事实库中的已知事实匹配来激活产牛式,完成推理。它适台于表示因果知识或过程性知识,适合于埘特定问题的推理,不具有对结构性知识的表示能力。吼叶斯网络方法是实现不确定性推理的基本方法,通过条件概率分布计算完成诊断或预测,它不仅具有事后诊断能力,还具有事前预测能力。贝叶斯基本推理规则可描述为:P( AIB):P(B。IA,姿业r LD J例如,在适应性学习系统中,假定P( A) 为某学生对知识点342003.14计算机工程与应用A掌握的概率( 通过对历史记录分析获得先验慨率) ,P( BIA) 为一般情况下学生在掌握知识点A情况下完成动作或测试B的概率,由此可推断出学牛在实施或完成动作B情况下对知识A的掌握程度。但是贝叶斯方法运算量比较大.需妥先验概率,模犁需要大量有效的数据来进行学爿,处理模糊数据是模糊逻辑的核心,模糊逻辑由成员甬数和规则对数据进行推理,以模糊成鲢函数( 模糊子集) 和规则来代替市尔逻辑对数值进行推理。它对不准确信息的推理能力可以有效表示学习者和学习过程本身内在的模糊性,3.23匹配技术对合作学习的支持基于W eb学习系统服务器上记录r大量的学生学习信息,这为开发各种适应性和智能技术来分析和利用小同学牛模型提供了基础.其中学生模型匹配技术可以支持适应性合作学习和智能班级管理。适应性合作学习是指利用系统关于不『司学生的模型米形成一个匹配的小组来完成各种台作学习.它嘣临的{要问题是如何对小组成晁测评并做出合适的教学对策。智能班级管理口n百过比较学生记录找出差异很大的学牛( 例如表现最好和表现最差的) 来引起特别的关注。总之,适应性和智能技术可增强基于W eb学习的个性化。U 弓技术为研究适麻性和智能技术提供了基本框架,适应忡趣媒体技术提供丁有效的实现方法,学习者建模技术为适啦性和智能实现提供表示和诊断方法,尤其是长期模型是通用适应性知阻环境用户建模的重要方法。3.3基于W eb分布式知识管理和集成知识管理是将组织可得到的各种信息转化为知识.并将知识与人联系起来的廿程。“ 转化” 包括对知识的识别、获取、开发、存储,将知识与人“ 联系” 就是对知识传播、学爿利用的过程。知识管理系统是实现知识管理的平台,负责完成信息到知识的转化、知识的组织与分发。面向基于W eb学习的知识管理系统与面向企业的知识管理系统相比,它对知识的分布式管理和知识其享提出更强要求,因此要研究知阻资源建设和管理方法。知识资源建设是基于W eh学习的基础。已经开发的教学系统多是封闭体系,随着网络教育的深入发展,知识资源的管理、重用、交瓦和共享成为一个突出问题,而资源共享是l nl em et对远程教育支持的潜在优势。所以支持知识的重用、交互和共享是适直性分布知识环境的基奉要求。3.3.1知识资源元数据建模殛描述由于知识资源的复杂性和多样性,使人nj 对它的理解各不相同,便出现大量不同层次、不同属性的教学资源,在管理和利用上呈现各自为政的局面。因此近年来对教育资源标准化的研究得到国际美注.其中元数据规范研究和元数据建模应用是两个重要方面。元数据( M etaData) 即“ 关于数据的数据” ,它为面向领域的目的信息提供一种一敛的描述方法.元数据为各种形态的数字化信息单元和资源集合提供规范、普遍的描述方法和成片j 工具生成基础。它为分布的、山多种数字化资源构成的信息体系提供整台的基础和纽带,20世纪90年代以来,出现许多面向不同应用领域的元数据研究,例如网络资源、文献资料、地理空间信息、数字图像等,其c}l 在网络资源卜有D ubl i n( -' ore、IAFATem t, 1ate、CDF等。1997年以后,一些国际组织开始进行关于学习资源元数据的研究。其中影响比较大的有:美国IM S( In—strueti onalM anagem ent System ) 的学习资源元数据规范LRM 万方数据 ( Learni ng Resource M etaData) ,IEEE LISC( Learni ngo“ sta㈣d rdfLearui ng O bj ectM etaD ata) ,O CLC( O nl i neC眦t完备的LRM n模型规定了在W eb页面中呈现学习资源时需要提供的些基奉元素。Technol —Com m i ttee) 的学习对象元数据模型LO MCom puterLi hraryr) D ubl i n Core的D ubl i n Core无数据模型等。例如,比较资源元数据和共享内容对象肢资源集成均可采用XM L进行形式化描述,只要遵循这些元数据规范的教学资源就可以方便地被发现和集成。3 3 2知识资源组织和管理基十W eb知识系统可以采用W eb信息集成系统方法18J 来实现知识资源管理和发市。信息集成系统的实现主要采用数据仓库方法和虚拟力法。前者是将各数据源的数据装载到数据仓库中,用厂1查询基于数据仓库中的数据;后一种方法基于一个“ 中问模式” ,数据仍然保存在局部数据源中,通过各十数据源的“ 包装程序” 将数据虚拟成中间模式,用户的查询基于【|1间模式,不必知道每个专门的数据源的特点,查询引擎直接与“ 包装程序” 打交道.将基于中阃模式的查询转换为基于各个局部数据的模式。曰I}i 『教育无知识组织和管理的主要的形式类似于数据仓库方式实现知识组织.通过建市一个W w w 门户,在后端建市元知识数据庠.并提供一定的查询和管理功能。CG —PedJ sl ” 实现_r一个基于知识的方法组织和存取资源,提供了以概念图知识表示形式来发布元数据,并采用推理技术支持个性化访问。X—D evi cel l nl 是另一个w w w 智能后端知识库系统,它可以将以D TD 描述的XM L绑定的知识兀数据文档转换为面向对象表示外存储到面向对象数据库中.并可支持使用第二阶逻辑查询需要的学习对象。H j 户面临的一个问题是各个门户提供不同的访r01方式和知识查找方法.用户面I临的一个问题是无法采用一致的方法实现对所有潜在知识资源的访问。在知识发布和管理上存在两种倾向:一是知以管理高度集中,各组织将知识资源集中到特定服务器建立资源目录,这种管理方式在资源量增加后,管理难度非常大,而且忽略r知识的发布者参与知识管理;另一种是知识的过度舒散,知识发布者以自由信息的方式发布自己的资源,难以西调管理和快速知识发现。将W eb服务技术和U D D I技术应用到基于W eb兀知识支持环境【l “ .形成分布式知识管理环境,既满足知识的分布式管理,也可以保证快速地发现和集成,为资源建设和管理平台建设提供了一种开放的支持。另外基于W ebD av、XM L和XSLT的台作课件刨作和出版m 1探讨了基于元知识的教学资源的开放管理和合作创作方法。3.3.3知识资源集成和应用通常的基于W eb适应性学习系统中,教学资源、教学策略和学生摸型往件在同一个系统中定义和实现,只是借助于网络环境实现知识传播和应用分布。基于W eb适应性分布知识环境是~个开放的知识环境,资源发布者并水能明确用户对知识的使用A法和目的.用户使用系统时,在搜索和获取自己需要的相关知谚l 资源后.要进行面向需求的知识集成后形成目的信息使坩。这个用户可能是教师.他为学生准备某一知识内容的教学课件,也可能是学生或其他H j 户为解决某一问题而形成的学习资料体第结构或教学课件。基于元知识的知识集成或课件生成最常用的是采用树型目录结构组织知识点。为了实现适应性,一般采用知识拓扑图保留学习断点,测验评估,推断认知能力。在内容导航上分类标记知识,进行不同学习策略的选择。另外,常用的书式预览图、概念图、Fi sheye Vi ew s等帮助用户在大量知识信息巾不至于迷失方向。采用G ui ded tours、Path m echani sm 、Bookm ark等指导用户有效选择学习资料。但是这些集成方法,主要是在知识呈现上给用户指导,无法实现将教学策略和学习者模型与教学资振的有机结合,进而实现适应性知识集成和合作学习。AD L对元知识组织和应用定义r访问和集成方法,M i ctosoft公司于2001年4月发布了Leartl er3.012具包,支持基于ID M 和AI) I。的学习资源集成,但只支持简单的元数据打包,对元知识的组纵管理以及知识的适应性和智能导航没有考虑。作者提出了基于Petri 网的形式化元知识集成方法‘ 131实现元知识、学习者模型和教学策略的快速集成.讨论了基于w eb适应性学习用户端的形式化描述方法,并为可视化知识集成上具实现提供基础。4一个通用的基于W eb适应性的分布知识环境框架通过以卜分析,作者建屯r一个通用的基于W eb适应性分布知识环境框架( 图3) 。该系统的具有以下功能和特点:( 1) 学习资源以元数据描述;( 2) 基于W eb服务实现知识发布和获取;( 3) 合作开发和分布式知珏}管理;( 4) 建立多策略学生模型库.支持有选择地采用学生模型;( 5) 基于Petri 网适应性知识集成和可视化知识集成工具。圈3通用适应性基于W eb分布知识环境示意圈系统主要实现技术:XM L课什元知识描述,W eb服务知识发布与管理,基于W ebD AV合作开发和分布式管理;支持通用学生模型库,基于Pe耐网实现知识与学生模型和教学策略可视化知识集成,并支持合作学爿.5结束语基于W eb学习是未来终身学习的基本方式,符合基于W eb学习特点的适应性分布知识环境是这种网络应用发展的岿然要求。在这样一个开放系统中,需要加强元知识标准研究和推行,同时需要在知识的发布和获取、适应性集成方法以及知识的分布式管理和协作创作多方面研究的支持。适应性分布知识环境为互连同上的用户提供有效的远程教育和与知识相计算机工程与应用2003.1435 万方数据 关的服务。( 收稿日期:2003年1月)参考文献IEl l en⋯Li nezi ue⋯2000-05DW ag】1erEm ergi ngT盹hnol ogyTrendsi n el eam i ng http://2 H M aurer A cri ti call ookat c一⋯丌IW eb Based Trai ni ng Efforts[C]In Pm ceedi ng》ofICCE08,1998;( 1) :30—333 w Ⅲ1l fB AIi n Edm :ati onl C].InShapi roS edEncycl opedi aofArti fi —cIal .J ohn W i l ey&Sons.Ine.N ewYork.1992:434~4404.Bm si l ovsky PAdapti ve educati onalsystem sonthe W m 怕W l de W eb【C】.In:Ayal a G edPm eO f W orkShop℃nrrenttrends and Appl i cati o【l sofArIi fi ci alIntel l i gencei nEducati on“ atthe14thw orl dCongessO NExpertSystem s。M exi co Ci ty.M exi co.ITESM ,1998:9一16H.W ata帆l l e Seethi ng5 O deT,Satubdea【l l ocked W eb I⋯Hbym easuri ngW W W —Ba剁Futori n$” atTutori ng System s(ITh08).San AnLonl o.TX,1998si m i l ari tyofl earni ng acti vi ti es[C]In:ProcO fW orkshop“4th Intem ati onalConf erence onIntel l i gent6Bayesi an StudentM odel i ng8ntID eol si on- Thenreti eSel ecti on ofTu—turi alActi onsi nIntel l i gentTutori ng System s[D].athesi sforthede—g” enfdrm tor ofphi l osophyi ncom putersci encei ntheuni vem i l yofcanterbury,20017 TheI M SLeam l ” gResourceM eta—dataInfoⅡⅡati or, M odel .hnp://w w wi m sgl ul m l urg.2001- 108盂晓峰.W eh数据管理研究综述【J 】计算机研究与发展.2001) 38( 4)9Kokkoras卜Sam p“ mD G .Vl ahavasPenonal i zed[ pam i ng System s[C1.In:8thPunhel l eni cI.CG —PerLs:ConceptualG raphsforConf.O n In—forrTl al i cs,Cyprus,2001一l10 N i ckB础si l i Hdes.Foti os kokkora^.10m m i sIVl ahavm setal AnIntel l i —gentEducati onalM etadataReposi tory http://⋯cadauth目/%al i ons/( n、一chapterlpdf2002I 1 Li uxi aoqi ang,W um i n,Chenj i axunD i stri buted know l edge l ~agem entm e—l earni ng[C].In:Asi a and7El pi s/publ iPa( i tl c advancednetw orkcorl krerl ee.Shanghai2C02—0812Ch蛐gl ao Q u,J ohann G岫l per,W ol fgang N ej dl .Col l aborati ve⋯authoring and Publ i shi nghttp一//w㈣kbsuni - hannover de/一ehangtao.200113Li uxi aoqi ang,W um i n。Chenj i axun E- l etu' ni ng know l edge aggregati onCourse一Basedon W ebD AV.XM L and XSLTandnavi gati onhi gh—l evelpetrlnets-based[C].IEEE.In:TheI sti n—tem ati unalautom ati c皿dcybem eti eoonf eD 3neesBol j i ng2002—1 1( 卜接5页)田3拉捌程序框田庄图2所示的控制结构图中.电机转向分辨电路用于分辨出嘣直流伺服电机的转向以及避免电机接近停转和处于微振状态时编码器输出的两相脉冲反复出现而产生虚假脉冲,从而影响检测精度。其原理如图4所示⋯ 。反转广] 厂] ^厂] 广]B厂] 厂B厂] 几。=1厂—]广。_—]厂—]r正持‘(b)如)圈4伺服电机转向分辨藤理爰波形圈们服电机反转时.A相脉冲超前于B相脉冲90度,在cp+362003.14计算机工程与应用端输出反向计数脉冲,当正转时,B相脉冲超前于A相脉冲90度.在cp一端输出正向计数脉冲.见图4所示,分辨出的脉冲进入脉冲计数电路进行计数,再由计算机读入进行处理。6结论论文针对非完整移动机器人的链式形式提出· 种实时运动规划方法。由于非完整移动机器人链式形式可以采用复合分段常值和多项式方法来控制,因此在运动的过程【}J 通过实时在线更新复合分段常值和多项式系数.nnH 在有限的时间内完成其运动规划。将其应用于两伺服电机独立控制移动机器人.采用PC计算机系统以投M axon公司的AD S 50/5直流伺服放大器对其进行控制,结果令人满意。( 收稿日期:2002年12月)参考文献1.胡跃明.非线性控制系统理论与应用fM 】北京:国防工业出版}J .20022BH w kettDi fferenti 出‰om etri cR WAsym ptoti cStabi l i tyandFeedbackStabi l i zati on[M 】ControlTheory.19973M urray RM ,Sastry S S.N onhol onom i ( M oti onPl anni ng:St∞ri ng U Pi ng Si nu日0i ds[J 】IEEETransO nAutom ati cControl ,1993;38( 5) :700一7164Ti l bury1) ,M urray RM ,SastrySS.T蜥ectoryG enerati on for n~NForm 【ClIn:Proceedi ngsTrai l erPm bl emU si ngG ouvsatN orm alof32nd I EEE Conference彻Deci si on andControl ,N ew York.N Y.U SA.1993· 971~9775.G i useppe 0 AnIterati veLearni ng Contm nerfurN onhol onom i c M o—bi l eRubeN J ].The Internati onalJ ournalof Roboti cs Resem h.1998:17( 9) :954~9706金钰.胡佑德,李向春伺8鲢系统设计指导【M 】.北京:北京理丁大学出版杜,2000 万方数据 基于Web适应性分布知识环境研究基于Web适应性分布知识环境研究作者:刘晓强, 朱国进, 曹乐静, 陈家训作者单位:东华大学信息学院,上海,200051刊名:计算机工程与应用英文刊名:COMPUTER ENGINEERING AND APPLICATIONS年,卷(期):2003,39(14)被引用次数: 参考文献(13条)参考文献(13条)1次 1.Ellen D Wagner Emerging Technology Trends in elearning 20002.H Maurer A critical look at current Web Based Training Efforts 19983.Woolf B AI in Education 19924.Brusilovsky P Adaptive educational systems on the World Wide Web 19985.Oda T;Satoh H;Watanabe Searching deadlocked Web learners by measuring similarity of learningactivities 19986.Bayesian Student Modeling and Decision-Theoretic Selection of Tutorial Actions in IntelligentTutoring Systems a thesis for the degree of doctor of philosophy in computer science in theuniversity of canterbury 20017.The IMS Learning Resource Meta-data Information Model 20018.孟晓峰 Web数据管理研究综述[期刊论文]-计算机研究与发展 2001(04)9.Kokkoras F;Sampson D G;Vlahavas I CG-PerLS:Conceptual Graphs for Personalized Learning Systems200110.NickBassiliades;Fotios kokkoras;Ioannis Vlahavas An Intelligent Educational Metadata Repository200211.Liuxiaoqiang;WuminChenjiaxun Distributed knowledge management in e-learning 200212.Changtao Qu;Johann Gamper;Wolfgang Nejdl Collaborative Courseware authoring and Publishing Basedon WebDAV XML and XSLT 200113.Liuxiaoqiang;Wumin;Chenjiaxun E-learning knowledge aggregation and navigation high-level petrinets-based 2002 引证文献(1条)引证文献(1条)1.陈丽花 基于Asp.net的个性化教学系统设计研究[期刊论文]-大理学院学报 2009(8) 引用本文格式:刘晓强.朱国进.曹乐静.陈家训 基于Web适应性分布知识环境研究[期刊论文]-计算机工程与应用2003(14)

关注我们

关注微信公众号

您选择了以下内容