智能导学系统AutoTutor:理论、技术、应用和预期影响

AutoTutor是一种基于自然语言的智能导学系统,在模拟人类教师教学基础上采用自然语言与学生对话。其使用预期-误解定制式对话,对学生的答案给予及时反馈,并根据学生对问题理解的程度随时调整对话内容,有效地引导学生构建理想答案。本文首先概述了AutoTutor的开发动因及自然语言导学的优势,然后介绍了其背后的理论和技术,回顾了已有应用研究,并展望了未来的预期影响。AutoTutor的开发以认知科学和学习科学理论为基础,充分利用最新的文本分析技术和对话技巧,使对话过程自然有效,其后期发展还纳入了学习情绪相关理论。AutoTutor对自然语言对话的分析主要采用正则表达式、潜在语义分析和言语行为分类器,并使用x API标准记录学习活动数据,以方便与其他系统进行信息交流。目前,AutoTutor已被应用于多个学习领域,学习效果可达0.8个标准差;在旁观者图灵测试中,被试不能区分对话脚本是由系统生成还是由真实教师生成的;已实现脚本的在线协同编辑。这种基于自然语言的定制式对话可与已有学习平台整合,实现优势互补。