这些研究结果丰富了互动式数学学习的学习者模型的设计。该模型执行的是贝叶斯网络，代表了特定情境因素组合之间的因果关系，推动了教师根据可观测到的学习者行为推断出的学习者情绪状态，与教师据此推断做出的行为间的关系的形成(Porayska-Pomsta et al.,2008)。
讨论与结论
本章介绍了学习者建模环境的概念，认为这是一种手段，通过这种手段能够支持并研究学习。其中学习者模型尤其被当作所有学习者建模环境的核心且明确的特征，是能够适应交互、为个别学习者提供实时教学支持的技术增强型教育工具的必要前提。
自动的学习者模型，虽然仍然属于新兴学科，但并非全新的领域；已有诸多研究证明了学习者模型的多种研究途径。早期的学习者模型工具仅着眼于对学习者的知识加以模拟。随着该领域的不断成熟，以及生理传感器等新技术出现并被人们消费得起，研究的重点扩展到了学习者的情绪。然而，该领域的研究人员很少从同样的理论、技术与教育学视角来思考学习者模型及建立学习者建模环境等任务。这意味着，该领域缺乏统一性，从而阻碍了对不同实施项目间的比较，也难以对其趋势及成就进行连贯的描述。
本章的目标是尽可能将各种方法与观点统一到学习者模型领域的连贯描述中，以使新读者理解其主要原则与观点。我们指出了学习者模型的两大类用途：一是用于执行关于人类学习过程的理论；二是支持教育情境中的人机交互。虽然这些研究目标并非互不相容，但要在其中进行选择，往往需要明确研究重点，要么在于实现这些模型的认知及/或心理忠实度，要么在于实现其计算效能。文章通篇给出了反映这两个重点的实施案例，以及一些方法案例，如基于约束的学习者知识建模方法，或科纳蒂和麦克拉伦的情绪建模方法，以期在两方面都有所收获。我们选择的学习者建模方法兼有认知与情感内容，代表了这个尚在不断发展中的领域的主要趋势，由此既强调了学习者建模环境设计中的主要问题，也突出了一般教育研究中的相关问题。学习者建模环境并不仅限于本章所罗列的内容，还有许多阐明当前最新成就的学习者建模环境案例，以及丰富了此类环境设计的研究案例。我们希望通过佐证本章结论的这些参考文献，让感兴趣的读者能够追踪并沿着这些方法继续研究下去。
第29章 学习者建模环境
455
456
685