{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"ae053936-f6b1-488b-8973-bb2332d1be14","id":"ae053936-f6b1-488b-8973-bb2332d1be14","uuid":"ae053936-f6b1-488b-8973-bb2332d1be14","title":"数字技术研究","normalized_title":"数字技术研究","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787308182003","isbns":["9787308182003"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":790,"navigation_url":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14","title_url":"https://workshop.closeclaw.top/ai/title/%E6%95%B0%E5%AD%97%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/ae053936-f6b1-488b-8973-bb2332d1be14/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/ae053936-f6b1-488b-8973-bb2332d1be14","page_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/page","search_url":"https://workshop.closeclaw.top/api/ai/books/ae053936-f6b1-488b-8973-bb2332d1be14/search"},"page":{"printed_page":677,"pdf_page":701,"physical_index":701,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"7fb12ed153b7cc776170b5ccaf9ee6a0413b799ddd146ff73274ba029dd25667"},"chapter":"第29章 学习者建模环境","content":"基于约束的建模\n\n与认知导师并行开发的一个方法是基于约束的建模(CBM)(Ohlsson，1992)。基于约束的建模是针对DEBUGGY与随后出现的认知导师等早期学习者建模环境中对学习者知识的描绘针对性过强这一问题而出现的(OhlssonandMitrovic,2007)。学习者模型的针对性过程是指难以应付一般形式的学习者建模(Holt et al.,1994;Self,1990)。任何旨在推断学习者完整模型的机制，都是独立于表示学习者知识的技巧之外，这些机制必定要依赖成百上千个个体知识块的设计规格。事实上，这种针对性是难以有效处理的，即便是运用复杂的制作工具来构建适当的知识表示。的确，如果将人类导师视作建立数字学习环境的黄金标准，那么问题就在于期待一个具有完全特性的学习者模型是否合乎情理。经验研究表明，人类导师在教学时往往无须借助全面的、完全连贯的学习者模型，也能做到非常有效(Holt et al.,1994;Leinhardtand Ohlsson,1990)。奥尔松(Ohlsson)提出的基于约束的建模方法以此为基础，引入了一个技巧，只需要片面但有效的学习者模型。\n\n在基于约束的建模方法中，针对性过强问题可通过减法来解决，而领域知识则是通过一套对应于该领域的正确解决途径的约束条件来表示的。每个约束条件都是一组有序数对 $< C _ { r } , C _ { s } >$ 。在这里， $C _ { r }$ 是关联条件，指的是与约束相关的问题状态的类别；而 $C _ { s }$ 是满足条件，指出了约束满足的状态类型。这组数对中的每个数都可以被视作某个问题状态的一组属性，约束代表的是下面这种陈述，如果属性 $C _ { r }$ 成立，那么属性 $C _ { s }$ 也成立。如果 $C _ { s }$ 不成立，则意味着可能发生了错误。因而，每个约束条件也间接表示了一套错误的解法，即违反约束条件的解法。基于约束的学习者模型包含着学习者违反与未违反的这组约束条件。违反约束条件，从学习者来讲，意味着知识的缺失或不完整。\n\n第29章 学习者建模环境\n\n449\n\n677","previous_page":676,"next_page":678}