基于知识空间理论的AI 智能辅导研究

1. 研究背景

知识空间理论 (Knowledge Space Theory)，通常简称为 KST，是由比利时数学心理学家 Doignon 和美国数学心理学家 Falmagne 于 1985 年提出的一种数学理论。KST 基于逻辑学、组合学、教育学、心理学等理论，建立了一套研究教育规律的数学理论框架。KST 以要学习的内容为知识域，根据学习者对不同水平的一系列有关问题的解答，确定个体当前的知识状态，反映学习者的认知水平，并指导个体的下一步学习。

相比于人脑，AI 拥有强大的记忆力和更高的算力，在智能辅导系统方面具备天然的优势。对于任何非平凡的知识域，可行的知识状态的数量往往是相当大的，需要借助于计算机的强大记忆容量建立学习的数据库；中高等教育中与教学内容相关技能培养只靠课堂教学是无法实现的，借助 AI 智能辅导系统可以为学生提供充分的技能训练。在教学过程中教学人员都需要知道学生的技能和能力水平，这也需要借助AI 智能辅导系统进行学习评估。KST 可用来发展基于认知结构的评估工具，帮助教育者更好地了解学生的认知结构及学习过程，从而制定更有效的教学计划和教学内容。另外，KST 可用来开发个性化辅助学习系统，从而根据学生的知识需求和学习进展，及时调整教材和教学方法。

智能辅导系统 (Intelligent Tutoring System，ITS) 是将 AI 技术与教育方法结合的教学系统，注重提供更全面的教学。虽然 KST 自提出以来就面向教育发展领域，由于但其在中高等教育中针对教师教学辅助的研究仍较少，因此能否在教师教学中得到较好的应用是未来 KST 发展面临的一大挑战。借助不断进步地 AI 技术，KST 在构建知识空间、优化学习路径、准确评估教学效果和提高教学效率方面还有很大的空间。

2. 研究思路

将KST 与AI 智能辅导系统结合，探索课堂教学监测服务，开展智能学情分析，动态跟踪学生学习进度与反馈，帮助教师优化教学策略，推动作业批改与答疑辅导规模化应用。

首先，本项目将而二分知识结构推广到多分知识结构，即将答题评分从正确错误到分为多个等级，使得评价过程包含更丰富的信息，有助于教师更全面了解学生的学习情况，调整教学策略；第二，学习的过程包含知识和技能，学生对技能的掌握最后上升为能力，本项目通过研究学生的知识、技能、能力的关系，根据学生对问题的响应情况综合分析评估学生的学习效果，推荐学习的最优路径；最后，有效的学习就需要尽可能克服遗忘的影响，根据 KST 良级性的知识空间的研究结果，选择知识的内边缘进行有效复习，可以提高学习的效率。

要使 KST 快速发展，必须解决教育学、心理学、项目反应理论等诸多领域中的关键问题，这需要进一步结合形式概念分析、认知诊断模型、概念认知学习等理论，充分发挥领域间交叉融合研究的优势，才能解决这一挑战性问题。

教学包括教和学两个方面，基于KST 的AI 智能辅导系统根据学科的内容构建相应的知识空间，借助 KST 中知识结构的良级性特征构建适合高职学生的学习空间、利用知识结构的推测关系精简学习的内容、结合最优学习路径理论调整教学内容的呈现顺序、使用相应的评估方法及时了解学生的掌握情况。

3. 研究结论

3.1 KST 与AI 智能辅导系统结合的教学监测服务设计

（一）多分知识结构的构建。

传统答题评分通常仅以正确或错误进行区分，这种二分法难以全面反映学生对知识的掌握细节。本研究将答题评分拓展至多个等级，构建多分知识结构，例如可依据答题的完整性、准确性、创新性等多维度进行分级评分。通过这种方式，能够更细致地评价学生的学习情况，为教师提供关于学生知识掌握程度的丰富信息，如学生可能对某一知识点的部分内容理解较好，但在其他方面存在不足。教师借此可更全面地了解学生对知识的掌握程度，进而有针对性地调整教学策略，针对学生薄弱之处进行重点讲解与强化练习，提升教学效果。

（二）知识、技能、能力关系的分析。

学习过程是一个复杂的体系，涵盖知识的积累、技能的培养以及能力的提升。知识是基础，技能是对知识的运用，而能力则是技能的综合体现与升华。本研究深入分析学生知识、技能、能力之间的关系，通过对学生在不同问题情境下的响应情况进行综合评估，精准判断学生的学习效果。例如，在解决一道数学应用题时，学生能否准确运用所学公式（知识），熟练地进行计算步骤（技能），以及能否灵活运用多种方法解决问题（能力），这些方面共同反映了学生的学习水平。基于此评估，为学生推荐最优学习路径，促进其在知识、技能、能力三方面的协调发展，实现全面发展。

（三）基于KST 良级性的复习策略。

KST 良级性的知识空间研究表明，知识内边缘的复习具有高效性。知识内边缘即知识结构中处于核心与边缘过渡区域的知识点，这些知识点对学生巩固已有知识和拓展新知识起着关键作用。本研究依据这一成果，选择知识的内边缘进行有效复习。相较于传统的全面复习方式，此种策略能在有限的时间内集中精力复习关键内容，提高复习效率。通过针对性地强化知识内边缘的知识点，帮助学生更好地巩固知识，克服遗忘的影响，使学生的知识体系更加稳固和完善。

3.2 AI 智能辅导系统在课堂教学监测中的实现

（一）构建学科知识空间

针对不同学科独特的知识体系与逻辑结构，构建与之适配的知识空间至关重要。知识空间理论（KST）的知识结构良级性特征，为打造科学合理的学习空间提供了有力支撑。对于高职学生而言，其学习需求与认知特点具有独特性，因此，在构建学科知识空间时，需充分考虑这些因素，依据 KST 的原理，对学科知识进行系统化的组织与呈现，确保教学内容的科学性与合理性，为学生提供高效且适宜的学习框架。

（二）精简学习内容

借助KST 中知识结构的推测关系，能够对学习内容进行有效精简。通过深入分析知识之间的内在联系，去除冗余信息，提炼出核心知识点，从而提高学习效率。同时，结合最优学习路径理论，对教学内容的呈现顺序进行调整。最优学习路径理论强调根据学生的学习进度与认知规律，合理安排教学内容的先后顺序，使学生能够由浅入深、循序渐进地掌握知识，避免因内容安排不当而增加学习难度，进而帮助学生更顺畅地实现知识的积累与内化。

（三）实时评估与反馈

采用与教学内容和学生特点相匹配的评估方法，及时且准确地了解学生对知识的掌握情况。这些评估方法可以包括在线测试、作业分析、课堂互动表现等多种形式。通过收集和分析评估数据，将结果实时反馈给教师和学生。教师依据反馈信息，能够清晰地把握学生的学习状况，发现教学中存在的问题，从而有针对性地调整教学策略，优化教学过程。学生根据反馈信息，可以明确自身的学习优势与不足，进而调整学习方法，改进学习效果，实现教学相长的良好局面。

项目信息

项目名称：基于知识空间理论的AI 智能辅导研究项目编号：2025PZYKY22