教育技术与人工智能

第1章 绪论
1.1 什么是教育?
1.2 什么是人类的自然智能?
1.3 什么是人工智能?
1.4 什么是教育技术?
1.5 教育，自然智能，教育技术与人工智能之间的关系
第2章 一般教学系统
2.1 定义
2.2 一般教学系统中各个要素之间的关系
2.3 一般教学系统的动态性
2.4 一般教学系统的开放性
2.5 一般教学系统中教育者的功能
2.6 一般教学系统中的教学方法和理论基础
2.6.1 行为主义：学习依靠强化训练
2.6.2 认知主义：学习依靠理解
2.6.3 建构主义：学习依靠经历和解释
第3章 计算机辅助教学系统
3.1 定义
3.2 计算机在一般教学系统中的功能
第4章 知识表达技术
4.1 概述
4.1.1 知识的定义
4.1.2 知识的分类
4.1.3 知识的自然表达方法——自然语言
4.1.4 计算机和自然语言
4.2 谓词表示法
4.2.1 命题逻辑
4.2.2 谓词逻辑
4.2.3 谓词公式的等价性与永真蕴涵
4.2.4 自然演绎推理方法
4.2.5 逻辑编程语言Pmlog简介
4.3 产生式表示法
4.3.1 定义
4.3.2 产生式系统的组成
4.3.3 产生式表示法的特点
4.4 语义网络表示法
4.4.1 定义
4.4.2 语义网络表示法的特点
4.4.3 语义网络系统：W0rdNet、HowNet和CYC
4.5 框架表示法
4.5.1 定义
4.5.2 框架表示法的特点
4.6 面向对象表示法
4.7 脚本表示法
4.7.1 定义
4.7.2 脚本的推理
4.8 小结
4.9 在教育技术上的应用
第5章 人工神经网络
5.1 人工神经网络简介
5.2 神经网络的特征
5.3 人工神经网络在个性化教学上的应用案例
5.3.1 人类性格——大五理论
5.3.2 人类智能——多元智力理论
5.3.3 通过神经网络识别个人特征
5.3.4 学习行为评价
5.4 人工神经网络方法在高校教学评估中的应用
5.5 人工神经网络方法在高校发展预测中的应用
第6章 机器学习
6.1 概述
6.2 基本模型
6.3 机械学习
6.4 传授式学习
6.5 类比学习
6.6 归纳学习
6.7 基于解释的学习
6.8 在教育技术上的应用
第7章 自然语言处理
7.1 自然语言理解和产生
7.1.1 概述
7.1.2 词法分析
7.1.3 句法分析
7.1.4 语义分析
7.2 智能答疑系统
7.2.1 聊天机器人：xiaoi和CSIEC
7.2.2 ELIZA：关键词匹配技术
7.2.3 AL,ICEBOT与AIML
7.2.4 模式匹配原理的优点和缺点
7.2.5 关键词匹配技术应用：网络搜索
7.2.6 汉字智能答疑系统
7.3 语音识别和合成技术
7.3.1 语音识别技术及其教学应用
7.3.2 语音合成技术
7.3.3 语音识别和合成软件介绍
第8章 其它技术
8.1 专家系统
8.1.1 发展简史
8.1.2 专家系统的定义
8.1.3 分类
8.1.4 基本结构
8.1.5 设计与建造
8.1.6 系统评价内容
8.1.7 开发工具
8.1.8 专家系统与教育
8.2 Agent技术
8.2.1 Agent历史与概念
8.2.2 Agent的特性
8.2.3 多Agent系统
8.2.4 智能和社会性Agent技术在教育上的应用以希赛可系统为例
第9 章希赛可系统
9.1 动因
9.2 指导理论
9.3 相关工作
9.4 CSIEC中的英语语法体系
9.4.1 句子
9.4.2 从句
9.4.3 短语
9.4.4 单词
9.5 希赛可系统结构和技术机理
9.5.1 浏览器／服务器接口
9.5.2 英语解析器
9.5.3 NLML解析器
9.5.4 自然语言数据库NLDB
9.5.5 常识性知识
9.5.6 文本蕴涵机理GTE
9.5.7 交流性反应机理CR
9.5.8 多通道用户界面和可以选择的聊天模式
9.5.9 适应于用户偏好和话题的自由聊天
9.5.10 在给定场景中的引导性对话
9.5.11 无限定答案填空练习的自动评分
9.5.12 两个机器人的对话演示（“二人转”）
9.5.13 听力训练
9.5.14 积分机制
9.6 系统应用和评估
9.6.1 自由用户使用情况分析
9.6.2 系统在韩国和日本应用情况分析
9.6.3 英语课程整合和评估
9.6.4 希赛可系统课程整合研究结论、反思与讨论
附录1 插图索引
附录2 表格索引
参考文献