智能教學系統（ITS）是一種計算機教育系統，其目的是提供即時和定制的指令或反饋給學習者，通常沒有來自人需要干預教師。ITS的共同目標是通過使用各種計算技術以有意義和有效的方式進行學習。在正規教育和專業環境中都使用ITS的例子很多，它們已經證明了它們的功能和局限性。智能輔導，認知學習理論與設計之間有著密切的關系。并且正在進行改進ITS有效性的研究。ITS通常旨在復制證明的一對一個性化輔導的好處，在這種情況下，學生本來可以從單個老師那里獲得一對多的指導（例如課堂講課），或者根本沒有老師（例如，在線作業）。ITS的設計目標通常是為每個學生提供高質量的教育。

基于研究人員的普遍共識，智能補習系統（ITS）包含四個基本組件：

1. 域模型
2. 學生模型
3. 輔導模式
4. 用戶界面模型

該領域模型（也被稱為認知模型或專家知識模型）是建立在學習，比如一個理論ACT-R它試圖考慮到所有需要的可能的措施來解決問題的理論。更具體地說，該模型“包含要學習的領域的概念，規則和解決問題的策略。它可以扮演多個角色：作為專家知識的來源，評估學生表現或檢測錯誤的標準等。”開發領域模型的另一種方法是基于Stellan Ohlsson的從性能錯誤中學習的理論，被稱為基于約束的建模（CBM）。在這種情況下，將域模型表示為對正確解的一組約束。

該學生模型可以被看作是域模型的疊加。它被認為是ITS的核心組成部分，要特別注意學生的認知和情感狀態及其隨著學習過程的發展而演變。在學生逐步解決問題的過程中，ITS參與了稱為模型跟蹤的過程。只要學生模型偏離域模型，系統就會識別或標記已發生錯誤。另一方面，在基于約束的導師中，學生模型表示為約束集上的覆蓋圖。基于約束的導師根據約束集評估學生的解決方案，并確定滿意和違反的約束。如果存在任何違反的約束，則學生的解決方案不正確，并且ITS提供有關這些約束的反饋。基于約束的導師提供負面反饋（即關于錯誤的反饋）以及正面反饋。

該導師模型從域和學生機型接受信息并使得有關輔導策略和行動的選擇。在問題解決過程中的任何時候，學習者都可以要求相對于他們在模型中當前位置的下一步操作指南。此外，系統會識別學習者何時偏離了模型的生產規則，并為學習者提供及時的反饋，從而縮短了達到目標技能水平的時間。導師模型可能包含數百條生產規則，可以說它們存在于兩種狀態之一，即已學習或未學習。每當學生成功將規則應用于問題時，系統都會更新該學生已學習該規則的概率估計。系統會繼續對要求有效應用規則的練習進行演練，直到掌握規則的概率達到至少95％的概率為止。

知識跟蹤可跟蹤學習者從一個問題到另一個問題的進度，并建立相對于生產規則的優缺點的概況。卡內基梅隆大學的約翰·安德森（John Anderson）開發的認知輔導系統將知識跟蹤的信息作為一個技能表來展示，該圖表是學習者成功解決與代數問題有關的每個受監控技能的直觀圖表。當學習者請求提示或標記錯誤時，知識跟蹤數據和技能表將實時更新。

該用戶界面組件“集成了三個類型的信息都需要進行對話：關于解釋的模式（了解揚聲器）和行動（產生話語）對話中的知識;需要溝通的內容領域知識;所需要的知識交流意圖”。

Nwana（1990）宣稱：“基于同一體系結構找到兩個ITS幾乎是罕見的[這是該地區工作的實驗性質所致”。他進一步解釋說，不同的輔導哲學強調學習過程的不同組成部分（即領域，學生或導師）。ITS的體系結構設計反映了這一重點，并導致了多種體系結構，其中每種體系結構都不能單獨支持所有補習策略。此外，ITS項目可能會根據組件的相對智能水平而有所不同。

除了ITS體系結構之間的差異（每個體系結構都強調不同的元素）之外，ITS的開發與任何教學設計過程都是相同的。Corbett等。（1997年）將ITS的設計和開發總結為四個迭代階段：

（1）需求評估

（2）認知任務分析

（3）最初的導師實施和

（4）評估。

需求評估的xxx階段是任何教學設計過程（尤其是軟件開發）所共有的。這涉及學習者分析，與主題專家和/或講師協商。xxx步是專家/知識和學生領域發展的一部分。目的是指定學習目標并概述課程的總體計劃；當務之急是不要將傳統概念計算機化，而應通過總體上定義任務并理解學習者處理任務的可能行為以及在較小程度上指導教師行為的行為來開發新的課程結構。為此，需要處理三個關鍵方面：

（1）學生能夠解決問題的可能性；

（2）達到此成績水平所需的時間

（3）學生將來會主動使用此知識的概率。需要分析的另一個重要方面是接口的成本效益。

第二階段，認知任務分析，是專家系統編程的詳細方法，目的是開發所需問題解決知識的有效計算模型。開發域模型的主要方法包括：

（1）采訪域專家

（2）與域專家進行“大聲思考”協議研究

（3）與新手進行“大聲思考”研究

（4）觀察教與學行為。

盡管最常用的是xxx種方法，但是專家通常無法報告認知成分。要求專家大聲報告自己在解決典型問題時的想法的“大聲思考”方法可以避免此問題。觀察教師與學生之間的實際在線互動，可以提供與解決問題的過程有關的信息，這對于在對話系統中建立對話或互動性非常有用。

第三階段，初始導師實施，涉及建立一個問題解決環境，以實現并支持可靠的學習過程。在此階段之后，將進行一系列評估活動作為最后階段，這再次類似于任何軟件開發項目。

第四階段，評估包括

（1）初步研究以確定基本的可用性和教育影響；

（2）對正在開發的系統的形成性評估；

（3）檢查系統功能有效性的參數研究；

（4）對最終導師的效果的總結性評估：學習率和漸近成就水平。

安德森、Corbett等，詳細闡述了那些強調包羅萬象的原則，他們認為這些原則主導著智能導師的設計，他們將這一原則稱為：

智能導師系統應使學生能夠工作成功解決問題。

1. 將學生的能力表示為一個產品集。
2. 溝通解決問題的目標結構。
3. 在解決問題的上下文中提供指導。
4. 促進對解決問題的知識的抽象理解。
5. 最小化工作內存負載。
6. 提供有關錯誤的即時反饋。
7. 通過學習調整指導的粒度。
8. 促進對目標技能的逐次逼近。

即使創建了創作工具來簡化任務，所有這些工作仍是一項艱巨的工作。這意味著，僅在以下情況下才可以選擇構建智能交通系統：盡管其開發成本相對較高，但仍通過減少對人工教練的需求或充分提高整體生產率來降低總體成本。當需要同時輔導大型團體或需要大量重復的輔導工作時，就會發生這種情況。典型的案例是技術培訓情況，例如對新兵的培訓和高中數學。一種特定類型的智能輔導系統，認知導師，已被許多美國高中納入數學課程，從而在期末考試和標準化考試中提高了學生的學習成績。構建了智能輔導系統，以幫助學生學習地理、電路、醫學診斷、計算機編程、數學、物理學、遺傳學、化學等。智能語言輔導系統（ILTS），例如，可以自然授課。面向xxx語言或第二語言學習者的語言。ILTS需要專業的自然語言處理工具，例如具有可接受覆蓋范圍的大型詞典以及詞法和語法分析器。

在網絡熱潮迅速擴展的過程中，新的計算機輔助教學范式，例如電子學習和分布式學習，為ITS構想提供了極好的平臺。使用ITS的領域包括自然語言處理、機器學習、計劃、多智能體系統、本體、語義Web以及社交和情感計算。另外，諸如多媒體，面向對象系統，建模，仿真和統計之類的其他技術也已與ITS連接或相結合。ITS的成功也影響了歷史上非技術領域，例如教育科學和心理學。

近年來，ITS已經開始從基于搜索的領域轉移到包括一系列實際應用中。ITS已經擴展到許多關鍵和復雜的認知領域，其結果已達到深遠的意義。ITS系統鞏固了正規教育的地位，這些系統已在企業培訓和組織學習領域找到了家。ITS為學習者提供了一些便利，例如個性化學習，及時的反饋以及時空的靈活性。

盡管智能補習系統是從認知心理學和人工智能研究發展而來的，但現在在教育和組織中發現了許多應用。智能補習系統可以在在線環境中或在傳統的課堂計算機實驗室中找到，并在K-12教室和大學中使用。有許多針對數學的程序，但可以在健康科學，語言習得和其他形式化學習領域中找到應用。

關于學生的理解力、敬業度、態度、動機和學業成績改善的報告，都引起了人們對這些系統的投資和研究的持續興趣。智能輔導系統的個性化性質為教育工作者提供了創建個性化課程的機會。在教育中，有很多智能補習系統，雖然沒有詳盡的清單，但是下面列出了一些更具影響力的計劃。

卡內基梅隆大學?匹茲堡高級認知導師中心開發的“代數導師?PAT”（PUMP代數導師或實用代數導師）使學生參與固定學習問題，并使用現代代數工具來促使學生參與解決問題和分享他們的成果。PAT的目的是利用學生的數學先驗知識和日常經驗，以促進成長。從統計（學生成績）和情感（學生和教師反饋）的角度來看，PAT的成功都有據可查（例如，邁阿密-戴德縣公立學校評估與研究辦公室）。

SQL-Tutor 是新西蘭坎特伯雷大學的智能計算機輔導小組（ICTG）開發的xxx個基于約束的輔導。SQL-Tutor教學生如何使用SQL SELECT語句從數據庫檢索數據。

EER-Tutor 是基于約束的導師（由ICTG開發），它使用實體關系模型教授概念數據庫的設計。EER導師的早期版本是KERMIT，這是用于ER建模的獨立導師，據證明，經過一小時的學習（效果大小為0.6），顯著提高了學生的知識水平。

COLLECT-UML 是一個基于約束的導師，它支持成對的學生在UML類圖上進行協作。導師提供域級別以及協作方面的反饋。

數學老師幫助學生使用分數，小數和百分比來解決單詞問題。輔導員記錄學生處理問題時的成功率，同時為學生提供后續的，適合問題的解決方法。選擇的后續問題是基于學生的能力，并估算了學生解決問題所需的時間。

eTeacher?eTeacher（Schiaffino等，2008）是一種智能代理或教學代理，支持個性化的電子學習幫助。它會建立學生資料，同時觀察在線課程中的學生表現。然后，eTeacher使用來自學生成績的信息來建議個性化的行動方案，以幫助他們的學習過程。

ZOSMAT?ZOSMAT旨在滿足真實教室的所有需求。它遵循并指導學生學習過程的不同階段。這是一個以學生為中心的ITS，它通過記錄學生的學習進度以及基于學生的努力而改變學生的課程來做到這一點。ZOSMAT既可以用于個人學習，也可以在真正的教室環境中，由人工指導進行指導。

REALP?REALP旨在通過提供特定于讀者的詞匯練習并通過從網上收集的有用，真實的閱讀材料來提供個性化練習，從而幫助學生提高閱讀理解能力。系統會根據學生的表現自動建立用戶模型。閱讀后，將根據閱讀中的目標詞匯對學生進行一系列練習。

CIRCSlM-Tutor?CIRCSIM_Tutor是一個智能補習系統，可與伊利諾伊理工學院的一年級醫學生一起使用。它使用基于自然對話的蘇格拉底語言來幫助學生學習調節血壓。

Why2-Atlas?Why2-Atlas是一款ITS，用于分析學生對物理學原理的解釋。學生以段落形式輸入他們的作品，然后程序會根據其解釋對學生的信念進行假設，從而將其單詞轉換為證明。這樣做會突出誤解和不完整的解釋。然后，系統通過與學生的對話解決這些問題，并要求學生更正其論文。在該過程完成之前，可能會發生許多迭代。

SmartTutor?香港大學（HKU）開發了SmartTutor以支持繼續教育學生的需求。個性化學習被認為是香港大學成人教育的關鍵需求，SmartTutor旨在滿足這一需求。SmartTutor通過結合互聯網技術，教育研究和人工智能為學生提供支持。

AutoTutor?AutoTutor通過模擬人類導師的話語模式和教學策略，幫助大學生通過計算機掃盲入門課程學習計算機硬件，操作系統和Internet。AutoTutor嘗試通過鍵盤了解學習者的輸入，然后制定帶有反饋，提示，更正和提示的對話框移動。

ActiveMath?ActiveMath是用于數學的基于Web的自適應學習環境。該系統致力于改善遠程學習，補充傳統的課堂教學，并支持個人學習和終身學習。

ESC101-ITS?印度坎普爾印度理工學院開發了ESC101-ITS，這是一種針對入門編程問題的智能輔導系統。

通用智能輔導框架（GIFT）是一種教育軟件，旨在創建基于計算機的輔導系統。GIFT?由美國陸軍研究實驗室于2009年至2011年開發，于2012年5月發布，用于商業用途。GIFT是開源和領域獨立的，可以免費在線下載。該軟件允許講師設計一個輔導計劃，該課程可以通過調整現有課程來涵蓋各個學科。它包括旨在供研究人員，教學設計師，講師和學生使用的課程工具。GIFT與其他教學材料兼容，例如PowerPoint演示文稿，可以將其集成到程序中。

SHERLOCK?“ SHERLOCK”用于訓練空軍技術人員以診斷F-15噴氣式飛機的電氣系統中的問題。ITS創建了錯誤的系統示意圖，供受訓者定位和診斷。ITS提供診斷讀數，使受訓人員可以確定故障是否出在測試的電路中還是系統中的其他地方。反饋和指導由系統提供，如果需要，可以提供幫助。

心臟導師?心臟導師的目的是為醫務人員提供先進的心臟支持技術。導師提出心臟問題，學生必須使用各種步驟來選擇各種干預措施。心臟導師提供線索，口頭建議和反饋，以個性化和優化學習。每次模擬，無論學生是否能夠成功地幫助患者，都會生成一份詳細報告，然后由學生進行審查。

CODES?合作音樂原型設計是用于合作音樂原型的基于Web的環境。它旨在支持用戶，特別是那些不是音樂專家的用戶，以原型制作音樂作品。可以反復測試，演奏和修改音樂示例（原型）。CODES的主要方面之一是音樂創作者及其合作伙伴之間的互動與合作。

評估ITS計劃的有效性是有問題的。ITS在設計，實施和教育重點方面差異很大。在教室中使用ITS時，不僅學生可以使用該系統，教師也可以使用該系統。出于多種原因，這種用法可能會阻礙有效評估。最明顯的是由于老師對學生學習的干預。

教師通常具有將新問題輸入系統或調整課程的能力。另外，教師和同伴經常在學生學習ITS時與學生互動（例如，在單個計算機實驗室課程中或在實驗室課程之間的課堂演講期間），這可能會影響他們使用該軟件的學習方式。先前的研究表明，使用ITS的教室中絕大多數學生的尋求幫助行為可能完全發生在軟件之外-這意味著同級和教師在給定班級中的反饋意見的性質和質量可能是該課程的重要中介。在這些情況下的學生學習。此外，課堂氣氛的各個方面，例如學生在公開尋求幫助時的總體舒適度，或老師在監控個別學生中的身體活躍程度可能會增加評估環境中變化的其他來源。所有這些變量都對ITS復雜性進行了評估，并可能有助于解釋評估研究中結果的差異。

盡管存在固有的復雜性，但許多研究仍試圖通過將ITS與人類導師進行比較來衡量ITS的整體有效性。對早期ITS系統的評論（1995年）顯示，與沒有輔導的情況相比，d?= 1.0?的影響大小，而對于人類輔導者，d?= 2.0?的影響大小。Kurt VanLehn在現代ITS的最新綜述（2011年）中發現，一對一的專業人類導師和基于步驟的ITS之間在效果大小上沒有統計學差異。一些個人ITS的評價比其他人更積極。對代數認知導師的研究發現，在標準化測試問題和現實問題解決任務方面，ITS學生的表現優于課堂老師的教學。隨后的研究發現，這些結果在來自特殊教育，非母語英語和低收入背景的學生中尤為明顯。

最近的一項薈萃??分析表明，ITS可以超越CAI和人類導師的有效性，尤其是在通過本地（特定）測試而不是標準化測試進行衡量時。“接受智能輔導的學生在50項對照評估中有46項（或92％）比常規班的學生表現更好，并且在50項研究中的39項（或78％）中，表現的改善非常重要。在50項研究中，ES的中位數為0.66，被認為是社會科學研究的中到大型效應，大致相當于從50％到75％的測試性能的提高，這比典型的結果要強例如，C.-LC Kulik和Kulik（1991）的薈萃分析發現，平均ES為0。165個CAI補習研究中的31個。ITS的收益大約是后者的兩倍。ITS的作用也大于人工指導的典型作用。正如我們所看到的那樣，人工輔導程序通常會比控制水平提高學生考試分數約0.4個標準差。ITS的開發者很久以前就著手改進CAI補習的成功，并與人工補習的成功相提并論。我們的結果表明ITS開發人員已經實現了這兩個目標...。盡管在評估本地開發的測試結果的評估中效果中等至強，但在評估標準測試結果的評估中效果要小得多。本地測試研究的平均ES為0.73；標準化測試的平均ES為0.13。對于包括本地測試和標準化測試在內的薈萃分析，這種差異并不罕見。本地測試很可能與特定教學計劃的目標保持一致。現成的標準化測試可提供更寬松的擬合。……我們自己的信念是，本地測試和標準化測試都可以提供有關教學效果的重要信息，并且在可能的情況下，兩種類型的測試都應包括在評估研究中。”

ITS的一些公認優勢是其能夠提供即時的是/否反饋，單個任務選擇，按需提示和支持精通學習的能力。

智能輔導系統的開發和實施都非常昂貴。研究階段為開發具有商業可行性的系統鋪平了道路。但是，研究階段通常很昂貴；它需要主題專家的合作和投入，以及整個組織和組織級別的個人的合作和支持。開發階段的另??一個限制是在預算和時間限制內的概念化和軟件開發。還有一些因素限制了將智能導師納入現實世界，包括開發所需的時間長和系統組件的創建成本高。該成本的很大一部分是內容組件構建的結果。例如，調查顯示，編碼一個小時的在線教學時間需要花費300個小時的時間來輔導內容。同樣，建立認知導師的發展時間與教學時間之比至少為200：1小時。高昂的開發成本常常使復制實際應用的努力黯然失色。通常，對于現實世界的應用，智能補習系統在商業上不可行。

當前正在使用的對智能輔導系統的批評是對使系統“智能化”的即時反饋和提示序列的教學法。該教學法因未能在學生中發展深度學習而受到批評。當讓學生控制接收提示的能力時，所產生的學習反應是負面的。一些學生在嘗試解決問題或完成任務之前會立即轉向提示。如果可能的話，一些學生將提示打底，即盡可能快地接收盡可能多的提示，以便更快地完成任務。如果學生未能反思輔導系統的反饋或提示，而是增加猜測，直到獲得積極的反饋，則實際上是該學生，學習以錯誤的理由做正確的事。目前，大多數補習系統無法檢測淺層學習，也無法區分生產性斗爭與非生產性斗爭。由于這些和許多其他原因（例如，基礎模型對特定用戶群的過擬合 ），這些系統的有效性在各個用戶之間可能存在很大差異。

對智能補習系統的另一種批評是該系統無法向學生提出問題以解釋其行為。如果學生不學習領域語言，那么要獲得更深入的理解，小組協作以及將領域語言轉換為寫作變得更加困難。例如，如果學生不是在“談論科學”，則認為學生沒有沉浸在科學文化中，從而難以進行科學寫作或參與團隊合作。人們批評智能補習系統太“指導主義”，并從學習中消除了內在動機，社會學習環境和環境現實主義。

應考慮到贊助商/主管部門和用戶傾向于采用智能輔導系統方面的實際問題。首先，必須有人愿意實施ITS。此外，授權機構必須認識到將智能輔導軟件集成到當前課程中的必要性，最后，發起人或授權機構必須在系統開發的各個階段提供所需的支持，直到完成并實施為止。

評估智能補習系統是一個重要階段。然而，這通常是困難，昂貴和費時的。盡管文獻中提供了各種評估技術，但沒有選擇特定環境中使用的適當評估方法的指導原則。應該進行仔細檢查，以確保復雜的系統能夠實現其聲稱的功能。該評估可能會在系統的設計和早期開發過程中進行，以識別問題并指導修改（即形成性評估）。相反，評估可以在系統完成之后進行，以支持有關已完成系統的構造，行為或結果的正式聲明（即總結評估）。由于缺乏評估標準而帶來的巨大挑戰導致忽略了一些現有ITS中的評估階段。

一些會議定期審議有關智能補習系統的論文。最古老的是國際智能輔導系統會議，該會議始于1988年，現在每兩年舉行一次。國際教育人工智能協會（AIED）出版了《國際教育人工智能雜志》（IJAIED），并組織了于1989年啟動的年度國際教育人工智能大會?。關于智能補習系統的許多論文也出現在國際用戶建模，適應和個性化會議（[1]）和國際教育數據挖掘會議（[2]）。在人工智能協會（AAAI）有時會專題討論會和相關的智能教學系統的論文。關于ITS的書籍很多，其中包括Lawrence Erlbaum Associates出版的三本書。