多AGENT技术在网络智能教学系统中的应用研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇多AGENT技术在网络智能教学系统中的应用研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：多年来，传统的计算机辅助教学模式越来越不能满足高校的教学需要，传统的教学系统软件大多存在智能程度低、缺少教学策略等缺点。智能教学系统是当前计算机智能教育的研究热点。结合多agent的特性及在智能教学系统中应用的理论，提出了基于多Agent的智能网络教学系统的设计模型，详细分析了系统各层次的功能，并给出了系统数据库的分类设计以及系统模型的特点。

关键词：

中图分类号： TP391．7 文献标识码： A 文章编号：2095－2163（2011）03－0027－04

Application of Multi－AGENT in Network Intelligent Tutoring System

WANG Jianhua

Abstract：During many years, traditional modes of computer-aided teaching can not meet the educational needs of universities and colleges. And there exist a low degree of intelligence, lack of teaching strategies and other shortcomings for most of the traditional teaching system softwares. So intelligent tutoring system has become a research hotspot of intelligent computer education. Combined with the features of Multi-AGENT and the application theory in intelligent tutoring system, the paper presents the design model of network intelligent tutoring system based on Multi-AGENT, analyzes in detail system-level functions, and gives out the classification design of system database, as well as the characteristics of system model.

Key words：

0 引言

智能教学系统是当今计算机辅助教学领域研究和应用的热点。网络应用于教育领域，使得高校的教学方法、教学手段有了很大的改变，从而彻底地改变了人们的教育观念和教学模式。网络教学系统可以为教学双方提供海量的教学资源，使学习者之间在海量的用户中实现了无限沟通和交流。多AGENT系统应用于智能教学系统是最新的技术，建构主义教育思想和人工智能领域中理论的结合使得智能化的、面向学习效果的、交互的远程学习模型的建立成为可能[1]。本文提出了一个基于多AGENT的网络自主和协作模式的智能教学系统模型，并分析了系统的逻辑功能和特点。

1 多AGENT系统及应用

1．1 多AGENT系统的概念

多AGENT系统是由多个可计算的AGENT组成的集合。每个AGENT能作用于自身和环境，操纵环境的部分表示，并与其它AGENT通讯，从而通过AGENT间的合作、协商、协调、联盟，模拟现实社会中的群体智能活动，完成复杂的任务[2]。多AGENT的这些特点正可以用来解决网络教学中的问题。

Multi－AGENT系统是指一些通过多个AGENT协作完成某些任务或达到某些目标的计算系统。单个AGENT的能力是有限的，但可以通过适当体系结构把多个AGENT组织起来，从而弥补各个AGENT的不足，使整个系统的能力超过任何单个AGENT的能力。多AGENT系统表示一个问题需要多个求解实体，这种系统具有传统分布，并发问题求解的优点，同时具有复杂的交互模式。

1．2 多AGENT系统的体系结构

多AGENT系统体系结构的选择影响系统自主性、自适应性的程度。体系结构中必须有共同的通信协议或传递机制。对于特定的应用，应该选择与多AGENT系统相匹配的结构。文献[3]将多AGENT体系结构划分为以下三种。

（1）集中式结构。采用类似星型网络的结构，将AGENT分成若干个组，每个组内的AGENT 采取集中式管理，即每一组AGENT提供一个控制AGENT，以此来控制和协调组内不同AGENT的合作，如任务规划和分配等等。

（2）分布式结构。各AGENT组之间和组内各AGENT之间均为分布式结构，各AGENT组或组内各AGENT无主次之分，处于平等地位。

（3）层次式结构。集合了集中式和分布式两类结构。其中包含一个或多个层次结构，每个层次结构有多个AGENT，这些AGENT可以采用分布式或者集中式。相邻层之间的AGENT可以直接通信，或者利用控制AGENT进行广播通信。

1．3 多AGENT技术在网络教学系统的应用

智能AGENT可以以虚拟的教师、虚拟的学习伙伴、虚拟的实验室设备和虚拟的图书馆管理员身份出现，从而增强教学内容的趣味性、个性化和人性化色彩，改善人机教学效果，使远程教学效果达到和超过传统的教学效果[4]。在学习过程中，智能AGENT可以根据学生的个体差异安排学习计划、学习建议；在练习和训练过程中，智能AGENT根据各个学生的学习进度和学习水平，为学生提供合适的习题与实验，相当于私人教师进行个别授课与个别辅导。当学生在网上学习迷航时，智能AGENT还能起到导航的作用，为学生指点迷津，顺利地将学生带到目的地。

2 基于多AGENT的智能教学系统模型

本文提出的基于多AGENT的智能教学系统，主要面向三类使用者：学生、教师和管理者。通过相对应的AGENT对使用者的使用行为进行学习和模拟，从而可以引导其个性化地使用该学习系统。系统除了要实现教师和学生在课堂教学中的一切功能以外，还要提供许多远程功能，例如：作业的提交和评价、同学间的协作学习、教学策略的实时更新等。笔者提出的基于多AGENT的智能教学模型如图1所示。整个系统在逻辑上由数据提供层、访问控制层、公共服务层、教学应用层、用户协作层和用户层6个部分构成。

2．1 用户层

教学系统的所有用户可分为学生、教师和管理员三个部分。由于用户角色的不同以及行为和思维习惯的不同，导致其使用的系统功能不同，使用习惯也不同。由于不同的用户可能来自于不同的网络平台，例如互联网、手机WAP网、各种类型的终端设备等，系统的设计可以整合所有异构网络平台。用户无论在何种网络平台下，都可以正常使用系统。

2．2 用户协作层

对于使用系统的所有用户，用户协作层负责身份验证。对于已经登录到系统中的用户，用户协作层中的“学生协作AGENT”和“教师协作AGENT”负责多个学生之间的协作学习以及多个教师之间的协作教学。根据不同学生用户的特性，并依据系统掌握的教学策略和规则，系统会适当地将学生用户按照不同的原则进行分组，或者将各方面程度相近的学生分成一组，或者将不同程度的学生分成一组，以模拟实际的教学环境。

2．3 教学应用层

学生用户和教师用户的一切教学活动都在教学应用层中完成。有关教学的每一个应用都分别对应一个AGENT，可引导用户进行操作、为用户提供个性化操作界面和教学内容；与其它AGENT进行通信、协作，智能地选择适合用户的教学策略。

（1） 学生与教师共同的应用

教学系统模型中关于教师和学生共同的应用有讨论答疑、作业管理、课程报告管理、学习评价管理等。

① 讨论答疑AGENT面向所有用户提供讨论服务，可以根据学生用户不同的学习风格、问题讨论的范围等因素智能地实现自动分组讨论。

② 作业管理AGENT协助教师AGENT负责为不同类型、不同程度的学生用户分发作业，协助学生用户提交作业。

③ 课程报告AGENT协助教师AGENT为学生用户提供大作业、设计报告、实验报告、小论文以及毕业论文等的出题、选题等工作。

④ 学习评价AGENT的功能是与和教学相关的各个AGENT实时通信和协作，负责完成教师教学过程和学生学习过程的所有评价工作。最后将评价结果保存到相应的系统数据库中。

（2） 学生活动应用

学生用户在教学系统中独有的应用主要有学习、练习、实验和测试等。

① 学习是学生用户使用教学系统最多的功能，学习AGENT引导学生用户在教学系统中学习专业知识。根据不同学生用户的类型和学习风格，为用户提供个性化的操作界面。

② 练习AGENT根据学生用户的学习效果，为用户智能地提供练习题目。还可以根据学生用户历史练习成绩，提供难度适中的练习题，使学生用户能逐渐适应新知识，从而循序渐进地学习。练习AGENT还可以为小组用户提供相应难度的习题供大家比赛，从而检验小组学习效果。

③ 实验AGENT的功能是协助教师AGENT设计实验题目和引导学生用户完成实验内容，为实验题目提供智能仿真环境，帮助学生用户提交实验报告。

④ 测试AGENT协助教师AGENT完成学科测试的出题工作，包括试卷结构的设定、智能组卷的完成以及试卷分发等工作；协助学生AGENT完成测试过程、答案提交等工作。

（3） 教师活动应用

教师用户在教学系统有的应用主要有课程管理、教学内容管理、教学资源管理、试题管理等功能。

① 课程管理AGENT负责课程的开设、课程信息的维护、知识点的划分、制定知识点之间关联规则以及基本教学策略的制定等工作。

② 教学内容AGENT主要负责协助教师按知识点内容将教学内容录入课程内容数据库中，并负责对其进行维护。

③ 资源管理AGENT协助教师AGENT负责对图片、声音、视频等教学资源进行管理。包括教学资源的录入、修改、删除等。

④ 试题管理AGENT协助教师AGENT完成对学科试题库的建设，包括题型管理、题目管理、难度设定等。同时与练习AGENT和测试AGENT协作，为学生用户提供个性化试题服务。

2．4 公共服务层

构成教学系统的各AGENT需要通信与协作，系统的不同用户还会有不同的数据查询和统计需求，系统需要安全稳定地运行，还需要为用户提供丰富、准确的帮助信息，这一切功能的实现都通过系统的公共服务层来提供。

公共服务层为所有AGENT服务，是AGENT应用和底层数据库之间的接口。公共服务层由教学策略AGENT、查询服务AGENT、系统消息AGENT、系统安全AGENT和在线帮助AGENT构成。

2．5 访问控制层

为了系统数据库的安全，系统特别在系统数据库和公共服务层之间设置了一个访问控制层。访问控制层负责接受公共服务层的访问要求，直接访问系统数据库中的数据，返回访问结果，并负责响应访问控制层的数据挖掘请求。

2．6 数据提供层

智能教学系统需要海量数据支持，包括课程内容提供、各类用户信息、学生历史成绩数据、教学策略数据、教学资源及系统知识规则库等。将以上每一类数据单独存放在一个数据库里，方便数据的分类和管理，形成数据仓库。

3 系统数据库功能设计

基于多AGENT的智能教学系统，要想实现其智能的功能设计，需要海量的数据支持。面对海量用户群，系统数据库应该支持异构网络及分布式存储和处理。系统将所有数据分成以下7个数据库分别存储与处理。

（1）学生信息库。学生信息库用于存储所有学生用户的自然信息，包括为学生用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，还包括兴趣、爱好、家庭情况、学习习惯等信息。另外，还记录学生用户在教学系统中的所有活动内容日志。

（2）教师信息库。教师信息库用于存储所有教师用户的自然信息，包括为教师用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，也包括兴趣、爱好、家庭情况、教学习惯等信息。与学生用户类似，教师信息库同时也会记录教师用户的所有活动内容日志。

（3）学生成绩库。学生成绩库记录所有学生用户的成绩信息，包括练习成绩、测验成绩、考试成绩等信息。做为基础数据，学生成绩库是系统众多AGENT进行数据挖掘和分析处理的数据来源。系统为学生用户提供的一切学习内容，都是建立在已有学生成绩数据的基础之上，教师AGENT和学习评价AGENT的活动也离不开对学生成绩数据的挖掘与分析。

（4）课程内容库。课程内容库用于存储某一门课程包括章节设计、知识点设计和全部知识在内的全部内容，还包括所有知识点之间的关联。为了适应智能教学系统的教学要求，对任何一个知识点允许多名教师用户设计不同的教学过程，以满足不同用户的学习要求。

（5）教学策略库。教学策略库是智能教学系统的灵魂，根据课程内容库中存储的知识点结构和关联，系统会为不同学生用户随机或有目的地、智能地生成不同的教学策略。根据学习评价AGENT的反馈，不断地强化优规则、淘汰劣规则，由此建立起稳定的教学策略规则库。

（6）教学资源库。教学资源库用于存储课程的全部教学资源。由于智能教学系统是开放的，学生用户和教师用户是海量的，所以教学资源库对所有用户是开放设计的。所有用户都可以自主创建教学资源，在系统运行过程中，优秀的资源会得到越来越多的使用机会，从而更多地应用于教学策略中。

（7）系统知识库。系统知识库用于存储智能教学系统除教学策略之外的规则。

4 系统模型特点

本文设计的智能教学系统模型最大限度地模拟现实世界人类的教学活动，通过多AGENT之间的信息共享、沟通协作，以海量教学资源和学习数据为基础，实时更新丰富的教学策略，为不同用户提供个性化的学习界面，从而实现网络自主学习和协作学习相结合的学习模式。系统模型主要有以下几个特点：

（1）最大限度地模拟现实世界。网络教学系统要想真正发挥作用，赢得使用者的喜爱，就要实现真正的个性化教学、人性化教学，实现自主学习与协作学习，实现动态实时教学策略管理。这就要求网络教学系统最大可能地接近真实世界的教学环境，最大可能地模拟学校教学生活，只有这样，学习者才能有真实感、亲切感，才能喜欢网络教学系统，愿意使用该系统，因此，才能高效地进行学习活动。

本文提出的智能教学系统模型，通过将现实世界中的真实教学任务适当地分解为多个步骤，系统丰富的功能由多个不同的AGENT互相协作完成，所有AGENT各司其职，比较全面地模拟了现实教学环境。

（2）多AGENT分工合作。系统由多个AGENT协作完成教学任务，各AGENT之间既可以单独完成既定的任务，也可以通过沟通和协作完成较复杂的大型任务。详细的分工使系统框架结构清晰明了，便于具体实现。

（3）引入学习风格的评价。学习风格是学习者持续一贯的、带有个性特征的学习方式，是学习策略和学习倾向的总和。学习策略指学习方法，学习倾向指学习者的学习情绪、态度、动机、坚持性以及对学习环境、学习内容等方面的偏爱。系统模型中的学生AGENT在学生登录成功后，负责监测、记录学生的学习风格方面的数据，并记入到学生信息库中。根据长时间监测的结果智能地总结出该学生的学习风格，从而根据学习风格提供个性化的学习界面。

有些学习策略和学习倾向会随学习任务、学习环境的不同而变化。系统的学生AGENT会根据学生信息库中数据的变化动态地跟踪学习者的学习风格，从而动态地改变教学策略，让学习者真正体会到是在一个现实的教学环境当中。

（4）分组协作教学。系统模型当中引入了学习风格的评价内容，学生协作AGENT可以将学习者的不同学习风格作为分组的依据，从而实现协作学习。系统还可以分析教师的教学风格，从而为学生提供个性化的教学服务。系统的设计面向整个互联网，庞大的教师群和学生群在同时使用，就涉及师生结对的问题。系统通过对教师教学风格和学生学习风格的匹配，为学生智能分配教师、为教师智能分配学生，而且这一过程是动态的。学生用户面对的是一位或多位虚拟教师，教师面对的是多位虚拟学生。这一技术彻底实现了师生之间协作教学，从而最大限度地提高了教学效率。

（5）教学策略的实时调整。系统中数量众多的AGENT分工协作，实时采集教学活动的所有信息，存入系统的多个数据库中，从而形成了海量的教学活动信息资源库。系统的各个AGENT会通过数据挖掘AGENT所提供的服务，从各个数据库中挖掘最新的关联规则，从而动态地改变教学策略。教学策略的动态调整丰富了教学系统的功能，使系统更加人性化，同时也使学生用户感到所面对的是一位有性格、有情绪、会随时改变教学方法的虚拟教师。

（6）多元的教学评价机制。真实、完全地反映用户使用教学系统的情况，就要客观、全面地对教学活动进行评价，这就要求系统的评价主体与评价内容必须具有多元性[5]。在本文所提供的系统模型中，学生AGENT可以实现学习过程的自我评价、或对小组成员的评价、对虚拟教师的评价以及对教学策略的评价；教师AGENT可以对学习者的学习过程进行评价、可以对学生的学习效果进行评价、也可以对同行的教学工作进行评价。系统的评价主体由传统的单一评价主体―教师，扩展到由学习者、小组成员、教师等构成的多元评价主体。评价量规表从学习内容的评价、探究活动过程的评价、以及学习成果的评价等多个方面展开，为学生提供一个更为宽松的评价环境与更为科学的评价指标。

5 结束语

智能化教育一直是全世界教育界和教育技术领域的理想和目标。计算机技术特别是网络技术的发展，使计算机辅助教学得到广泛的应用。新的教育理论层出不穷，特别是人工智能理论和技术的发展，为计算机智能教学提供了广阔的发展空间。然而，在中国现有的教育体制和技术支持下，真正的智能教育理论实现起来非常困难，导致现阶段的网络教学出现了很多无可奈何的尴尬。网络教育是“人－机－人”的交互过程，在这一过程中，如何提高网络和计算机的智能化程度是目前教育技术领域的一个重大课题。

本文结合多AGENT的特性及在智能教学系统中应用的理论，提出了基于多AGENT的智能网络教学系统的设计模型，详细分析了系统各层次的功能，并给出了系统数据库的分类设计以及系统模型的特点。

参考文献：

[ 1 ] 许彦青，申瑞民，张同玖，等． 加强学习算法的智能多在远

程教学中的应用[J]． 计算机工程，2001（8）：125－127．

[ 2 ] 程显毅． AGENT计算[N]． 哈尔滨：黑龙江科学技术出版社， 2－

003．

[ 3 ] 张林，徐勇，刘福成． 多Agent系统的技术研究[J]． 计算机技术

与发展，2008（8）：80－87．

[ 4 ] 仇芒仙． 基于多Agent的网络教学系统的研究[J]． 计算机工程

与应用，2003（16）：169－172．

[ 5 ] 罗冬梅，黄贤立． 基于Multi－Agent技术的智能协作学习系统的

设计[J]． 现代教育技术，2009（10）：119－121．