基于多Agent的网上教学模型的研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于多Agent的网上教学模型的研究范文，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：Agent是人工智能和计算机软件领域的一种新兴的技术，智能Agent技术近年来有了很大的发展，本文基于多agent技术构建了一个网上教学系统模型，为学生和教师提供虚拟教学环境，实现学生之间的协作化学习。

关键词：Agent；协作；交互；网上教学系统模型

中图分类号：TP393文献标识码：A文章编号：1009-3044(2008)16-21362-03

The Research of Network Learning Model Based on Multi-agent

WANG Hui1, WANG Chun-xi1, ZHANG Cui-yu2

(1．College of Computer and Information engineering, Henan University,Kaifeng 475001,China;2．The bureau of science and technology of shangqiu , Shangqiu 476100,China)

Abstract: Intelligent Agent is the rising technology of Artificial Intelligence and software.Nowadays. The development of Agent is becoming more and more quickly. The writerproposed an multi-agent architecture based on network teaching model. The model afford virture learning environment for teachers and students.so as to carry out cooperative learning each other.

Key words: Agent; Cooperate; Interaction; Network teaching model

计算机网络和Internet技术的飞速发展正在改变着世界，Internet已被连接到世界的几乎所有的国家和地区，把不同的行业、不同的领域、不同的组织的人连接到世界上几乎所有的国家和地区，把不同行业、不同领域、不同组织的人连接起来，打破了时间和空间的限制。教育信息化是以高新信息技术支持为显著特征的新的教育形态，是教育适应信息社会发展的必然结果。传统的教学手段已经难以适应现代教育发展的需要，因此开展网上教学已成为教育改革和发展的重要趋势。它借助网络和信息技术为课程学习者提供网上学习环境和学习资源，可实现一种全新的课程教学模式，突破了时空的限制，将教学活动带到每一个角落。然而，传统的网络教学系统多以呈现教学内容为主，缺乏互动手段；缺乏智能性，学生只是被动的接受教学内容，不能按照自己的基础、自己的兴趣选择教学，很难做到因材施教，最大地发挥学生的主观能动性；缺乏推理机制和学生模型的支持，不能确定学生的知识水平和认知特点，不能根据学生的意愿和理解能力提供适合学生的教学内容并做出针对性的指导；对学生学习心理及情感因素没有考虑；不能实现学生之间的协作学习。针对以上网络教学中存在的问题，本文提出了一个多agent的网上教学系统模型，力图提高学生自主学习的兴趣、充分体现学生的个性、监控学生的情绪、学生之间以及学生和教师之间的协作学习，进而实现学生的协作学习和教师的因材施教。

1 智能技术

智能是人工智能研究和网络技术发展的必然结果。它赋予软件系统一定的智能，使之能够代表用户或者其他自主地执行任务，并以合适的方式与周围环境相互作用。它是一个自适应性和智能性的软件试题，能代表用户和其他程序，以主动服务的方式来完成一项工作。，还具备一些人类特有的知识(knowledge)、信念(belief)、愿望(desire)、意图(intention)、协调(coordinate)、合作(cooperate)等因素。Agent主要具备如下特征[1]：

(1)智能性(Intelligent)。具有推理判断和计算能力，能比较准确的理解用户的需求，能将用户的需求任务、行为进行分解、分析，有针对性提供服务，具有解决问题所需的丰富知识、策略和相关数据。

(2)性(Agent)。引导并代替用户对资源进行访问，成为到达资源的枢纽和中介。

(3)自主性(Autonomy)。一个智能应该是一个独立自主的计算实体。它应能在无法事先建模的、动态变化的信息环境中，独立规划复杂的操作步骤，解决实际问题,在用户不参与的情况下，独立发现和索取符合用户需求的可利用资源与服务。

单个Agent的智能是有限的，我们通过适当的体系结构把Agent组织起来形成多Agent的系统

（Multi-Agent System）, 与单Agent相比，多Agent有如下特点：

(1)社会性：Agent处于由多个Agent构成的社会环境中，通过某种Agent语言与其他Agent实施灵活多样的交互和通讯，实现与其他Agent的合作、协同、协商、竞争等。

(2)自制性：在多Agent系统中一个Agent发出请求后，其他Agent只有同时具备提供此服务的能力与兴趣时才能接受动作委托，即一个Agent不能强制另一个Agent提供某种服务。这一特点最适用于学习者特征的获取。

(3)协作性：在多Agent系统中，具有不同目标的各个Agent必须相互协作、协同、协商对未完成问题的求解。

针对以上Agent 的特点将Agent技术应用于网上教学, 能有效克服现阶段网上教学教育系统的局限和不足。使用Agent技术可以增加教学内容的趣味性和人性化色彩, 改善教学效果, 提高教学质量；利用Agent管理学习者的信息, 能动态跟踪学习者的学习行为, 为建立学生模型提供更加可靠的依据；Agent的社会性能够满足建构主义协同学习的需要,可以把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习；教师也可以理解成一个Agent, 同样可以和学生交流信息,随时掌握学生的学习状态。利用Agent 思想分析远程教育系统的总体需求和设计解决方案,可充分体现教学的智能性与主动性。

2 基于多Agent技术的网络教学模型

在传统的教学中，教师是主体，学生只是被动的接受教学内容，不能很好地发挥学生的主观能动性，调动学习的兴趣，因此要采取一种实现学生之间协作学习的网上教学系统。基于以上原因本文提出一种基于多Agent的网上教学模型，其模型如图1所示。

图1

这个体系结构包括教师Agent，学生Agent，信息Agent，挖掘Agent，推荐Agent和交互Agent。交互Agent来促进学生之间进行协同学习，交互Agent与用户之间通过自然语言进行通信。可以给学生提供合适的学习任务，并且推荐合适的辅导者，用数据挖掘机制来搜集个体行为和交互的类型，信息Agent与挖掘Agent和推荐Agent相互结合，来确定合适的学生辅导者，并且提供帮助。所有的Agent通过环境，使用特定的通信协议进行通信。学生代表每一个学生，可以相互之间进行通信。

2.1 教师Agent

教师Agent：负责教师，包括:备课Agent 和授课Agent 两部分。备课Agent帮助教师完成日常备课,它不仅给教师提供一个能方便地把教学内容变成Web页和课件到教学网站的平台,更重要的是利用Agent的心智和社会功能智能地为教师提出备课建议。另外,备课Agent 还可以与学生Agent交互信息,了解学生比较感兴趣的教学组织形式、教学媒体等信息,调整备课的方式。授课Agent主要处理实时授课和答疑,由于教师和学生地理位置的分布,它在网上教学系统中非常重要。授课Agent除了能模拟面对面的实时授课外,它还可以与学生Agent交换信息,了解学习者的学习状况和疑难问题,从而动态地、有针对性地选择授课对象。

2.2 信息Agent

信息Agent的主要目的是收集关于学生之间交互的数据，为挖掘提供信息，数据的收集主要通过一些同步的机制来实现，学习者在协作学习的过程中通过电子邮件、留言板、聊天室、等形式进行观点的交换、获得反馈信息，学习的过程也就是学习者之间相互协作交流的过程。

这些数据被存储在知识库中，被挖掘Agent读取，用来确定个人行为类型[2]。

2.3 挖掘Agent

挖掘的目的是从收集的数据中抽取特征值，把它们存在知识描述机制中，我们把这种机制称为项描述符。这些描述符描述了个体交互的特征值，可能会影响学生之间协作学习的能力，哪个个体能辅导别的个体，在描述符中个体的特征可以分为[3]：

个体：用来表述个体的数据，例如：年龄、性别、职业、地址。

行为：用来描述具有的辅导和社交能力、学习的类型。

创建用户信息时，这两种类型的数据信息很重要，可以推断用户的需要，个体特征信息用属性值组来描述，行为信息通过用户实施的行为来表示。情感状态和社会行为都可以在问卷调查中明确地表示出来。

用来定义个性特征的属性值是典型的单一值，而行为特征通常是多值的。两种类型的信息在我们的模型中是用相同的方式描述的。

描述符列举了相关的每项，我们用信任水平作为相关元素来决定信息的相关度。这就像计算条件概率P(dj|e)，描述符通过对实际记录的分析可以得到。对每一个我们要定义的推荐策略，由项产生的描述符定义为对象，然后，对象和其它存在的个体特征和行为特征之间的信任度就能计算出来，这个过程一直持续到所有的描述符产生。对于推荐合适的辅导者来说，建立描述符为了显示辅导者的特征。

2.4 推荐Agent

列出所有可能的学生辅导者U={u1, u2,..., um},推荐的过程开始于对每个个体个性特征和行为特征信息的收集开始。然后,对每个用户数据的收集要和描述符dj相匹配，描述符dj依据存储在描述符中的项T={t1,t2,...,tk},列出好的指导者的最重要的特征。这个系统为每个学生计算分数，范围从不同（0）到完全相同（1），分数由下面公式算出：

Score(dj)=1-∏ijk(Noise(tp))

其中，Score(dj)是描述符dj;的最后的分数，Noise(tp)是项tp的噪音参数值，一个用在噪音和概率模型中的概念，其值可由1CP(dj | tp)算出。分数最高的个体被选来帮助需要帮助的个体。这个表达式假定不同tp的独立性，系统的设计者应该完成对每一项的选择。这种方法假定每一项和用户的项相匹配，就能增加描述符所提供的最合适的推荐策略的信任度。

2.5 交互Agent

交互Agent的目的是通过一种自然语言机制和用户之间进行通信，来确定何时给需要帮助的用户推荐学生指导者，同时启动推荐过程，交互Agent通过人工智能标记语言(AIML)来表示其交互知识，人工智能标记语言的(AIML)最重要的标识是[4]：

：表示文件的开始。

：标记知识库的单元。

：表示匹配模式，通过和用户之间的通信交流。

：包含用户输出的可能的答案。

交互Agent也可以选出那些在学习的过程中有困难的学生，这时交互通过向推荐发消息来寻找合适的辅导者，当比较合适的辅导者登录时，交互Agent会告诉有困难的个体，别的个体会帮助他进行学习。从而完成个体之间的协作学习[5]。

3 基于多Agent网上教学系统模型的特点

(1)以学生为中心，学生学习的初衷和学习的最终目的是完成对当前知识的建构，协作式学习就是在一定的情境下通过协作成员（教师和同学）的帮助，凭借自己已有的知识、经验和认知水平，来建构新知识。

(2)该模型以建构主义理论为指导，以计算机网络为依托，创设和谐、方便、灵活的协作环境。

(3)模型中的各个要素之间相互联系、相互交叉，对软件系统的评价和调整、改进，渗透到软件分析、设计、开发和使用的每一环节。

4 基于多Agent网上教学系统的结构分析

整个系统采用B/ A/ S 模式,即浏览器Browser/ Agent/ 数据服务器Server ,它是一种“瘦客户”模式,有助于加快访问速度,而且客户端利用浏览器上网,不再需要为不同的客户端安装不同的客户程序,这能够为复杂的分布式应用提供统一的环境。系统采用分层的软件体系结构,可分为用户层、Agent 层和数据服务器层。教师登录后,系统会自动生成一个教师Agent ,它一方面负责教师与系统的交互,另一方面负责对学生进行指导,并将新的指导送往教学策略库; 学生登录后,系统在自动生成一个学生Agent。学习者自学习开始, 系统就会自动创建一个个体Agent来记录学生的个人特征参数以及学习状态参数, 如原有学习水平、知识接受能力、思维倾向方式、认知风格等, 并将这些信息录入相应参数库。系统根据记录的参数, 对学生进行分类, 建构学生的个体模型, 以为将来协作小组的划分、学习内容的选择以及学习进度的控制提供参考的依据。同时, 随着学习者学习的不断深入, 学生学习能力、学习水平、思维倾向性等积累到一定域值的变化, 个体Agent中的参数也将随之更新。因此, 利用智能Agent可以实现对学生学习情况的动态跟踪。同时，交互通过和用户之间的交互来鼓励学生之间进行协作化学习，按照一定的原则，比如学习者的学习成绩、学习成绩、学习能力、学习水平、思维方式的倾向性等等，用数据挖掘算法来确定可以充当辅导者的学生，把它们推荐给需要帮助的学生。辅导者的推荐机制通过对学生情感和个人行为的分析来决定。

5 多Agent网上教学系统的优点

(1)智能性较高

学生能根据学生当时的实际情况, 对他们的学习内容和方向以适当的指导, 这就增加了学习情境的人性化色彩, 对提高学生的学习兴趣, 改善教学效果有重要的意义。而且学生在学生的学习过程中不断得到锻炼, 即通过学生学习过程中的实际情况来修正自身, 使自身能够更加确切地反映学生的真实情况。学生登录学习的次数越多, 则其与其实际情况就越贴切。

(2)协作性较好

系统的设计有助于增强学习者的合作意识，培养学习者共同学习、共同进步的协作精神。利用计算机网络来构建虚拟的学习环境，使得相识的或不相识的教师,学生和学习者们完成协作学习，这就要求系统设计者创建虚拟的学习情景，创建感知的和自然的学习氛围，实现以学生为主导地位的学习。

(3)强调因材施教

智能性的记录分析学生的学习情况, 根据他们的认知水平, 调整课程难度，水平高者, 课程难度适当增加或者加快课程，进度水平低的, 则适当降低难度或减慢进度。这样能最大限度地挖掘每个学习者的潜力, 改变传统教育的“ 一视同仁” , 实施个性化的教育。

6 结束语

网络的出现，Internet的发展极大的改变着人们的学习方法和方式，为教育的发展带来了很大的契机。基于网络的教育，尤其是基于Internet的网上教学，是一种新的教学方式，它价格低廉、形式多样、普及性广、灵活性强，有着极大的生命力，是实现终身教育和个性化教育的理想手段。本文提出的基于多Multi - agent 网上教学系统为教师与学生提供了一个良好的协同式共享教学环境,支持学生之间协同化的工作方式,可大大提高教师和学生在完成教学任务过程中相互合作和信息交换的质量.

参考文献：

[1] 金聪,戴上平,郭京蕾.张维.人工智能教程[M].北京：清华大学出版社，2007.1.

[2] 申瑞民,许彦青,张同珍,等.基于多的智能型远程教学环境研究[J].计算机工程与应用, 2002(4):253-256.

[3] 陈登科,胡翠华.数据挖掘技术在远程教育中的应用[J].情报科学，2003.4.

[4] Wallace, R. (2003). "The Elements of AIML Style ", ALICE A. I.Foundation.

[5] Silveira, R. A.; Vicari, R. M. (2002) “Developing Distributed Intelligent Learning Environment with JADE C Java Agents for distance Education Framework.”. ITS 2002. Lecture Notes in Computer Science, Biarritz, v. 2363, p. 105-118.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。