智能代理(Smart Agent)在网络化学习中应用构想.docVIP

智能代理（Smart Agent） 在网络化学习中应用的构想 The Usages of Visualize of Smart Agent in Network Based Learning 薛博* 解月光** 东北师范大学信息技术教育研究所 E-mail：* LodossXB@ ** xyg6367@ 在网络学习环境下，如何有效的收集信息、评价学习活动和为学习者提供实时帮助是关系到网络化学习效果的几个重要问题。本文在介绍智能代理总体结构的基础上，以解决上述问题为目标，提出了在网络化学习中应用智能代理的几种构想以及应用这一技术将带来的问题。 关键词: 智能代理 网络化学习 应用设想 1 引言 随着计算机技术的发展，人工智能问题逐步得到人们的重视。从人工智能理论在20世纪50年代被提出以来，人们在这方面不断地进行尝试。自“专家系统”理论出现以后，人工智能技术逐步开始了实用化的进程。近些年来，最为热门的人工智能应用就是“智能代理”。 随着教育信息化进程的推进，智能代理在教育领域中，特别是在刚刚兴起的网络化学习中必将发挥其独特的作用。 2 什么是智能代理 广义的智能代理包括人类、物理世界中的移动机器人和信息世界中的软件机器人（bot）。 狭义的智能代理专指信息世界中的软件机器人。它是代表用户或其他程序，以主动服务的方式完成一组操作的机动计算实体。本文中的智能代理指的是具备狭义智能代理功能的应用软件包。 智能代理有如下一些特性： （1）代理性（Agent） 代理性体现在：它是 “代表用户”工作的；它可以把其他资源包装起来，引导并代替用户对这些资源进行访问，成为便于通达这些资源的枢纽和中介。 （2）智能性（Intelligence） 智能性指的是通过获取外界信息自觉地改变自己以适应外界变化的能力。在智能代理中最明显的表现就是“学习功能”。 （3）自主性（Autonomy） 智能代理是一个独立自主的计算实体。它应能在无法事先预测的、动态的信息环境中，独立规划复杂的操作步骤，解决实际问题。 （4）机动性（Mobility） 在网络计算环境下，一个代理可以看成是代表用户常驻网络的机构，它可以在网络上灵活机动地访问各种资源和服务，还可以就完成特定任务同其他智能代理进行协商和合作，甚至把自己 “迁移”到网络中的其他主机上去执行任务。这样的 “精灵（Sprit）”在网络上游弋，是对网络安全性、个人隐私和网络管理的巨大挑战。 3 智能代理在网络化学习中应用的几种构想 3.1 收集信息资源 在网络化学习中，如何从网络上收集自己所需要的信息资源是每个学习者都必须面对的问题。我们只要学会如何搜索信息，就不必要一次次的重复简单的操作。但是，目前的网络环境却不能够让我们这样想，过量的信息充斥于因特网上，严重干扰学习者正常的信息搜索活动。因此，我们设想在网络化学习环境中应用以智能代理为核心的信息资源搜集工具。通过人工智能软件的帮助完成信息收集的活动，让学习者的精力集中在他们所学习的内容上而不是耽误在收集学习信息资源上。 “Gold Eye”是 “6bytes Software”提供的一种网上智能搜索工具，其核心模块的结构符合标准的智能代理型决策支持系统，是典型的“目标驱动”型决策支持软件。 “Gold Eye”的搜索工作原理是：首先将用户给出的搜索条件适当扩大，与已经纪录在案的网上通用搜索引擎建立连接并发送搜索请求，由这些通用搜索引擎参与搜索工作。同时，Gold Eye运行自己内置的搜索引擎查找目标。回收的信息经过“决策模块”的判断后生成列表文件供用户最终选择。用户可以根据最终选择的结果向内置的搜索引擎添加判断信息以便于下次搜索工作。 “Gold Eye”所特有的工作方式和强大的数据挖掘能力能够帮助学习者有效的搜索信息。可以应用于自学或者是基于网络的研究型学习中。而且，作为学习者的信息搜集工具，其应用方式与应用网络搜索引擎类似。 “Gold Eye”的运行环境为MS Windows9X，目前最高版本号v2.0。其主要优点是：界面友好，简单易用；搜索功能强大，搜索速度快；占用系统资源低，适用环境广。其缺点是：语言兼容性差；判断能力有限；反馈模块不具备自动性。 3.2 过程性评价 网络化学习的评价一直是一个比较敏感，也是比较困难的问题。一般的评价手段难以有效地记录学习者的整个学习过程。因此也就无法从面向过程的角度评价学习者的学习活动。 在这方面，智能代理有着独到的优势。 ①智能代理可以一直监控学习者的学习过程。 ②智能代理可以通过“事件驱动”的方式采集学习过程的数据。 ③可以形成公正、客观的评价。 ④可以预测学习者的发展方向并提供必要的建议。 对于智能代理在过程性评价方面的应用可做这样的设想： （1）总体思路 评价系统总体结构采用模块化设计，模块间通