用于协作移动学习的自适应多代理系统.ppt

用于协作学习的自适应多代理系统 主讲人：陈晨 5、应用与评价 5.1 应用描述 1、MAS的实现是基于JADE【39】。JASE提供了一个框架，用于创造软件代理和实现理想的代理行为。JADE适用于多平台，包括Android。使用JADE我们给代理定义了特殊的行为来运行在移动端和服务器端。在移动端，我们应用了语音识别，位置获取和其他专业领域的功能。在活动服务器端，我们应用了一种行为来管理参与者构成的小组，控制小组活动流程，和注册小组表现。 2、代理间的通信是通过FIPA消息（实现了通信中间件）实现的。另外，JADE提供了一种机制用于代理和服务的注册和发现。Agent Manager提供代理注册管理，Directory Facilitator提供黄页的角色。一些特殊的功能不能配置在移动设备上，如用于英语教学的高精度的语音识别功能。因此，系统添加了多个提供这种服务的服务器委托代理。一个例子就是配置在MAS服务器上的ISR代理（内部语音识别），用韵提供微软语音API服务。由于微软语音API一次只能处理一个语音识别请求，因而我们在委托代理上部署了第二个语音识别服务，称为ESR代理（外部语音识别），它采用的是谷歌语音API。 5、应用与评价 5.1 应用描述 3、MVD中间件允许小组本地服务和鉴别平台内存在的资源。在活动服务器节点，MVD组件用来确定参与活动的小组数和每个组分配的成员。在移动设备节点，MVD组件用来鉴别组内参与者的成员和物理移动设备。物理设备的鉴别对觉得组内资源的共享是必须的。 5、应用与评价 5.2 功能获取评价 ENS情景。我们把6个人分成2个小组，通过图片所示的用户行为来评价所需功能。活动发生在智利的圣地亚哥，持续40min。我们研究了麦克风的记录，语音播放和语音识别反馈功能。MAS的配置包括电脑（I5处理器，4GB RAM）作为活动服务器角色并提供微软语音识别功能；另外一个代理服务器电脑（I3处理器，2GB RAM）用来提供谷歌语音识别服务；6个联想平板（2.1GHz处理器，1GB RAM，And 3.1）作为移动设备。 5、应用与评价 5.2 功能获取评价 ENS情景 服务获取问题仅仅出现在检查发音的用户案例中，此时语音识别功能室必须的。微软SAPI被认为是更好的服务，谷歌SAPI这作为备选，只有当前者不可得时才选择后者。 在初次测验中，语音识别进程初始化49次，有2次因为没有获取到麦克风导致初始化失败。剩下的47个实例向Internal in MAS发送请求，有32个实例被正确处理，即微软SAPI的获取率为68.09%。 然而，还有15个实例应该被发送到谷歌语音识别资源（External to MAS）中处理，因为微软SAPI被其他请求阻塞了。这15个提交的案例，有12个被正确处理，即谷歌SAPI的获取率为80%，另外3个由于超时错误没有被正确处理。 5、应用与评价 5.2 功能获取评价 THT 情景 在之前的试验中，有12台移动设备用户户外，为了使用真实环境的GPS。这个活动发生在瑞典南部，持续了55min.使用的移动设备室HTC Hero(And 2.3,600MHz处理器)?。实验中，参与者按组进行距离计算。然而，在一些情况下，移动设备不能提供距离计算所需的精确度。通过重启设备，避免人为因素因素导致的干扰（Human involvement was required to recover from the errors）。重启大概需要5min，由于学生鉴别手机失败，需要人为的恢复。基于我们的日志，这些错误包括：一个预期的1.51%的超时，超过1/2的组在这5分钟内遇到了问题。这很让人沮丧（这会影响未来的表现，甚至危害学习活动（他们会学习到错误的概念））。 5、应用与评价 5.3 表现和复杂度评价 ENS情景，研究资源消费分3个不同案例。 1、是否资源能够在发出请求的节点获取？ 2、能否在MAS内的其他节点获取？ 3、能否在MAS外部获取？ 本地资源提供了一个测量的参考点。后两个资源都不是在同一个节点被找到，而是其他节点，但都能被找到。我们研究本地资源通过ISR代理本身发送语音识别服务。 5、应用与评价 5.3 表现和复杂度评价 我们分析资源选择复杂度是通过被选择资源的定位实现的。 1、要获取本地资源的语音识别服务需要7个组件。(1) ActivityClient, (2) Activity Manager, (3) Device Agent, (4) ServerAgent, (5) MVD Middleware, (6) Communication Middlewareand (7) Resource Manager.前6个用于分配数字和