智能Agent技术在远程教育中的应用(共2402字).docVIP

智能Agent技术在远程教育中的应用(共2402字) 一、现有远程教育存在的问题 目前，基于WWW的多媒体网络教学系统在国内外已有不少，但是它们都分别存在着一些问题没有解决，概括起来有以下几点： 1、现有的系统多以呈现材料为主，缺乏有效的交互手段。系统呈现文字材料、图片、视音频素材，配合一定的测试，学生基本上还是以被动的接受知识为主，以通过系统最后的测试为知识掌握的标志； 2、系统缺乏一定的智能性。对不同认知水平的学生和不同的教学内容采用相同的教学策略，难以实现因材施教； 3、由于采用超文本的方法组织教学材料，且由学生掌握学习的主动权，在学习的过程中容易出现迷航现象且存在一定的认知困难，学生容易偏离学习目标； 4、缺乏先进的学习理论的指导。多数系统仍然以行为主义的刺激一反应理论为指导，系统的设计遵循“呈现学习材料一学生反应一信息反馈”的方式，学习效果不是很理想； 5、学生学习过程中缺乏协同性和及时有效的支持，学习活动本身就是依据一定的情景进行的，必须提供同他人协同处理问题的机制和及时的支持。 二、Agent定义及其特性 Agent没有一个统一明确的定义，总结国内外对Agent的各种研究工作，可以发现不同的研究人员都在自己的系统中赋予Agent不同的结构、内容和能力，以方便自己特定方向的深入研究。广义上讲，Agent是指具有智能的任何实体，包括人类，智能硬件和智能软件。Agent能够在没有人类或其他Agent直接干涉下独立运行，并能够根据内部状态和感知到的外部信息，控制自身行为和内部状态。Agent拥有其它实体（Agent、人、对象以及它们构成的环境）的信息和知识，并能够通过一些通信语言与这些实体进行交互和协作。Agent能够通过物理世界、图形用户界而、其他Agent集合、网络或者上述方法的几种综合来感知外部环境的变化并实时产生复杂和适当的反应。Agent并不是简单地根据环境做出反应动作，而是有目的地根据承诺采取主动行为，表现出目标驱动的特性。 三、智能Agent技术在远程教育中的应用 智能代理和MAS的特性决定了其适合改善传统远程教育的不足。在MAS中Agent之间平等协作，以协同操作来共同完成给定的任务，其特点与现代教育理论相吻合。国外在这方面的研究已有多年，而且有很多已经完成的模型或系统。但是在教育领域，智能代理技术的应用还处于探索阶段，研究人员提出了一些模型，但离最终实现还有一段距离。在国内，对于智能代理的研究也比较早，并且提出了自己的理论。如中国科学院计算所、国家智能计算机研究中心、国防科技大学计算机学院等单位都有较深入的研究。 1、南加利福尼亚大学W.LewisJohnson等人的研究中提到：为了使远距离学习系统适合每个学生的需要，并支持教师与学生的相互作用，可以应用教学代理监视学生与计算机的交互并提供指导和建议。在他们主持的高级远距离工程（ADE）项目中，提出了一个叫做Adele的教学代理，当学生通过网上课件学习时，Adele的备份在每一个学生计算机上运行，与每个学生交互作用。Adele负责监控学生、记录学生行为、根据需要调整课件呈现内容等。 2、蒙特利尔大学ClaudeFrasson等人的“行动者”模型中提出了一种所谓“行动者”（Actor）的教学代理模型，并赋予“行动者”以反应、指导、适应和认知能力。系统由多个“行动者”组成，利用“行动者”来实现教学策略以及测定哪种策略更适合于某个特定的学习者。“行动者”包括两个层次：知识层，它包括各种教学知识类型的表现；认知层，支持“行动者”的学习能力，即自我增进能力。另外内部视域和外部视域分别用于感知“行动者”的自身内部状态和外部环境。知识层包括三个模块：理解、行动和控制。理解模块识别“行动者”能介入的典型情况。它的作用是探测介入的机会。行动模型包括在特定情况下被激发的反应活动。控制模块包括回答问题的知识：我是否决定介入？如何介入？介入什么？…它的作用是根据情况分析作出决定。控制和行为的结合与反应指导计划相一致。这一层要求陈述性知识和程序性知识。程序性知识由一组“典型情况”和“任务”来表示。典型情况描述“行动者”介入教学的机会，它包含于理解模块中。当环境符合典型情况的条件时，“行动者”就会执行特定的任务。认知层主要由支持“行动者”自我学习能力的认知任务构成。它结合机器学习技术，从对学习者不同情况下行为的分析获得更多的经验。 3、Evandro和Perkusict提出的多代理学习环境模型中作者提出了一个多代理学习环境模型。该模型的核心部分共包括4个模块，即学习者、界面代理、通信代理、教学代理群。该模型定义了每个代理的功能和代理之间的通信协议。在教学代理群中每一个代理在一