基于MultiAgent技术智能协作学习系统设计.docVIP

基于MultiAgent技术智能协作学习系统设计 　　【摘要】针对当前网络协作学习系统中存在的问题,结合Multi-Agent技术的认知、学习、相互协作等能力,设计和实现了基于Multi-Agent技术的智能协作学习系统,并分析其特征,以期对促进网络教育的发展提供参考和借鉴。 　　【关键词】Multi-Agent;学习风格;协作学习 　　【中图分类号】G420 【文献标识码】 A 【论文编号】1009―8097(2009)10―0119―03 　　 　　协作学习,是学生为达到共同的学习目标并最大化个人和他人习得成果而一起经历各种变化、共同进取的一切相关行为[1]。鉴于网络学习环境的特点,网络教育更强调学习者的相互协作,智能化的协作学习系统成为网络学习的一种迫切需求。随着Internet和Web技术的飞速发展,人们为构建这样的系统提出了许多可行的解决方案,但从目前的研究情况来看,仍存在着一些问题,如:学习成员的小组划分带有随意性,无任何理论依据;缺乏学习风格测量,难以提供不同的角色服务;学习主体智能性不高,难以保证协作学习结果的正确性等。 　　Agent技术来源于分布式人工智能(DAI)领域,应用Agent技术建立一种智能协作学习系统为解决上述问题提供了一条新的思路。Agent是指模拟人类行为与关系、具有一定智能并能够自主运行和提供相关服务的程序[2]。Multi-Agent系统(MAS)是指一些Agent通过协作完成某些任务或达到某些目的的计算系统。本文引入Multi-Agent(多Agent)技术,探讨其在协作学习系统中的应用,以期实现网络学习的智能化与协作化。 　　 　　一 Multi-Agent技术在协作学习中的应用分析 　　 　　MIT Media Lab实验室主任Nicholas Negroponte在1995年出版的“Being Digital”书中,这样描述Agent:“Agent接电话、识别呼叫人、适当时打扰你、并且能代替你撒一个小谎。相同的Agent经过时间的锻炼、擅长于寻找适宜的时间,并且具有尊敬人的品质。……你将派遣Agent代替你收集信息。Agent将再派遣其他Agent,过程是多重的。”。Negroponte指出Agent具有一定的社会性,能够和其他Agent进行通信。Agent体现了很多特征,如交互、协作、通信等能力。 　　Multi-Agent是Agent社会性的集中体现。由于单Agent解决问题的能力有限,以及在同等环境下单Agent解决问题的复杂性,使得Multi-Agent系统快速发展,它通过多个单Agent 的相互协作完成复杂问题的求解,并且每个Agent保持其独立解决问题的能力。 　　协作学习的关键是小组成员之间相互依赖、相互沟通、相互协作、共同负责,从而达到共同的学习目标。协作学习模式具备以下特点:(1)以小组活动为主体:所有关于协作的表述都强调协作学习的基本形式是小组学习,是以小组活动为主体进行的一种教学活动模式;(2)强调小组成员的协同互助:协作学习是一种同伴之间的相互合作、协同互助的学习活动,学习之间的协同合作与相互作用是协作学习赖以开展的动力源泉;(3)强调目标导向功能:协作是一种目标导向性的学习活动,是为达成特定教学目标而展开的。[3] 　　可以看出,Multi-Agent所具备的认知、学习、相互协作等基本能力也是构建一个完备的智能协作学习系统所必须的,因此选择基于Multi-Agent技术的应用模式也就成为构建智能协作学习系统的首要选择。 　　 　　二 基于Multi-Agent技术的智能协作学习系统设计与实现 　　 　　通过以上的分析,基于ASP和具体的Agent技术,我们设计并实现了一个基于Multi-Agent技术的智能协作学习系统。系统的设计由程序设计人员与教育领域专家共同完成。 　　1 系统体系结构的描述 　　本系统采用B/A/S结构,这是一种“瘦客户”模式,有利于提高系统的访问速度。客户端利用浏览器进行上网学习,无需为不同的客户端安装不同的客户程序,这种方式可以为复杂的分布式应用提供统一的环境。本系统采用分层的软件体系结构(图1)。 　　 　　2 系统中主要Agent能力的描述 　　(1)学习者特征记录 　　学习者特征记录是SAgent的主要能力之一。每一位学生进行登录与注册之后产生对应的SAgent,而后继工作中的小组成员的特点、学习者在小组中所能够承担的角色均取决于学习者特征记录。通过学习风格测量产生学习者的不同学习风格,学习风格是学习者在进行新的内容学习时分配角色(图2)以及协作学习分组的主要依据。 　　 　　(2)学习档案查看 　　学习者成功登录系统后,可以通过SAgent查找学习档案记录表中该学习者最近一次的学习记录,如果没有记录,表示该学习者是第一