基于多agent认知型自主学习策略模型.docVIP

基于多agent认知型自主学习策略模型 　　摘要：本文主要研究基于多agent的认知型自主学习策略模型（MACIS）。本模型建立在智能计算机辅助教学系统模型（ICAI）基础上，通过多agent之间的互相协作完成学习任务，并运用人工神经网络（ANN）中的反向传播算法（BP），结合认知理论，建立能反映学生学习水平和认知能力的认知型自主学习策略模型。 　　关键词：远程教学 agent 学习策略 认知型 自主学习 　　 　　建构主义学习理论强调学习应以学生为中心，要求学生成为复杂的认知加工的主体、知识意义的主动建构者，这和只强调教师的“教”而忽视学生的“学”的传统学习有着本质的区别。自主学习策略就是在建构主义学习理论的指导下，突出学生学习主体性的学习方法和学习模式，它通过使用各种学习活动诱发学生学习的内因，激发学生去主动建构知识的意义，因而有利于发挥学生的主动性、积极性和创造力，有利于学生的主动探索、主动发现，有利于创造型人材的培养。目前常用的自主学习策略有“支架式”、“抛锚式”、“随机进入式”、“自我反馈式”和“启发式”等多种。 　　 　　1 智能计算机辅助教学（ICAI）系统模型 　　智能计算机辅助教学（Intelligence Computer Assisted Instruction，ICAI）以认知学为理论基础，将人工智能技术应用于CAI，是智能化的CAI。 　　ICAI将教学内容与教学策略分开，根据学生的认知模型提供的信息，通过智能系统的搜索与推理，动态生成适合于个别化教学的内容与策略；通过智能诊断机制判断学生的学习水平，分析学生产生错误的原因，同时向学生提出更改建议、以及进一步学习内容的建议；通过对全体学生出现的错误分布统计，智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议；为教师提供友好的教学内容、测试内容维护界面，无需改变软件的结构即可调整教学策略；通过对学生认知模型、教学内容、测试结果的智能分析，向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说，一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。 　　 　　2 MACIS学习策略模型 　　MACIS模型就是建立在ICAI的基础之上的，在学生模型中引入了个人责任导向模式，建立自主学习的策略，并引入了多AGENT的机制，分离出了资源库，建立了资源agent，整个学习过程均是通过多个agent间协作来完成的。MACIS模型结构如图1所示： 　　策略库：是教学当中的一些策略，是从有经验的老师那里提取出来的。 　　知识库：是指领域相关知识，如这个学科及相关的知识。还有关于学生心理状态的一些规则，以及教学当中关于教学过程中的一些特殊情况处理的描述，它可以是一些模糊规则。 　　教师agent：它是一个多agent结构,由多个教师组成,他们是根据学科,层次(如小学,中学,大学)的不同来分的,某一个教师agent特别适合一个特定的年级和学科的教学。教师agent能针对不同的学生采取针对性教学策略，使得教学也具有个性化，能够监控学生的学习进度并给以适时的指导。能够不断从学生agent那里获得学生当前状态，包括感情，心里和学习状态。从而可以在恰当地时候给学生以干预，使他们保持良好心态学习，并可根据学生进展情况和适应情况智能地改变教学的策略，教师agent之间也可以进行通信和合作。 　　学生student：记录学生的一些个人信息，如：姓名，e－mail，年龄，性别等以及学生的一系列考试成绩，练习正确回答的次数，错误回答的次数，没有作回答跳过的次数以及做过的练习总数，学生的心理及感情状态（根据上面提到的感情状态模型），学生的认知水平和学习能力等。 　　学生agent：它也是一个多agent结构,每一个学生模型都对应有一个学生agent. 这个学生agent通过监控学生的学习过程及学习记录，动态的修改与之对应的学生模型。学生agent可以通过与其它学生agent协商来寻求帮助和建立合作伙伴关系。同时不断与教师agent通信保持联系。 　　资源服务agent:：能够根据教师agent的策略,将资源有机重组,呈现给学生.也能响应学生agent发出的请求，找到和定位学生所需的学习资源，并能根据学生的个性特点和偏好，在适当地时机将资源推给学生，在推课件等教学内容时，可以从学生的定制信息及学生模型中得知他的偏好合学习习惯，从而将课件以学生喜欢的方式呈现给学生。 　　资源库：存放有教学用内容，如课件，参考文献，学校数字化图书馆（Digital Library）提供的数字化资源，资源服务agent从网上收取的与学习有关的资源。 　　 　　3 认知型学生模型 　　下面运用人工神经网络（ANN）中的反向传播算法（BP），结合认知理论，建立