基于多Agent智能教学模型研究.docVIP

基于多Agent智能教学模型研究 　　摘要 本文通过对现有网络教学系统进行分析,为实现个性化、智能化教学,设计了一种基于多Agent的智能化网络教学系统模型,利用树形结构的知识表示方法,设计了一种个性化的知识表示方法,探讨了个性化的选题策略,从而实现学生的按需学习和教师的因材施教,体现“以学习者为中心”的教学思想。 　　关键词 多Agent;个性化;智能教学系统;知识树 　　中图分类号 G424 文献标识码 A文章编号 1674-6708(2010)17-0048-02 　　 　　0 引言 　　随着计算机和网络技术的发展,网络教学得到了越来越广泛的应用,它克服了传统教学受时空制约的缺点,使得广大师生可以异地异步完成交互式自主性教学活动。但目前大多数实际运作中的系统都是非智能化的,简单的将完全相同的课件呈现给参与学习的所有学生,无法实现“因人施教”和“因人施测”,因此将人工智能领域的Agent技术与网络教学结合起来,对在网上进行的自适应学习,自适应测试进行研究,为远程教学技术拓展了新的发展空间。 　　1 Agent技术 　　Agent技术是近几年人工智能(DAI)等领域研究的热点之一,并且已经在计算机应用领域得到了广泛的应用。Agent是指在分布式系统或协作系统中能持续自主发挥作用的计算实体, 它能作用于自身和环境,并能对环境做出适应性的反应。他具有这样的特性: 　　1)交互性:Agent和其他Agent(也可能是人)通过某种Agent语言进行交互; 　　2)自主性:能在无外界直接操纵的情况下,根据其内部状态和感知到的(外部)环境信息,决定和控制自身的行为; 　　3)反应性: Agent能够感知外部环境并做出适当的反应; 适应性是指Agent根据目标、环境等的要求和制约作出行动计划,并根据环境的变化,修改自己的目标和计划; 　　4)协作性:多个Agent可以通过规划和合作共同完成一个任务,在合作过程中,遇到冲突时能够相互通信和协商。 　　2 基于多Agent的智能化网络教学模型 　　在解决实际问题的过程中,单Agent受其知识、计算资源及其与其他Agent相互关系的限制常常不能解决一些大型、复杂的现实问题,因此多Agent的出现并成为研究的主流是必然的。在多Agent系统中,各Agent相互协商和协调以完成某一共同任务,其中每个Agent可以根据负载变化和其它Agent的情况,来协调自身的行为,对实现目标和资源的使用作合理的安排和调整,以避免冲突。在本系统中设计了多个Agent,用来实现网络教学系统的智能化、个性化。 　　本系统采用3层结构: 　　第1层是基于浏览器的表示层,主要指用户浏览器,是用户直接面对、交互的部分。登录教学系统的用户有3种身份:系统管理员、教师、和学生,不同身份的人对教学系统具有不同的权限。 　　第2层是中间代理层,主要包括了一个针对教学各个环节的多Agent系统。这些代理可以分为3类: 　　1)管理Agent:包括登录/注册Agent,协调Agent; 　　2)用户Agent:包括学生Agent,教师Agent,管理员Agent; 　　3)任务Agent:包括学习Agent,作业Agent,答疑Agent,考试Agent和个性分析Agent。 　　第3层是数据层,数据层用来存放所有的数据,通过服务器对数据进行查询、管理、维护、备份等常规操作。包括用户信息库、知识库、学习策略库、问题答疑库和试题库等数据。 　　3系统关键技术 　　3.1 基于知识树的教学策略的选择 　　本系统采用知识树来表示学生知识和领域知识,树中的每个叶子结点表示这课程的一个元知识点,学生在学习的过程中,创建一棵学习知识树,学生通过的知识点被添加到这棵学习知识树中。只有当学生知识树与专业知识树完全一致的时候,学生才算是完成了这门课程的学习。但对不同的学生,要求不一样,对这门课知识点的掌握程度也不相同。针对这一点,可以将专业知识树按照学习难度的不同生成相应的教学目标子树,简称教学知识树,不同的学生只要掌握了相应教学知识树中的所有知识点就算是完成了这门课程的学习。专业知识树根据确定的学习难度适当增加或减少教学知识树对应于具体知识内容的叶子结点,从而形成初始教学知识树。教学知识树展示了当前系统要求学生学习的内容,其叶子结点的增减是对教学策略调整的响应,也是对学生学习内容的动态规划。 　　本文分别采用学生知识树和教学知识树来记录学生知识和教学目标,为了记录学生对知识的掌握情况,为学生知识树中每个叶子节点设置一个属性MD反映该元知识点的掌握程度,取值分别为0、1、2。当MD=0时,表示没有掌握该知识点;当MD=1时,表示已经基本掌握该知识点;当MD=2时,表示对该知识点掌握得很好。 　　当学生主