導語：Agent網絡教學模型研究論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要該文通過對基于Internet環境下輔助教學方式特點的研究和分析，提出了基于Internet的一種新的計算機輔助教學模型——基于agent的教學模型，討論了模型的基本體系結構和組成元素及實現技術，重點討論了支持個性化學習的多Agent技術，包括個性化學習Agent的功能結構以及策略與控制技術。最后討論了該教學模型的優缺點和發展前景。

關鍵詞網絡教學、Agent、對象模型、個性化教學隨著網絡的普及應用和信息技術的發展，我國互聯網用戶數量節節攀升。對于教育來說，由此帶來了教學模式的重大變化，從傳統課堂的“以教師為中心”擴展到Internet環境下的“以學習者為中心”的網絡教學。通過對傳統網絡輔助教學系統的研究可知，傳統的輔助教學系統能以數字方式將表現教學內容，通過對圖、文、聲、像、動畫以及活動影象等信息進行計算機系統存儲、加工、傳輸和呈現，用戶可通過人機交互方式使用課件，以便輔助教師教和學生學。而借助于Internet的遠程教育具有開放性、靈活性、學習終身性和資源共享性等優點[1]。充分利用這些優點不僅可以滿足學習者個性化學習需要，而且可以在很大程度上提高學習效率。但據初步調查表明，大多數學習者在網絡學習時，會遇到不同程度上的困難，主要原因是其普遍存在的一系列問題，包括：（1）以呈現教學材料為主，在教學過程中學生被動學習，缺乏必要的交互手段；（2）對不同認知水平的學生采用相同的教學策略，缺乏智能性和適應性，難以實現因材施教；（3）由于知識結構是松散無關的，掌握學習主動權的學習者面對眾多信息而無所適從，在學習過程中容易出現迷航而偏離學習目標；（4）采用了不同的數據資源管理標準，不利于教學資源共享以至于造成大量重復勞動。（5）缺少有效、敏感的響應與反饋、測試與評價系統，無法真正構建出學生的主動學習環境。Agent的概念最早出現于20世紀70年代的人工智能中，80年代后期成長起來，目前已成為當今計算機科學技術領域、信息工程領域和網絡通信領域十分活躍的前沿研究方向之一。Agent具有的自主性、反應性、主動性等一些重要的行為特征對網絡教學系統來說是很有意義的，因此Agent/多Agent系統特別適用于網絡教學系統的開發。1Agent概述

基于Agent的教學系統將人工智能的技術引入系統，軟件Agent是具有推理和決策能力的軟件，是一個有反應的，主動性的，內在激發的軟件實體，在面對變化的環境的同時，能采取一定的應對措施。軟件Agent也是一個計算機程序，它的內部又可以細分出很多小的功能模塊，使程序具有模塊化和一定的彈性。其特點如下：（1）自治性：Agent能夠根據知識庫中的事實和規則進行推理，運行于復雜環境中的Agent還應具有學習或自適應的能力。（2）自主性Agent是一個獨立自主的計算實體，其動作和行為是根據本身的知識、內部狀態和對外部環境的感知來進行控制的，它的運行不受人或其他Agent的直接干涉；（3）目標導向：能夠根據高層的指示，負責決定如何來完成任務。（4）社會性Agent可以通過某種Agent協作語言與其他Agent或人進行交互和通信，在多Agent系統中，Agent應具有協作和協商能力；（5）有彈性：完成任務的方式不固定，由實際情況來決定執行順序和所要調用的程序，以反映外部環境的變化。（6）適應性：可以對先前的經驗進行積累，由使用者的喜好來決定自己的行動。（7）移動性Agent作為一個活體，它能夠在互聯網上跨平臺漫游，以幫助用戶搜集信息，它的狀態和行為具有連續性。

2基于多Agent的教學模型

現實世界問題是極其復雜的，而單個Agent的功能是極其有限的，單個Agent一般很難完成給定的任務，此時需要通過適當的體系結構把多個Agent組織起來形成多Agent系統，以共同承擔一個任務，來彌補單個Agent之不足，使得整個系統的能力超過單個的Agent。基于多Agent技術的系統是指多個Agent相互通訊、彼此協調，共同完成作業任務的系統，它不僅具備一般分布式系統所具有的資源共享、易于擴張、可靠性強、靈活性強、實時性好的特點，而且各Agent能夠通過相互協調解決大規模的復雜問題，使系統具有很強的魯棒性、可靠性和自組織能力。在多Agent系統中，單個Agent是一個物理的或抽象的實體，能作用于自身和環境，操縱環境的部分表示，并與其他Agent通訊，具有感知、通訊、行動及控制和推理能力等基本功能。多Agent技術的這些特點，使得其在處理基于互聯網的知識問題方面，具有廣闊的應用前景。

網絡教學突出的特點表現在學生是學習的主體，其通過網上虛擬課堂進行交互式的自主學習；教師則要通過課程設計，采取創設問題情景、在線專題討論、歸納總結、評價激勵等方法，激發學生的學習興趣和學習動機，促使他們理解和掌握知識體系，培養創新精神，進行廣泛而又深入的學習。

由于網絡教學是一個復雜、龐大、不可預測的信息系統，一般會覆蓋教學的各個環節，因此應該將其劃分成子問題，并構造多個具有一定功能的Agent，由這些Agent去分別處理子問題。當子問題之間出現相互依賴時，系統中的Agent必須能通過協作來控制依賴性。基于以上分析，我們構造的基于多Agent的網絡教學模型如圖1所示。圖1基于多Agent的網絡教學模型整個模型分為三個部分：界面，分析和建議。界面：負責與用戶直接溝通，詢問的功能是記下使用者的基本資料。展示是將教材內容通過輸出端口提供給用戶。診斷是判斷用戶的學習能力，知識結構。記錄的功能是記錄下學習者與系統互動的所有歷程。界面由界面數據庫取得與某一用戶對話的模式和畫面。分析：分析從界面中的診斷，記錄，詢問等三個子那里獲得的用戶資料，分析后再將所的結果存入其中的學生基本資料庫，學習成就資料庫和學習資料庫中。建議：建議獲得分析資料庫的內容，再由其評估分析出學習者之間的差異，建議根據這些差異來為不同的學習者提供不同的教學方法。在此多系統中，為減少之間的直接溝通，故將相互的溝通信息放置在界面中的全局數據庫中，由主控程序負責通知相關的模塊，當然，主控程序也可以單獨形成一個模塊。模型中涉及5個基本數據庫，即學習資源庫、系統全局知識庫、教學策略庫、界面庫和學生模型庫（含學生基本信息與學習中間信息）；3類基本用戶，即教師、學生和管理者；6類Agent，即教師Agent、學生Agent、管理者Agent、人機交互界面Agent、教學Agent和管理Agent。下面具體介紹部分Agent的功能。

學生Agent。學生登錄網絡教學系統以后，系統會自動生成一個學生Agent。它一方面要為對應的學生提供交互界面，引導學生的學習，并在學習過程中根據學生的實際情況，通過教學Agent從教學策略庫中選擇合適的策略給學生以指導，在學習結束后將學生的學習結果返回學生模型庫。另一方面學生Agent還要調用目前登錄學生的學生基本信息和學習記錄，查看學生以往的學習情況，根據這些記錄為學生本次學習呈現最初的學習資料。學生Agent在用戶的整個學習期間要不斷地通過人機交互界面Agent分析學生的學習狀態，為用戶下一步學習做相應的準備。同時還負責將本次學習的最終分析結果返還給學生信息庫以便為下一次學習提供資料。

教師Agent。教師登錄網絡教學系統以后，系統會自動生成一個教師Agent。一方面，教師Agent負責教師與網絡教學系統的交互，通過教學Agent對教學的過程進行相關的指導和監控，了解學生的學習過程和學習反應，指出哪個學生的理解或答案是最好（或最壞的）并做出解釋。如果學習方向出現偏差，則予以及時糾正。此外，還可以從試題庫中抽取相關的問題進行討論以加強理解。另一方面，教師Agent還是專業知識的資料庫和主動收集者，能對每一個學習者提供專業的最大的資源數據，建立相關的課程或課程框架（指包含教學目標、教學策略、教學步驟等）供教學Agent選擇。并可根據教師的干預和學生的反應對本身的知識庫進行主動的調整和擴充，主動從網絡上獲取相關的信息，重組成為更有意義的知識。

管理者Agent。一般說來，教育教學活動包括一系列的管理，如課程管理、學籍管理、成績管理等等，因此有必要在網絡教學系統內部建立管理Agent來負責整個系統的智能協調。管理者登錄網絡教學系統以后，系統會自動生成一個管理者Agent。管理者Agent主要通過管理Agent負責對整個教學情況作宏觀的調控。管理Agent主動獲得其他Agent的數據和資料，并自動地生成相關的管理數據，如學習者的學習時間、地區分布、學習者水平統計、教師工作統計等，協助管理者進行有效而快速的反應。同時，管理Agent還要擔負起諸如其他Agent的增刪管理、名錄和地址管理、通訊鏈條的管理職責。

人機交互界面Agent。人機交互界面Agent主要負責學生、教師、管理者與教學、管理子系統之間的交互聯系，并記錄交互過程。特別地，人機交互界面Agent要負責登記學生個體目前的學習狀態，以此掌握學生的學習進度、學習效果和學習能力，觸發教學Agent，為不同的學生提供個性化教學。同時，人機交互界面Agent還要通過交互信息，監控和評價學生的學習，給出提示、結論和參考信息，控制討論范圍和討論時間，對學生的非學習性瀏覽發出告警聲音，對學生的解答和知識探索給予激勵的評價。

3系統實現的關鍵技術

基于多Agent技術的網絡教學系統是一個復雜、龐大、不可預測的信息系統，其設計與實現將涉及諸多關鍵技術。其中，最為重要的是數據模型的組織、Agent的構建及開發技術的選取。

3.1數據模型的組織在教學系統中，主要涉及以下幾個對象，考慮到系統的擴展性和移植性問題，在對象建模時，參考了“遠程教育規范”和新課程改革的相關要求，并且每個對象都有相應的擴展。（1）知識點模型知識點是描述教學領域知識的完整的教學單元，知識點之間存在的各種關聯及其關聯程度稱為知識點關系。若學習知識點A，必須先掌握知識點B，則B稱為A的前驅知識點，而A稱為B的后繼知識點，其關聯程度有強弱之分。知識點及其關系的集合稱為知識樹[7]。知識點：：=<知識點標識，知識點名稱，關鍵詞，知識目標，情感目標，能力目標，學習內容，難易程度，教學重點，重要程度，學習時間，媒體資源，強前驅知識，弱前驅知識，強后繼知識，弱后繼知識，擴展基>。在網絡學習中，知識點為基本學習單元，相應某一學科的知識點編碼和知識樹如圖1：這樣的知識點編碼和知識樹結構，清晰的反映了知識點之間的相互關系，以某一知識點為例，可以方便的找到該知識點前驅和后繼知識點。樹中的每一個知識點都被賦予唯一的編碼，方便了知識點的查詢、增加和刪除。學習者在學習某一知識點時，ITS可以很容易的對其進行前驅知識測試和后繼知識提示。根據Web日志挖掘出的頻繁訪問路徑[8]，調整知識樹結構，形成適應網絡學習的知識點關系網絡和導航。（2）學習資源模型學習資源的媒體類型分為：文本、圖形(圖像)、音頻、視頻、動畫五大類。資源信息：：=<資源標識，知識點標識，關鍵詞，描述，有效學習時間，大小，使用環境，反饋評價，擴展基>資源標識編碼如下規定：T開頭表示文本，P開頭表示圖形(圖像)，A開頭表示音頻，V開頭表示視頻，F開頭表示動畫，通過特定開頭字母確定素材類型。（3）學習者模型定義：學習者模型是指對學習者屬性的詳細描述，包括個人信息，安全信息，學業信息，偏好信息，關系信息，學習行為六個元組。描述如下：Student_Model_Dadabase=(Student_Model(i)|i=1…n)Student_Model={個人信息，安全信息，學業信息，偏好信息，關系信息，學習行為}a.個人信息是與學習者績效的度量和記錄沒有直接聯系，主要與管理有關的個人信息。一般說來，這類信息屬于個人隱私，是機密的。個人信息：：=<學習者標識，姓名，性別，出生日期，電話，Email，擴展基>。b.安全信息是有關學習者安全憑證的信息。安全信息：：=<學習者標識，登錄口令，擴展基>。c.學業信息是與學習者的學習相關的一些簡要信息。學業信息：：=<學習者標識，學習課程，完成情況，擴展基>。d.偏好信息描述可促進人機交互的參數選擇。偏好信息：：=<學習者標識，情感，興趣，媒體偏好，學習類型，擴展基>。e.關系信息是描述學習者與其它系統用戶(如教師和其它學習者)之間關系的信息。關系信息：：=<學習者標識，關系，程度，擴展基>。f.學習行為是描述學習者對所學知識點的相關操作信息(如作業信息、練習信息、測試信息、提問信息和媒體學習信息)。學習行為信息={作業信息，練習信息，測試信息，提問信息，媒體學習信息，擴展基}。作業信息、練習信息和測試信息的結構相同，如下：①作業(練習、測試)信息：：=<學習者標識，知識點標識，起始時間，完成時間，總用時間，有效時間，正確信息，錯誤信息，難度信息，擴展基>。②提問信息：：=<學習者標識，知識點標識，提問時間，提問內容，回答時間，回答人，回答內容，滿意程度，擴展基>。③媒體學習信息：：=<學習者標識，知識點標識，媒體資源，起始時間，結束時間，總用時間，有效時間，學習次數，擴展基>。通常，理想的學生模型Student_Model由教師Agent產生。然后在學習過程中，相應的教學Agent根據學生個性化思維特征及每個學生的活動進展確定其學習基礎、學習習慣、興趣愛好、學習進度，從而建立當前的學生模型。教學Agent要運用模糊理論處理學生模型Student_Model的模糊信息，挖掘模糊信息的內在聯系，從而建立模糊關系。（4）規則模型規則采用人工智能中加權不確定性推理方法得出，知識的不確定性表示形式如下：Ri：IfEi(ωi)ThenHi(CF(Hi，Ei)，λ)其中，Ei是知識的前提條件，它既可以是一個簡單條件，也可以是用AND及OR把多個簡單條件連接起來所構成的復合條件。Hi是結論，它可以是一個單一的結論，也可以是多個結論。CF(Hi，Ei)是該條知識的可信度，稱為可信度因子(CertaintyFactor)或規則強度。(可信度是對事物為真的相信程度的一個量化表示，其初始值由領域專家確定，閾值范圍為-1～1)。λ是閾值，它對相應知識的可應用性規定了一個限度，只有當前提條件Ei的可信度CF(Ei)達到或超過這個限度，即CF(Ei)≥λ時，相應的知識才有可能被應用。ωi(i=1，2，…，n)是加權因子，ωi是閾值，其值均由領域專家給出[9]。條件信息：：=<規則標識，條件標識，關鍵詞，內容，可信度，加權因子，擴展基>結論信息：：=<規則標識，結論標識，關鍵詞，內容，可信度，λ閾值，擴展基>學習者規則信息：：=<學習者標識，規則標識，可信度，擴展基>3.2個性化學習Agent的功能結構個性化學習策略的實現建立在群Agent技術上，是一種特殊的移動,一般情況下需要特定上下文運行[3]。移動（多）運行期間在虛擬機之間遷移，不需要中止程序的執行。該模型中應用服務器和數據庫服務器擁有移動（多）運行所需的運行上下文，在運行上下文移動（多）可以執行任何合法的動作。采用Agent實現的個性化學習的結圖2個性化學習Agent結構圖管理Agent負責整個系統的管理工作，包括用戶的加入、登錄，處理交互、協作信息、分析行為、上傳下達等事務。教學Agent和存儲在數據庫中相應的整體知識結構模型、學習主體個性知識結構模型相結合，實現教學中的教師模型[6]；學習Agent和存儲在數據庫中的相應的學習主體個性知識結構模型相結合，實現教學中的學生模型；協作Agent實際上是由參與協作學習的學習者與網絡終端計算機進行交互后，形成協作學習者Agent。協作Agent根據協作學習者（學生模型）中提供的關于學習者的個人特點，按照一定策略，如學習水平、思維方式傾向等劃分而成的；通信Agent按規定的協議上傳或下達教與學過程中信息，完成各種教與學活動（移動）和數據庫系統的通信。教學Agent和學習Agent結合實現與學習主體的個性化教與學。協作Agent分配任務時，按照協作學習小組Agent的對外特性來確定任務的分配方式，并將任務具體到協作學習者Agent，由學習者Agent具體實施或通過協作完成任務。管理Agent中的行為分析功能用來確定教與學事務的類型（教學、學習、協作等），并對學生的學習行為（如認知特征、操作方式等）和知識結構動態分析，將其結果通過“上傳下達”操作提交應用服務器，以便處理該學習個體的下一個活動指令。

3.3Agent的實現技術與策略

目前，研制開發多Agent應用系統可以采納CORBA(CommonObjectRequestBrokerArchitecture，公共對象請求體系結構)、DCOM(DistributedComponentObjectModel，分布式組件對象模型)、JavaRMI(RemoteMethodInvocation，遠程方法調用)等多種分布式對象構件技術。由于CORBA是一種開放的分布式對象計算框架標準，其不僅內置了“軟件總線”，可方便地實現不同程序之間的通信，而無須考慮這些程序的設計方式、編程語言和運行平臺，而且提供了一種“即插即用”的軟件環境，能夠自動地完成許多一般性的編程任務，如對象的注冊、定位、激活，請求的分發和異常處理等。同時，CORBA中的接口定義語言IDL還提供了到Java、C、Smalltalk等語言的映射，可以方便地實現網絡上不同平臺的對象相互之間的交互。因此，實現基于Agent的網絡教學系統的最佳方案是采用CORBA與Java的相結合技術，并采用三層客戶／服務器模式，即：

⑴用戶界面層。即基于瀏覽器的網絡教學系統用戶界面，使用普通的瀏覽器。Web瀏覽器作為客戶層，提供圖形用戶界面，負責與用戶進行交互。它通過Http協議從應用層的Web服務器下載超文本頁面，同時下載并執行內嵌在頁面中的JavaApplet。這些JavaApplet中CORBA客戶對象通過內部通信機制同應用服務器中有關教學Agent對象進行互操作，教學Agent對象封裝了相關的操作，它們之間通過內部協議彼此通信，并能夠訪問數據層的數據庫對象，以協同完成客戶請求。

⑵管理服務器層。由傳統的Web服務器、管理信息庫和應用網關組成。CORBA和Http組成的中間層幾乎可以由任何一種服務器平臺來支持。CORBA對象作為一個中間層應用服務器，將業務邏輯封裝起來。同時，服務器端的CORBA對象還能與其它使用CORBA的客戶或服務器交互。

⑶數據層。是CORBA對象能訪問的所有數據庫，包括系統所用到的所有數據及知識庫。個性化學習結構模型中的通信應用程序采用組件技術開發，實現分布式系統中的通信編碼與解碼、前臺與后臺數據庫的連接等功能。這種數據庫連接技術與以往的ADO/ASP技術相比，具有7個主要優點：減輕網絡負載、減小網絡時延、支持協議封裝、異步和自治執行、動態適應、自然異構以及健壯性和錯誤容忍等。個性化學習策略以建構主義學習理論為指導[6]，依靠教學實現。系統針對某個在線學習者，教學通過管理的分析后提交的教學指令，獲取相應課程知識結構圖中的相關結點的內容，如教學的概念、原理、方法、公式、問題、問題解讀、試題、答案，以及這些內容的表達方式、教學策略等[8]。在學習者與系統交互的過程中，管理不斷分析學習者的學習行為，并與教學、學習的協調，即可動態調整或擴張該學習者的個性化知識結構圖，使其個性化的知識得到新的建構，同時更新數據庫中的學生模型數據。

4結束語

基于多Agent技術的網絡教學系統具有以下主要特征：⑴學生無需按照系統設計者的預定教學序列學習，教學序列是學習過程中優化產生的；⑵能提供具有智能性、自主性的Agent服務，分析學生的學習狀況和學習興趣，根據其學生水平智能調整課程難度，這樣可最大限度挖掘每個人的潛力，從而能夠有效地指導學生更好地學習；⑶對于教師來說，能夠減少重復勞動，準確把握學生對知識點的掌握情況，有針對性地進行教學指導，提高教學效率。

當然，基于多Agent技術的網絡教學系統尚處于研究和實驗開發階段，相關領域的研究工作還有待進一步深化，相信在不久的將來，更多符合中國國情、符合未來學習模式的人性化遠程教育系統必將開發成功。參考文獻[1]高金嶺主編.教育技術與教育,廣西師范大學出版社,1999年8月[2]沈軍.網絡教學中個性化策略研究.計算機研究與發展,2003.4：589-595[3]鄧暉.論網絡環境下的學生特征分析系統設計[J]..開放教育研,2003.1[4]曲紅亭，申瑞民.基于數據挖掘的個性化學習導航系統的設計與實現[J].計算機工程.Vol.29No.82003.5[5]申瑞民,許彥青,張同珍,申麗萍.基于多的智能型網絡教學環境研究[J].計算機工程與應用,2002.4[6]Duchastel,LearningEnvironmentDesigning,EducationalTechnologySystem,Vol.22(3),P.(1993),p225-233

[7]Jonassen,D.H.AModelforDesigningConstructivistLearningEnvironment,ProceedingsofICCE97,1997