基于Agent的网络教学模型(2)

　　资源标识编码如下规定：T开头表示文本，P开头表示图形(图像)，A开头表示音频，V开头表示视频，F开头表示动画，通过特定开头字母确定素材类型。

（3） 学习者模型

　　定义：学习者模型是指对学习者属性的详细描述，包括个人信息，安全信息，学业信息，偏好信息，关系信息，学习行为六个元组。描述如下：

    Student_Model_Dadabase=(Student_Model (i) | i=1…n)

　　Student_Model ={个人信息，安全信息，学业信息，偏好信息，关系信息，学习行为}

　　a. 个人信息是与学习者绩效的度量和记录没有直接联系，主要与管理有关的个人信息。一般说来，这类信息属于个人隐私，是机密的。

　　个人信息：：=<学习者标识，姓名，性别，出生日期，电话，Email，扩展基>。

　　b. 安全信息是有关学习者安全凭证的信息。

　　安全信息：：=<学习者标识，登录口令，扩展基>。

　　c. 学业信息是与学习者的学习相关的一些简要信息。

　　学业信息：：=<学习者标识，学习课程，完成情况，扩展基>。

　　d. 偏好信息描述可促进人机交互的参数选择。

　　偏好信息：：=<学习者标识，情感，兴趣，媒体偏好，学习类型，扩展基>。

　　e. 关系信息是描述学习者与其它系统用户(如教师和其它学习者)之间关系的信息。

　　关系信息：：=<学习者标识，关系，程度，扩展基>。

　　f. 学习行为是描述学习者对所学知识点的相关操作信息(如作业信息、练习信息、测试信息、提问信息和媒体学习信息)。

　　学习行为信息={作业信息，练习信息，测试信息，提问信息，媒体学习信息，扩展基}。

　　作业信息、练习信息和测试信息的结构相同，如下：

　　① 作业(练习、测试)信息：：=<学习者标识，知识点标识，起始时间，完成时间，总用时间，有效时间，正确信息，错误信息，难度信息，扩展基>。

　　② 提问信息：：=<学习者标识，知识点标识，提问时间，提问内容，回答时间，回答人，回答内容，满意程度，扩展基>。

　　③ 媒体学习信息：：=<学习者标识，知识点标识，媒体资源，起始时间，结束时间，总用时间，有效时间，学习次数，扩展基>。

　　通常，理想的学生模型Student_Model由教师Agent产生。然后在学习过程中，相应的教学Agent根据学生个性化思维特征及每个学生的活动进展确定其学习基础、学习习惯、兴趣爱好、学习进度，从而建立当前的学生模型。教学Agent要运用模糊理论处理学生模型Student_Model的模糊信息，挖掘模糊信息的内在联系，从而建立模糊关系。

（4） 规则模型

　　规则采用人工智能中加权不确定性推理方法得出，知识的不确定性表示形式如下：

　　R i：If  Ei (ωi)  Then  Hi (CF ( Hi，Ei )，λ )

　　其中，Ei是知识的前提条件，它既可以是一个简单条件，也可以是用AND及OR把多个简单条件连接起来所构成的复合条件。Hi是结论，它可以是一个单一的结论，也可以是多个结论。CF(Hi，Ei)是该条知识的可信度，称为可信度因子(Certainty Factor)或规则强度。(可信度是对事物为真的相信程度的一个量化表示，其初始值由领域专家确定，阈值范围为-1～1)。λ是阈值，它对相应知识的可应用性规定了一个限度，只有当前提条件Ei的可信度CF(Ei)达到或超过这个限度，即CF(Ei)≥λ时，相应的知识才有可能被应用。ωi (i=1，2，…，n)是加权因子，ωi是阈值，其值均由领域专家给出[9]。

　　条件信息：：=<规则标识，条件标识，关键词，内容，可信度，加权因子，扩展基>

　　结论信息：：=<规则标识，结论标识，关键词，内容，可信度，λ阈值，扩展基>

　　学习者规则信息：：=<学习者标识，规则标识，可信度，扩展基>

　　个性化学习策略的实现建立在群Agent技术上，是一种特殊的移动代理,一般情况下需要特定上下文运行^[3]。移动（多）代理运行期间在虚拟机之间迁移，不需要中止程序的执行。该模型中应用服务器和数据库服务器拥有移动（多）代理运行所需的运行上下文，在运行上下文移动（多）代理可以执行任何合法的动作。采用Agent实现的个性化学习的结构如图2所示。

图2 个性化学习Agent结构图

　　管理Agent负责整个系统的管理工作，包括用户的加入、登录，处理交互、协作信息、分析行为、上传下达等事务。教学Agent和存储在数据库中相应的整体知识结构模型、学习主体个性知识结构模型相结合，实现教学中的教师模型^[6]；学习Agent和存储在数据库中的相应的学习主体个性知识结构模型相结合，实现教学中的学生模型；协作Agent实际上是由参与协作学习的学习者与网络终端计算机进行交互后，形成协作学习者Agent。协作Agent根据协作学习者（学生模型）中提供的关于学习者的个人特点，按照一定策略，如学习水平、思维方式倾向等划分而成的；通信Agent按规定的协议上传或下达教与学过程中信息，完成各种教与学活动（移动代理）和数据库系统的通信。

　　教学Agent和学习Agent结合实现与学习主体的个性化教与学。协作Agent分配任务时，按照协作学习小组Agent的对外特性来确定任务的分配方式，并将任务具体到协作学习者Agent，由学习者Agent具体实施或通过协作完成任务。管理Agent中的行为分析功能用来确定教与学事务的类型（教学、学习、协作等），并对学生的学习行为（如认知特征、操作方式等）和知识结构动态分析，将其结果通过“上传下达”操作提交应用服务器，以便处理该学习个体的下一个活动指令。

3.3  Agent的实现技术与策略

　　目前，研制开发多Agent应用系统可以采纳CORBA(Common Object Request Broker Architecture，公共对象请求代理体系结构)、DCOM(Distributed Component Object Model，分布式组件对象模型)、Java RMI(Remote Method Invocation，远程方法调用)等多种分布式对象构件技术。由于CORBA是一种开放的分布式对象计算框架标准，其不仅内置了“软件总线”，可方便地实现不同程序之间的通信，而无须考虑这些程序的设计方式、编程语言和运行平台，而且提供了一种“即插即用”的软件环境，能够自动地完成许多一般性的编程任务，如对象的注册、定位、激活，请求的分发和异常处理等。同时，CORBA中的接口定义语言IDL还提供了到Java、C++、Smalltalk等语言的映射，可以方便地实现网络上不同平台的对象相互之间的交互。因此，实现基于Agent的网络教学系统的最佳方案是采用CORBA与Java的相结合技术，并采用三层客户／服务器模式，即：
　　⑴ 用户界面层。即基于浏览器的网络教学系统用户界面，使用普通的浏览器。Web浏览器作为客户层，提供图形用户界面，负责与用户进行交互。它通过Http协议从应用层的Web服务器下载超文本页面，同时下载并执行内嵌在页面中的Java Applet。这些Java Applet中CORBA客户对象通过内部通信机制同应用服务器中有关教学Agent对象进行互操作，教学Agent对象封装了相关的操作，它们之间通过内部协议彼此通信，并能够访问数据层的数据库对象，以协同完成客户请求。
　　⑵ 管理服务器层。由传统的Web服务器、管理信息库和应用网关组成。CORBA和Http组成的中间层几乎可以由任何一种服务器平台来支持。CORBA对象作为一个中间层应用服务器，将业务逻辑封装起来。同时，服务器端的CORBA对象还能与其它使用CORBA的客户或服务器交互。
　　⑶ 数据层。是CORBA对象能访问的所有数据库，包括系统所用到的所有数据及知识库。

个性化学习结构模型中的通信代理应用程序采用组件技术开发，实现分布式系统中的通信编码与解码、前台与后台数据库的连接等功能。这种数据库连接技术与以往的ADO/ASP技术相比，具有7个主要优点：减轻网络负载、减小网络时延、支持协议封装、异步和自治执行、动态适应、自然异构以及健壮性和错误容忍等。个性化学习策略以建构主义学习理论为指导^[6]，依靠教学代理实现。系统针对某个在线学习者，教学代理通过管理代理的分析后提交的教学指令，获取相应课程知识结构图中的相关结点的内容，如教学的概念、原理、方法、公式、问题、问题解读、试题、答案，以及这些内容的表达方式、教学策略等^[8]。在学习者与系统交互的过程中，管理代理不断分析学习者的学习行为，并与教学代理、学习代理的协调，即可动态调整或扩张该学习者的个性化知识结构图，使其个性化的知识得到新的建构，同时更新数据库中的学生模型数据。
4 结束语
　　基于多Agent技术的网络教学系统具有以下主要特征：⑴学生无需按照系统设计者的预定教学序列学习，教学序列是学习过程中优化产生的；⑵能提供具有智能性、自主性的Agent服务，分析学生的学习状况和学习兴趣，根据其学生水平智能调整课程难度，这样可最大限度挖掘每个人的潜力，从而能够有效地指导学生更好地学习；⑶对于教师来说，能够减少重复劳动，准确把握学生对知识点的掌握情况，有针对性地进行教学指导，提高教学效率。
　　当然，基于多Agent技术的网络教学系统尚处于研究和实验开发阶段，相关领域的研究工作还有待进一步深化，相信在不久的将来，更多符合中国国情、符合未来学习模式的人性化远程教育系统必将开发成功。

 

 

[1] 高金岭 主编. 教育技术与教育, 广西师范大学出版社, 1999年8月

[2] 沈军.网络教学中个性化策略研究.计算机研究与发展,2003.4：589-595

[3]邓晖. 论网络环境下的学生特征分析系统设计[J]..开放教育研,2003.1

[4]曲红亭，申瑞民 .基于数据挖掘的个性化学习导航系统的设计与实现[J] .计算机工程. Vol.29 No.8 2003.5

[5]申瑞民,许彦青,张同珍,申丽萍.基于多代理的智能型网络教学环境研究[J].计算机工程与应用,2002.4

[6] Duchastel, Learning Environment Designing, Educational Technology System,Vol.22(3) , P.(1993), p225-233
[7] Jonassen, D.H. A Model for Designing Constructivist Learning Environment, Proceedings of ICCE97, 1997