基于Ａｇｅｎｔ的網絡智能教學系統的研究

摘 要：基于分布式網絡環境，根據多智能體系統的原理和網絡教學系統的教學模式，建立基于MAS(Multi-base Agent System) 的智能化網絡教學系統模型，然后分別討論知識的表示、學生模型、認知能力評價模型的建立方法，以及Agent的實現方法等關鍵技術。該模型克服傳統網絡教學系統的缺點，具有智能程度高、靈活性好、自主性強的特點，他充分體現“以學習者為中心”的教學思想，能夠提高學習者的學習興趣，監控學生的學習過程，實現教學各環節的知識共享與交互，以及學生的按需學習和教師的因材施教。

關鍵詞：智能教學系統；MAS；網絡教學；學生模型

中圖分類號：TP393；G4 文獻標識碼：A

文章編號：1004-373X(2008)06-083-04

Study on Internet Intelligent Tutoring System Based on Agent

ZHANG Rongmei，LI Fuliang

(Information Technology College，Hebei University of Economics and Trades，Shijiazhuang，050011，China)

Abstract：This paper firstly analyzes the technology of MAS and studies the teaching course of Internet teaching system，then puts forward the model of Internet intelligent tutoring system based on MAS，next discusses the key technology of this system in detail.This ITS has the characters as follow： high intelligent，good flexibility and adaptability.It can enhance the studying interest of the learner，and track the learning course of the user.It can realize the knowledge share and communion between teaching taches.The student can study according to his need，and the teacher can teach according to the cognizing ability of student.

Keywords：intelligent tutoring system；MAS；Internet teaching；student model

智能教學系統(Intelligent Tutoring System，ITS)又稱為智能計算機輔助教學(ICAI)，是當前計算機應用的主要領域之一，他涉及人工智能、計算機科學、認知科學、教育學、心理學和行為科學等學科，其研究目的是賦予計算機系統以智能，由計算機系統在一定程度上代替教師實現最佳教學。ITS改變了傳統教學模式和教學環境，加大了知識傳授量，改變了人們獲取知識的手段和方法。因此，他的興起和蓬勃發展標志著教育領域中一場深刻變化的開始，日益受到人們的重視。

Internet技術的發展，促進了新的網絡教學模式的發展。現代網絡教學模式克服傳統課堂教學模式的缺點，具有傳統課堂教學模式無法比擬的交互性、自主性、靈活性、分布性、廣泛性和表現形式的多樣化。近幾年來分布式人工智能技術的發展，特別是Agent技術的迅速崛起和廣泛應用，為智能化網絡教學系統的設計開發提供了強大的技術支持。網絡教學的這些特點，恰好與Agent和MAS的多個特性相適應。如何建造一個更靈活、更有適應性的智能網絡學習平臺，是面臨的一個新的課題。本文利用Agent技術，提出一種基于Agent的網絡教學系統的體系結構，并著重討論各Agent的結構與實現技術。

1 Agent和MAS概述[STBZ]^[1，2]

Agent是指在分布式系統或協作系統中能持續自主發揮作用的計算實體，他具有這樣的特性：

(1) 自主性(autonomy)：能在無外界直接操縱的情況下，根據其內部狀態和感知到的(外部)環境信息，決定和控制自身的行為；

(2) 社會性(sociability)：Agent和其他Agent(也可能是人)通過某種Agent語言進行交互；

(3) 反應性(reactivity)： Agent能夠感知外部環境并做出適當的反應；

(4) 能動性(pre-activeness)：Agent不僅能夠簡單地對其環境做出反應，而且能夠通過接收某些啟示信息，表現出面向目標的行為。另外還強調Agent除了具備上述所有特性外，還應具備一些人類才具有的特性，如知識、信念、愿望、意圖等。

MAS(多Agent系統，Multi-Agent System)是由多個Agent組成的松散耦合又協作共事的系統。這些Agent在物理上或邏輯上是分散的，其行為是自治的，他們為了共同完成某個任務，或達到某些目標遵守某種協議連接起來，通過交互與合作解決超出單個 Agent能力或知識的問題。多Agent系統除了具備單個Agent的各項特性外，還具有如下特點：

(1) 任務分布：一個任務可分成若干子任務并分派到一組Agent上，Agent通過彼此間的知識交換、協商及控制信息的傳遞等，并行協調工作。

(2) 可擴展性：當網絡、業務、管理能力不足時可以引入相關Agent或Agent子系統完成。

(3) 有效協商：各個Agent可以通過高級Agent語言(KQML，KIF)進行通信，動態有效地協商工作。

多Agent系統分為2類：一類是有共同目標的系統；另一類是無共同目標的系統。有共同目標的多Agent 系統對外界表現出明顯的功能，所有的Agent有各自具體的目標，他們的目標都服務于系統的整體目標，各個Agent 在系統內部有明確的分工與合作，建立這類系統主要用于幫助人們處理復雜性問題，如基于多Agent預測或決策支持系統。在無共同目標的多Agent 系統中，各個 Agent都有其各自的目標，相互之間往往還存在著利益沖突，這種系統主要用于模擬復雜系統。本文研究的多 Agent 模型系統是共同目標的多Agent系統。

2 基于Agent的智能化網絡教學系統體系結構

網絡智能教學系統以服務于教學活動為中心、目標是形成基于網絡的虛擬教學平臺，實現以知識為中心的教學資源管理和教學行為實施。一個完善的智能網絡教學系統應該包括管理功能和服務功能。管理部分包括：系統管理、教師管理、學生管理、課件管理；服務部分包括學習服務、答疑服務、交流平臺、考試服務、教學測評服務。基于此，提出一個分布式網絡智能教學系統體系結構。采用B/S模式，系統體系分為3層結構。如圖1所示。

圖1 網絡智能教學系統體系結構

各Agent功能如下：

界面Agent 負責用戶與系統之間的交互。將用戶的輸入、請求提交給其他Agent，同時接收其他Agent的反饋結果，并以適當的形式呈現給用戶。

教師Agent 負責教師的教學。根據教學要求及學生模型、領域知識的相關信息進行教學規劃，選擇一個最適合學生學習的教學模式，然后依據相關規則(教學策略)，提取和組織教學資源(教案、動畫)，形成教學內容，進行教學，指導學生學習。

學生Agent 負責學生的學習。跟蹤學生的學習過程，記錄學生的學習模型，將學生遇到的問題，提交給答疑Agent或交流Agent，接收測評Agent發送來的關于學生的測評結果，及時調整學生模型。

答疑Agent 針對學生學習過程中遇到的問題，提供正確的解答。如學生不滿意解答，將問題提交給交流Agent，以獲取正確的答案，最后將最終答案入庫。

考試Agent 負責測驗和考試。一方面，根據學生所學知識點，形成測試題，以評價學生的認知能力；另一方面，根據課程大綱要求，隨機生成內容覆蓋課程各章節、難度適中的試卷，要求學生在規定的時間內完成，并進行判卷評分以及統計，最后對考試情況進行統計記錄并將成績反饋給學生，同時提交測評Agent。

評價Agent 調用評價模型對學生的測試、考試情況進行綜合評價，并將評價結果提交學生Agent。

交流Agent 供教師、學生和專家交流學習經驗，通過網絡交互學習和合作，實現學習交流，提高學生的學習效率。

資源管理的教案庫Agent、知識庫Agent、信息庫Agent、題庫Agent、答疑庫Agent以及模型庫Agent分別負責相應數據(模型)庫的維護和管理。其中，積件庫存放著不同格式的教學資源，如：文本、視頻、動畫、聲音等多媒體教學內容；知識庫存放領域知識、教學策略知識和專家知識等信息，信息庫存放用戶的信息，包括學生基本信息、學生學習水平信息等；題庫存放單元練習題庫和考試題庫等，答疑庫存放常見疑難問題的解答等，模型庫存放學習評價模型等。

3 系統工作流程

在學生用戶登錄后，由界面Agent負責將用戶信息提交學生Agent，學生Agent保存到學生信息庫中，并將學生的學習請求提交給教師Agent。教師Agent選擇一個最適合學生學習的教學模式和教學策略，提取和組織教學內容，進行個性化的教學。學生Agent跟蹤學生的學習過程，記錄學習模型，調整學生模型，答疑Agent和交流Agent協作學生Agent完成學生的學習。學生每學完一個單元考試Agent根據學生所學知識形成一套難度適中的綜合測試題并進行評分、統計。測評Agent對學生的測試情況進行綜合評價，并將評價結果保存在信息庫中，以調整學生模型。當該知識點的教學內容完成時，教師Agent再依據學生模型來確定下一步的教學，是進行下一單元學習還是鞏固所學單元。

4 關鍵技術

4.1 知識的表示^[3，4]

在智能教學系統中的知識包括領域知識、教學策略知識和專家知識。一般，領域知識以知識關系圖的形式表示，而教學策略知識和專家知識則以產生式規則的形式表示。

領域知識可表示為1顆知識樹。通過知識點粒度細分，知識樹內部節點對應于科目、單元、章、節、小節等，實現知識之間的組合關系。根據知識表示深度，將粒度最細的知識對應于具體的教學積件；然后將具有先后關系(前驅與后繼)的知識點連接起來，就形成了一個獨特的網狀結構，這就是知識點關系圖，其中涉及到知識點的大小可根據課程的體系結構，同時考慮該知識點所使用教學模式的情況進行劃分和組織。實際上，知識點關系圖(Knowledge Relation Graph)是一個帶有源點和匯點的有向無環圖，如式(1)～(3)所示。

KRG=(V，E)(1)

V={vi|i=1，2，…，n}∪{Start，Finish}(2)

其中，V是知識點集合；Start 和 Finish 是附加的2個虛擬知識點，Start 是知識點關系圖的起點，Finish是知識點關系圖的終點。

E={| i，j=1，2，…，n且i

其中，E是有向弧的集合；結點vi有指向結點vj的弧，表明知識點vi是知識點vj的前提知識點。

一個知識點的信息包括結構信息、屬性信息和關聯信息。其中，結構信息用來描述該知識點在知識關系圖中的位置結構；屬性信息描述知識點的屬性，例如，知識點索引、名稱、知識內容、知識類型、知識點難度、知識點權重、知識點要求學習的時間、要求掌握的程度(重點、掌握、了解)等；關聯信息包括預備測試和學后測試題指針。

教學策略包括教學類型策略、教學順序策略、教學模式策略以及教學節奏策略等。在智能教學系統中，根據課程的教學目標和教學對象的特點，合理選擇教學媒體信息，在系統中把他們進行有機地結合。一般采用產生式表示。

專家知識包括對領域知識點的權重的確定、評價模型權重的確定等。

4.2 學生模型的創建^[5，6]

學生模型是學習者基本信息的記錄和認知狀態的抽象描述和表示，能準確、客觀、真實地反映學生當前的知識水平和認知能力。他是實現個性化教學、提高智能化教學的基礎。學生模型包含2部分信息：

(1) 學生的基本信息。主要記載學生的基本信息，如學號、姓名、性別、學習斷點和錯誤斷點、學生的偏好等。

(2) 學生水平信息。反映學生的知識水平、學習能力等認知能力，為智能化教學提供依據，可通過學生評價模型得到一個綜合評價值，以反映其認知能力。其中學生的認知能力是制定教學策略的依據，而學生的偏好是制定教學模式的依據。學生模型是依據學生和系統之間的交互作用及應答歷史而形成，可以根據學生的學習情況動態地修改，系統通過學生模型可有的放矢地進行個性化教學。

由于學生所學的知識是領域知識，學生模型與領域知識的組織方式相對應，即每一教學單元都有對應的學生學習情況庫，用于記錄學生對該知識單元的學習情況和認知情況。同時題庫的組織結構也要與領域知識的組織機構一致。

4.3 認知能力評價模型^[5，6]

學生每學習1個單元知識點后，首先通過相應的練習來鞏固所學知識，然后進行測試。根據美國著名教育心理學家B.S.Bloom的“教育目標分類理論”，把認知能力分為：識記、理解、應用、求解、分析、綜合6類。題庫中的每道題應該包含所要測試的知識點，要測試的認知能力(至少要能測試一項認知能力)。根據測試情況，采用模糊評價矩陣算法對學生認知能力進行評價，評價模型可用3元組來表示，如式(4)所示。

M=(U，V，A)(4)

其中，U={u1，u2，u3，u4，u5，u6}，分別為識記、理解、應用、求解、分析、綜合等6個評價指標在本元知識點中的權重，一般由專家給出。V={v1，v2，v3，v4，v5}分別表示優、良、中、及格、不及格5類評語，他是依據認知能力綜合評價結果和測試綜合成績，給出5個等次的評語。評價矩陣A[WTBZ]按如下方法建立：

(1) 建立每類題型的測試記錄表

每個知識點的測試題目類型有單選、判斷、填空等，根據學生測試情況，分別建立每類題型的測試記錄表Rm×6 (m行6列，m為該類題目的數量)，記錄每道題的6類認知能力的值rij，答對本題，本題對應的認知能力值為1，答錯，認知能力值為-1，不回答，則為0。

(2) 建立元知識點的認知能力矩陣A[WTBZ]

學生答完某題型的題后，根據測試記錄表，得到各項認知能力的正確率矢量：

Ai=(a1，a2，a3，a4，a5，a6)(5)

其中ai∈[0，1]，表示某一項認知能力的正確率。

ai=rij(1)rij(1)+rij(-1)(6)

rij(1) 是第i項認知能力在本部分測試中答對的次數，rij(-1) 是第i項認知能力在本部分測試中答錯的次數。

由n類題型的認知能力正確率向量構成該知識點的認知能力矩陣Gn×6，他是一個n行6列的一個矩陣。

A=a11a12…a16

a21a22…a26

an1an2…an6(7)

(3) 定義各類題型的權值：

W=(w1，w2，…，wn)

(4) 計算測試后認知能力的評價矩陣：

G=W#8226;A=(g1，g2，g3，g4，g5，g6)(8)

最后，計算學習本元知識點后學生的認知綜合能力值M，如式(9)所示。

M=∑6i=1gi×ui(9)[WTBZ]

從而構成學生的認知模型，作為學生學習策略的依據。

4.4 Agent的實現技術^[7]

JATLite(Java Agent Template Lite)多Agent平臺是智能Agent的開發工具，該平臺提供了一種快速構建Agent的方式，并為Agent之間的交流提供底層通信支持。JATLite是由美國斯坦福大學開發的Java類庫，提供了使用高級語言和協議創建Agent的模板。其中包括如下5個層次：

(1) 抽象層：提供抽象的接口；

(2) 基礎層：實現抽象層的基本框架；

(3) KQML層：支持對KQML(Knowledge Query and Manipulation Language)語言的操作；

(4) 路由器層：實現消息的路由，使用用戶名和密碼在消息路由器(Agent Message Router，AMR)上注冊，并建立和網絡的連接，從而在Agent中實現收發消息和傳送文件等功能；

(5) 協議層：支持更多的應用協議如FTP，SMTP等。

開發者可以根據需要，方便地選擇任意一層來創建自己的應用系統。而且開發者還可以根據自己的需要擴展他所提供的類庫，改變其中的一層后，其他層不受影響。

JATLite的Agent間采用的通信方式為消息傳遞模式，當一個Agent向另一個Agent發送消息時，他并不是直接傳送，而是經路由器層轉發過去，Agent不必跟蹤其他Agent的地址，從而避免了消息丟失。Agent之間采用KQML通信語言進行交互，一部分為KQML提供的標準的Register，Connect等原語；一部分為擴展中KQML的自定義的原語。

智能網絡教學系統的Agent可以在JATLite平臺的基礎上建立的，通過繼承RouterLayer，AgentClient，RouterClientAction類，由類的構造函數初始化Agent地址、消息路由器地址和注冊地址，從而快速構建Agent。

5 結 語

本文研究在分布式網絡環境下，根據多智能體系統的原理和網絡教學系統的教學模型，建立基于MAS 的智能化網絡教學系統模型，通過使用Agent的智能特性和通訊機制獲得教學問題的協同解決環境。該模型克服了傳統智能輔助網絡教學系統的缺點，具有智能程度高、靈活性好、適應性強的特點。他能監控學生的學習過程，實現教學各環節的知識共享與交互，從而實現學生的按需學習和教師的因材施教，體現“以學習者為中心”的教學思想。

參考文獻

[1]何炎祥，陳莘萌.Agent與多Agent系統的設計與應用[M].武漢：武漢大學出版社，2001.

[2][英]Michael Wooldridge.多Agent系統引論[M].北京：電子工業出版社，2003.

[3]李益才，張小真.多模式智能教學系統規劃與模式調度研究[J].2005，26(4)：1 083-1 087.

[4]周曉軍，黃河燕，張晉.智能教學系統中的知識樹增長模型[J].計算機研究與發展，2001，38(10)：1 217-1 222.

[5]謝忠新，王林泉，葛元.智能教學系統中認知型學生模型的建立[J].計算機工程與應用，2005(3)：229-232.

[6]楊卉，王陸，馮紅.在智能教學系統中兩層動態學生模型的研究[J].電化教育研究，2005(1)：72-75.

[7]饒紅萍，楊慶紅，薛錦云.Agent技術在程序設計智能教學系統中的應用[J].計算機與現代化，2005(9)：43-46.

作者簡介 張榮梅 女，1966年出生，博士，教授。主要研究方向為人工智能及其應用。

李福亮 男，1963年出生，副教授，碩士研究生。主要研究方向為軟件工程、計算機應用。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。