基于Ａｇｅｎｔ個性化遠(yuǎn)程教學(xué)系統(tǒng)的應(yīng)用研究

摘要：個性化教學(xué)實現(xiàn)方法的研究是人們對遠(yuǎn)程網(wǎng)絡(luò)教學(xué)提出的更高層次要求，也是未來教育信息化發(fā)展的必然趨勢。本文從現(xiàn)有遠(yuǎn)程網(wǎng)絡(luò)教學(xué)系統(tǒng)缺乏深入了解用戶興趣的實際現(xiàn)狀出發(fā)，提出了一個基于Agent的個性化遠(yuǎn)程教學(xué)系統(tǒng)原型，從而為用戶提供有針對性的個性化服務(wù)。

關(guān)鍵詞：個性化教學(xué)；用戶興趣模型；Agent

中圖分類號：G642文獻(xiàn)標(biāo)識碼：B

1前言

計算機網(wǎng)絡(luò)的迅速發(fā)展極大地改變了常規(guī)教學(xué)方式與手段，高校教學(xué)網(wǎng)絡(luò)化已成為未來教學(xué)的一種趨勢。網(wǎng)絡(luò)化教學(xué)與傳統(tǒng)教學(xué)相比，學(xué)生群體存在著個性差異大的特點，這對教學(xué)及其教學(xué)系統(tǒng)提出了個性化的要求。現(xiàn)有的網(wǎng)絡(luò)教學(xué)系統(tǒng)，雖然自身信息量極其豐富，但缺乏深入了解用戶個性化需求的方法和策略。個性化教學(xué)系統(tǒng)將直接關(guān)系到網(wǎng)絡(luò)教學(xué)的有效性，其設(shè)計已經(jīng)引起了人們廣泛的關(guān)注。本文主要針對目前遠(yuǎn)程網(wǎng)絡(luò)教學(xué)系統(tǒng)中缺乏個性化教學(xué)的問題，利用智能Agent技術(shù)特點并結(jié)合機器學(xué)習(xí)的算法，設(shè)計并實現(xiàn)了一個基于Agent的遠(yuǎn)程教學(xué)系統(tǒng)，實際應(yīng)用表明本系統(tǒng)能夠通過學(xué)習(xí)用戶的興趣，為用戶提供個性化的服務(wù)。

2Agent技術(shù)的特點及優(yōu)勢

智能Agent本質(zhì)上就是一個計算機軟件程序，它運行于動態(tài)環(huán)境中，并具有較高的自治能力。它能夠接受另外一個實體(如用戶，系統(tǒng)或者機器等)的委托并為之提供幫助和服務(wù)，并能夠在該目標(biāo)的驅(qū)動下主動采取包括社交、學(xué)習(xí)等手段在內(nèi)的各種必要的行動以感知，適應(yīng)動態(tài)的環(huán)境的變化，并對之進行適當(dāng)?shù)姆磻?yīng)。Agent的自主性使得Agent能夠在沒有用戶監(jiān)控和指導(dǎo)的情況下由自身的決策機制決定采取何種行動。Agent的學(xué)習(xí)性使得Agent能夠?qū)W習(xí)用戶的興趣、愛好，建立用戶模型，從而進一步指導(dǎo)自己的決策。Agent的社會性使得Agent能夠與其他Agent進行交流，更好地服務(wù)于用戶。若將這些特性應(yīng)用到個性化的教學(xué)系統(tǒng)中，并結(jié)合機器學(xué)習(xí)的方法，建立用戶的興趣模型，通過跟蹤用戶的學(xué)習(xí)行為，不斷對用戶模型進行更新，便能很好地解決學(xué)習(xí)者在學(xué)習(xí)過程中的個性化問題，達(dá)到個性化教學(xué)的良好效果。

3基于Agent個性化遠(yuǎn)程教學(xué)系統(tǒng)的模型

為了幫助用戶選擇更適合其個性特征及知識水平的教學(xué)內(nèi)容，以便提供更好的教學(xué)服務(wù)，本文提出一種個性化遠(yuǎn)程網(wǎng)絡(luò)教學(xué)系統(tǒng)原型，如下圖所示。個性化教學(xué)系統(tǒng)中的個性化主要體現(xiàn)在對學(xué)習(xí)者的興趣特征進行提取、分析和處理，系統(tǒng)根據(jù)處理的結(jié)果自動提供給學(xué)習(xí)者符合其興趣特征和知識水平的教學(xué)內(nèi)容。教學(xué)系統(tǒng)進行個性化處理的全過程如下：

(1) 新用戶注冊及用戶建模。教育平臺的新訪問者首先需填寫好自己的基本資料后進行注冊，成為本網(wǎng)站的免費用戶，系統(tǒng)為該注冊用戶進行建模。

(2) 用戶信息采集。當(dāng)用戶登錄到系統(tǒng)，通過身份確認(rèn)后，他可以主動向系統(tǒng)提交其興趣愛好以及感興趣的程度。同時在用戶的學(xué)習(xí)過程中，系統(tǒng)的用戶Agent開始收集用戶請求，跟蹤用戶的學(xué)習(xí)行為，這里一般收集的信息有用戶學(xué)習(xí)課件的類型及時間、點擊的URL、表單填寫的情況，以及做作業(yè)、考試的過程和結(jié)果等。采集到的數(shù)據(jù)被送到用戶數(shù)據(jù)庫進行信息的預(yù)處理和歸一化。

(3) 興趣過濾。興趣過濾Agent根據(jù)最新采集的原始數(shù)據(jù)結(jié)合用戶興趣模型進行個性分析，產(chǎn)生結(jié)果，同時更新用戶興趣模型，并將結(jié)果送往管理中心。

(4) 信息推薦和再學(xué)習(xí)。管理中心根據(jù)個性化信息和用戶請求對原有網(wǎng)站課件信息庫發(fā)出調(diào)度命令，將用戶最需要的課件信息推薦給用戶。

4個性化教學(xué)系統(tǒng)關(guān)鍵技術(shù)的實現(xiàn)

用戶興趣模型是個性化遠(yuǎn)程教學(xué)系統(tǒng)的核心，它決定Agent的學(xué)習(xí)能力與適應(yīng)能力。用戶興趣模型的建立和更新實質(zhì)上是追蹤于用戶對教學(xué)信息的選擇學(xué)習(xí)的行為，通過采用機器學(xué)習(xí)方法來逐步明確用戶興趣的一個過程，分為以下四個步驟。

4.1用戶模型的建立

用戶模型的建立就是從用戶的行為和信息反饋中歸納出可計算的用戶模型的過程。用戶興趣模型的學(xué)習(xí)算法是：智能Agent跟蹤紀(jì)錄用戶的信息瀏覽行為、學(xué)習(xí)課件的歷史，從大量的數(shù)據(jù)中統(tǒng)計、分析和計算得出用戶的個性化信息。這樣用戶模型就會在用戶的遠(yuǎn)程學(xué)習(xí)過程中形成并不斷修正和變化，并且始終進行下去，以此來感知用戶的興趣和需求變化。下面是用戶模型的學(xué)習(xí)算法。

if(user login){

if(notexist personal)

{

初始化用戶興趣模型庫

收集用戶感興趣的所有課件概念

修改用戶興趣模型庫

}

if(user action information){

追蹤用戶行為

計算用戶對某個課件概念的興趣度

獲得用戶的訪問日志信息

修改用戶興趣模型庫

}

}

綜上所述，用戶模型反映了兩個方面的內(nèi)容：一個是對信息需求的特征，另一個是用戶經(jīng)常性的網(wǎng)絡(luò)行為特征。其關(guān)系模型的結(jié)構(gòu)如下表所示：

4.2用戶興趣度的計算

在個性化遠(yuǎn)程教學(xué)中，用戶對概念的興趣度是一個反映用戶個性化信息的重要指標(biāo)。因此興趣度的計算是用戶興趣模型學(xué)習(xí)算法中的重要一環(huán)。其中涉及到很多問題：用戶興趣是如何變化的？如何判斷用戶對某個信息是否感興趣？也就是計算興趣度應(yīng)該考慮哪些因素。

(1) 用戶興趣隨時間的衰減

用戶興趣度的衰減計算是基于以下假設(shè)的：

假設(shè)1：人對某一事物的興趣在沒有外界刺激改變它的情況下，在一段時間內(nèi)趨于穩(wěn)定，之后會隨著時間的推移逐漸變小。為此，我們設(shè)計衰減因子 ，passedtime為逝去的時間(單位為秒)，time為一常量，等于一年(每月按30天計，單位秒)。公式表明，一月后，用戶興趣度將衰減為原來的92.8%，3個月后為原來的45.9%，一年后為原來的9.9%。由此得到隨著時間的流逝用戶興趣度變化的計算公式1為： 。Interest(p)為用戶原來的興趣度， 為變化后的興趣度。

(2) 外界刺激對用戶興趣的影響

我們提出以下假設(shè)：

假設(shè)2：人的興趣變化是跳躍式變化的，它對新生事物的興趣總是很大。

假設(shè)3：在決定用戶興趣的諸因素中，用戶反饋最能反映用戶興趣，訪問時間距離當(dāng)前時間的遠(yuǎn)近次之。此外還有其他因素如：駐留時間、瀏覽速度等。

為此，我們給出用戶興趣度變化公式： 。 為興趣變化量。其中影響 的因素有：

(1) 用戶對系統(tǒng)的反饋意見。本文我們將用戶興趣按細(xì)粒度進行劃分，分成4個等級：很滿意、滿意、一般、不滿意。缺省值為一般，數(shù)據(jù)值為0，很滿意為2，滿意為1。用戶不滿意時結(jié)果被自動刪除。

(2) 用戶最近的學(xué)習(xí)行為距離現(xiàn)在的時間passedtime，很顯然，用戶很久以前的學(xué)習(xí)行為和剛剛完成的學(xué)習(xí)行為，后者更能表明用戶的興趣所在。

(3) 還有一些隱含的因素，如用戶瀏覽行為、瀏覽頁面的長度及駐留時間等。

于是，我們總結(jié)了興趣度變化計算公式2：

(公式2)。公式中， 、 、 是三個函數(shù)，它們將所有的因素都規(guī)格化成一個可比量。

；——公式3

；——公式4

。——公式5

公式3中，evaluation取值3，2，1，0。 取值1，0.7，0.3，0。 中fixedtime為一個月，則一個月后 取值約為0.1，表明用戶對概念已經(jīng)不感興趣。公式(2)中， 、 、 為以上三個因素在影響興趣度變化兩種所占的權(quán)重。它們必須滿足 + + =1。經(jīng)過計算， 。

4.3用戶興趣度的計算算法

總結(jié)以上論述，可得到用戶興趣度計算算法如下：

Computer(interest){

計算衰減因子

對用戶興趣庫中的每個課件概念計算興趣度Interest

訪問用戶日志{

Interest=Interest+

}

}

4.4小結(jié)

通過這種建模方式建立的用戶模型能夠較好的反映用戶的學(xué)習(xí)興趣變化，利用相應(yīng)的算法可以很好地匯總用戶的興趣，從而為用戶提供個性化的服務(wù)。

5結(jié)束語

我國的網(wǎng)絡(luò)教育正處在一個發(fā)展的初期，教育界、教育技術(shù)界以及計算機界如果能在一個較高的起點上研究網(wǎng)絡(luò)教育，而不是重復(fù)別人的技術(shù)和勞動，我國的網(wǎng)絡(luò)教育必將走在世界前列。Agent為我們提供了一個良好的契機，因此根據(jù)現(xiàn)有網(wǎng)絡(luò)教學(xué)軟件的不足及智能Agent技術(shù)的特點，智能Agent技術(shù)在網(wǎng)絡(luò)教學(xué)軟件中得到廣泛應(yīng)用將成為趨勢，我們對基于智能Agent的網(wǎng)絡(luò)教學(xué)系統(tǒng)的研究將繼續(xù)進行，以期提高現(xiàn)有網(wǎng)絡(luò)教學(xué)系統(tǒng)的智能性、適應(yīng)性、可維護性和可擴充性，增加人性化色彩，改善教學(xué)效果。

參考文獻(xiàn)

[1] 沈軍. 網(wǎng)絡(luò)教學(xué)中個性化策略研究[J]. 計算機研究與發(fā)展，2003，40(4):589-595.

[2] 莊曉敏. 面向internet的服務(wù)的用戶建模技術(shù)研究[D]，2003，4.

Application Study of Personalized Long Range Tutoring System Based on Agent

Wang Ya-xuan， XU Cong

(Software College， Dalian University of Foreign Language， Dalian， 116044)

Abstract: The research of the personalized long range teaching is more high-level request that people put forward for network teaching， and it is the inevitable trend of educating information-based development in the future. For the existing network tutoring systems lack in the method and tactics of understanding user’s personalized needs in depth， a personalized tutoring system prototype based on Agent is given. and an approach of building and updating user interest profile byacquiring the user’sstudying feedback is given. As a result， the later user’s interest is obtained fast.

Key words: Personalized Teaching， User Interest Preferences， Agent