基于Ｍｕｌｔｉ－Ａｇｅｎｔ技術的智能協作學習系統的設計

羅冬梅　黃賢立

【摘要】針對當前網絡協作學習系統中存在的問題,結合Multi-Agent技術的認知、學習、相互協作等能力,設計和實現了基于Multi-Agent技術的智能協作學習系統,并分析其特征,以期對促進網絡教育的發展提供參考和借鑒。

【關鍵詞】Multi-Agent;學習風格;協作學習

【中圖分類號】G420 【文獻標識碼】 A 【論文編號】1009—8097(2009)10—0119—03

協作學習,是學生為達到共同的學習目標并最大化個人和他人習得成果而一起經歷各種變化、共同進取的一切相關行為[1]。鑒于網絡學習環境的特點,網絡教育更強調學習者的相互協作,智能化的協作學習系統成為網絡學習的一種迫切需求。隨著Internet和Web技術的飛速發展,人們為構建這樣的系統提出了許多可行的解決方案,但從目前的研究情況來看,仍存在著一些問題,如:學習成員的小組劃分帶有隨意性,無任何理論依據;缺乏學習風格測量,難以提供不同的角色服務;學習主體智能性不高,難以保證協作學習結果的正確性等。

Agent技術來源于分布式人工智能(DAI)領域,應用Agent技術建立一種智能協作學習系統為解決上述問題提供了一條新的思路。Agent是指模擬人類行為與關系、具有一定智能并能夠自主運行和提供相關服務的程序[2]。Multi-Agent系統(MAS)是指一些Agent通過協作完成某些任務或達到某些目的的計算系統。本文引入Multi-Agent(多Agent)技術,探討其在協作學習系統中的應用,以期實現網絡學習的智能化與協作化。

一 Multi-Agent技術在協作學習中的應用分析

MIT Media Lab實驗室主任Nicholas Negroponte在1995年出版的“Being Digital”書中,這樣描述Agent:“Agent接電話、識別呼叫人、適當時打擾你、并且能代替你撒一個小謊。相同的Agent經過時間的鍛煉、擅長于尋找適宜的時間,并且具有尊敬人的品質。……你將派遣Agent代替你收集信息。Agent將再派遣其他Agent,過程是多重的。”。Negroponte指出Agent具有一定的社會性,能夠和其他Agent進行通信。Agent體現了很多特征,如交互、協作、通信等能力。

Multi-Agent是Agent社會性的集中體現。由于單Agent解決問題的能力有限,以及在同等環境下單Agent解決問題的復雜性,使得Multi-Agent系統快速發展,它通過多個單Agent 的相互協作完成復雜問題的求解,并且每個Agent保持其獨立解決問題的能力。

協作學習的關鍵是小組成員之間相互依賴、相互溝通、相互協作、共同負責,從而達到共同的學習目標。協作學習模式具備以下特點:(1)以小組活動為主體:所有關于協作的表述都強調協作學習的基本形式是小組學習,是以小組活動為主體進行的一種教學活動模式;(2)強調小組成員的協同互助:協作學習是一種同伴之間的相互合作、協同互助的學習活動,學習之間的協同合作與相互作用是協作學習賴以開展的動力源泉;(3)強調目標導向功能:協作是一種目標導向性的學習活動,是為達成特定教學目標而展開的。[3]

可以看出,Multi-Agent所具備的認知、學習、相互協作等基本能力也是構建一個完備的智能協作學習系統所必須的,因此選擇基于Multi-Agent技術的應用模式也就成為構建智能協作學習系統的首要選擇。

二 基于Multi-Agent技術的智能協作學習系統設計與實現

通過以上的分析,基于ASP和具體的Agent技術,我們設計并實現了一個基于Multi-Agent技術的智能協作學習系統。系統的設計由程序設計人員與教育領域專家共同完成。

1 系統體系結構的描述

本系統采用B/A/S結構,這是一種“瘦客戶”模式,有利于提高系統的訪問速度。客戶端利用瀏覽器進行上網學習,無需為不同的客戶端安裝不同的客戶程序,這種方式可以為復雜的分布式應用提供統一的環境。本系統采用分層的軟件體系結構(圖1)。

2 系統中主要Agent能力的描述

(1)學習者特征記錄

學習者特征記錄是SAgent的主要能力之一。每一位學生進行登錄與注冊之后產生對應的SAgent,而后繼工作中的小組成員的特點、學習者在小組中所能夠承擔的角色均取決于學習者特征記錄。通過學習風格測量產生學習者的不同學習風格,學習風格是學習者在進行新的內容學習時分配角色(圖2)以及協作學習分組的主要依據。

(2)學習檔案查看

學習者成功登錄系統后,可以通過SAgent查找學習檔案記錄表中該學習者最近一次的學習記錄,如果沒有記錄,表示該學習者是第一次使用本系統,反之則根據學習記錄中學習任務提交情況來決定下一步的學習內容。

(3)學習過程與評價

SAgent的能力還體現在學習過程與學習評價階段,包括任務完成情況和學習者評價兩部分(圖3)。

任務完成情況主要實現對學習內容的選擇。SAgent代理程序依據對學習信息表、專題信息表以及角色信息表等數據的分析,為學習者提供學習內容的選擇、基本任務與角色任務學習平臺的選擇等。

學習者評價的功能主要體現在協助學習者實現自我評價與他人評價,本系統提供了一份學習評價量規表,分別從知識內容學習、探究活動過程、學習成果等三個方面來進行評價。自我評價是一個不斷反饋的過程,該模塊將依據量規表上的各個指標來協助學習者對自己的學習過程進行量化,從而不斷提高學習效果。另外在他人評價(即同組成員評價或教師評價)中,根據該學習者提交的任務以及在探究活動過程中與他人合作討論的情況,SAgent將引導學習者對同組成員進行評價。當學習者全部完成某一專題的學習后,還可以幫助學習者查看到同組成員或教師對自己的評價結果。

(4)協調控制能力

現以一具體學習案例說明協調控制Agent(HA)的能力。假設三位學習者在協作學習系統中分別根據分配的角色任務(生物學家、經濟學家、政治學家)對非洲貧困地區饑荒成因進行調查,各自得到一些結論,并將所得到的結論提交討論以判定非洲地區造成饑荒的首要原因。

學習者分別注冊并登錄HA設置的討論區。根據不同角色的特點,經過單獨學習,三位學習者分別收集到一些造成饑荒的首要原因,并且進行了相關性分析,提出以下一般性結論。

Agent1:Biology(土壤,缺肥),Famine(糧食,減產)

Biology(水源,缺乏),Famine(糧食,減產)

………

結論:Biology(生態環境,惡劣)→Famine(饑荒,嚴重)

Agent2:Economic(發展資金,缺乏),Famine(國家債務,加重)

Economic(國際貿易條件,不平等),Famine(償債能力,下降)

………

結論:Economic(經濟狀況,落后)→Famine(饑荒,嚴重)

Agent3:Politics(戰爭,頻繁),Famine(農田,荒蕪)

Politics(國家政策,失誤),Famine(農業,不重視)

………

結論:Politics(政治原因,,局勢動蕩與制度不良)→Famine(饑荒,嚴重)

由于各Agent的角色范圍受限,提出的結論可能存在片面性,直接使用將會影響下一步的問題求解過程,因此,各Agent分別提出自己的結論并借助于通信原語互相通信以征求其他Agent的意見,在討論中各假設如下:

H1:“Biology(生態環境,惡劣)→Famine(饑荒,首要原因)”。

H2:“Economic(經濟狀況,落后)→Famine(饑荒,首要原因)”。

H3:“Politics(政治原因,,局勢動蕩與制度不良)→Famine(饑荒,首要原因)”

HA根據討論區的記錄計算出不同假設的合成信任度:T(H)=S(H)*(1-G(H)),其中S(H)表示正意見的信任度,G(H)表示反意見的信任度[4]。最終將計算結果公布于討論區,之后各主體分別提交結果。

Agent1 withdraw(H1), accept(H3) →HA

Agent2 withdraw(H2),accept(H3) →HA

Agent3 accept(H3) →HA

控制Agent在系統的討論區引導學習者進行共識學習,在討論的過程中,由學習者根據規則提出各自意見,之后各Agent對提交的意見進行討論,形成最終意見反饋給學習者。最終各學習者通過討論、學習都接受了H3這一假設,從而保證了協作學習結果的正確性。

三 系統主要特征

1 突出學習風格的測量

學習風格描述個人學習的模式,又稱為認知風格。認知是人的心理特征,不會因學習而改變。教育者早就注意到學習者在學習風格方面有很大差異,但在目前已有的學習系統研究與開發中,很少有人重視學習者學習風格的測量。本文研究的系統采用所羅門(Barbara A. Solomon)學習風格測量方法。所羅門從信息加工、感知、輸入、理解四個方面將學習風格分為四個組對八種類型,并依此設計了一份學習風格測量表,此量表可操作性強[5]。當學習者通過系統注冊用戶名及密碼之后,就必須進行學習風格的測量并由相應的SAgent記錄測量結果,作為后期分組或角色選擇的依據。

2 實現分組及角色的選擇

協作學習系統思想是基于小組協作的網絡探究學習,但小組成員應該如何進行分組是目前網絡協作學習系統在研究時容易忽略的一個重要問題。我們在設計智能協作學習系統時,重視對學習者的學習風格測量,并以此作為協作小組的分工依據。由控制Agent根據學習者的學習風格,依據多元智能的理論與已有的知識庫智能地選擇小組成員,從而最大程度地發揮不同學生的主觀能動性。

3 強調評價主體與評價內容的多元性

為了從多方面獲取評價信息,提高評價的信度與效度,基于Multi-Agent的智能協作學習系統在評價主體與評價內容方面強調多元性的特點。利用SAgent可以實現自我評價或對小組成員的評價,教師Agent也可以對學習者的學習過程進行評價,因此本系統的評價主體由傳統的教師發展到由學習者、小組成員、教師等有機的評價網絡。系統評價的多元性還體現在評價內容上,SAgent可以依據系統提供的評價量規表從內容學習的評價、探究活動過程的評價、以及學習成果的評價等多個方面展開,為學生提供一個更為寬松的評價環境與更為科學的評價指標。

4 提高協作學習結果的正確性

小組協作學習的最終目標在于小組成員內達到一定的共識,并將這一共識展示出來,但小組成員討論的結果可能是正確的,也可能不夠準確。在引入Multi-Agent描述不同的學生實體之后,學習之間的討論可以通過系統提供的平臺,在協調控制Agent的控制下進行。各主體通過在討論區的共識學習,或擴充了原有的信念,或修正了原有的不正確的信念,或者對某一信念增強了信任度,從而避免產生錯誤或片面的結論。

四 結束語

Multi-Agent技術的出現給我們提供了一個實現智能協作學習的新視角,Multi-Agent技術引領我們重新審視以往的協作學習系統,其認知、學習及相互協作能力與智能協作學習系統所提倡的智能化、協作化等特點不謀而合。通過學習者與教師在系統中的各代理主體,為學習者提供有效的智能協作學習方式,實現了從單一主體進行學習發展到多個主體間的協作方式的轉變。但我們在研究過程中也認識到智能協作學習系統只是學習者進行協作學習的輔助工具,對認知結果進行指導性調控,它不能取代學習者的認知過程。

參考文獻

[1] 黃榮懷.基于Web的協作學習系統[J].中國遠程教育,2001,(5):42-79.

[2] 張云勇,劉錦德.移動Agent技術[M].北京:清華大學出版社,2003:9.

[3] 劉成新,王煥景.網絡教育應用[M].北京:電子工業出版社,2009:71-72.

[4] 姚莉,張維明.智能協作信息技術[M].北京:電子工業出版社,2002:206-207.

[5] 梁凱,楊清芳.基于所羅門認知風格的Web學習系統的設計與實現[J].中國現代教育裝備,2006,(10):19-21.