多AGEＮT技術在網絡智能教學系統中的應用研究

摘 要：多年來，傳統的計算機輔助教學模式越來越不能滿足高校的教學需要，傳統的教學系統軟件大多存在智能程度低、缺少教學策略等缺點。智能教學系統是當前計算機智能教育的研究熱點。結合多ＡＧＥＮＴ的特性及在智能教學系統中應用的理論，提出了基于多Ａｇｅｎｔ的智能網絡教學系統的設計模型，詳細分析了系統各層次的功能，并給出了系統數據庫的分類設計以及系統模型的特點。

關鍵詞：

中圖分類號： ＴＰ３９１．７ 文獻標識碼： Ａ 文章編號：２０９５－２１６３（２０１１）０３－００２７－０４

Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｍｕｌｔｉ－ＡＧＥＮＴ ｉｎ Ｎｅｔｗｏｒｋ Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｕｔｏｒｉｎｇ Ｓｙｓｔｅｍ

ＷＡＮＧ Ｊｉａｎｈｕａ

Ａｂｓｔｒａｃｔ：During many years， traditional modes of computer-aided teaching can not meet the educational needs of universities and colleges. And there exist a low degree of intelligence， lack of teaching strategies and other shortcomings for most of the traditional teaching system softwares. So intelligent tutoring system has become a research hotspot of intelligent computer education. Combined with the features of Multi-AGENT and the application theory in intelligent tutoring system， the paper presents the design model of network intelligent tutoring system based on Multi-AGENT， analyzes in detail system-level functions， and gives out the classification design of system database， as well as the characteristics of system model.

Ｋｅｙ ｗｏｒｄｓ：

０ 引言

智能教學系統是當今計算機輔助教學領域研究和應用的熱點。網絡應用于教育領域，使得高校的教學方法、教學手段有了很大的改變，從而徹底地改變了人們的教育觀念和教學模式。網絡教學系統可以為教學雙方提供海量的教學資源，使學習者之間在海量的用戶中實現了無限溝通和交流。多ＡＧＥＮＴ系統應用于智能教學系統是最新的技術，建構主義教育思想和人工智能領域中代理理論的結合使得智能化的、面向學習效果的、交互的遠程學習模型的建立成為可能[１]。本文提出了一個基于多ＡＧＥＮＴ的網絡自主和協作模式的智能教學系統模型，并分析了系統的邏輯功能和特點。

１ 多ＡＧＥＮＴ系統及應用

１．１ 多ＡＧＥＮＴ系統的概念

多ＡＧＥＮＴ系統是由多個可計算的ＡＧＥＮＴ組成的集合。每個ＡＧＥＮＴ能作用于自身和環境，操縱環境的部分表示，并與其它ＡＧＥＮＴ通訊，從而通過ＡＧＥＮＴ間的合作、協商、協調、聯盟，模擬現實社會中的群體智能活動，完成復雜的任務[２]。多ＡＧＥＮＴ的這些特點正可以用來解決網絡教學中的問題。

Ｍｕｌｔｉ－ＡＧＥＮＴ系統是指一些通過多個ＡＧＥＮＴ協作完成某些任務或達到某些目標的計算系統。單個ＡＧＥＮＴ的能力是有限的，但可以通過適當體系結構把多個ＡＧＥＮＴ組織起來，從而彌補各個ＡＧＥＮＴ的不足，使整個系統的能力超過任何單個ＡＧＥＮＴ的能力。多ＡＧＥＮＴ系統表示一個問題需要多個求解實體，這種系統具有傳統分布，并發問題求解的優點，同時具有復雜的交互模式。

１．２ 多ＡＧＥＮＴ系統的體系結構

多ＡＧＥＮＴ系統體系結構的選擇影響系統自主性、自適應性的程度。體系結構中必須有共同的通信協議或傳遞機制。對于特定的應用，應該選擇與多ＡＧＥＮＴ系統相匹配的結構。文獻[３]將多ＡＧＥＮＴ體系結構劃分為以下三種。

（１）集中式結構。采用類似星型網絡的結構，將ＡＧＥＮＴ分成若干個組，每個組內的ＡＧＥＮＴ 采取集中式管理，即每一組ＡＧＥＮＴ提供一個控制ＡＧＥＮＴ，以此來控制和協調組內不同ＡＧＥＮＴ的合作，如任務規劃和分配等等。

（２）分布式結構。各ＡＧＥＮＴ組之間和組內各ＡＧＥＮＴ之間均為分布式結構，各ＡＧＥＮＴ組或組內各ＡＧＥＮＴ無主次之分，處于平等地位。

（３）層次式結構。集合了集中式和分布式兩類結構。其中包含一個或多個層次結構，每個層次結構有多個ＡＧＥＮＴ，這些ＡＧＥＮＴ可以采用分布式或者集中式。相鄰層之間的ＡＧＥＮＴ可以直接通信，或者利用控制ＡＧＥＮＴ進行廣播通信。

１．３ 多ＡＧＥＮＴ技術在網絡教學系統的應用

智能ＡＧＥＮＴ可以以虛擬的教師、虛擬的學習伙伴、虛擬的實驗室設備和虛擬的圖書館管理員身份出現，從而增強教學內容的趣味性、個性化和人性化色彩，改善人機教學效果，使遠程教學效果達到和超過傳統的教學效果[４]。在學習過程中，智能ＡＧＥＮＴ可以根據學生的個體差異安排學習計劃、學習建議；在練習和訓練過程中，智能ＡＧＥＮＴ根據各個學生的學習進度和學習水平，為學生提供合適的習題與實驗，相當于私人教師進行個別授課與個別輔導。當學生在網上學習迷航時，智能ＡＧＥＮＴ還能起到導航的作用，為學生指點迷津，順利地將學生帶到目的地。

２ 基于多ＡＧＥＮＴ的智能教學系統模型

本文提出的基于多ＡＧＥＮＴ的智能教學系統，主要面向三類使用者：學生、教師和管理者。通過相對應的ＡＧＥＮＴ對使用者的使用行為進行學習和模擬，從而可以引導其個性化地使用該學習系統。系統除了要實現教師和學生在課堂教學中的一切功能以外，還要提供許多遠程功能，例如：作業的提交和評價、同學間的協作學習、教學策略的實時更新等。筆者提出的基于多ＡＧＥＮＴ的智能教學模型如圖１所示。整個系統在邏輯上由數據提供層、訪問控制層、公共服務層、教學應用層、用戶協作層和用戶層６個部分構成。

２．１ 用戶層

教學系統的所有用戶可分為學生、教師和管理員三個部分。由于用戶角色的不同以及行為和思維習慣的不同，導致其使用的系統功能不同，使用習慣也不同。由于不同的用戶可能來自于不同的網絡平臺，例如互聯網、手機ＷＡＰ網、各種類型的終端設備等，系統的設計可以整合所有異構網絡平臺。用戶無論在何種網絡平臺下，都可以正常使用系統。

２．２ 用戶協作層

對于使用系統的所有用戶，用戶協作層負責身份驗證。對于已經登錄到系統中的用戶，用戶協作層中的“學生協作ＡＧＥＮＴ”和“教師協作ＡＧＥＮＴ”負責多個學生之間的協作學習以及多個教師之間的協作教學。根據不同學生用戶的特性，并依據系統掌握的教學策略和規則，系統會適當地將學生用戶按照不同的原則進行分組，或者將各方面程度相近的學生分成一組，或者將不同程度的學生分成一組，以模擬實際的教學環境。

２．３ 教學應用層

學生用戶和教師用戶的一切教學活動都在教學應用層中完成。有關教學的每一個應用都分別對應一個ＡＧＥＮＴ，可引導用戶進行操作、為用戶提供個性化操作界面和教學內容；與其它ＡＧＥＮＴ進行通信、協作，智能地選擇適合用戶的教學策略。

（１） 學生與教師共同的應用

教學系統模型中關于教師和學生共同的應用有討論答疑、作業管理、課程報告管理、學習評價管理等。

① 討論答疑ＡＧＥＮＴ面向所有用戶提供討論服務，可以根據學生用戶不同的學習風格、問題討論的范圍等因素智能地實現自動分組討論。

② 作業管理ＡＧＥＮＴ協助教師ＡＧＥＮＴ負責為不同類型、不同程度的學生用戶分發作業，協助學生用戶提交作業。

③ 課程報告ＡＧＥＮＴ協助教師ＡＧＥＮＴ為學生用戶提供大作業、設計報告、實驗報告、小論文以及畢業論文等的出題、選題等工作。

④ 學習評價ＡＧＥＮＴ的功能是與和教學相關的各個ＡＧＥＮＴ實時通信和協作，負責完成教師教學過程和學生學習過程的所有評價工作。最后將評價結果保存到相應的系統數據庫中。

（２） 學生活動應用

學生用戶在教學系統中獨有的應用主要有學習、練習、實驗和測試等。

① 學習是學生用戶使用教學系統最多的功能，學習ＡＧＥＮＴ引導學生用戶在教學系統中學習專業知識。根據不同學生用戶的類型和學習風格，為用戶提供個性化的操作界面。

② 練習ＡＧＥＮＴ根據學生用戶的學習效果，為用戶智能地提供練習題目。還可以根據學生用戶歷史練習成績，提供難度適中的練習題，使學生用戶能逐漸適應新知識，從而循序漸進地學習。練習ＡＧＥＮＴ還可以為小組用戶提供相應難度的習題供大家比賽，從而檢驗小組學習效果。

③ 實驗ＡＧＥＮＴ的功能是協助教師ＡＧＥＮＴ設計實驗題目和引導學生用戶完成實驗內容，為實驗題目提供智能仿真環境，幫助學生用戶提交實驗報告。

④ 測試ＡＧＥＮＴ協助教師ＡＧＥＮＴ完成學科測試的出題工作，包括試卷結構的設定、智能組卷的完成以及試卷分發等工作；協助學生ＡＧＥＮＴ完成測試過程、答案提交等工作。

（３） 教師活動應用

教師用戶在教學系統中特有的應用主要有課程管理、教學內容管理、教學資源管理、試題管理等功能。

① 課程管理ＡＧＥＮＴ負責課程的開設、課程信息的維護、知識點的劃分、制定知識點之間關聯規則以及基本教學策略的制定等工作。

② 教學內容ＡＧＥＮＴ主要負責協助教師按知識點內容將教學內容錄入課程內容數據庫中，并負責對其進行維護。

③ 資源管理ＡＧＥＮＴ協助教師ＡＧＥＮＴ負責對圖片、聲音、視頻等教學資源進行管理。包括教學資源的錄入、修改、刪除等。

④ 試題管理ＡＧＥＮＴ協助教師ＡＧＥＮＴ完成對學科試題庫的建設，包括題型管理、題目管理、難度設定等。同時與練習ＡＧＥＮＴ和測試ＡＧＥＮＴ協作，為學生用戶提供個性化試題服務。

２．４ 公共服務層

構成教學系統的各ＡＧＥＮＴ需要通信與協作，系統的不同用戶還會有不同的數據查詢和統計需求，系統需要安全穩定地運行，還需要為用戶提供豐富、準確的幫助信息，這一切功能的實現都通過系統的公共服務層來提供。

公共服務層為所有ＡＧＥＮＴ服務，是ＡＧＥＮＴ應用和底層數據庫之間的接口。公共服務層由教學策略ＡＧＥＮＴ、查詢服務ＡＧＥＮＴ、系統消息ＡＧＥＮＴ、系統安全ＡＧＥＮＴ和在線幫助ＡＧＥＮＴ構成。

２．５ 訪問控制層

為了系統數據庫的安全，系統特別在系統數據庫和公共服務層之間設置了一個訪問控制層。訪問控制層負責接受公共服務層的訪問要求，直接訪問系統數據庫中的數據，返回訪問結果，并負責響應訪問控制層的數據挖掘請求。

２．６ 數據提供層

智能教學系統需要海量數據支持，包括課程內容提供、各類用戶信息、學生歷史成績數據、教學策略數據、教學資源及系統知識規則庫等。將以上每一類數據單獨存放在一個數據庫里，方便數據的分類和管理，形成數據倉庫。

３ 系統數據庫功能設計

基于多ＡＧＥＮＴ的智能教學系統，要想實現其智能的功能設計，需要海量的數據支持。面對海量用戶群，系統數據庫應該支持異構網絡及分布式存儲和處理。系統將所有數據分成以下７個數據庫分別存儲與處理。

（１）學生信息庫。學生信息庫用于存儲所有學生用戶的自然信息，包括為學生用戶登錄系統提供的用戶名、密碼、姓名、性別、出生日期等信息，還包括興趣、愛好、家庭情況、學習習慣等信息。另外，還記錄學生用戶在教學系統中的所有活動內容日志。

（２）教師信息庫。教師信息庫用于存儲所有教師用戶的自然信息，包括為教師用戶登錄系統提供的用戶名、密碼、姓名、性別、出生日期等信息，也包括興趣、愛好、家庭情況、教學習慣等信息。與學生用戶類似，教師信息庫同時也會記錄教師用戶的所有活動內容日志。

（３）學生成績庫。學生成績庫記錄所有學生用戶的成績信息，包括練習成績、測驗成績、考試成績等信息。做為基礎數據，學生成績庫是系統眾多ＡＧＥＮＴ進行數據挖掘和分析處理的數據來源。系統為學生用戶提供的一切學習內容，都是建立在已有學生成績數據的基礎之上，教師ＡＧＥＮＴ和學習評價ＡＧＥＮＴ的活動也離不開對學生成績數據的挖掘與分析。

（４）課程內容庫。課程內容庫用于存儲某一門課程包括章節設計、知識點設計和全部知識在內的全部內容，還包括所有知識點之間的關聯。為了適應智能教學系統的教學要求，對任何一個知識點允許多名教師用戶設計不同的教學過程，以滿足不同用戶的學習要求。

（５）教學策略庫。教學策略庫是智能教學系統的靈魂，根據課程內容庫中存儲的知識點結構和關聯，系統會為不同學生用戶隨機或有目的地、智能地生成不同的教學策略。根據學習評價ＡＧＥＮＴ的反饋，不斷地強化優規則、淘汰劣規則，由此建立起穩定的教學策略規則庫。

（６）教學資源庫。教學資源庫用于存儲課程的全部教學資源。由于智能教學系統是開放的，學生用戶和教師用戶是海量的，所以教學資源庫對所有用戶是開放設計的。所有用戶都可以自主創建教學資源，在系統運行過程中，優秀的資源會得到越來越多的使用機會，從而更多地應用于教學策略中。

（７）系統知識庫。系統知識庫用于存儲智能教學系統除教學策略之外的規則。

４ 系統模型特點

本文設計的智能教學系統模型最大限度地模擬現實世界人類的教學活動，通過多ＡＧＥＮＴ之間的信息共享、溝通協作，以海量教學資源和學習數據為基礎，實時更新豐富的教學策略，為不同用戶提供個性化的學習界面，從而實現網絡自主學習和協作學習相結合的學習模式。系統模型主要有以下幾個特點：

（１）最大限度地模擬現實世界。網絡教學系統要想真正發揮作用，贏得使用者的喜愛，就要實現真正的個性化教學、人性化教學，實現自主學習與協作學習，實現動態實時教學策略管理。這就要求網絡教學系統最大可能地接近真實世界的教學環境，最大可能地模擬學校教學生活，只有這樣，學習者才能有真實感、親切感，才能喜歡網絡教學系統，愿意使用該系統，因此，才能高效地進行學習活動。

本文提出的智能教學系統模型，通過將現實世界中的真實教學任務適當地分解為多個步驟，系統豐富的功能由多個不同的ＡＧＥＮＴ互相協作完成，所有ＡＧＥＮＴ各司其職，比較全面地模擬了現實教學環境。

（２）多ＡＧＥＮＴ分工合作。系統由多個ＡＧＥＮＴ協作完成教學任務，各ＡＧＥＮＴ之間既可以單獨完成既定的任務，也可以通過溝通和協作完成較復雜的大型任務。詳細的分工使系統框架結構清晰明了，便于具體實現。

（３）引入學習風格的評價。學習風格是學習者持續一貫的、帶有個性特征的學習方式，是學習策略和學習傾向的總和。學習策略指學習方法，學習傾向指學習者的學習情緒、態度、動機、堅持性以及對學習環境、學習內容等方面的偏愛。系統模型中的學生ＡＧＥＮＴ在學生登錄成功后，負責監測、記錄學生的學習風格方面的數據，并記入到學生信息庫中。根據長時間監測的結果智能地總結出該學生的學習風格，從而根據學習風格提供個性化的學習界面。

有些學習策略和學習傾向會隨學習任務、學習環境的不同而變化。系統的學生ＡＧＥＮＴ會根據學生信息庫中數據的變化動態地跟蹤學習者的學習風格，從而動態地改變教學策略，讓學習者真正體會到是在一個現實的教學環境當中。

（４）分組協作教學。系統模型當中引入了學習風格的評價內容，學生協作ＡＧＥＮＴ可以將學習者的不同學習風格作為分組的依據，從而實現協作學習。系統還可以分析教師的教學風格，從而為學生提供個性化的教學服務。系統的設計面向整個互聯網，龐大的教師群和學生群在同時使用，就涉及師生結對的問題。系統通過對教師教學風格和學生學習風格的匹配，為學生智能分配教師、為教師智能分配學生，而且這一過程是動態的。學生用戶面對的是一位或多位虛擬教師，教師面對的是多位虛擬學生。這一技術徹底實現了師生之間協作教學，從而最大限度地提高了教學效率。

（５）教學策略的實時調整。系統中數量眾多的ＡＧＥＮＴ分工協作，實時采集教學活動的所有信息，存入系統的多個數據庫中，從而形成了海量的教學活動信息資源庫。系統的各個ＡＧＥＮＴ會通過數據挖掘ＡＧＥＮＴ所提供的服務，從各個數據庫中挖掘最新的關聯規則，從而動態地改變教學策略。教學策略的動態調整豐富了教學系統的功能，使系統更加人性化，同時也使學生用戶感到所面對的是一位有性格、有情緒、會隨時改變教學方法的虛擬教師。

（６）多元的教學評價機制。真實、完全地反映用戶使用教學系統的情況，就要客觀、全面地對教學活動進行評價，這就要求系統的評價主體與評價內容必須具有多元性[５]。在本文所提供的系統模型中，學生ＡＧＥＮＴ可以實現學習過程的自我評價、或對小組成員的評價、對虛擬教師的評價以及對教學策略的評價；教師ＡＧＥＮＴ可以對學習者的學習過程進行評價、可以對學生的學習效果進行評價、也可以對同行的教學工作進行評價。系統的評價主體由傳統的單一評價主體—教師，擴展到由學習者、小組成員、教師等構成的多元評價主體。評價量規表從學習內容的評價、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。

５ 結束語

智能化教育一直是全世界教育界和教育技術領域的理想和目標。計算機技術特別是網絡技術的發展，使計算機輔助教學得到廣泛的應用。新的教育理論層出不窮，特別是人工智能理論和技術的發展，為計算機智能教學提供了廣闊的發展空間。然而，在中國現有的教育體制和技術支持下，真正的智能教育理論實現起來非常困難，導致現階段的網絡教學出現了很多無可奈何的尷尬。網絡教育是“人－機－人”的交互過程，在這一過程中，如何提高網絡和計算機的智能化程度是目前教育技術領域的一個重大課題。

本文結合多ＡＧＥＮＴ的特性及在智能教學系統中應用的理論，提出了基于多ＡＧＥＮＴ的智能網絡教學系統的設計模型，詳細分析了系統各層次的功能，并給出了系統數據庫的分類設計以及系統模型的特點。

參考文獻：

[ １ ] 許彥青，申瑞民，張同玖，等． 加強學習算法的智能多代理在遠

程教學中的應用[Ｊ]． 計算機工程，２００１（８）：１２５－１２７．

[ ２ ] 程顯毅． ＡＧＥＮＴ計算[Ｎ]． 哈爾濱：黑龍江科學技術出版社， ２－

００３．

[ ３ ] 張林，徐勇，劉福成． 多Ａｇｅｎｔ系統的技術研究[Ｊ]． 計算機技術

與發展，２００８（８）：８０－８７．

[ ４ ] 仇芒仙． 基于多Ａｇｅｎｔ的網絡教學系統的研究[Ｊ]． 計算機工程

與應用，２００３（１６）：１６９－１７２．

[ ５ ] 羅冬梅，黃賢立． 基于Ｍｕｌｔｉ－Ａｇｅｎｔ技術的智能協作學習系統的

設計[Ｊ]． 現代教育技術，２００９（１０）：１１９－１２１．