基于多Agent的個性化網絡教學模型研究

廖文芳 周肆清

(1.中南大學 信息科學與工程學院，湖南 長沙 410012；2.湖南科技學院 計算機與通信工程系，湖南 永州425100)

基于多Agent的個性化網絡教學模型研究

廖文芳1.2周肆清1

(1.中南大學 信息科學與工程學院，湖南 長沙 410012；2.湖南科技學院 計算機與通信工程系，湖南 永州425100)

通過對現有網絡教學系統進行分析，根據Agent的原理，構建了一個基于多Agent的個性化網絡教學模型。利用Agent的智能推理能力，設計了一種教學模式選擇的適應性選擇策略，探討了根據學習特征、學習難度進行個性化學習推薦的方案等，實現了學生的按需學習和教師的因材施教。

多Agent；個性化；網絡教學

一 引 言

隨著計算機和通信技術的飛速發展，網絡已深入了人們的生活，網絡教學也已成為教育技術領域網絡應用和研究的熱點。基于網絡的教學系統，教學內容能以文字、圖片、 聲音、動畫等信息的形式傳輸和呈現，每個學習者可以在任何時間和地點，通過人機交互方式訪問教學資源進行自主學習。然而，傳統的網絡教學系統普遍存在一些缺陷，如教學過程中以呈現教學材料為主，缺乏必要的交互手段，使學習者處于被動學習狀態；對學習者采用相同的教學策略，不能針對學習者個體的差異，進行個性化的教學輔導，難以實現因材施教；知識結構的表示松散無關，不能為學習者在學習過程中提供一種個性化的學習導航，學習者容易出現迷航而偏離學習目標；系統的個性化分析與評價能力不強，不能真正構建出學習者的主動學習環境等。Agent技術的發展為上述問題提供了新的解決思路和方法，其自身所具備的一些特性對實現對“個性化”與“適應性”的網絡教學系統很有意義。

二 Agent技術

隨著計算機通信技術和網絡的大眾化，Agent 與多Agent 系統是人工智能的一個研究熱點之一[1]。Agent技術現已逐漸融入到計算機的各個領域,使得原有領域產生了新的方法和技術[2]。

Agent技術來源于分布式人工智能DAI領域，也可以稱為智能主體或智能體，既可以是軟件，也可以是硬件。它能夠對自己的決策行為進行控制，能夠根據環境的變化，及時更新自身的思維狀態，做出不同的活動去完成目標。一個多Agent系統是由多個單個的自主Agent組成，它具有擴充性好、實時性強、處理靈活等特性，系統內的多個單 Agent可以相互協助去解決復雜的問題，處理能力非常強，且具備自組織能力。

根據Wooldridge和Jennings[3]的理論，Agent應該是具有以下的基本特性的軟件系統。

1、自治性：Agent可以在沒有外界干涉和指導的情況下，能以目標或意圖為驅動，對自身的行為和內部狀態進行控制。

2、社會性：Agent可以借助某種 Agent通信語言，和其他Agent或環境進行交互。

3、反應性：通常是指當周圍環境發生變化時，Agent能夠自動感知，并對相關的事件和任務作出反應，并能用與人類似的思維方式對下一步的行為做出相關的推理和預測。

4、執行連續性：Agent能夠根據高層的指示，決定如何來完成當前任務，并會對來自其它 Agent的信息作出響應，及時響應和處理下一個任務。

5、主動性：Agent除了要對所處的環境做出簡單的響應，最重要的一點是要采取積極主動的目標驅動行為。

三 基于多Agent的個性化網絡教學模型

網絡教學所面臨的問題是相當復雜的，要涉及到教師、學習者、教學策略、教學資源等等多個現實實體，其過程要覆蓋教學的每一個環節，因此，在設計過程中，要把網絡教學系統劃分為若干個子問題，并把Agent技術和教學系統相結合，構造多個具有對應功能的Agent去分別處理各類子問題，通過系統中的多個Agent協作，去控制各個子問題之間的依賴性，從而提高系統的智能化，實現個性化教學。

網絡教學系統需要多個子功能模塊一起協同工作，在傳統的B/S兩層結構體系中又增加一個多Agent執行層，擴展成B/MA/S的三層結構，可以使服務器減輕負擔，為客戶端提供統一的運行環境，增加了系統安全性。基于系統個性化的設計思想，本文構造了一個三層結構的網絡教學模型，由用戶接口層、多Agent執行層、數據存儲層組成。基本結構如圖1所示。

圖1 基于多Agent的個性化網絡教學模型結構

1、用戶接口層

用戶接口層位于瀏覽器端，負責與用戶直接溝通，主要的用戶信息有教師、學習者、管理者等。用戶通過瀏覽器進行訪問，服務器提供圖形交互界面，將多媒體數據通過輸入和輸出端口展示給用戶，獲取用戶的登錄信息及相關行為，接受任務，反饋處理結果信息等。

2、多Agent執行層

多Agent執行層主要由管理Agent、教學Agent、學習者Agent和個性化學習Agent構成，其中管理Agent是整個多Agent執行層的核心，它負責協調和管理其它Agent模型，確保各Agent的正常運行和工作。

（1）管理Agent

管理Agent負責網絡教學系統的智能協調，宏觀調控整個教學過程，創建、協調、規劃和分配多Agent結構內的任務，主動獲得其它Agent的數據和資料。管理Agent是在系統初始化時自動產生的，不同類型的用戶登錄后，管理Agent分別創建不同的Agent去執行不同性質的任務，這些Agent任務執行完后，將結果反饋給管理Agent，管理Agent對任務執行結果進行分析和確認后，把結果反饋給用戶，在整個系統中，管理Agents 要隨時響應各個Agent的請求，因為一直處在活動動態。管理Agent的主要有2個功能：用戶注冊及身份驗證、協調處理各Agent之間的通信。

當學習者用戶注冊時，管理 Agent對應創建學習者Agent和個性化學習Agent，每個Agent用唯一的編號進行區分，和對應數據庫的用戶信息表編號一致。教師用戶注冊時，會自動創建一個教學Agent。學習者用戶登錄時，管理Agent會自動發出連接請給學習者Agent，學習者Agent根據請求的用戶編號從學習者信息庫中取出該用戶的注冊名、學習特征、學習者水平統計、學習時間反饋給管理Agent，管理 Agent根據反饋信息從教學策略庫中取出對應的內容為學習者創建交互學習界面，其它各 Agent隨時向管理Agent匯報狀態變化情況。當用戶退出系統，則結束對應的Agent。

（2）教學Agent

教學Agent主要負責教學活動，它具有自適應性，可以將學習者的信息傳達給教師，同時也能把教學的反饋信息傳達給系統。可以根據學習者Agent的反饋信息，采用最合適的教學方案，對其進行教學和指導，并根據學習者的學習情況對教學效果進行評價。

學習者登錄時，管理Agent會把該學習者的相關信息傳送給教學Agent，教學Agent會先根據這些信息來確定教學內容，以及這些內容之間的關聯，然后根據學習者的個性特征、認知能力、學習情緒和學習偏好從教學資源庫中取出對應的教學資源進行組織，生成知識點，選擇最合適的教學方案來實現個性化教學指導，以達到因材施教的目的。

教學Agent可以對整個教學過程進行動態監控和指導，對學習者的學習情況進行了解，記錄學習者的學習過程，根據學習在使用教學系統的反饋信息，對學習者進行客觀評價，并及時糾正在學習過程中出現的學習偏差，管理Agent對把學習者對教學評價的數據對進分析和處理，及時地調整教學策略，修改教學方案，對自身進行改進和完善。

（3）學習者Agent

學習者Agent除了要記錄學習者的基本信息外(如姓名、性別、興趣等)，還要能夠準確反映地學習者的認知能力、學習偏好、學習目標等，為個性化教學提供依據。

當學習者第一次登錄系統時，系統自動創建一個學習者Agent，負責處理學習活動，對學習情況進行跟蹤，對學習者的相關學習行為信息進行收集和記錄，包括學習者的基本信息、學習進度、學習歷史等。進入學習后，學習者Agent首先給出最近一次的學習情況提醒，以及最近一次測試通過的知識點掌握情況。在學習過程中，學習者Agent自動記錄學習者訪問過的每一個知識點，若發現學習者在前面知識點還未掌握的情況下，去學習后面的知識點，學習者 Agent將會給出學習導航，建議學習者選擇合適的學習內容。在每個知識點學習結束后，學習者可以從試題庫選擇試題進行測試，學習者Agent對提交后的試卷進行評閱，并將測試的內容對應的知識點名稱、時間、難度、成績等信息進行存儲，完成對學習者知識水平、學習能力的測定，為個性化學習Agent提供相關的學生信息。

（4）個性化學習Agent

個性化學習Agent是系統個性化、智能化的重要標志，主要負責和學習者Agent進行交互，提取、分析和維護學習者的個性特征、認知水平、學習興趣等信息等，和教學Agent交互，為不同認知水平的學習者提供不同的教學策略，給他們進行學習導航，提高學習興趣。

個性化學習Agent通過與教學Agent和學習者Agent進行交互，對學習者訪問過的知識內容、提交的作業情況和測試的成績等，對學習者的學習進度進行估算，描繪出學習者的知識域；通過對學習者學習情況的模糊分析，估算出學習者的認知水平，分析學習者對某一學習內容的了解和掌握情況；通過問卷調查和單元測試的形式，比較學習者在不同學習風格下的學習效果，動態推薦出適合學習者個性的學習風格設置；個性化學習Agent根據學習者模型中的興趣隊信息進行估算，并將估算出來的學習者興趣反饋給管理Agent，管理Agent收到各Agent的信息后，將所有信息進行匯總和分析，從教學資源庫中取出符合學習個性的知識點推薦給學習者Agent。學習者進行測試后，如果該知識點的考核通過則表示學習者已掌握，個性化學習Agent將提示學習者進行下一知識點的推薦學習或自主選擇知識點學習；如果測試未通過，則建議學習者復習當前知識點，學習者也可自主選擇其它知識點學習。

3、數據存儲層

數據存儲層主要是用來保存各類數據資源，包括學習資源庫、系統知識庫、教學策略庫、學生者模型庫、試題庫等。

四 結 語

將多Agent技術運用到網絡教學系統中，有效地解決了傳統網絡教學系統中存在的一些問題，能動態地與學習者進行交互，在各Agent之間實現知識交換和共享，在學習過程中，可以根據學習者學習水平和興趣組織最合理的學習方案，針對具有不同認知水平的學習者，能夠采用不同的教學方案，使用教學和學習者的主導地位都能同時得到發揮。

[1]李強,多Agent系統結構的研究[J].黑龍江科技信息,2009,(26).

[2]連雁平,基于智能的個性化搜索引擎模型研究[J].長江大學學報,2010,(1):122.

[3]Wooldridge MJ,Jennings NR.Intelligent Agent:Theory and Practice[J].Knowledge Engineering Review,1995,10(2):115-152.

TP31

A

1673-2219（2012）08-0052-03

2012－05－10

廖文芳（1982－），女，湖南漣源人，研究方向為計算機軟件開發。

(責任編校：何俊華)