基于Ｍｕｌｔｉ－Ａｇｅｎｔ技术的智能协作学习系统的设计

罗冬梅　黄贤立

【摘要】针对当前网络协作学习系统中存在的问题,结合Multi-Agent技术的认知、学习、相互协作等能力,设计和实现了基于Multi-Agent技术的智能协作学习系统,并分析其特征,以期对促进网络教育的发展提供参考和借鉴。

【关键词】Multi-Agent;学习风格;协作学习

【中图分类号】G420 【文献标识码】 A 【论文编号】1009—8097(2009)10—0119—03

协作学习,是学生为达到共同的学习目标并最大化个人和他人习得成果而一起经历各种变化、共同进取的一切相关行为[1]。鉴于网络学习环境的特点,网络教育更强调学习者的相互协作,智能化的协作学习系统成为网络学习的一种迫切需求。随着Internet和Web技术的飞速发展,人们为构建这样的系统提出了许多可行的解决方案,但从目前的研究情况来看,仍存在着一些问题,如:学习成员的小组划分带有随意性,无任何理论依据;缺乏学习风格测量,难以提供不同的角色服务;学习主体智能性不高,难以保证协作学习结果的正确性等。

Agent技术来源于分布式人工智能(DAI)领域,应用Agent技术建立一种智能协作学习系统为解决上述问题提供了一条新的思路。Agent是指模拟人类行为与关系、具有一定智能并能够自主运行和提供相关服务的程序[2]。Multi-Agent系统(MAS)是指一些Agent通过协作完成某些任务或达到某些目的的计算系统。本文引入Multi-Agent(多Agent)技术,探讨其在协作学习系统中的应用,以期实现网络学习的智能化与协作化。

一 Multi-Agent技术在协作学习中的应用分析

MIT Media Lab实验室主任Nicholas Negroponte在1995年出版的“Being Digital”书中,这样描述Agent:“Agent接电话、识别呼叫人、适当时打扰你、并且能代替你撒一个小谎。相同的Agent经过时间的锻炼、擅长于寻找适宜的时间,并且具有尊敬人的品质。……你将派遣Agent代替你收集信息。Agent将再派遣其他Agent,过程是多重的。”。Negroponte指出Agent具有一定的社会性,能够和其他Agent进行通信。Agent体现了很多特征,如交互、协作、通信等能力。

Multi-Agent是Agent社会性的集中体现。由于单Agent解决问题的能力有限,以及在同等环境下单Agent解决问题的复杂性,使得Multi-Agent系统快速发展,它通过多个单Agent 的相互协作完成复杂问题的求解,并且每个Agent保持其独立解决问题的能力。

协作学习的关键是小组成员之间相互依赖、相互沟通、相互协作、共同负责,从而达到共同的学习目标。协作学习模式具备以下特点:(1)以小组活动为主体:所有关于协作的表述都强调协作学习的基本形式是小组学习,是以小组活动为主体进行的一种教学活动模式;(2)强调小组成员的协同互助:协作学习是一种同伴之间的相互合作、协同互助的学习活动,学习之间的协同合作与相互作用是协作学习赖以开展的动力源泉;(3)强调目标导向功能:协作是一种目标导向性的学习活动,是为达成特定教学目标而展开的。[3]

可以看出,Multi-Agent所具备的认知、学习、相互协作等基本能力也是构建一个完备的智能协作学习系统所必须的,因此选择基于Multi-Agent技术的应用模式也就成为构建智能协作学习系统的首要选择。

二 基于Multi-Agent技术的智能协作学习系统设计与实现

通过以上的分析,基于ASP和具体的Agent技术,我们设计并实现了一个基于Multi-Agent技术的智能协作学习系统。系统的设计由程序设计人员与教育领域专家共同完成。

1 系统体系结构的描述

本系统采用B/A/S结构,这是一种“瘦客户”模式,有利于提高系统的访问速度。客户端利用浏览器进行上网学习,无需为不同的客户端安装不同的客户程序,这种方式可以为复杂的分布式应用提供统一的环境。本系统采用分层的软件体系结构(图1)。

2 系统中主要Agent能力的描述

(1)学习者特征记录

学习者特征记录是SAgent的主要能力之一。每一位学生进行登录与注册之后产生对应的SAgent,而后继工作中的小组成员的特点、学习者在小组中所能够承担的角色均取决于学习者特征记录。通过学习风格测量产生学习者的不同学习风格,学习风格是学习者在进行新的内容学习时分配角色(图2)以及协作学习分组的主要依据。

(2)学习档案查看

学习者成功登录系统后,可以通过SAgent查找学习档案记录表中该学习者最近一次的学习记录,如果没有记录,表示该学习者是第一次使用本系统,反之则根据学习记录中学习任务提交情况来决定下一步的学习内容。

(3)学习过程与评价

SAgent的能力还体现在学习过程与学习评价阶段,包括任务完成情况和学习者评价两部分(图3)。

任务完成情况主要实现对学习内容的选择。SAgent代理程序依据对学习信息表、专题信息表以及角色信息表等数据的分析,为学习者提供学习内容的选择、基本任务与角色任务学习平台的选择等。

学习者评价的功能主要体现在协助学习者实现自我评价与他人评价,本系统提供了一份学习评价量规表,分别从知识内容学习、探究活动过程、学习成果等三个方面来进行评价。自我评价是一个不断反馈的过程,该模块将依据量规表上的各个指标来协助学习者对自己的学习过程进行量化,从而不断提高学习效果。另外在他人评价(即同组成员评价或教师评价)中,根据该学习者提交的任务以及在探究活动过程中与他人合作讨论的情况,SAgent将引导学习者对同组成员进行评价。当学习者全部完成某一专题的学习后,还可以帮助学习者查看到同组成员或教师对自己的评价结果。

(4)协调控制能力

现以一具体学习案例说明协调控制Agent(HA)的能力。假设三位学习者在协作学习系统中分别根据分配的角色任务(生物学家、经济学家、政治学家)对非洲贫困地区饥荒成因进行调查,各自得到一些结论,并将所得到的结论提交讨论以判定非洲地区造成饥荒的首要原因。

学习者分别注册并登录HA设置的讨论区。根据不同角色的特点,经过单独学习,三位学习者分别收集到一些造成饥荒的首要原因,并且进行了相关性分析,提出以下一般性结论。

Agent1:Biology(土壤,缺肥),Famine(粮食,减产)

Biology(水源,缺乏),Famine(粮食,减产)

………

结论:Biology(生态环境,恶劣)→Famine(饥荒,严重)

Agent2:Economic(发展资金,缺乏),Famine(国家债务,加重)

Economic(国际贸易条件,不平等),Famine(偿债能力,下降)

………

结论:Economic(经济状况,落后)→Famine(饥荒,严重)

Agent3:Politics(战争,频繁),Famine(农田,荒芜)

Politics(国家政策,失误),Famine(农业,不重视)

………

结论:Politics(政治原因,,局势动荡与制度不良)→Famine(饥荒,严重)

由于各Agent的角色范围受限,提出的结论可能存在片面性,直接使用将会影响下一步的问题求解过程,因此,各Agent分别提出自己的结论并借助于通信原语互相通信以征求其他Agent的意见,在讨论中各假设如下:

H1:“Biology(生态环境,恶劣)→Famine(饥荒,首要原因)”。

H2:“Economic(经济状况,落后)→Famine(饥荒,首要原因)”。

H3:“Politics(政治原因,,局势动荡与制度不良)→Famine(饥荒,首要原因)”

HA根据讨论区的记录计算出不同假设的合成信任度:T(H)=S(H)*(1-G(H)),其中S(H)表示正意见的信任度,G(H)表示反意见的信任度[4]。最终将计算结果公布于讨论区,之后各主体分别提交结果。

Agent1 withdraw(H1), accept(H3) →HA

Agent2 withdraw(H2),accept(H3) →HA

Agent3 accept(H3) →HA

控制Agent在系统的讨论区引导学习者进行共识学习,在讨论的过程中,由学习者根据规则提出各自意见,之后各Agent对提交的意见进行讨论,形成最终意见反馈给学习者。最终各学习者通过讨论、学习都接受了H3这一假设,从而保证了协作学习结果的正确性。

三 系统主要特征

1 突出学习风格的测量

学习风格描述个人学习的模式,又称为认知风格。认知是人的心理特征,不会因学习而改变。教育者早就注意到学习者在学习风格方面有很大差异,但在目前已有的学习系统研究与开发中,很少有人重视学习者学习风格的测量。本文研究的系统采用所罗门(Barbara A. Solomon)学习风格测量方法。所罗门从信息加工、感知、输入、理解四个方面将学习风格分为四个组对八种类型,并依此设计了一份学习风格测量表,此量表可操作性强[5]。当学习者通过系统注册用户名及密码之后,就必须进行学习风格的测量并由相应的SAgent记录测量结果,作为后期分组或角色选择的依据。

2 实现分组及角色的选择

协作学习系统思想是基于小组协作的网络探究学习,但小组成员应该如何进行分组是目前网络协作学习系统在研究时容易忽略的一个重要问题。我们在设计智能协作学习系统时,重视对学习者的学习风格测量,并以此作为协作小组的分工依据。由控制Agent根据学习者的学习风格,依据多元智能的理论与已有的知识库智能地选择小组成员,从而最大程度地发挥不同学生的主观能动性。

3 强调评价主体与评价内容的多元性

为了从多方面获取评价信息,提高评价的信度与效度,基于Multi-Agent的智能协作学习系统在评价主体与评价内容方面强调多元性的特点。利用SAgent可以实现自我评价或对小组成员的评价,教师Agent也可以对学习者的学习过程进行评价,因此本系统的评价主体由传统的教师发展到由学习者、小组成员、教师等有机的评价网络。系统评价的多元性还体现在评价内容上,SAgent可以依据系统提供的评价量规表从内容学习的评价、探究活动过程的评价、以及学习成果的评价等多个方面展开,为学生提供一个更为宽松的评价环境与更为科学的评价指标。

4 提高协作学习结果的正确性

小组协作学习的最终目标在于小组成员内达到一定的共识,并将这一共识展示出来,但小组成员讨论的结果可能是正确的,也可能不够准确。在引入Multi-Agent描述不同的学生实体之后,学习之间的讨论可以通过系统提供的平台,在协调控制Agent的控制下进行。各主体通过在讨论区的共识学习,或扩充了原有的信念,或修正了原有的不正确的信念,或者对某一信念增强了信任度,从而避免产生错误或片面的结论。

四 结束语

Multi-Agent技术的出现给我们提供了一个实现智能协作学习的新视角,Multi-Agent技术引领我们重新审视以往的协作学习系统,其认知、学习及相互协作能力与智能协作学习系统所提倡的智能化、协作化等特点不谋而合。通过学习者与教师在系统中的各代理主体,为学习者提供有效的智能协作学习方式,实现了从单一主体进行学习发展到多个主体间的协作方式的转变。但我们在研究过程中也认识到智能协作学习系统只是学习者进行协作学习的辅助工具,对认知结果进行指导性调控,它不能取代学习者的认知过程。

参考文献

[1] 黄荣怀.基于Web的协作学习系统[J].中国远程教育,2001,(5):42-79.

[2] 张云勇,刘锦德.移动Agent技术[M].北京:清华大学出版社,2003:9.

[3] 刘成新,王焕景.网络教育应用[M].北京:电子工业出版社,2009:71-72.

[4] 姚莉,张维明.智能协作信息技术[M].北京:电子工业出版社,2002:206-207.

[5] 梁凯,杨清芳.基于所罗门认知风格的Web学习系统的设计与实现[J].中国现代教育装备,2006,(10):19-21.