智能教学系统中的学习推理模型研究*

邝天福 徐庆生

(楚雄师范学院计算机科学系，云南 楚雄 675000)

智能教学系统中的学习推理模型研究*

邝天福 徐庆生

(楚雄师范学院计算机科学系，云南 楚雄 675000)

将Agent技术引入智能教学系统 (ITS)是当前ITS研究的重要方向之一，本文提出了一种改进的基于Agents的学习推理模型，在模型中引入了学生Agent，教学Agent，资源Agent，资源管理Agent，并对各Agent的基本功能进行描述，进一步明确了教学Agent的各项功能，该模型能更好的反映学生的学习状态和学习需求，更能满足个性化学习的需要。

Agent;智能教学系统;推理模型

0.引言

如何通过使用恰当的语言、在恰当的时间框架、用恰当的知识粒度把恰当的信息提交给恰当的学生是2003年RAJ REDDY［1］提出的人工智能中的三个问题之一。智能教学系统正是这个问题在教育领域的充分体现。智能教学系统将人工智能、认知科学和教育理论等引入计算机辅助教学系统中，赋予计算机以人类高级智能的系统，通过研究人类学习思维特征和过程，寻求学习认知的模式，使学生通过个性化自适应学习来获取知识。［2］随着网络的广泛应用，智能教学系统由于不拘泥于时间和地理位置，它能极大地提高教学效果，成为当前的热点研究问题之一。

将Agent技术引入智能教学系统 (ITS)是当前ITS发展的重要方向。吴素芹［3］针对教学系统中缺乏人性化管理和缺乏对学习过程的引导等不足提出了基于Agent的网络教学模型，在模型中通过引入了交互控制界面Agent、教学Agent、教学管理Agent、教学策略A-gent四种类型的Agent，能够实现教学系统的因材施教、个性化教学等功能。叶银兰［4］结合网络教学的特点和需求，向网络教学系统中引入Agent技术，提出了一个基于Agent的网上教学系统模型，讨论如何把Agent技术应用于网上教学，以提高网上教学系统的智能性和个性化，改善教学效果。刘霞［5］等人结合网络教学的特点和需求，向网络教学系统中引入A-gent技术，将学生、教师、管理者以及其他教学资源有机地结合起来，提出一种基于Agent的网络教学系统体系结构框架，以实现网络教学智能化。赵艳杰［6］等人针对目前的网络教学系统普遍存在学习过程缺乏智能性和协同性的问题，以Multi－Agent技术为基础，提出了一个基于Multi－Agent的智能网络教学系统模型，并讨论了系统中各部分的主要功能及关键技术。陆淑娟［7］针对网络教育的实际情况，提出将Agent技术与网络教学系统结合起来以增强教学效果，提出了一个Multi－Agent教学系统模型，并阐述了系统的基本结构及各部分的主要功能。但在以上提出的各模型中都没有考虑到学生的认知能力，不能充分体现学生学习过程中的个性化，因此孙瑜［4］等人提出了一个基于Web和Agent的个性化智能教学模型，并且对关键组件及教学过程进行了详细的分析，在模型中充分利用Agents具有较强的交互能力和自适应能力的特性来促进系统与学生以及系统与网络之间的交互，增强学习效果，在模型中引入了教学、信息和认知三种类型的Agent。

1.基于Agent技术的学习推理模型

为了更好地使系统与学生、学生之间以及系统与网络之间的交互，增强学习效果，同时，鉴于Agents具有较强的通讯、交互能力和自适应能力，在本文提出的学习推理模型中，将Agent技术引入到了推理层中构成了ITS的推理模型，推理层中共引入了四种类型的A-gent:学生Agent、教学Agent、资源Agent、资源管理Agent，其结构模型如图1所示。

图1 智能教学系统中的学习推理模型

2.学生Agent主要功能

对于初次进入系统的学生，学生Agent负责将用户 (学生)的基本情况存入学生模型库，比如用户名、学习水平、学习风格、学习目标、认知能力等。对于老用户，学生Agent负责将用户的学习历史记录从学生模型库中取出来，比如各知识点掌握情况、最近几次的学习记录等，为教学Agent的教学推理提供依据，此外，学生Agent能与其它Agent交互。

3.资源Agent功能

与学生Agent交互，获得学生的学习信息;从领域知识库中对各种领域知识根据需要进行初步组合，形成教学资源;与教学Agent交互，根据学生的学习偏好、学习风格及认知能力等，为教学Agent提供教学资源;对教学资源进行评价，并给资源管理Agent发送评价信息。当资源Agent收到教学Agent对资源的需求消息后，资源Agent立即与学生Agent交互，获取学生的学习目标、学习风格、当前知识掌握情况等学生信息，从资源层中获得知识节点、学习素材、教学策略等，并返给教学Agent，同时收集知识库，教学策略及素材的使用情况并反馈给资源管理Agent。

4.资源管理Agent的功能

从领域专家那里获得领域知识对知识库进行更新和扩充;对知识库维护、检测等;与资源Agent交互，得到当前知识库的动态信息。

5.教学Agent的功能

与资源Agent交互，获得教学内容;与学生Agent交互，获得学生的学习模型;选择教学策略;知识点测试与对学生的学习情况做出评价等。

通过与学生Agent交互，教学Agent得到当前学习者的学习情况，以及学生的一些基本信息，比如学习目标、学习风格等，与资源Agent交互得到当前用户需要的学习资源，比如各种声音、视频、文本、图片和习题等，从教学策略库中选择对应的教学策略，以达到个性化教学的目的。教学Agent能根据学生当前的水平和学习者知识掌握情况决定学习的知识点。知识点结构图如图2所示。

图2 知识点结构图

在图中，学生学习知识点D，教学Agent就会先根据学生的当前知识掌握情况判断学生有没有掌握知识点A、B、C，如果掌握了则将知识点D的相关学习材料按照学生的学习风格来呈现。否则就提示学生，D的基础知识没有掌握，只能先学习D的基础知识。学完D之后，教学Agent会对学生对D的掌握情况进行测试，教学Agent向资源Agent发出需要对知识点D测试的请求，收到资源Agent的应答，对学生进行知识点测试后教学Agent会得出测试结果，如果测试的成绩达到规定的阈值则通知学生Agent将知识点D添加到学生掌握知识系列中，否则会提示学生再次学习本知识点或者是学习本知识点的基础知识。知识点的教学流程描述如图3所示。

图3 知识点教学流程图

教学Agent在对学生进行学习评价时，要对学生的认知能力进行修正，以便进一步与学生的实际认知能力相接近，为指导学生下一步的学习提供依据，将认知能力简单分为:识记、理解、应用、分析、综合、评价等六项认知能力。初始状态学生的认知能力预定为60，表1为认知能力初始表。

表1 学生认知能力初始表

学生在学习完对应的知识点之后应进行知识点的测试，在测试题的设计中，每个题目都有对应的认知分类标记，教学Agent可以根据学习的情况修改学生的认知情况。对于简单题，做对一题对应的认知能力加0.5分，做错一题减1分;对于中等难度的题做对一题可在对应的认知能力上加2分，做错可减2分;对于难题，做对一题在对应的认知能力上加3分，做错一题在对应的认知能力上减2分;这样一次评价可以对学生的认知能力做一次修正;多次测试后就可以对认知能力进行多次修正;在各种情况下当认知能力值为100时就不再增加，为0时就不再减少，为了对差生有鼓励作用，应该考虑学生当前的知识水平，以激发差生的学习积极性。在学生退出系统之前，可以用公式1对学生的整体认知能力做一个评估。

其中ri表示各种认知能力的权重，且r1+r2+…+r6=1，此值由领域专家给出。Ci表示各个认知能力值，各Ci的值满分为100分，是经过多次测评后的修正值。根据得到的各个认知能力分量及总的认知能力，教学Agent会调整教学策略，下次学习时选择与学生的认知能力对应的知识，总认知能力的量化主要是将认知能力分为五个层次，80—100分为优，70—80为良，60—70为中，60—50为一般，50以下为差。

教学Agent要对学生学习知识点后的测试成绩进行计算，学生测试完成后可以用公式2计算测试成绩。

其中n表示测试题中题的类型，比如有选择、填空、判断、问答，则n=4，ri为各种题型的权值，r1+r2+…+rn=1，由领域专家给出。Si是对应各种题型的分值，各Si满分为100分。每个学生对某个知识点的学习结束后，都会对该知识点有一个对应的测试成绩，结合认知能力决定所学习的知识是否已达到要求。

6.结束语

本文将Agent引入了智能教学系统中的学习推理模型中，通过教学Agent，学生Agent，资源Agent等，结合各类知识库和教学策略库，能更好地满足不同学生对不同学习的需求。下一步将对Agent的形式描述和推理机制作进一步研究。

［1］ R.Reddy.Three open problems in AI［J］.JACM，2003，50(1):P83—86.

［2］孙瑜，李志平.基于web和Agent的智能教学系统模型 ［C］，第一届全国智能信息处理学术会议论文集，2007.

［3］吴素芹.基于Agent的网络教学系统研究 ［J］.科技信息学术研究，2007(10):130—131.

［4］叶银兰.基于Agent的智能化网络教学系统的研究 ［J］.科技信息学术研究，2007(14):20—21.

［5］刘霞，黄箐，汪厚祥.基于Agent的智能化网络教学研究 ［J］.舰船电子工程，2005，25(4):75—78.

［6］赵艳杰，姬晓辉.基于Multi－Agent的智能网络教学系统研究 ［J］.福建电脑，2007(3):127—128.

［7］陆淑娟.Multi－Agent技术在网络教学中的应用 ［J］.电脑知识与技术 (学术交流)，2007(2):581—582.

Study on the learning and reasoning model in intelligent teaching system

KUANG Tian－fu;XU Qing－sheng
(Department of Computer Science，Chuxiong Normal University，Chuxiong 675000，China)

With the Agent technology introduced in intelligent teaching system(ITS)is the one of most important direction in ITS research．This paper proposes an improved based on Agents learning and reasoning model，the model introduced the student Agent，teaching Agent，resources Agent，resources management Agent．And all the basic functions of these Agents has been described，and further specified each function of the teaching Agent．The model can better reflect the learning state and learning needs of students，which can meet the needs of individualized learning．

Agent;intelligent teaching system;inference model

TP3

A

1671－7406(2011)09－0001－05

楚雄师范学院学术后备人才资助项目 (09YJRC07)。

2011－03－16

邝天福 (1978—)，男，云南楚雄人，助教，硕士，主要研究方向:人工智能。

(责任编辑 刘洪基)