基于多Agent的个性化网络教学模型研究

廖文芳 周肆清

(1.中南大学 信息科学与工程学院，湖南 长沙 410012；2.湖南科技学院 计算机与通信工程系，湖南 永州425100)

基于多Agent的个性化网络教学模型研究

廖文芳1.2周肆清1

(1.中南大学 信息科学与工程学院，湖南 长沙 410012；2.湖南科技学院 计算机与通信工程系，湖南 永州425100)

通过对现有网络教学系统进行分析，根据Agent的原理，构建了一个基于多Agent的个性化网络教学模型。利用Agent的智能推理能力，设计了一种教学模式选择的适应性选择策略，探讨了根据学习特征、学习难度进行个性化学习推荐的方案等，实现了学生的按需学习和教师的因材施教。

多Agent；个性化；网络教学

一 引 言

随着计算机和通信技术的飞速发展，网络已深入了人们的生活，网络教学也已成为教育技术领域网络应用和研究的热点。基于网络的教学系统，教学内容能以文字、图片、 声音、动画等信息的形式传输和呈现，每个学习者可以在任何时间和地点，通过人机交互方式访问教学资源进行自主学习。然而，传统的网络教学系统普遍存在一些缺陷，如教学过程中以呈现教学材料为主，缺乏必要的交互手段，使学习者处于被动学习状态；对学习者采用相同的教学策略，不能针对学习者个体的差异，进行个性化的教学辅导，难以实现因材施教；知识结构的表示松散无关，不能为学习者在学习过程中提供一种个性化的学习导航，学习者容易出现迷航而偏离学习目标；系统的个性化分析与评价能力不强，不能真正构建出学习者的主动学习环境等。Agent技术的发展为上述问题提供了新的解决思路和方法，其自身所具备的一些特性对实现对“个性化”与“适应性”的网络教学系统很有意义。

二 Agent技术

随着计算机通信技术和网络的大众化，Agent 与多Agent 系统是人工智能的一个研究热点之一[1]。Agent技术现已逐渐融入到计算机的各个领域,使得原有领域产生了新的方法和技术[2]。

Agent技术来源于分布式人工智能DAI领域，也可以称为智能主体或智能体，既可以是软件，也可以是硬件。它能够对自己的决策行为进行控制，能够根据环境的变化，及时更新自身的思维状态，做出不同的活动去完成目标。一个多Agent系统是由多个单个的自主Agent组成，它具有扩充性好、实时性强、处理灵活等特性，系统内的多个单 Agent可以相互协助去解决复杂的问题，处理能力非常强，且具备自组织能力。

根据Wooldridge和Jennings[3]的理论，Agent应该是具有以下的基本特性的软件系统。

1、自治性：Agent可以在没有外界干涉和指导的情况下，能以目标或意图为驱动，对自身的行为和内部状态进行控制。

2、社会性：Agent可以借助某种 Agent通信语言，和其他Agent或环境进行交互。

3、反应性：通常是指当周围环境发生变化时，Agent能够自动感知，并对相关的事件和任务作出反应，并能用与人类似的思维方式对下一步的行为做出相关的推理和预测。

4、执行连续性：Agent能够根据高层的指示，决定如何来完成当前任务，并会对来自其它 Agent的信息作出响应，及时响应和处理下一个任务。

5、主动性：Agent除了要对所处的环境做出简单的响应，最重要的一点是要采取积极主动的目标驱动行为。

三 基于多Agent的个性化网络教学模型

网络教学所面临的问题是相当复杂的，要涉及到教师、学习者、教学策略、教学资源等等多个现实实体，其过程要覆盖教学的每一个环节，因此，在设计过程中，要把网络教学系统划分为若干个子问题，并把Agent技术和教学系统相结合，构造多个具有对应功能的Agent去分别处理各类子问题，通过系统中的多个Agent协作，去控制各个子问题之间的依赖性，从而提高系统的智能化，实现个性化教学。

网络教学系统需要多个子功能模块一起协同工作，在传统的B/S两层结构体系中又增加一个多Agent执行层，扩展成B/MA/S的三层结构，可以使服务器减轻负担，为客户端提供统一的运行环境，增加了系统安全性。基于系统个性化的设计思想，本文构造了一个三层结构的网络教学模型，由用户接口层、多Agent执行层、数据存储层组成。基本结构如图1所示。

图1 基于多Agent的个性化网络教学模型结构

1、用户接口层

用户接口层位于浏览器端，负责与用户直接沟通，主要的用户信息有教师、学习者、管理者等。用户通过浏览器进行访问，服务器提供图形交互界面，将多媒体数据通过输入和输出端口展示给用户，获取用户的登录信息及相关行为，接受任务，反馈处理结果信息等。

2、多Agent执行层

多Agent执行层主要由管理Agent、教学Agent、学习者Agent和个性化学习Agent构成，其中管理Agent是整个多Agent执行层的核心，它负责协调和管理其它Agent模型，确保各Agent的正常运行和工作。

（1）管理Agent

管理Agent负责网络教学系统的智能协调，宏观调控整个教学过程，创建、协调、规划和分配多Agent结构内的任务，主动获得其它Agent的数据和资料。管理Agent是在系统初始化时自动产生的，不同类型的用户登录后，管理Agent分别创建不同的Agent去执行不同性质的任务，这些Agent任务执行完后，将结果反馈给管理Agent，管理Agent对任务执行结果进行分析和确认后，把结果反馈给用户，在整个系统中，管理Agents 要随时响应各个Agent的请求，因为一直处在活动动态。管理Agent的主要有2个功能：用户注册及身份验证、协调处理各Agent之间的通信。

当学习者用户注册时，管理 Agent对应创建学习者Agent和个性化学习Agent，每个Agent用唯一的编号进行区分，和对应数据库的用户信息表编号一致。教师用户注册时，会自动创建一个教学Agent。学习者用户登录时，管理Agent会自动发出连接请给学习者Agent，学习者Agent根据请求的用户编号从学习者信息库中取出该用户的注册名、学习特征、学习者水平统计、学习时间反馈给管理Agent，管理 Agent根据反馈信息从教学策略库中取出对应的内容为学习者创建交互学习界面，其它各 Agent随时向管理Agent汇报状态变化情况。当用户退出系统，则结束对应的Agent。

（2）教学Agent

教学Agent主要负责教学活动，它具有自适应性，可以将学习者的信息传达给教师，同时也能把教学的反馈信息传达给系统。可以根据学习者Agent的反馈信息，采用最合适的教学方案，对其进行教学和指导，并根据学习者的学习情况对教学效果进行评价。

学习者登录时，管理Agent会把该学习者的相关信息传送给教学Agent，教学Agent会先根据这些信息来确定教学内容，以及这些内容之间的关联，然后根据学习者的个性特征、认知能力、学习情绪和学习偏好从教学资源库中取出对应的教学资源进行组织，生成知识点，选择最合适的教学方案来实现个性化教学指导，以达到因材施教的目的。

教学Agent可以对整个教学过程进行动态监控和指导，对学习者的学习情况进行了解，记录学习者的学习过程，根据学习在使用教学系统的反馈信息，对学习者进行客观评价，并及时纠正在学习过程中出现的学习偏差，管理Agent对把学习者对教学评价的数据对进分析和处理，及时地调整教学策略，修改教学方案，对自身进行改进和完善。

（3）学习者Agent

学习者Agent除了要记录学习者的基本信息外(如姓名、性别、兴趣等)，还要能够准确反映地学习者的认知能力、学习偏好、学习目标等，为个性化教学提供依据。

当学习者第一次登录系统时，系统自动创建一个学习者Agent，负责处理学习活动，对学习情况进行跟踪，对学习者的相关学习行为信息进行收集和记录，包括学习者的基本信息、学习进度、学习历史等。进入学习后，学习者Agent首先给出最近一次的学习情况提醒，以及最近一次测试通过的知识点掌握情况。在学习过程中，学习者Agent自动记录学习者访问过的每一个知识点，若发现学习者在前面知识点还未掌握的情况下，去学习后面的知识点，学习者 Agent将会给出学习导航，建议学习者选择合适的学习内容。在每个知识点学习结束后，学习者可以从试题库选择试题进行测试，学习者Agent对提交后的试卷进行评阅，并将测试的内容对应的知识点名称、时间、难度、成绩等信息进行存储，完成对学习者知识水平、学习能力的测定，为个性化学习Agent提供相关的学生信息。

（4）个性化学习Agent

个性化学习Agent是系统个性化、智能化的重要标志，主要负责和学习者Agent进行交互，提取、分析和维护学习者的个性特征、认知水平、学习兴趣等信息等，和教学Agent交互，为不同认知水平的学习者提供不同的教学策略，给他们进行学习导航，提高学习兴趣。

个性化学习Agent通过与教学Agent和学习者Agent进行交互，对学习者访问过的知识内容、提交的作业情况和测试的成绩等，对学习者的学习进度进行估算，描绘出学习者的知识域；通过对学习者学习情况的模糊分析，估算出学习者的认知水平，分析学习者对某一学习内容的了解和掌握情况；通过问卷调查和单元测试的形式，比较学习者在不同学习风格下的学习效果，动态推荐出适合学习者个性的学习风格设置；个性化学习Agent根据学习者模型中的兴趣队信息进行估算，并将估算出来的学习者兴趣反馈给管理Agent，管理Agent收到各Agent的信息后，将所有信息进行汇总和分析，从教学资源库中取出符合学习个性的知识点推荐给学习者Agent。学习者进行测试后，如果该知识点的考核通过则表示学习者已掌握，个性化学习Agent将提示学习者进行下一知识点的推荐学习或自主选择知识点学习；如果测试未通过，则建议学习者复习当前知识点，学习者也可自主选择其它知识点学习。

3、数据存储层

数据存储层主要是用来保存各类数据资源，包括学习资源库、系统知识库、教学策略库、学生者模型库、试题库等。

四 结 语

将多Agent技术运用到网络教学系统中，有效地解决了传统网络教学系统中存在的一些问题，能动态地与学习者进行交互，在各Agent之间实现知识交换和共享，在学习过程中，可以根据学习者学习水平和兴趣组织最合理的学习方案，针对具有不同认知水平的学习者，能够采用不同的教学方案，使用教学和学习者的主导地位都能同时得到发挥。

[1]李强,多Agent系统结构的研究[J].黑龙江科技信息,2009,(26).

[2]连雁平,基于智能的个性化搜索引擎模型研究[J].长江大学学报,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，湖南涟源人，研究方向为计算机软件开发。

(责任编校：何俊华)