基于多Ａｇｅｎｔ的遠程智能教學系統的設計

【摘要】本文針對目前遠程教學系統的現狀，引用Agent技術，構建了一個基于多Agent的遠程智能教學系統，并對系統的體系結構、系統所依據的相關學習理論、系統中知識的表示以及知識點的關聯體系等關鍵問題進行了分析和探討，力求使構建的系統更具智能性、適應性、主動性和個性化。

【關鍵詞】Agent；多Agent；遠程教學；智能

【中圖分類號】G434 【文獻標識碼】B 【論文編號】1009—8097 (2007) 11—0071—04

一 引言

隨著Internet的發展，遠程教學得到了越來越廣泛的應用，學習者可以足不出戶地參加網上學習、網上考試、網上討論以及網上答疑等。這種教學方式能夠為學習者提供圖文并茂、豐富多彩的交互人機界面，能夠激發學習者的學習興趣，從而達到讓學習者主動構建知識的目的，實現自己獲取知識、自我更新甚至創新知識的理想目標。因此，遠程教學已成為我國教育改革和發展的重要方向，遠程教學系統也已成為國內教育技術領域的研究熱點。

但是目前的遠程教學系統還面臨著許多問題[1]：缺乏先進的學習理論的指導；教學系統的動態交互功能不強，多以呈現教學材料為主；系統的智能性較低；系統的測試和評價功能不強；缺乏有效的引導。此外，現有的遠程教學系統基本上都是C/S結構，客戶端過于龐大，而且客戶端駐留程序可以對客戶端任意操作，增加了不安全的因素。為了克服以上缺點，我們將人工智能領域的多Agent技術應用于遠程教學系統中，從而給遠程教學的研究提供了新的發展空間。

Agent[2]是能夠自主學習并可適應環境的軟件實體，其能夠通過感知自身和環境中的信息，自主采取行動實現一系列預先設定的目標或任務。多Agent系統是由多個自主的Agent組成，能夠完成更為復雜廣泛的功能。因此，多Agent技術的發展為解決現代遠程教學系統的需求提供了新的思路和方法。以多Agent理論與技術為基礎設計的新的現代遠程教學模型具有智能性、適應性、主動性等特征，能夠解決以上所提出的目前遠程教學系統存在的問題，更好的滿足遠程教學的需要。

二 系統設計依據的相關學習理論

1 行為主義理論

近二十年以來，教師在教學過程中一直采用的教學理論是行為主義學習理論。行為主義學派認為人類學習過程是被動地接受外界刺激和過程，而教師的任務只是提供外部刺激，即向學生灌輸知識，學生的任務則是接受外界刺激，即理解和吸收教師傳授的知識。這種理論基礎反應在教學中，就是教學過程絕對地以教師為中心，教師通過講授、板書、用教學媒體的輔助，把教學內容傳遞給學生或者灌輸給學生。教師是整個教學過程的主宰，學生則處于被動接受老師灌輸知識的地位。

2 認知學習理論

隨著教學理論研究的發展，教師又采用把學生看作是信息加工主體的認知學習理論。

認知主義學習理論的基本觀點是：人的認知不是外界刺激直接給予的，而是由外界刺激和認知主體內部心理過程相互作用的結果（內部心理過程包括態度、需要、興趣和愛好以及原有的認知結構即過去的知識與經驗），學習過程是每個人根據自己的態度、需要、興趣和愛好，并利用過去的知識經驗對當前外界刺激主動地做出的、有選擇的信息加工的過程。教師的任務不是簡單地向學生灌輸知識，而是要首先激發學生的學習興趣和學習動機，然后再將當前的教學內容與學生原有認知結構有機地聯系起來，學生不再是外界刺激的被動“接收器”，而是主動地對外界刺激所提供信息進行選擇性加工的主體。

3 建構主義學習理論

現在，隨著心理學家對人類學習過程認知規律研究的不斷深入，認知學習理論的一個重要分支——建構主義學習理論在教學過程中逐漸流行。

建構主義認為教學模式應該是以學生為中心，在整個教學過程中由教師起組織者、指導者、幫助者和促進者的作用，利用情境、協作、會話等學習環境要素充分發揮學生的主動性、積極性和首創精神，最終達到使學生有效地實現對當前所學知識的意義建構的目的。在這種模式中，學生是知識意義的主動建構者；教師是教學過程的組織者、指導者、意義建構的幫助者、促進者；教材所提供的知識不再是教師傳授的內容，而是學生主動建構意義的對象；媒體也不再是幫助教師傳授知識的手段、方法，而是用來創設情境、進行協作學習和會話交流，即作為學生主動學習、協作式探索的認知工具。

因為建構主義所要求的學習環境得到了當代最新信息技術成果的強有力支持，這就使建構主義理論日益與廣大教師的教學實踐普遍地結合起來，從而成為國內外學校深化教學改革的指導思想。

由于現有的多數遠程教學系統的設計仍以行為主義的刺激——反應理論為指導，系統設計仍然遵循“呈現學習材料——學生反應——信息反饋”的模式，缺乏先進的學習理論的指導，因此教學缺少個性化，教學效果較差。本文所設計的遠程教學系統是以建構主義學習理論為指導思想，這是對遠程教學系統發展的很好嘗試，在一定程度上可以提高現有遠程教學系統的個性化水平。

三 基于多Agent的遠程智能教學系統的構建

針對目前遠程教學系統存在的問題，我們以建構主義理論為指導思想，利用多Agent技術構建了一個遠程智能教學系統模型，為學習者提供一個更加智能、開放、多樣、靈活的學習環境。

本系統采用B/A/S模式，即瀏覽器Browser/代理Agent/中心服務器Server。瀏覽器主要便于用戶瀏覽頁面，服務器進行系統和應用的邏輯處理，并對數據庫中相應的數據進行交互。這是一種“瘦客戶”模式，有助于加快訪問速度，客戶端利用瀏覽器上網，不再需要為不同的客戶端來安裝不同的客戶程序，這能夠為復雜的分布式應用提供統一的環境。客戶端也可以運行一些Java Applet來增強客戶端功能，減輕服務器負擔；而且這些Applet可以根據客戶賦予的權限對客戶端進行操作，增加了安全性。中間代理層是各種Agent，負責溝通客戶端和服務器，服務器端則需要運行HTTP和FTP等協議以輔助通信。中間代理層的各種Agent之間通過FIPA-ACL語言通信以協調工作。系統的模型結構如圖1所示。

第一層是基于瀏覽器的表示層。Web瀏覽器作為客戶端，提供圖形用戶界面，負責與用戶進行交互。在這層中包含系統的顯示邏輯。通過該層可以實現多媒體知識的輸入、輸出，用戶信息和行為的獲取，任務的接受，處理結果的反饋等。

第二層是中間代理層，這些代理可以分為3類：

第一類是用戶Agent：包括學生Agent，教師Agent；

第二類是管理Agent：包括監聽Agent，教學管理Agent；

第三類是任務Agent：包括教學Agent，作業Agent，考試Agent，答疑Agent，學習記錄Agent。

中間代理層的主要工作流程如下：

（1）通過監聽Agent注冊登錄系統，同時為登錄成功的學生生成學生Agent，為教師生成教師Agent；

（2）學生Agent根據用戶標識，從用戶基本信息數據表中取出該用戶的基本信息，作為向該用戶提供學習方案的依據之一；

（3）如果學生不是首次登錄，則由學習記錄Agent給出該學生的以往學習記錄，作為學生繼續學習的參考；

（4）學生根據界面顯示，自主選擇學習內容(紅色表示已學過的知識點)，同時學生Agent將獲得的信息傳送給教學管理Agent，由教學管理Agent向學生提供學習建議，并判斷與哪一個Agent聯系：包括教學Agent、作業Agent、答疑Agent、考試Agent；

（5）具體的學習內容、作業、練習或測試題及疑難問題的解答分別由教學Agent、作業Agent、考試Agent、答疑Agent提供；

（6）教學Agent、作業Agent、考試Agent、答疑Agent提供的內容再由學生Agent反饋給學生；

（7）學生Agent收集學生的答題結果，送回考試Agent進行評價，考試Agent將評價結果傳送給教學管理Agent，教學管理Agent再根據這個評價結果，提供學生進一步學習的建議。

第三層屬于數據層，用于保存各類數據資源，包括知識庫、信息庫和資源庫等。領域知識庫是由所講授的具體領域課程知識構成的知識庫。它的主要作用是組織教材，存放和管理所有教授領域的所有知識。試題庫的基本構成單位是試題。試題的結構不僅包含題目正文，還要有具體的試題答案和評判標準。試題庫中的每道題目都有知識點，難度，題目類型等基本屬性。考試Agent將以這些屬性為基礎，根據要求從試題庫中抽出合適的題目，組成符合學生水平的試卷。試題庫中的題目的難度這些屬性是動態變化的。例如：一道題目使用的次數多了，它的難度就會降低。教學策略庫主要記錄軟件組織教學的各種規則。它提供選擇學習環境、本次學習任務量、學習難度以及是否進入復習、測試環節的各項規則，為教師Agent提供決策依據。不同的學生可以有不同的教學策略規則，充分體現學生的自主性。學生信息庫負責記錄學生的個人資料，如學號、姓名、年齡等，同時也記錄學習情況，包括學習時間、次數、內容、當前水平和學習能力等。問題庫記錄學生在學習中遇到的問題，教師給予的解答以及無法解答的問題。

四 系統中知識的表示

知識的表示是遠程智能教學系統的核心，知識的表示方法合理，將有利于領域知識的有效組織；有利于學生Agent實現對學生學習的引導；有利于教師Agent的教學以及內部處理決策過程。它的內容豐富程度直接影響能否實現智能化、個性化教學。

1 系統中知識的分類

系統中的知識按其作用可以分為：

（1）描述性知識：表示對象及概念的特征及其相互關系，以及問題求解狀況的知識，也稱為事實性知識。

（2）過程性知識：一般是通過對教學領域內各種問題的比較與分析得出的規律性知識，由規則、定理及經驗構成，是智能遠程教學系統的基礎。

（3）控制性知識：是“關于知識的知識”，即關于如何運用已有知識進行問題求解的知識，通常用來控制對問題的求解過程。在遠程教學系統中表現為問題求解的推理策略、教學策略、搜索策略、求解策略等。

2 知識點的模型構造

知識模型[3]是領域知識結構在計算機中的描述，它是遠程智能教學系統設計的關鍵。在表示知識點時，我們把知識點表示成一個11元組（I，N，C，D，M，K，E，P，T，L，B），其中：

I：標識（ID），知識點的標識號，它可以唯一標志知識點。

N：名稱（NAME），知識點的名稱或標題。

C：內容（CONTENT），知識點的具體內容，其中可含有文本、圖片、音頻、視頻等多媒體資料。

D：難度（DIFFICULTY），知識點的難易程度，用權值表示。

M：方法（MEANS），教學方法，用于指示學習該知識點應采用的教學方法和步驟；

K：關鍵字（KEYWORD），知識點的關鍵字，可用于檢索本知識點。

E：示例（EXAM），有關知識點的應用實例或演示。

P：習題（PRAXIS），與本知識點相關的習題；

T：測試（TEST），測試學生對學習本知識點掌握程度的試題，它包括如下屬性：

（1）題目類型（ITEM_TYPE）：選擇、判斷、填空或其他；

（2）題目內容（ITEM_CONTENT）；

（3）認知類型（ITEM_RECO）：即學習的六個層次要求：知道、領會、運用、分析、綜合和評價；

（4）題目難度（ITEM_DIFFICULTY）：級別可以自己定義；

（5）提示信息（ITEM_ HINT）；

（6）正確答案（ITEM_ANSWER）；

（7）劃分類型（SCHAL_TYPE）：復合知識點、基本知識點、元素級知識點；

（8）知識類型（KNOWLEDGE_TYPE）：記憶型知識、理解型知識、陳述型知識、過程型知識。

L：鏈接（LINK），結點的導航部分，用來描述本知識點和其他相關知識點之間的關系，包括：

（1）上層（UP_LINK）：由本知識點直接支持的上一層知識點；

（2）下層（DOWN_LINK）：直接支持本知識點的下層知識點；

（3）平行（SAME_LEVEL）：與本知識點平行的同一層知識點；

（4）相關（RELATED_LINK）：與本知識點相關的其他知識點。

B：結點的閥值對（B1，B2）。B1是進入閥值，即當所要求的知識點的權值不小于B1時才允許學習該知識點。B2是通過閥值，只有當測試學習本知識點的權值大于B2時才允許離開本知識點或放棄知識點的學習。權值越大，說明知識的重要性或可信度越高。

這里需要說明，考慮到教學內容的各個環節，如測試、掌握程度等，我們不把它作為課程的組成部分，而是把它作為一個知識點的組成部分。比如測試，學完一個知識點就可以進行測試，來檢驗這個知識點內容的掌握程度。當然，也可以學完一個知識點或單元知識點或一門課程后再進行測試，這些測試可以從各個知識點的測試部分中抽取測試題來測試整個學習單元（節、單元、課程）的學習效果。所以，我們把學習知識的所有屬性和環節都細化到每個知識點，以更小的粒度來保證其靈活性。

每個知識點可根據實際情況擁有全部或部分屬性。考慮到各種類型知識點的復雜多樣性，這里給出的屬性不一定能夠完整描述所有類型的知識點，卻足以描述大部分類型的知識點。

五 知識點關聯體系的分析

教學網絡平臺中人工智能的核心部分是知識點的關聯問題，知識點的關聯問題是其他問題的基礎，其他智能部分都是以知識點的關聯體系為基礎構建的。

目前的遠程教學平臺中的知識點關聯體系都是靜態的[4]。這種靜態的知識點關聯系統不利于知識點的更新，不能有效的引導學生學習。通常教師根據自己的教學經驗，在知識庫中人為的建立知識點的連接。這種方式在一定程度上解決了知識點的孤立問題，但是知識點的關聯是一個動態變化的過程，因此不能客觀的體現知識點的關聯問題。

知識點的關聯狹義上包括兩部分：

其一：知識點的結構問題，知識點在空間上和時間上具有一定的體系結構。學習是一個漸進的過程，是隨著時間的推移、知識的積累而不斷深入的。比如：一本書的知識點的結構，是按章、節劃分的[5]，前面的知識是后面知識的基礎。知識是一層一層不斷深入的。這種知識結構體系要求在錄入數據庫的時候，按照教師的教學經驗和有關書籍等進行錄入，它的操作一般在客戶端。

其二：知識點之間存在一種非理性的關聯體系。就是說一個知識點與其他知識點的關聯似乎沒有必然的聯系。但是這種關聯是大量存在的，比如學習C語言的時候，學生有可能訪問某種數據結構。有時候學生學習某一個知識點的時候，常常去訪問在空間上跨度很大的知識點。基于上述情況，系統要盡量找到這種非理性的關聯，提供快速的搜索導航，防止學生盲目搜索浪費時間和網絡資源。

而知識點關聯體系中的重點就是這種非理性的知識點關聯體系。學生在利用遠程教學平臺時，智能Agent對學生的學習具有指導作用和智能導航作用。學生在學習A知識點時，可能要學習一個與其相關的知識點，目的是更好的理解和學習A知識點。那么這個相關的知識點是B還是C呢？這要由系統給出一個與A知識點相關的知識點。這種知識點的關聯體系，通常是由教師根據教學經驗在數據庫中預先給出關聯（A＆B)，既A關聯B。另一方面學生對A知識點的理解需要對E知識點的掌握，那么A又與E關聯。這樣學生學習A知識點的時候可以參考E知識點，這樣可以更好的理解A知識點。但是由于學生的理解能力和學習程度不一樣，可能A知識點還與其他不同的知識點關聯。但是到底和哪個知識點關聯我們是很難把握的或是不知道的。一方面，我們要知道哪些知識點之間的關聯反映是普遍現象，我們要找到那些客觀存在的、普遍的、主要的非理性關聯；另一方面，考慮到學生整體水平素質的提高，知識點的關聯體系是要變化的。

知識點的相互關聯構成一個簡單的非線形的關聯系統。知識點所構成的數據庫稱為知識庫。知識庫首先是一個動態的系統，因為知識點的關聯是動態的。知識庫建立的時候知識點在空間結構上是有序的，但是該知識點體系結構是簡單的非線形的，不是網狀的或層狀的。我們還要通過非理性知識點關聯體系，使知識庫中的知識點體系結構轉化為層狀或網狀的結構。這樣的知識點體系結構才能適應多Agent遠程教學系統的智能性、主動性和個性化的要求。

六 結束語

以多媒體、網絡等先進技術為基礎的遠程教學以其開放性、多樣性、個性化、先進性等特征，已經成為現代教育的重要組成部分。而基于多Agent的遠程教學系統，則在智能性、適應性、主動性等方面有更突出的表現，能夠解決目前遠程教學系統中所普遍存在的問題，更好地滿足遠程教學的需要，對遠程教學的發展有著十分重要的意義。當然，將多Agent技術融入遠程教學系統這個問題，在實現方面還有待進一步深化和完善，這也是遠程教學重要的發展方向。

參考文獻

[1]徐梓斌，閩劍青，王律華等.基于智能體的遠程教學系統[J]. 浙江樹人大學學報，2002，2(4):61-63.

[2]曲霖潔，劉培玉.基于Agent的網上教學系統的研究[J]. 電化教育研究，2002，105(1):38-40.

[3]申瑞民，許彥青，張同珍等.基于多代理的智能型遠程教學環境研究[J].計算機工程與應，2002，4(36):253-255.

[4]李軍.遠程教學中自適應授課平臺的模型構建研究[D].重慶:西南師范大學，2002:25-27.

[5]沈軍，顧冠群.面向網絡教學的互動式體系模型[J].東南大學學報(自然科學報)，2002，32(1).