一種基于移動Agent技術的教學資源建設方法

潘國清

（無錫市廣播電視大學，江蘇無錫214021）

一種基于移動Agent技術的教學資源建設方法

潘國清

（無錫市廣播電視大學，江蘇無錫214021）

遠程教育教學資源建設中需要重點探究的是推送給用戶一個怎樣的教學代理（Agent），Agent是基于計算機網絡遠程教學系統的重要組成部分，作為具有較強自主教學能力的工具，智能化是Agent應具備的一個重要特點。本文提出一種基于移動Agent（Mobile Agent）技術的計算模型——教學Agent（Pedagogical Agent），考慮到網絡遠程教育要求低帶寬和強交互性，使教學Agent具備智能化、較少的網絡傳輸量和異步交互的特點，適用于遠程教學系統資源的建設。

移動Agent；遠程教學；教學Agent；RDF

一、引言

隨著計算機軟硬件技術和通信技術的迅猛發展，以網絡為載體的網絡遠程教學有極大的發展空間。計算機輔助教學模擬學生與教師之間的教學活動，彌補了傳統遠程教學交互性不足的缺點，使通過計算機網絡和接入設備進行遠程學習的用戶不斷增加，使用效率不斷提高，移動學習、隨時隨地學習成為可能。但是我國現有網絡低帶寬、高延時的情況限制了網絡遠程教學的應用和發展。在現有硬件條件下，希望能借助軟件技術緩解這一矛盾，移動Agent技術作為一種新的分布式計算模型可以加以應用。

二、教學Agent的概念

教學Agent是用移動Agent技術開發的一種教學資源實體，圖1展示了其基本框架，它綜合了教學心理學、認知（思維）科學和行為科學等理論，基于學習者的特性和狀態，跟蹤學習者特性與狀態的變化，自動生成教學信息，調整教學過程和教學策略，具有啟發式導學的行為。

圖1 教學Agent的結構

移動Agent是在計算機網絡中游歷，可以在各種類型的主機、工作站和終端上運行的程序代碼。教學Agent基于移動Agent技術，它將自己的過程代碼、數據、控制狀態打包，以消息形式在網絡上傳播，這種形式使用戶無需始終在線，可以異步交互。由于對網絡資源要求不高，在窄帶網絡中也能較好地運行，較適合現有網絡狀況。

教學Agent是在探索計算機與學生之間一種新的交互方式的過程中，從智能教學系統和智能輔導系統發展而來的，包括學生能與之產生共鳴的人機界面和能夠理解某一領域知識并根據特定情況做出響應的人工智能技術。具體實現包括角色引擎、交互界面、模擬輔導、語音圖像識別、知識框架、知識庫等，包容在一個虛擬環境中。

由于學科知識的交叉，將不同學科知識賦予不同的Agent是很自然的。此外不同的Agent也可以具有不同的行為能力。這些體現了人類的社會智能，使教學Agent更適合開放、動態的運行環境。這些要求的實現是以多個教學Agent間很好地協作為基礎的。

三、教學Agent的主要實現模塊

1.人機交互界面和教學行為引擎

人機交互界面扮演著授課解疑的角色，是直接與用戶接觸的模塊。它接收、識別用戶的輸入，提煉、組織知識庫中的知識，以合理、清晰的方式將它們提供給用戶。傳統意義的人機界面在教學Agent中得到了極大地改觀，不再是基于簡單的人機交互界面（如字符或圖形界面等。此類界面的另一個問題往往是操作繁復，有人把它們稱作幫助迷宮），而可以是一個生動的角色（如二維或三維的動畫仿真角色等，能夠提供語音和動作）出現在用戶面前，引起用戶的學習興趣，真實、自然地幫助、引導用戶自主、動態地進行學習。

在整個學習期間，它一直跟蹤、輔助用戶，對用戶在教學資源使用中可能做出的行為進行分析預測，及時向用戶提供有用的可視化演示和提示，給出清晰的解釋（有時可能還需要簡注后的詳注鏈接）并回答用戶提出的問題與用戶交互，及時給予反饋，這樣符合人類的學習習慣，使用戶產生強烈的共鳴。人機界面還有一個經常行為是通過通訊方式（如廣播通訊、單獨同步或異步通訊等）與其他教學Agent協作，與它們交換信息，擴展系統的功能，滿足開放性學習的要求，拓展學習的空間和跨度。

教學行為引擎是能夠自適應、自調整的教學行為控制者，它驅動Agent實施教學行為。用戶學習行為的形式化表示是它的輸入端，它的另一個輸入端是知識，輸出則是對Agent的驅動力，使Agent實施教學行為。用戶學習行為的形式化表示和知識的形式化表示是一個關鍵，形式化的過程可以看作經驗基礎的積累和升華。但終究一些內容是不能形式化的。

2.領域知識庫

學科領域知識庫是教學Agent的核心（數據是核心，這是現代計算機科學界的普遍共識），用于存放傳授給學生的課程專業知識和應用課程專業知識求解問題的知識。知識可以通過語義網絡、事實、規則等形式表示出來。診斷知識庫利用診斷規則分析用戶的響應，判斷用戶的學習狀態和系統狀態，生成診斷報告，然后反饋給交互界面，或傳遞給其他功能模塊加以處理。對不同用戶行為的識別更有利于知識庫的更新與優化。

知識庫的復用須遵守相同的開發運行協議，知識庫的構造技術是現今研究重點，采用XML技術是一個較好的策略，它的可擴展標記很好地描述了數據的特征，使數據具有“智能”，可以實現教學Agent的多項行為要求。“推（push）”技術是可實現教學Agent自主移動的一種技術，其中也用到XML。有幾種可用于構造知識庫的方法：采用了學習算法的進化模型可以模擬從學習知識（接受學習）、推知知識到知識進化（知識演進）的過程；分形表示法揭示了偶然性背后的必然性，與混沌理論類似，可以用來進行遞歸，直到獲得一個合理的邊界：Patri網表示法可以較好地表示并發過程。

筆者采用RDF作為知識的元數據描述框架，用RDF/XML作為知識存儲和處理的工具。例如有以下斷言：剛被換出的頁，很快又被訪問，又須將它調入而將另一頁換出；而剛被換出的另一頁不久又被訪問，還需把它調入，如此頻繁地更換頁面，以致系統的大部分時間花費在頁面的調度和傳輸上，這種現象稱為“抖動”。對上述斷言進行分析，得到特征模式分析如表所示。

表 “抖動”斷言的特征模式

在表的基礎上，可以定義“抖動”斷言RDF模式,如圖2所示。

圖2 “抖動”概念的RDF描述

實現表中描述的部分RDF/XML代碼為：

＜?xml verison="1.0"encoding=GB2312"?>

＜!DOCTYPE rdf:RDF[＜!ENTITY xsd"http://www.w3. org/2001/XMLSchema#">]>

＜rdf:RDF xm lns:rdf=http://www.w3.org/1999/02/22-rdf-syntax一ns#

xmlns:exterms=”http://www.wxtvu.cn/os_teaching/os_dc/ 1.0/”>

＜rdf:Description rdf:ID=”Concept0087”>

＜exterms:name>Thrashing＜/exterms:name>

＜exterms:SubjectAbout>Page＜/exterms:SubjectAbout>

＜exterms:ImpactOn>Operating System＜/exterms: ImpactOn>

＜exterms:Effect>Badly＜/exterms:Effect>

……other descriptions……

＜/rdf:Description>＜/rdf:RDF>

3.用戶數據庫

用戶數據庫是教學Agent的重要組成部分，它一方面搜集用戶基本信息（如姓名、學歷等），要能夠準確反映用戶的智力水平、知識背景和學習能力等，為智能化教學提供依據；另一方面，其數據庫中的數據應能通過具有動態調整功能的算法不斷進行自主更新，以適應用戶的發展。用戶數據庫的構建一定程度上也可以采用構建領域知識庫的方法。

四、教學Agent的行為

教學Agent應當具備教學過程的全部行為能力，包括：講授、解釋、演示、指導提示、提問、評價等。它與傳統的電子教室或計算機輔助教學系統最大的區別是：用戶在教學環境中自主進行，Agent捕捉用戶在學習中的行為進行分析，使教學環境隨著用戶行為的發生不斷進行變化，適應用戶的學習進程，并且這一切都是可控制的。此時，教學中心從教師向用戶發生了遷移。

設計教學Agent的行為功能是開發的關鍵，在Agent的所有行為過程中交互動作貫穿始終。設計知識庫也是一個細致、漫長的積累過程。演示教學過程不能是演示錄像的簡單回放，用戶應該可以在演示場所中自由移動，從不同角度觀看演示，演示的進度由用戶控制，可以細化、放大某些細節，觀看時可以隨時調閱參考資料。解釋指導提示是授課的關鍵環節，在用戶學習的全過程中這一行為始終存在，教學Agent需要實時觀察用戶的學習行為，不斷幫助和指導，但同時又不能妨礙用戶自主學習，這需要教學經驗和教學心理學常識，是教學Agent知識庫中動態更新的部分——教學Agent應該能夠根據不同用戶的知識背景和學習進度動態調整自己的指導行為。面對學生進行提問和回答學生的疑問是對教學Agent提出的較高要求，涉及語音、圖像識別和知識動態鏈接等難點問題。經過一個階段的學習，要給用戶一個階段評估，因此教學Agent應具有生成評估依據及評估報告的能力，如自動生成試卷或其他評估材料，進行網絡考試等。

由于教學Agent運行的環境相當復雜，充滿不可知因素，因此要求它有較高的健壯性（robustness，也稱為魯棒性），必須能夠協調與其他教學Agent的關系，以連貫的風格管理自己的行為。教學Agent所處的環境就是用戶學習的環境，由于用戶處理問題的方法不同、熟練程度不同、學習方法不同、興趣愛好不同，使用戶的行為不可預知。教學Agent與用戶的交互行為要求教學Agent運行時能始終跟蹤用戶的行為，實時識別用戶的行為（有時甚至是意圖，即行為前識別）并給予響應。

五、教學Agent的學習

學習是個動態的過程，自適應學習也是一個動態的過程，它隨時間及用戶的情況變化而變化。經過一段時間的使用，教學Agent能夠記錄用戶的相關數據以補充、調整和優化用戶數據庫，提高教學Agent的個性化教學能力。

教學Agent的知識獲取主要有兩個途徑：系統自動獲取和向系統設計者、領域專家獲取。第一種方式目前的研究進展緩慢，遠沒有形成一個較好的理論。所以，現在主要采用第二種獲取方式。還有一些其他的知識獲取方法，如基于粗糙集理論、遺傳算法理論等。教學Agent攜帶常用知識，根據需要與遠端領域知識庫進行交流，動態更新知識。

六、教學Agent與Client的比較

教學Agent采用Agent技術，其實現、運作模式與當下流行的Client／Server（C/S）模式不同。在典型的C/S模型中，C/S模式是管理與被管理的關系，Client受Server控制，大量的數據要通過網絡交互傳輸給Client端進行操作，而Agent具有智能性和自主性，能獨立實施教學行為，可更加靈活地直接在數據源本地機上進行數據挖掘等工作，從而減輕網絡傳輸的負擔，如圖3所示。

圖3 C/S模式與移動Agent的簡單比較

筆者提出基于移動Agent技術的教學Agent類課件開發技術，著重描述內容建設方式，教學Agent的很多實現技術，如建立教學Agent知識庫、多Agent間的協作、Agent的安全機制、人性化交互界面、試卷自動生成算法、數據壓縮技術、聲像技術等，還需要進行廣泛深入地研究。移動Agent技術是當今學術界的一個熱門話題，它與計算機遠程教學相結合是很有發展前景的，滿足了人們獲取知識的愿望，極大地方便了人們的自主學習，代表著未來教學行為發展的一種趨勢。☉

[1]楊永齊,符云清,劉瑩宇.基于Multi-Agent的個性化遠程教育系統研究[J].計算機科學,2007(9).

[2]王春枝.基于多agent的遠程協同教育平臺研究[J]．通信學報,2006(11).

[3]薛曉明．基于Agent的網絡教育學習信息智能分析研究[J]．現代圖書情報技術,2005(5).

[4]易雅鑫．RDF數據存儲模式研究及實現[J].情報科學, 2007(8).

[5]張月琴.基于移動Agent的網絡智能學習系統研究[J].計算機工程與設計,2007(21).

（編輯：楊馥紅）

book=26,ebook=8

G250.73

B

1673-8454（2010）13-0026-03