基于JADE的學生頂崗實習階段智能教學平臺

朱忠旭，劉競杰，黃　兵

(安徽工貿職業技術學院 1.計算機技術系，2.基礎部，安徽 淮南 230007)

?

基于JADE的學生頂崗實習階段智能教學平臺

朱忠旭1，劉競杰1，黃兵2

(安徽工貿職業技術學院 1.計算機技術系，2.基礎部，安徽 淮南 230007)

摘要：開發了一個智能化的教學平臺用來為頂崗實習的學生提供個性化的教學服務。平臺采用基于JADE的多智能體結構設計，根據學生的在校學習記錄采用模糊邏輯方法判斷學生的個性特征，從學生實習崗位的知識需求出發生成教學內容。教學策略選擇規則使用Jess語言定義，根據學生的個性特點、知識水平、教學內容的難易程度及對實習崗位的重要性等為學生選擇個性化的教學方法。以一個學生實例演示了平臺的應用，驗證了平臺的可用性。

關鍵詞：JADE；智能教學平臺；多智能體系統；模糊邏輯

頂崗實習是大學教學的一個重要環節，然而，由于學生實習單位的分散性及學校師資力量有限等原因使得學校難以對正在實習的學生提供有效的學習指導和幫助。因此，開發一個能根據學生實習崗位的知識需要、學生個性特點及知識基礎等對學生進行個性化知識傳授的智能教學系統(Intelligent Tutoring System, ITS)[1,2]作為學生在實習期間的學習平臺有助于學生更好的學習所需的知識。

1平臺的總體架構

平臺基于多Agent開發工具JADE平臺設計，如圖1。JADE除了是一個多Agent系統的開發工具之外，還是多Agent的運行管理平臺，它為Agent提供了生命周期管理、白頁服務、黃頁服務及消息傳遞服務等基本支持，構成Agent賴以生存的運行環境[3]。平臺由用戶層、業務處理層、資源層三層結構組成，業務處理層包含學生Agent、教師Agent、學生特性分析Agent、教學規劃制定Agent、教學策略制定Agent、學習成果評價Agent、教學內容生成Agent等。學生注冊時生成代表此學生的學生Agent，并從學生信息庫中取出該學生在校期間的學習記錄信息，并由學生特性分析Agent對信息進行分析，得出該學生的學生模型。教學規劃制定Agent根據學生模型為該學生制定學習規劃，包括學習內容安排、時間長度制定等。教學策略制定Agent根據學生模型為教學規劃規定的每個教學知識點制定教學策略。學習成果評價Agent根據學生與系統的交互及學生測試等判斷學生的學習效果。教學內容生成Agent根據學生模型及教學規劃從教學資源庫中獲取適當的教學內容。

2關鍵實現技術

2.1基于模糊邏輯生成學生模型

學生模型用于為系統提供用于獲取學生學習方式、認知結構、知識水平、興趣愛好的信息[4]。學生模型根據其包含的信息的性質、形式及解釋方法分為課程知識和個人特征兩部分。學生模型在學生的學習過程中可以根據學生的交互記錄、學習成果的分析不斷地更新。

定義1系統中的學生模型定義如下：

學生 ：：=(基本信息，知識狀態，素質狀態，實習崗位，學習偏好，學習能力，崗位適應度)。其中，基本信息指學生的注冊信息；知識狀態指學生當前具有的知識范圍及水平；素質狀態用于表示學生的道德品質等方面的特征，由信息庫中存儲的學生素質測評成績來評價；學習偏好用于表示學生的學習習慣、學習能力等特性；學習能力指示學生對知識的接受和理解能力的強弱；崗位適應度表示學生對當前實習崗位的適合程度。

圖1系統的總體架構

學生模型中除基本信息和實習崗位外，其它特征都是定性指標，難以用精確的數值度量，因此系統使用模糊邏輯[5]將學生信息庫中的學生記錄數值數據轉換為學生模型中的學生特征值。

學生的知識狀態用學生在校期間學習的知識點及對每個知識點的掌握水平表示。研究發現，學生對知識點的掌握程度與知識點的難度密切相關，對大多數學生來說，低難度的知識點往往都能掌握，而影響課程分數高低的關鍵因素是對高難度知識點的掌握水平。由此設計出根據課程成績和課程知識點的難度來判斷學生對該課程所包含的各知識點的掌握水平的判定表(如表1)。

表1　學生知識點掌握水平判定表

學習偏好從學習者的知識處理方式、感知方式、接受方式及理解方式等四個方面定義學生的學習特性[6]。學生的學習偏好從對學生在校期間的學習行為及學習成果的分析來獲得。系統根據課程平均成績和學習成果數量劃分學生類型(見表2)，再由學生所屬類型得出學生學習偏好的基本判斷(見表3)。

表2　學生類型判定表

表3　學生學習特征判定表

系統通過學生在校學習成果來計算學生的學習能力，若學生在校期間選修了n門課程，每門課程的考試成績為Ci，首先計算出各門課程的加權平均值

式中pi根據學生獲得成績的考試類型不同取不同的值，正常考試pi取1，第一次補考pi取0.8，第二次補考pi取0.6。 pj為在校期間參加知識或技能競賽成績，按級別取一定的分值，再由Sc的值得出學習能力的模糊判定值。

崗位適應度表示學生對當前實習崗位的適合程度，分為高、中、低三個級別。系統根據學生類型及學生實習崗位與所學專業對口情況來計算崗位適應度(如表4)。

表4　崗位適應度判定表

2.2領域知識模型

領域知識模型全面地表達教學內容以及不同教學內容之間的聯系。系統以實習崗位為基點建立知識模型，整個模型由崗位、崗位能力需求、課程、知識點等元素構成，如圖2。

圖2領域知識模型

崗位模型中各結點(實習崗位)之間的關系為偏序關系“發展”，即若崗位1與崗位2之間具有“發展”關系，則表示崗位2是崗位1的后繼崗位，學生完全勝任崗位1的工作后，可以將崗位2作為自己下一步的職業發展的優先選擇。

每個崗位需要多種能力，崗位能力的來源是課程學習。崗位能力結點與課程結點之間是多對多的關系。一門課程分為若干個知識點，知識點之間的關系如圖3，分別表示a，b為獨立的、c是d的先決條件、e和f同為g的先決條件[7]。

圖3知識點關系

對領域模型中的每個知識點提供多種形式的學習素材(如圖4)，系統根據學生的學習偏好及知識狀態等特征為其選擇適當的教學材料。

圖4領域模型與教學材料的關聯

2.3教學實現

平臺從學生實習崗位的知識需求和學生的知識水平、學習偏好等個性特點出發為學生選擇要學習的知識點，再根據學生的學習能力和知識點的難度水平以及對崗位的重要性為學生選擇適當的教學方法進行教學。整個過程可分為教學課程選擇、教學知識點序列生成和教學實施三個部分。

2.3.1教學課程選擇

教學課程選擇的過程如下：

1)在領域模型中確定崗位結點；

2)搜索出實習崗位的支撐能力結點，得到崗位支撐能力集Sca；

3)對每種支撐能力，搜索其支撐課程結點，得到崗位支撐課程集Scu；

4)由學生模型得到學生已修課程集Sm；

5) 將Sm劃分為S1和S2兩個子集，S1是學生已修而且實習崗位要求的課程集，S2是實習崗位要求但學生在校期間沒有選修的課程，S1=Scu∩Sm，S2=Scu-Sm；

6)對S1中的課程由表1計算出學生對該課程知識點的掌握水平m，將學生對S2中的課程的知識點的掌握水平設為“低”；

7)對崗位支撐課程集進行拓撲排序，得到課程的拓撲序列TScu。

2.3.2由課程序列生成知識點序列

過程如下

1) 依次遍歷課程序列TScu，對每一門課程：

a) 獲取該課程的知識點集合Ski；

b) 生成Ski的拓撲序列TSki;

c) 將TSki中元素依次插入知識點隊列TSk。

2) 返回TSk。

3教學實施

對為某學生生成的知識點序列TSk中的每個知識點，平臺采用適當的教學策略對學生施教。系統的教學策略描述如圖5。圖5中每個節點表示一個教學過程的一個環節，一次教學活動從根節點開始，沿某分枝遍歷至葉結點所形成的路徑。

圖5教學策略

平臺將每個節點定義為一個Java類，路徑的選擇由Jess[8]規則引擎執行教學策略規則決定。規則的觸發因子為學生的特征數據，即知識水平m、學習能力f、學習偏好p等，另外還有知識點的難度l、知識點對崗位的支持度s等。如規則

(！highMaster(?x, ?k) &hasHighLearningFaculty(?x) &isImportant(?k, ？p) &likeVideo(?x) => (giveVideo(?x) &makeExecixe(?k) ))

表示若學生x對知識點k的掌握水平不高，學習能力一般，且比較喜歡視頻形式的學習資料，而知識點k對學生當前崗位p很重要，則向學生提供以視頻形式表示的教學內容并為其生成檢驗學習成果的練習題。

將教學策略選擇規則保存為.clp文件，所有規則文件構成教學策略規則庫。用于教學策略選擇的Jess推理引擎Rete嵌入于教師Agent中，當學生注冊時，學生Agent從數據庫中讀取學生記錄，用(2.1)中所述方法計算出學生模型數據，Rete根據學生特性值在規則庫中查找相匹配的教學規則，從而決定應采用的教學策略。教學過程描述如下，

1) 創建Jess推理機對象Rete；

2) 加載教學策略規則庫；

3) 從學生Agent收取學生的個性特征數據；

4) 取出隊列TSk的元素k，若隊列為空，則轉8)；

5) 啟動推理機選擇對k采用的教學策略；

6) 按教學策略要求為學生制定學生Agent傳送教學內容；

7) 評價學生學習成果，修改學生對k的掌握水平l，若l==“高”，則k出隊列，并轉4)，否則轉5)；

8) 結束。

4平臺應用示例

為了驗證平臺的可用性，使用軟件技術專業的若干名學生在校學習記錄數據對平臺進行了測試。如一個在某軟件公司實習的學生，其在校學習記錄如表5，實習崗位是C#程序員。

表5　學生在校學習成績表

平臺為學生選擇的實習期間要學習的課程序列為數據結構、C#語言、ASP.Net程序設計、數據庫原理與應用、Windows程序設計、網頁設計與制作、軟件測試、軟件工程等，再根據每門課程所包含的知識點與實習崗位的相關度生成學生要學習的知識點序列(…… S1cCu1-9，S1cCu1-6，S1cCu1-7，S1cCu1-5，S1cCu1-4，S1cCu1-8，S1cCu1-3，S1cCu1-2，S1cCu1-1 …… )。根據學習記錄計算出該學生的學習能力為“較強”，再結合由課程成績和知識點難度計算出的學生對每個知識點的掌握程度，如對C#課程的S1Cu1-5知識點(即繼承與接口設計)，其難度水平為“高”，學生的課程成績為85，由表4的規則得出學生對此知識點的掌握程度為“中”，學生偏好的內容呈現方式為“文字”，最終系統為學生生成的學習界面如圖6所示。

通過測試發現，平臺可以為不同的學生生成其實習崗位要求的知識序列，并能以比較適當的方式為學生提供教學內容，選擇教學方法，符合預期的功能和性能要求。

5結束語

企業實習階段的學生需要快速、有針對性的復習、深化和補充崗位相關知識。平臺以學生的實習崗位為基點，為其產生實習期間需要學習的知識序列，并根據學生的個性特點為其產生個性化的教學策略。教學策略的制定和實施充分考慮到學生在校期間的學習情況、自身特點、實習崗位與學習專業的對口程度等特點，做到因需施教和因材施教相結合。使用該平臺有望解決以往學生企業實習階段脫離教師指導、知識學習與頂崗實習脫節等問題。

參考文獻:

[1] 莫贊,馮珊,唐超.智能教學系統的發展與前瞻[J]. 計算機工程與應用,2002,38(6):6-7.

[2] 許高攀,曾文華,黃翠蘭. 智能教學系統研究綜述[J].計算機應用研究，2009,26(11): 4020-4022.

[3] 于衛紅.基于JADE平臺的多Agent系統開發技術[M].北京:國防工業出版社, 2011:4-13.

[4] L. Liu, M. Wu, H. Wang. Design an Applied Student Model for Intelligent Tutoring System[J]. Jinan: Proceedings of 2009 IEEE International Symposium on IT in Medicine & Education , 2009:485-489.

[5] 高濟.人工智能高級技術導論[M]. 北京:高等教育出版社,2009:153-160.

[6] A. Jacinto, J. Oliveira. An ontology-based architecture for Intelligent Tutoring System[J]. Interdisciplinary Studies in Computer Science, 2008, 19(1): 25-35.

[7] 蔣艷榮,韓堅華,吳偉民.一種自適應的個性化學習序列生成研究[J]. 計算機科學, 2013, 40(8): 204-209.

[8] Ernest Friedman-Hill. Jess in Action [M]. Shelter Island: Manning Publications Co., 2003: 31-132.

An Intelligent Tutoring Platform Based on JADE Used for Students in Post Practice

ZHU Zhong-xu1, LIU Jing-jie1, HUANG Bing2

(1. Department of Computer Technology, 2. Basics Department, Anhui Industry and

Trade Vocational and Technical College, Huainan 230007, China)

Abstract:An intelligent tutoring platform, which used to tutoring student individually when they are in enterprise practice, is developed. The platform's architecture is designed by using multi-agents based on JADE. Student model is acquired from the learning record using fuzzy logic method. The platform generates teaching content for a student according to his (her) post demand, and applies individual teaching method based on his (her) character, knowledge level, difficulty level and importance of teaching content. The rules for selecting teaching strategy are defined by using Jess. It demonstrates how the plat works using a student instance and validates the platform's usability.

Key words:JADE, intelligent tutoring platform, multi-agent system, fussy logic

文章編號：1007-4260(2015)02-0112-06

中圖分類號：TP311

文獻標識碼：A

作者簡介：朱忠旭，男，安徽淮南人，碩士，安徽工貿職業技術學院計算機技術系講師，研究方向為軟件工程、軟件智能。

基金項目：安徽省高等學校省級教學研究項目(2014jyxm584)和安徽省高等學校省級教學團隊建設項目(2013jxtd084)。

收稿日期：2015-01-05