摘 要 该文通过对基于Internet环境下辅助教学方式特点的 研究 和 分析 ，提出了基于Internet的一种新的 计算 机辅助教学模型——基于Agent的教学模型，讨论了模型的基本体系结构和组成元素及实现技术，重点讨论了支持个性化 学习 的多Agent技术，包括个性化学习Agent的功能结构以及策略与控制技术。最后讨论了该教学模型的优缺点和 发展 前景。
关键词 网络 教学、Agent 、对象模型、个性化教学
关键词 网络 教学、Agent 、对象模型、个性化教学
随着网络的普及 应用 和信息技术的发展，我国互联网用户数量节节攀升。对于 教育 来说，由此带来了教学模式的重大变化，从传统课堂的“以教师为中心”扩展到Internet环境下的“以学习者为中心”的网络教学。通过对传统网络辅助教学系统的研究可知，传统的辅助教学系统能以数字方式将表现教学 内容 ，通过对图、文、声、像、动画以及活动影象等信息进行计算机系统存储、加工、传输和呈现，用户可通过人机交互方式使用课件，以便辅助教师教和学生学。而借助于Internet的远程教育具有开放性、灵活性、学习终身性和资源共享性等优点[1]。充分利用这些优点不仅可以满足学习者个性化学习需要，而且可以在很大程度上提高学习效率。但据初步调查表明，大多数学习者在网络学习时，会遇到不同程度上的困难，主要原因是其普遍存在的一系列 问题 ，包括：
（1）以呈现教学材料为主，在教学过程中学生被动学习，缺乏必要的交互手段；
（2）对不同认知水平的学生采用相同的教学策略，缺乏智能性和适应性，难以实现因材施教；
（3）由于知识结构是松散无关的，掌握学习主动权的学习者面对众多信息而无所适从，在学习过程中容易出现迷航而偏离学习目标；
（4）采用了不同的数据资源管理标准，不利于教学资源共享以至于造成大量重复劳动。
（5）缺少有效、敏感的响应与反馈、测试与评价系统，无法真正构建出学生的主动学习环境。
Agent的概念最早出现于20世纪70年代的人工智能中，80年代后期成长起来， 目前 已成为当今计算机 科学 技术领域、信息工程领域和网络通信领域十分活跃的前沿研究方向之一。Agent具有的自主性、反应性、主动性等一些重要的行为特征对网络教学系统来说是很有意义的，因此Agent/多Agent 系统特别适用于网络教学系统的开发。
1 Agent概述
基于Agent的教学系统将人工智能的技术引入系统，软件代理Agent是具有推理和决策能力的软件，是一个有反应的，主动性的，内在激发的软件实体 ，在面对变化的环境的同时，能采取一定的应对措施。软件Agent 也是一个计算机程序，它的内部又可以细分出很多小的功能模块，使程序具有模块化和一定的弹性。其特点如下：
（1）自治性：Agent能够根据知识库中的事实和规则进行推理，运行于复杂环境中的Agent还应具有学习或自适应的能力。
（2）自主性 Agent是一个独立自主的计算实体，其动作和行为是根据本身的知识、内部状态和对外部环境的感知来进行控制的，它的运行不受人或其他Agent的直接干涉；
（3）目标导向：能够根据高层的指示，负责决定如何来完成任务。
（5）有弹性：完成任务的方式不固定，由实际情况来决定执行顺序和所要调用的程序，以反映外部环境的变化。
（6）适应性：可以对先前的经验进行积累，由使用者的喜好来决定自己的行动。
（7）移动性 Agent作为一个活体，它能够在互联网上跨平台漫游，以帮助用户搜集信息，它的状态和行为具有连续性。
2 基于多Agent的教学模型
现实世界问题是极其复杂的，而单个Agent的功能是极其有限的，单个Agent一般很难完成给定的任务，此时需要通过适当的体系结构把多个Agent组织起来形成多Agent系统，以共同承担一个任务，来弥补单个Agent之不足，使得整个系统的能力超过单个的Agent。 基于多Agent技术的系统是指多个Agent相互通讯、彼此协调，共同完成作业任务的系统，它不仅具备一般分布式系统所具有的资源共享、易于扩张、可靠性强、灵活性强、实时性好的特点，而且各Agent能够通过相互协调解决大规模的复杂问题，使系统具有很强的鲁棒性、可靠性和自组织能力。在多Agent系统中，单个Agent是一个物理的或抽象的实体，能作用于自身和环境，操纵环境的部分表示，并与其他Agent通讯，具有感知、通讯、行动及控制和推理能力等基本功能。多Agent技术的这些特点，使得其在处理基于互联网的知识问题方面，具有广阔的应用前景。
网络教学突出的特点表现在学生是学习的主体，其通过网上虚拟课堂进行交互式的自主学习；教师则要通过课程设计，采取创设问题情景、在线专题讨论、归纳 总结 、评价激励等 方法 ，激发学生的学习兴趣和学习动机，促使他们理解和掌握知识体系，培养创新精神，进行广泛而又深入的学习。
由于网络教学是一个复杂、庞大、不可预测的信息系统，一般会覆盖教学的各个环节，因此应该将其划分成子问题，并构造多个具有一定功能的Agent，由这些Agent去分别处理子问题。当子问题之间出现相互依赖时，系统中的Agent必须能通过协作来控制依赖性。基于以上分析，我们构造的基于多 Agent的网络教学模型如图1所示。
2 基于多Agent的教学模型
现实世界问题是极其复杂的，而单个Agent的功能是极其有限的，单个Agent一般很难完成给定的任务，此时需要通过适当的体系结构把多个Agent组织起来形成多Agent系统，以共同承担一个任务，来弥补单个Agent之不足，使得整个系统的能力超过单个的Agent。 基于多Agent技术的系统是指多个Agent相互通讯、彼此协调，共同完成作业任务的系统，它不仅具备一般分布式系统所具有的资源共享、易于扩张、可靠性强、灵活性强、实时性好的特点，而且各Agent能够通过相互协调解决大规模的复杂问题，使系统具有很强的鲁棒性、可靠性和自组织能力。在多Agent系统中，单个Agent是一个物理的或抽象的实体，能作用于自身和环境，操纵环境的部分表示，并与其他Agent通讯，具有感知、通讯、行动及控制和推理能力等基本功能。多Agent技术的这些特点，使得其在处理基于互联网的知识问题方面，具有广阔的应用前景。
网络教学突出的特点表现在学生是学习的主体，其通过网上虚拟课堂进行交互式的自主学习；教师则要通过课程设计，采取创设问题情景、在线专题讨论、归纳 总结 、评价激励等 方法 ，激发学生的学习兴趣和学习动机，促使他们理解和掌握知识体系，培养创新精神，进行广泛而又深入的学习。
由于网络教学是一个复杂、庞大、不可预测的信息系统，一般会覆盖教学的各个环节，因此应该将其划分成子问题，并构造多个具有一定功能的Agent，由这些Agent去分别处理子问题。当子问题之间出现相互依赖时，系统中的Agent必须能通过协作来控制依赖性。基于以上分析，我们构造的基于多 Agent的网络教学模型如图1所示。
图1 基于多 Agent的网络教学模型
整个模型分为三个部分：界面代理，分析代理和建议代理。
界面代理：负责与用户直接沟通，询问的功能是记下使用者的基本资料。展示是将教材内容通过输出端口提供给用户。诊断是判断用户的学习能力，知识结构。记录的功能是记录下学习者与系统互动的所有历程。界面代理由界面数据库取得与某一用户对话的模式和画面。
分析代理：分析从界面代理中的诊断，记录，询问等三个子代理那里获得的用户资料，分析后再将所的结果存入其中的学生基本资料库，学习成就资料库和学习资料库中。
建议代理：建议代理获得分析代理资料库的内容，再由其评估代理分析出学习者之间的差异，建议代理根据这些差异来为不同的学习者提供不同的教学方法。
在此多代理系统中，为减少代理之间的直接沟通，故将相互的沟通信息放置在界面代理中的全局数据库中，由主控程序负责通知相关的模块，当然，主控程序代理也可以单独形成一个模块。
模型中涉及5个基本数据库，即学习资源库、系统全局知识库、教学策略库、界面库和学生模型库（含学生基本信息与学习中间信息）；3类基本用户，即教师、学生和管理者；6类Agent，即教师Agent、学生Agent、管理者Agent、人机交互界面Agent、教学Agent和管理Agent。下面具体介绍部分Agent的功能。
● 学生Agent。学生登录网络教学系统以后，系统会自动生成一个学生Agent。它一方面要为对应的学生提供交互界面，引导学生的学习，并在学习过程中根据学生的实际情况，通过教学Agent从教学策略库中选择合适的策略给学生以指导，在学习结束后将学生的学习结果返回学生模型库。另一方面学生Agent还要调用目前登录学生的学生基本信息和学习记录，查看学生以往的学习情况，根据这些记录为学生本次学习呈现最初的学习资料。学生Agent在用户的整个学习期间要不断地通过人机交互界面Agent分析学生的学习状态，为用户下一步学习做相应的准备。同时还负责将本次学习的最终分析结果返还给学生信息库以便为下一次学习提供资料。
● 教师Agent。教师登录网络教学系统以后，系统会自动生成一个教师Agent。一方面，教师Agent负责教师与网络教学系统的交互，通过教学Agent对教学的过程进行相关的指导和监控，了解学生的学习过程和学习反应，指出哪个学生的理解或答案是最好（或最坏的）并做出解释。如果学习方向出现偏差，则予以及时纠正。此外，还可以从试题库中抽取相关的问题进行讨论以加强理解。另一方面，教师Agent还是专业知识的资料库和主动收集者，能对每一个学习者提供专业的最大的资源数据，建立相关的课程或课程框架（指包含教学目标、教学策略、教学步骤等）供教学Agent选择。并可根据教师的干预和学生的反应对本身的知识库进行主动的调整和扩充，主动从网络上获取相关的信息，重组成为更有意义的知识。
● 管理者Agent。一般说来，教育教学活动包括一系列的管理，如课程管理、学籍管理、成绩管理等等，因此有必要在网络教学系统内部建立管理Agent来负责整个系统的智能协调。管理者登录网络教学系统以后，系统会自动生成一个管理者Agent。管理者Agent主要通过管理Agent负责对整个教学情况作宏观的调控。管理Agent主动获得其他Agent的数据和资料，并自动地生成相关的管理数据，如学习者的学习时间、地区分布、学习者水平统计、教师工作统计等，协助管理者进行有效而快速的反应。同时，管理Agent还要担负起诸如其他Agent的增删管理、名录和地址管理、通讯链条的管理职责。
人机交互界面Agent。人机交互界面Agent主要负责学生、教师、管理者与教学、管理子系统之间的交互联系，并记录交互过程。特别地，人机交互界面Agent要负责登记学生个体目前的学习状态，以此掌握学生的学习进度、学习效果和学习能力，触发教学Agent，为不同的学生提供个性化教学。同时，人机交互界面Agent还要通过交互信息，监控和评价学生的学习，给出提示、结论和 参考 信息，控制讨论范围和讨论时间，对学生的非学习性浏览发出告警声音，对学生的解答和知识探索给予激励的评价。
3 系统实现的关键技术
基于多Agent技术的网络教学系统是一个复杂、庞大、不可预测的信息系统，其设计与实现将涉及诸多关键技术。其中，最为重要的是数据模型的组织、Agent的构建及开发技术的选取。
3.1 数据模型的组织
● 学生Agent。学生登录网络教学系统以后，系统会自动生成一个学生Agent。它一方面要为对应的学生提供交互界面，引导学生的学习，并在学习过程中根据学生的实际情况，通过教学Agent从教学策略库中选择合适的策略给学生以指导，在学习结束后将学生的学习结果返回学生模型库。另一方面学生Agent还要调用目前登录学生的学生基本信息和学习记录，查看学生以往的学习情况，根据这些记录为学生本次学习呈现最初的学习资料。学生Agent在用户的整个学习期间要不断地通过人机交互界面Agent分析学生的学习状态，为用户下一步学习做相应的准备。同时还负责将本次学习的最终分析结果返还给学生信息库以便为下一次学习提供资料。
● 教师Agent。教师登录网络教学系统以后，系统会自动生成一个教师Agent。一方面，教师Agent负责教师与网络教学系统的交互，通过教学Agent对教学的过程进行相关的指导和监控，了解学生的学习过程和学习反应，指出哪个学生的理解或答案是最好（或最坏的）并做出解释。如果学习方向出现偏差，则予以及时纠正。此外，还可以从试题库中抽取相关的问题进行讨论以加强理解。另一方面，教师Agent还是专业知识的资料库和主动收集者，能对每一个学习者提供专业的最大的资源数据，建立相关的课程或课程框架（指包含教学目标、教学策略、教学步骤等）供教学Agent选择。并可根据教师的干预和学生的反应对本身的知识库进行主动的调整和扩充，主动从网络上获取相关的信息，重组成为更有意义的知识。
● 管理者Agent。一般说来，教育教学活动包括一系列的管理，如课程管理、学籍管理、成绩管理等等，因此有必要在网络教学系统内部建立管理Agent来负责整个系统的智能协调。管理者登录网络教学系统以后，系统会自动生成一个管理者Agent。管理者Agent主要通过管理Agent负责对整个教学情况作宏观的调控。管理Agent主动获得其他Agent的数据和资料，并自动地生成相关的管理数据，如学习者的学习时间、地区分布、学习者水平统计、教师工作统计等，协助管理者进行有效而快速的反应。同时，管理Agent还要担负起诸如其他Agent的增删管理、名录和地址管理、通讯链条的管理职责。
人机交互界面Agent。人机交互界面Agent主要负责学生、教师、管理者与教学、管理子系统之间的交互联系，并记录交互过程。特别地，人机交互界面Agent要负责登记学生个体目前的学习状态，以此掌握学生的学习进度、学习效果和学习能力，触发教学Agent，为不同的学生提供个性化教学。同时，人机交互界面Agent还要通过交互信息，监控和评价学生的学习，给出提示、结论和 参考 信息，控制讨论范围和讨论时间，对学生的非学习性浏览发出告警声音，对学生的解答和知识探索给予激励的评价。
3 系统实现的关键技术
基于多Agent技术的网络教学系统是一个复杂、庞大、不可预测的信息系统，其设计与实现将涉及诸多关键技术。其中，最为重要的是数据模型的组织、Agent的构建及开发技术的选取。
3.1 数据模型的组织
在教学系统中，主要涉及以下几个对象，考虑到系统的扩展性和移植性问题，在对象建模时，参考了“远程教育规范”和新课程改革的相关要求，并且每个对象都有相应的扩展。
（1） 知识点模型
知识点是描述教学领域知识的完整的教学单元，知识点之间存在的各种关联及其关联程度称为知识点关系。若学习知识点A，必须先掌握知识点B，则B称为A的前驱知识点，而A称为B的后继知识点，其关联程度有强弱之分。知识点及其关系的集合称为知识树[7]。
知识点：：=<知识点标识，知识点名称，关键词，知识目标，情感目标，能力目标，学习内容，难易程度，教学重点，重要程度，学习时间，媒体资源，强前驱知识，弱前驱知识，强后继知识，弱后继知识，扩展基>。
在网络学习中，知识点为基本学习单元，相应某一学科的知识点编码和知识树如图1：
这样的知识点编码和知识树结构，清晰的反映了知识点之间的相互关系，以某一知识点为例，可以方便的找到该知识点前驱和后继知识点。树中的每一个知识点都被赋予唯一的编码，方便了知识点的查询、增加和删除。学习者在学习某一知识点时，ITS可以很容易的对其进行前驱知识测试和后继知识提示。根据Web日志挖掘出的频繁访问路径[8]，调整知识树结构，形成适应网络学习的知识点关系网络和导航。
（2）学习资源模型
学习资源的媒体类型分为：文本、图形(图像)、音频、视频、动画五大类。
很有发展潜力