学术论文 | Agent技术及其在网络教育中的应用研究



教育的智能化一直是教育领域的理想和目标。在Agent被应用于教育领域以后,由于其智能性可以针对每一个教学对象的水平、学习内容、学习中遇到的难点、学习的动机等一系列的特征,采取不同的教学方式,提供不同的教学资源,做到对每一个学习者的教学资源和过程都不尽相同。学习者的Agent就成为了每一个学习者的“私人教师”。


Agent技术及其在网络教育中的应用研究

秦   健

(陕西师范大学教育技术系)

吴战杰

(陕西师范大学教育技术系)


 [摘要]Agent是人工智能和计算机软件领域的一种新兴的技术。尤其在网络中的应用有很大的优越性。本文探讨Agent技术以及在网络教育中的应用,并提出了基于Agent的两种网络教学模式。分析了Agent技术给网络教育带来的新的特点。

 [关键词]Agent;网络教育;网络教育模式


引言

教育的智能化一直是教育界和教育技术领域的理想和目标。网络教学出现以后,新的教育理论呼之欲出,但在现有的技术支持下,教育理论的实现是极为渺茫的,导致了现阶段的网络教育出现了很多的尴尬,教学效果不尽人意。网络教育是人一机一人交互的过程,在这一过程中,如何提高网络和计算机的智能化程度是目前教育技术领域的一个重大课题。人工智能领域中的Agent技术的出现,为实现这一目标提供了良好的契机。

1

Agent技术简介

1

历史与概念

Agent并不是一个新的概念。1977年Hewitt提出了“演员”(自包容的、交互的、并发执行的对象)的概念,是Agent的雏形。经过二十几年的发展,Agent逐步成为AI(人工智能)及其他计算机领域内的一个重要研究课题 。

目前Agent技术的研究领域非常广泛,包括了Mobile code(移动代码)、Intelligent routers(智能路由器)、Web search tools(网络搜索工具)、Robots(机器人)、Interface(接口技术)等计算机科学的各个领域,因此Agent的概念有很多的版本。Wooldridge和Jennings在1995年提出了目前较权威的Agent定义,获得了计算机领域专家的普遍认同。此定义包括了两个子定义:

弱定义 Agent是一个基于软件(在较多情况下)或硬件的计算机系统,它拥有以下特性:自治性、社会能力、反应性和能动性。

强定义 Agent在弱定义的特性基础上,还要包括情感等人类的特性 。

Agent是一个具有自治能力的实体,这个实体是一个由软件或硬件支持下的系统。一般以软件为多,也是当今研究的热点。这种软件能够在目标的驱动下采取社交、学习等行为对环境的变化作出主动的反应,完成特定的任务。国内有学者把Agent译成由多种智能品质构成的有机整体一一“智能体”,比较好地表达了Agent所包含的内容。

2


Agent的特点

Agent的特点主要包括自主性、进化性、协作性、通信性、移动性等。

(1)自主性(自治性) 

自治性是Agent的根本特性。Agent在行为上有自主能力。Agent被初始化以后,不需要用户干预,可以自主地作出某种决定。

(2)反应性   

反应性是指Agent能对感知和作用其所在的环境,对环境(可能是用户、程序、其他Agent或以上的组合)的改变及时地作出反应。

(3)协作性(社会性)

Agent具有相互协作的能力。这是MAS( Multi一Agent System)系统顺利工作的关键。Agent相互之间存在各种影响和冲突,Agent应该具有通过协商解决这种冲突的能力。

(4)进化性(学习性)

Agent是一个开放的系统。随着与环境和用户之间的交互作用,Agent能够主动适应环境,扩充自身的知识。

(5)通信性

Agent之间能够进行信息交换。通信既保证了Agent之间的相互交流,又不至于影响Agent的独立性,且有助于提高Agent的内聚力,防止相互之间的耦合。在MAS系统中,Agent的通信性是相互协作、协商的基础。 

(6)移动性

从严格意义上说,移动性只是一部分Agent的特性。所谓的移动性指Agent可以在任何状态下(包括在运行过程中)从一个节点移到一个新的节点上,并维持原有的运行状态。Agent把代码和数据封装在一个线程中。

3


单Agent结构

从结构上分析,一般把单Agent分为慎思型A-gent( deliberative Agent反应型Agent( reactive A-gent)和混合型Agent 。   

(1)慎思型Agent(deliberative  Agent)由于采用了传统的人工智能方法而受到了研究人员的青睐,Agent成为目前研究的热点。慎思型Agent是指A-gent必须具有主体应有的意识状态(intentional stance),如信念、期望、意图、承诺等。基于这种思想,澳大利亚学者Rao和Georgeff提出了BDI( b elief-desire- intention,即信念一期望一意图)模型有学者给出了BDI模型结构如图1所示:

慎思型  Agent,体系结构中,信知数据库是一些现实世界的事实和知识,是完成智能功能的基础;规划数据库是关于执行的动作或反应规划的组合;解释器是对规划数据库中选择合适的规划放入意图结构(受动器完成),并对整个系统进行管理;通过用户接口和传感器感知外界事实,调整信知数据库。

(2)反应型  Agent( reactive Agent)强调交互作用,支持者认为Agent不需要某一个领域的信知数据,可以通过和外界的交互以及对环境的感知而自我进化提出了“感知一动作”模型在反应速度方面有很好的表现.

( 3)混合型  Agent,从以上对两者进行了折中可以看出,慎思型Agent智能程度较高,灵活性好,但是反应速度较慢,类似于传统的专家系统;而反应型Agent则正好相反,反应较快,交互性能较好,但智能程度有所不如。混合型既要有信知数据,以提高智能性,又要求较好的交互和自我进化能力,逐步成为研究的热点。    

4


多Agent系统(M  A  S) 

单个的Agent对问题的解决能力有限,这就导致了多Agent系统的出现MAS通过通信使若干个Agent成为一个整体,问题求解能力大为提0单个的Agent保持独立完成某一问题的求解的能力,多个Agent相互协助以完成更复杂的问题求解。MAS是一个并行的、异步的、智能的分布式系统。

智能化和Agent本身的可移动性使MAS适应当前的网络环境。它在电子商务、搜索工具等领域已经取得了较好的成绩,有不少成功的案例。


2

基于Agent

网络教学的两种模式


随着网络教育研究的不断深入,原有的教育理论有了新的发展。认知理论、建构主义等教学理论被引入了网络教育中,各种教学方法层出不穷。但一些教育的理论由于技术的原因,没有转化为教育行为。目前的网络教育课程很大程度上是把传统的教育课程搬到了网上,原有的教育体系中一些好的方面没有被继承和发扬。在网络教学中,教学方式单一,教学内容没有很好的针对性,对于学生的关心程度几乎为零。

Agent技术的引入,有望较好地解决这些存在的问题。针对教学内容和教学条件的差异,笔者设计了基于Agent的网络教学的两种模式——集中模式与分布模式        

1

分布式

图2是基于Agent分布式网络教学模式框图。

本模式把整个教学分成三个层次,分别为监督指导层、资源层、学习层,通过Internet或局域网连成整体。监督层的主要作用是监督学习者的学习情况,并对整个教学资源和过程作宏观的调控;资源层为学生的学习和教师的工作提供相应的资源保障;学习层主要为学习者建立一个良好的学习资源和环境。

下面是各个Agent及相关部分的功用和相互的关系:

(1)教师或指导Agent:

这是教师与整个教学体系的接口。通过这个Agent,教师或其他的指导人员可以较好地实现与整个教学系统的交互,对教学的过程进行相关的指导和监控。Agent可以主动地从学生特征数据库中获得各个学习者相关学习情况的纪录,了解各个学习者的学习状况,通过与某个学生的控制Agent和讨论Agent,对相关学习者作有针对性的指导,并对总资源Agent中的学科专业知识库进行干预和调整。

(2)管理Agent:

主要是对整个的教学情况作宏观的调控。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。

(3)总资源Agent:

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本专业的最大的资源数据,有相关的课程或课程框架(指包含教学过程、教学方法、教书步骤等,而没有教学的具体内容)可供课程生成Agent选择。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。

(4)学生特征数据库:

记录每一个学习的特征。这些特征主要包括基本特征和学习特征。基本特征主要是学习者的基本个人资料,如姓名、年龄、学号等;学习特征则是对学习者学习情况的记录,包括学习的时间、次数、内容、学习的水平(初始水平,目前水平)、学习者学习能力级别等一系列的学习状况。这些数据通过每一个学生的接口Agent获得。此数据库是进行教学工作的出发点。

(5)讨论Agent:

为学习者的相互协助和讨论提供了一个场所,Agent对讨论的内容进行自主记录、统计,对一些较普遍问题进行汇总,并就这些问题组织主题讨论。这也是教师了解学生、指导学生的一个重要手段。教师可以在一个公平、平等的地位与学生进行交流,从而了解一些学生的普遍问题,并根据这些问题可以对教学资源和过程进行调整。

(6)接口Agent:

是学习者与整个教学体系的接口。提供人性化的交互界面,完成学习者与整个教学体系的交互。对学习者的特征(如学习内容、学习时间分布,甚至于学习的方式、动机等)进行分析记录,对学习者的要求进行分类,并传递给相关的Agent。总之,此Agent是学习者和教学系统的桥梁。其他的A-gent通过这个Agent获得学习者的特征。

(7)课程Agent:

结合学习者的特征(初始水平、能力、学习中遇到的难点等)以及学习者本身的意愿,从总资源Agent中主动取得相关的课程,对其中的内容进行与学习者特征相符合的重组。或者从总资源Agent取得课程框架,从资源Agent(包括总资源和学生个人的资源)中获得教学的内容和相关的资料,生成适合学习者的教学课程(或叫教学程序)。随着教学过程的进行,根据学习者学习进度和效果调整课程内容和方式。另外一个重要的作用是调节学习的进度,对学习某段内容的课程有一个最大的学习时间限制,以保证学习者在一个最大允许时间范围内完成对整个课程的学习。

(8)资源Agent:

主要为学习者提供有针对性的学习资源。由于总资源Agent是针对所有的学习者,因此教学资源必须有代表性和大众性,对个别学习者的关心必然降低。引入学习者个人的资源Agent,更有针对性地进行学习资源的收集和整理(从总Agent获得,或直接从Internet获得)。

(9)评价Agent:

自动生成测试题,对学习者的学习水平进行评价。学习开始前,进行初始能力的评价,判定学习者已有的学习水平。在学习的过程中,根据学习内容的记录、组卷进行形成性评价,及时地了解掌握学习者的学习进展。在一个阶段的学习完成以后,进行客观的总结性评价。初始能力和形成性评价的根本目的在于为改进课程的模式和内容提供依据,有较强的针对性;而总结性评价则是有客观的标准,对每一个学习者都是公平的。

(10)问题求解Agent:

主要的作用是对学生提出的某些问题进行解答。要求智能化的程度较高,能在其他Agent的帮助下实时给出较为满意的答案。当然对于一些无法回答的问题可以求助于教师。

(11)控制Agent:

学生Agent组是一个有机的整体,各个Agent之间有很强的联系性、协助性,控制Agent的主要作用就是在学生Agent中调节各个A-gent之间的关系,并维护管理各个Agent之间的通讯和协作。在各个Agent之间出现资源冲突或其他矛盾时予以化解。控制Agent的另外一个重要作用是与教师取得联系,使教师较好地了解学生的学习进展情况。

2


集中式

图3是基于Agent集中式网络教学模式框图。

本模式各个部分的功用与分布式基本相同,不同之处在于所有的Agent都是共享的。这样做的好处在于学习者不依赖于某一个特定的机子,可以在任何一台接入Internet的计算机上学习。

3


两种模式的比较

(1)运行方式:

分布式模式需要用户在使用以前下载(或者通过其他的介质)并安装用户端的程序,需要固定的机器,而集中式则就不必。分布式模式把程序的运行任务分担到各个用户机上,从而加强了整个教学体系的处理能力,这样做的好处在于,可以更好地实现Agent的智能性,使每一个学习者的特征都得到足够的重视,每一个学习者的Agent都有很强的针对性;而集中式则在实现智能性的同时强调学习的方便,对学习者学习环境的要求较低,但由于服务器运行能力的限制,Agent的智能性必然受到一定的限制,对每一个学习者的关注程度有一定的下降。

(2)运用领域:

由于两种模式在物理上的差异,两者都有其自身的特长和不足,对于不同的情况就要求采用不同的模式。分布式更适合于规模较大、系统性较强、用户条件较好的课程。比如说目前各个大学开展的网络课程,课程有规模,而且学习者一般都有其独立的计算机,就可以采用这种模式。而分布式的模式则更适合于短期的培训。该模式中课程变动的灵活性更强,比如说各个公司所作的各种培训、在假期中对中小学教师的短期培训等等。

3


基于Agent的

网络教学体系的特点


Agent应用在网络教学中以后,主要的优点有以下几个方面:

1

真正实现网络教育的个别化

目前的网络教育中教育的个别化只是时空上的个别化,而在教学方式和教学内容上没有发生根本变化。网络由于其自身的特点,个别化教育应是其重要的一个优点。但如果只是将课堂教学简单搬上网络,不但没有实现其个别化的特点,反而使传统课堂教学中的优点也被剥夺了。在Agent被应用以后,利用其智能性可以针对每一个教学对象的水平、学习内容、学习中遇到的难点、学习的动机等一系列的特征,采取不同的教学方式,提供不同的教学资源,做到对每一个学习者的教学资源和过程都不尽相同。学习者的Agent组成为每一个学习者的“私人教师”。

2


人性化的交互和教学方式

Agent引入后,教学系统和学习者的交互方式将发生根本的变革。基于Agent的网络课程的根本特点在于对学习者的极大“关怀”。在教学的过程中学生将感受到与以往完全不同的教学气氛,计算机随时地“倾听”学习者的声音,并对教学过程进行调整。

3


强大的自我进化功能

Agent本身的进化功能在引入到教育中以后,其潜力将得到最大程度的发挥。在对每一个学生建立一个属于自己的Agent以后,整个Agent组处在不停的进化过程中。通过与学习者的交互,对学习者的了解日趋深入,使整个的Agent组越来越适合学习者。另外Agent组自身专业领域知识也不断进化,包括资源的数量和资源的质量(从某种意义上是指对学习者的适应性)。

4

对网络资源的有效利用

目前,Internet的资源极大丰富,但是资源的存在方式却是一种无序的、杂乱的状态,只能算是一种信息(information)或者数据(data),而学习者需要的是一种知识(knowledge)。要把这些信息和数据转换成为有用的知识点是一个庞大而复杂的工程。因此在目前的状况下,很多的学习者在利用网络资源的时候,是被“溺死”而不是有效地利用了网络资源。在基于Agent的网络教学体系中,资源Agent将主动地为学习者完成这一过程,网络的信息(information)和数据(data)将变成学习者所需的知识(knowledge)。

5


讨论协作学习的智能化

传统的网络教学中,学习者的交流和协作都是静态的,网络环境只是提供了一个交流的场所。而在基于Agent的网络教学系统中,讨论板块对讨论的问题有总结提炼,并能根据讨论的情况组织专题性的讨论,引导学生作更深入的研究和探讨,发挥协作式学习的优越性。

6


倡导开放式的学习模式,培养学习者的各种能力,有益于素质教育的开展

学习者可以提出自己的问题,或者根据已有的问题,在学习系统的协助下逐步求解,甚至可以对领域内的某一问题作深入的研究探讨。基于Agent的网络学习体系将提供开放的环境、详尽的资源,而不是呆板的学习模式,学习者可以自主地选择学习的重点、学习的方式。在学习的过程中,自身的问题得到逐步的解决,同时解决问题的各种能力也得到提高。

基于Agent的网络课程也有其不足之处,主要是在实现方面有较高的技术要求和资金投入。但随着Agent软件方法可重用性和可扩展性的提高,在不同的课程中只要改变专业知识模块,而整体的框架可重复利用,并加以扩展。相对于现在的一次性课件,从长远的角度来看,投入也并不高。在技术方面,目前已经有不少的商用系统投入使用,效果良好。在教育领域,United States Army War College已经完成人工智能课程的学习Agent,并投入使用。

4


总结


Agent在教育中的应用必将使网络教学呈现一个新的局面,远程教育的智能化水平将得到一个质的提高。我国的网络教育正处在一个发展的初期,教育界、教育技术界以及计算机界如果能在一个较高的起点上研究网络教育,而不是重复别人的技术和劳动,我国的网络教育必将走在世界前列。Agent为我们提供了一个良好的契机。

参考文献

[1]James Hendler. Making Sense out of Agents[J].IEEE Intelligent System, March /April 1999.

[2]Antonio M. Lopez, Jr. James Donlon. Knowledge Engineering and Education[J]. Educational Technology, March- April

2001.

[3]Yannis Labrou,Tim Finin, Yun peng. Agent Communication Languages. The Current Landscape[J].IEEE Intelligent Sys-

tem, March /April 1999.

[4]Ronald R.Yager. Targetd E-commerce Marketing Using Fuzzy Intelligent Agents[J].IEEE Intelligent System, Nov /Dec

2000.

[5]Jennifer Seritzer, James P.Buckley, Yi Pan. INDED: A Distributed Knowledge-Based Learning System[J].IEEE Intelli-

gent System,Sept/Oct 2000.

[6]丁兴富.远程学习圈:构建远程教学与远程学习的基础理论[J].中国远程教育,2001,(7).

[7]丁兴富.教学设计理论和远程教学系统开发[J].中国电化教育,2001,(4).

[8]刘大有,杨鲲,陈建中.Agent研究现状与发展趋势[J].软件学报,2000,11,(2).

[9]聂亚杰,刘大析,马惠玲.Agent的体系结构[J].计算机应用研究,2001,(9).

[10]董红斌,王建华.多Agent技术研究[J].计算机应用研究,1999,(10).

2003年发表于电化教育研究

编辑:罗倩茹


长按二维码关注我们