一种基于移动Agent技术的教学资源建设方法

潘国清

（无锡市广播电视大学，江苏无锡214021）

一种基于移动Agent技术的教学资源建设方法

潘国清

（无锡市广播电视大学，江苏无锡214021）

远程教育教学资源建设中需要重点探究的是推送给用户一个怎样的教学代理（Agent），Agent是基于计算机网络远程教学系统的重要组成部分，作为具有较强自主教学能力的工具，智能化是Agent应具备的一个重要特点。本文提出一种基于移动Agent（Mobile Agent）技术的计算模型——教学Agent（Pedagogical Agent），考虑到网络远程教育要求低带宽和强交互性，使教学Agent具备智能化、较少的网络传输量和异步交互的特点，适用于远程教学系统资源的建设。

移动Agent；远程教学；教学Agent；RDF

一、引言

随着计算机软硬件技术和通信技术的迅猛发展，以网络为载体的网络远程教学有极大的发展空间。计算机辅助教学模拟学生与教师之间的教学活动，弥补了传统远程教学交互性不足的缺点，使通过计算机网络和接入设备进行远程学习的用户不断增加，使用效率不断提高，移动学习、随时随地学习成为可能。但是我国现有网络低带宽、高延时的情况限制了网络远程教学的应用和发展。在现有硬件条件下，希望能借助软件技术缓解这一矛盾，移动Agent技术作为一种新的分布式计算模型可以加以应用。

二、教学Agent的概念

教学Agent是用移动Agent技术开发的一种教学资源实体，图1展示了其基本框架，它综合了教学心理学、认知（思维）科学和行为科学等理论，基于学习者的特性和状态，跟踪学习者特性与状态的变化，自动生成教学信息，调整教学过程和教学策略，具有启发式导学的行为。

图1 教学Agent的结构

移动Agent是在计算机网络中游历，可以在各种类型的主机、工作站和终端上运行的程序代码。教学Agent基于移动Agent技术，它将自己的过程代码、数据、控制状态打包，以消息形式在网络上传播，这种形式使用户无需始终在线，可以异步交互。由于对网络资源要求不高，在窄带网络中也能较好地运行，较适合现有网络状况。

教学Agent是在探索计算机与学生之间一种新的交互方式的过程中，从智能教学系统和智能辅导系统发展而来的，包括学生能与之产生共鸣的人机界面和能够理解某一领域知识并根据特定情况做出响应的人工智能技术。具体实现包括角色引擎、交互界面、模拟辅导、语音图像识别、知识框架、知识库等，包容在一个虚拟环境中。

由于学科知识的交叉，将不同学科知识赋予不同的Agent是很自然的。此外不同的Agent也可以具有不同的行为能力。这些体现了人类的社会智能，使教学Agent更适合开放、动态的运行环境。这些要求的实现是以多个教学Agent间很好地协作为基础的。

三、教学Agent的主要实现模块

1.人机交互界面和教学行为引擎

人机交互界面扮演着授课解疑的角色，是直接与用户接触的模块。它接收、识别用户的输入，提炼、组织知识库中的知识，以合理、清晰的方式将它们提供给用户。传统意义的人机界面在教学Agent中得到了极大地改观，不再是基于简单的人机交互界面（如字符或图形界面等。此类界面的另一个问题往往是操作繁复，有人把它们称作帮助迷宫），而可以是一个生动的角色（如二维或三维的动画仿真角色等，能够提供语音和动作）出现在用户面前，引起用户的学习兴趣，真实、自然地帮助、引导用户自主、动态地进行学习。

在整个学习期间，它一直跟踪、辅助用户，对用户在教学资源使用中可能做出的行为进行分析预测，及时向用户提供有用的可视化演示和提示，给出清晰的解释（有时可能还需要简注后的详注链接）并回答用户提出的问题与用户交互，及时给予反馈，这样符合人类的学习习惯，使用户产生强烈的共鸣。人机界面还有一个经常行为是通过通讯方式（如广播通讯、单独同步或异步通讯等）与其他教学Agent协作，与它们交换信息，扩展系统的功能，满足开放性学习的要求，拓展学习的空间和跨度。

教学行为引擎是能够自适应、自调整的教学行为控制者，它驱动Agent实施教学行为。用户学习行为的形式化表示是它的输入端，它的另一个输入端是知识，输出则是对Agent的驱动力，使Agent实施教学行为。用户学习行为的形式化表示和知识的形式化表示是一个关键，形式化的过程可以看作经验基础的积累和升华。但终究一些内容是不能形式化的。

2.领域知识库

学科领域知识库是教学Agent的核心（数据是核心，这是现代计算机科学界的普遍共识），用于存放传授给学生的课程专业知识和应用课程专业知识求解问题的知识。知识可以通过语义网络、事实、规则等形式表示出来。诊断知识库利用诊断规则分析用户的响应，判断用户的学习状态和系统状态，生成诊断报告，然后反馈给交互界面，或传递给其他功能模块加以处理。对不同用户行为的识别更有利于知识库的更新与优化。

知识库的复用须遵守相同的开发运行协议，知识库的构造技术是现今研究重点，采用XML技术是一个较好的策略，它的可扩展标记很好地描述了数据的特征，使数据具有“智能”，可以实现教学Agent的多项行为要求。“推（push）”技术是可实现教学Agent自主移动的一种技术，其中也用到XML。有几种可用于构造知识库的方法：采用了学习算法的进化模型可以模拟从学习知识（接受学习）、推知知识到知识进化（知识演进）的过程；分形表示法揭示了偶然性背后的必然性，与混沌理论类似，可以用来进行递归，直到获得一个合理的边界：Patri网表示法可以较好地表示并发过程。

笔者采用RDF作为知识的元数据描述框架，用RDF/XML作为知识存储和处理的工具。例如有以下断言：刚被换出的页，很快又被访问，又须将它调入而将另一页换出；而刚被换出的另一页不久又被访问，还需把它调入，如此频繁地更换页面，以致系统的大部分时间花费在页面的调度和传输上，这种现象称为“抖动”。对上述断言进行分析，得到特征模式分析如表所示。

表 “抖动”断言的特征模式

在表的基础上，可以定义“抖动”断言RDF模式,如图2所示。

图2 “抖动”概念的RDF描述

实现表中描述的部分RDF/XML代码为：

＜?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.用户数据库

用户数据库是教学Agent的重要组成部分，它一方面搜集用户基本信息（如姓名、学历等），要能够准确反映用户的智力水平、知识背景和学习能力等，为智能化教学提供依据；另一方面，其数据库中的数据应能通过具有动态调整功能的算法不断进行自主更新，以适应用户的发展。用户数据库的构建一定程度上也可以采用构建领域知识库的方法。

四、教学Agent的行为

教学Agent应当具备教学过程的全部行为能力，包括：讲授、解释、演示、指导提示、提问、评价等。它与传统的电子教室或计算机辅助教学系统最大的区别是：用户在教学环境中自主进行，Agent捕捉用户在学习中的行为进行分析，使教学环境随着用户行为的发生不断进行变化，适应用户的学习进程，并且这一切都是可控制的。此时，教学中心从教师向用户发生了迁移。

设计教学Agent的行为功能是开发的关键，在Agent的所有行为过程中交互动作贯穿始终。设计知识库也是一个细致、漫长的积累过程。演示教学过程不能是演示录像的简单回放，用户应该可以在演示场所中自由移动，从不同角度观看演示，演示的进度由用户控制，可以细化、放大某些细节，观看时可以随时调阅参考资料。解释指导提示是授课的关键环节，在用户学习的全过程中这一行为始终存在，教学Agent需要实时观察用户的学习行为，不断帮助和指导，但同时又不能妨碍用户自主学习，这需要教学经验和教学心理学常识，是教学Agent知识库中动态更新的部分——教学Agent应该能够根据不同用户的知识背景和学习进度动态调整自己的指导行为。面对学生进行提问和回答学生的疑问是对教学Agent提出的较高要求，涉及语音、图像识别和知识动态链接等难点问题。经过一个阶段的学习，要给用户一个阶段评估，因此教学Agent应具有生成评估依据及评估报告的能力，如自动生成试卷或其他评估材料，进行网络考试等。

由于教学Agent运行的环境相当复杂，充满不可知因素，因此要求它有较高的健壮性（robustness，也称为鲁棒性），必须能够协调与其他教学Agent的关系，以连贯的风格管理自己的行为。教学Agent所处的环境就是用户学习的环境，由于用户处理问题的方法不同、熟练程度不同、学习方法不同、兴趣爱好不同，使用户的行为不可预知。教学Agent与用户的交互行为要求教学Agent运行时能始终跟踪用户的行为，实时识别用户的行为（有时甚至是意图，即行为前识别）并给予响应。

五、教学Agent的学习

学习是个动态的过程，自适应学习也是一个动态的过程，它随时间及用户的情况变化而变化。经过一段时间的使用，教学Agent能够记录用户的相关数据以补充、调整和优化用户数据库，提高教学Agent的个性化教学能力。

教学Agent的知识获取主要有两个途径：系统自动获取和向系统设计者、领域专家获取。第一种方式目前的研究进展缓慢，远没有形成一个较好的理论。所以，现在主要采用第二种获取方式。还有一些其他的知识获取方法，如基于粗糙集理论、遗传算法理论等。教学Agent携带常用知识，根据需要与远端领域知识库进行交流，动态更新知识。

六、教学Agent与Client的比较

教学Agent采用Agent技术，其实现、运作模式与当下流行的Client／Server（C/S）模式不同。在典型的C/S模型中，C/S模式是管理与被管理的关系，Client受Server控制，大量的数据要通过网络交互传输给Client端进行操作，而Agent具有智能性和自主性，能独立实施教学行为，可更加灵活地直接在数据源本地机上进行数据挖掘等工作，从而减轻网络传输的负担，如图3所示。

图3 C/S模式与移动Agent的简单比较

笔者提出基于移动Agent技术的教学Agent类课件开发技术，着重描述内容建设方式，教学Agent的很多实现技术，如建立教学Agent知识库、多Agent间的协作、Agent的安全机制、人性化交互界面、试卷自动生成算法、数据压缩技术、声像技术等，还需要进行广泛深入地研究。移动Agent技术是当今学术界的一个热门话题，它与计算机远程教学相结合是很有发展前景的，满足了人们获取知识的愿望，极大地方便了人们的自主学习，代表着未来教学行为发展的一种趋势。☉

[1]杨永齐,符云清,刘莹宇.基于Multi-Agent的个性化远程教育系统研究[J].计算机科学,2007(9).

[2]王春枝.基于多agent的远程协同教育平台研究[J]．通信学报,2006(11).

[3]薛晓明．基于Agent的网络教育学习信息智能分析研究[J]．现代图书情报技术,2005(5).

[4]易雅鑫．RDF数据存储模式研究及实现[J].情报科学, 2007(8).

[5]张月琴.基于移动Agent的网络智能学习系统研究[J].计算机工程与设计,2007(21).

（编辑：杨馥红）

book=26,ebook=8

G250.73

B

1673-8454（2010）13-0026-03