基于MAS的在线测试系统研究

苏频

摘要：随着agent技术的不断研究和发展，agent领域的理论正逐步应用于教学过程中。在分析在线测试特点的基础上，结合多Agent技术，提出了基于MAS的在线测试系统。讨论了各Agent的功能，介绍了基于MAS的在线测试系统的系统组成和工作流程。分析表明该模型具有良好的灵活性和智能性。

关键词：agent； MAS（multi-Agent system）；在线测试

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）17-4044-03

Research on On-Line Testing System Based on Multi-Agent

SU Pin

（Changzhou Institute of Technology ， Changzhou 213000， China）

Abstract： With the development and improvement of AI technology， theories in these fields are gradually applied to teaching process. A on-line testing system based on multi-Agent is structured after analyzing the characteristic of on-line testing. Each agents function are discussed. Composition and workflow of the system are introduced. The analysis shows that the model is flexible and intelligent.

Key words： agent； multi-Agent system； on-line testing

随着网络技术的不断发展和计算机技术的不断应用，网络在人们的生活中发挥着越来越重要的作用。未来的教育呈现多元化， 网络化则是一个重要的发展趋势。网络教学正逐步在学校教学中得到推广和应用。人们利用现代教育技术手段开发了许许多多的网络教学平台，网络在线测试就是网络教学平台的一个重要组成部分。网络在线测试具有公正、准确、快速、便捷等优点，同时网络在线测试方式也顺应了当前节能减排的国际大趋势。

但目前的绝大部分在线测试系统还有待完善， 特别是系统缺乏智能评价及智能导航。经过对目前已发行的在线测试系统的调研， 我们发现绝大部分系统在测试结束后只能简单地统计考试结果， 不能根据每一个学生的具体情况给出有针对性的意见。

针对以上问题，该文提出了一种基于MAS（Multi-Agent Syetem）的在线测试系统的模型，主要面向Internet的在线测试服务。该模型利用MAS技术，结合学生的测试情况，挖掘学生潜在的学习能力，在各个Agent 的协调工作下，完成学习能力分析、归纳和聚类，为学生提供个性化的测试，促使学生更好地掌握知识点。

1 Agent技术

1.1 Agent概念

Agent的概念源自于人工智能（Artificial Intelligence，AI）学科，上世纪50年代，人工智能创始人之一麦卡锡就初步提出了Agent思想。上世纪70年代末，伴随着分布式人工智能理论的产生，Agent理论逐渐引起人们的重视，越来越多的学者开始研究。进入20世纪90年代，Agent理论得到了进一步的发展。通常认为Agent 应具有知识、目标和能力。。Agent一般具有以下特点：

1）自治性。 2） 感知能力和反应性。3） 通信能力。 4） 合作协调能力。 5） 自适应性。

1.2 多智能体系统（Multi-Agent System， MAS）

Mas系统是目前分布式人工智能研究的一个前沿领域，它主要研究如何协调系统中的各个Agent的行为使其协同工作[1] 。MAS系统是指一个为了完成某些任务或者达到某些目标，由多个Agent构成进行协同工作的计算机系统。它可由若干同构的或者异构的Agent组成。

多Agent系统一般具有以下特点：

1） 每个Agent拥有解决问题的不完全的信息或能力；

2） 没有系统全局控制；

3） 数据和知识是分散的；

4） 处理是异步的；

5） Agent是异质的、分布的；

6） 系统是开放的。

多Agent系统适合于复杂的、开放的分布式系统[2-3] 。

MAS 的特性特别适合处理像Internet 这样规模庞大的、分布式的、具有异构性、动态性和自主特性的系统，有关智能体（Agent）的理论和技术已被广泛应用[4- 8]，

1.3 MAS的通信

在多智能体系统中， Agent 间通信[9-11]方法： 1） 直接通信； 2） 基于协调和管理控制Agent 间联盟的通信； 3） 基于黑板的通信。

KQML 分为三层：内容层、消息层和通信层。

KQML的语义动作集是可扩充的，允许人们按照KQML的规则自己定义新的语义动作及其意义、用途。

2 基于MAS的在线测试系统模型构建

2.1基于MAS的在线测试系统结构模型

在以往传统的B/S结构体系基础上中间加入一个多Agent代理层， 形成了B/MAS/S的三层结构模型， 利用Agent具有自主学习能力和对外界事物的反应能力，负责客户端和服务器之间的沟通。后台服务器层数据库包括学生信息库、试题库等，试题库包含基本的试题资料。教师用户可以定时更新试题库。系统的MAS体系结构是由管理Agent、教师Agent、学生Agent、测试Agent、评价Agent等多个 agent构成，结构如图1所示。endprint

管理Agent负责对其它Agent进行管理， 实时掌握其他各个Agent的工作情况，定期收集各个Agent的工作状态情况， 以确保各个Agent的正常工作和运行， 它是整个多Agent结构的关键。管理Agent在系统初始化时由系统创建。

教师Agent：负责处理与教师有关的教学活动。教师Agent可以代替教师完成对学生测试过程的监测， 修改试题库。教师用户可以选择教学管理和学习指导两种方式。如果选择教学管理， 教师Agent生成教学管理界面， 进行教学资料和教学资源的收集，并将资料存入数据库中。

学生Agent：主要负责记录学生的一些基本信息（如，姓名、登录时间等）和学习状态信息（如：测试完成时间、测试难易程度、测试成绩等）。进入学习状态， 学生Agent首先给出该用户最近一次测试情况的反馈， 包括最近一次测试并通过的知识点名称。学生进行在线测试时，可任意选择一种试题难度等级（初级、中级、高级）的测试题进行测试，学生Agent向管理Agent发出请求测试消息， 测试Agent就根据学生所选择的难度等级和知识点的名称从试题库中抽题分发给学生，学生完成答题并提交答案后， 评价Agent进行阅卷， 并将测试的内容信息记录到数据库中。

评价Agent：通过测试Agent接收学生Agent的测试结果，在知识库的基础上利用Agent的学习和推理机制，对学生Agent 提供的结果进行评价，分析学生的学习能力。并且可以接受测试Agent的要求，根据学生的学习能力记录，预测学生的理解能力和应用能力，并提交给测试Agent。

测试Agent：问题是学习中的关键性指标，设计测试问题是非常重要的。测试Agent与评价Agent交互。利用Agent的推理机制，通过分析学生Agent的现有水平从试题库中产生合适的试题。

2.2 基于MAS在线测试系统工作过程

基于MAS在线测试系统的特点就是学生是测试的主体，系统初始化用户登录， 管理Agent先进行用户注册、验证身份。学生通过界面Agent进行身份登录，如果是首次登录则生成一个学生Agent并记录该学生的基本情况，如果不是第一次登录则从系统中查询到该学生Agent的相关基本信息；接下来，测试Agent根据该学生Agent的现有能力等成相应的问题。学生开始测试，如果答题情况较好， 题目难度便会逐渐加深； 反过来， 题目的难度会降低， 以符合测试者的真实水平。测试结束后，评价Agent根据学生Agent提交的答案进行分析，同时给出正确答案和测试过程中在应注意的问题。过程如图2所示。

2.3 基于MAS在线测试系统特点

1） 开放性。多Agent在线测试系统不再受时间、地点的限制，学生都可以在随时、随地通过网络自由进行测试。友好的测试界面，丰富的题库激发学生的学习兴趣。

2） 针对性强。测试Agent能够记录学生的基本情况和学习水平信息，根据测试者的以往记录， 判断出他们的真实水平， 及时调整测试难度，在测试阶段根据答题情况继续出题， 及时调整进度， 最大限度地挖掘测试者的潜力。让测试者感觉循序渐进，针对性强，能更好地掌握知识点。

3） 维护性强。多Agent系统中， 每个Agent是一个自治实体，各Agent是相互独立而又由Agent 通信语言彼此联系的， 易于维护和扩充。

3 结束语

网络教学是社会发展的需要，其中在线测试能有助于学习者及时准确地了解自己的学习情况 而人工智能（ 特别是Agent技术） 的兴起又恰恰提供了一种新的有效手段来不断改进传统的测试方法。该文在分析在线测试特点的基础上，构建了管理Agent、学生Agent、教师Agent、测试Agent和评价Agent等多个 agent，提出了一个基于多 agent 的在线测试系统。该系统是一个开放的、智能的、针对性强的测试系统，能够很好地满足各个层次的学生的学习要求。该文仅提出一个构建的基本框架，具体的实现还需要进行进一步的研究，而多Agent 理论和技术的研究正得到越来越多学者的重视，前景非常广阔。智能在线测试将是今后校园在线测试发展的必然趋势。

参考文献：

[1] 伍尔德里奇.多Agent 系统引论[M].石纯一，译. 北京：电子工业出版社，2003.

[2] 涂序彦.人工智能及应用[M].北京：电子工业出版社，1988.

[3] 涂序彦.智能管理[M].北京：清华大学出版社，广西科技出版社，1995.

[4] 赵卫东.基于MAS 的个性化信息检索系统的设计[J]. 现代电子技术，2008（12）：72-74

[5] 余正涛，宋丽哲，樊孝忠.基于本体的个性化领域信息服务[J].计算机工程，2005，31（5）：21-24.

[6] KM Kim， JH Hong， SB Cho. A semantic Bayesian network approach to retrieving information with intelligent conversational agents[J].Information Processing &Management. 2007， 43（1）：225- 236.

[7] Sycara K. Distributed intelligent agents[J].IEEE Expert.1996， 11 （5）：36- 46.

[8] Sliwko L， NT Nguyen.Using multi-agent systems and consensus methods for information retrieval in internet[J].International Journal of Intelligent Information and Database Systems，2007， 1（2）：181- 198.

[9] 史忠植.高级人工智能[M].北京：科学出版社，1998.

[10] 张荣梅.智能决策支持系统研究开发及应用[M].北京：冶金工业出版社，2003.

[11] 张士杰，郭宏伟.多代理系统的通信技术及其应用[J].计算机应用研究，2002（6）：15-20.endprint

管理Agent负责对其它Agent进行管理， 实时掌握其他各个Agent的工作情况，定期收集各个Agent的工作状态情况， 以确保各个Agent的正常工作和运行， 它是整个多Agent结构的关键。管理Agent在系统初始化时由系统创建。

教师Agent：负责处理与教师有关的教学活动。教师Agent可以代替教师完成对学生测试过程的监测， 修改试题库。教师用户可以选择教学管理和学习指导两种方式。如果选择教学管理， 教师Agent生成教学管理界面， 进行教学资料和教学资源的收集，并将资料存入数据库中。

学生Agent：主要负责记录学生的一些基本信息（如，姓名、登录时间等）和学习状态信息（如：测试完成时间、测试难易程度、测试成绩等）。进入学习状态， 学生Agent首先给出该用户最近一次测试情况的反馈， 包括最近一次测试并通过的知识点名称。学生进行在线测试时，可任意选择一种试题难度等级（初级、中级、高级）的测试题进行测试，学生Agent向管理Agent发出请求测试消息， 测试Agent就根据学生所选择的难度等级和知识点的名称从试题库中抽题分发给学生，学生完成答题并提交答案后， 评价Agent进行阅卷， 并将测试的内容信息记录到数据库中。

评价Agent：通过测试Agent接收学生Agent的测试结果，在知识库的基础上利用Agent的学习和推理机制，对学生Agent 提供的结果进行评价，分析学生的学习能力。并且可以接受测试Agent的要求，根据学生的学习能力记录，预测学生的理解能力和应用能力，并提交给测试Agent。

测试Agent：问题是学习中的关键性指标，设计测试问题是非常重要的。测试Agent与评价Agent交互。利用Agent的推理机制，通过分析学生Agent的现有水平从试题库中产生合适的试题。

2.2 基于MAS在线测试系统工作过程

基于MAS在线测试系统的特点就是学生是测试的主体，系统初始化用户登录， 管理Agent先进行用户注册、验证身份。学生通过界面Agent进行身份登录，如果是首次登录则生成一个学生Agent并记录该学生的基本情况，如果不是第一次登录则从系统中查询到该学生Agent的相关基本信息；接下来，测试Agent根据该学生Agent的现有能力等成相应的问题。学生开始测试，如果答题情况较好， 题目难度便会逐渐加深； 反过来， 题目的难度会降低， 以符合测试者的真实水平。测试结束后，评价Agent根据学生Agent提交的答案进行分析，同时给出正确答案和测试过程中在应注意的问题。过程如图2所示。

2.3 基于MAS在线测试系统特点

1） 开放性。多Agent在线测试系统不再受时间、地点的限制，学生都可以在随时、随地通过网络自由进行测试。友好的测试界面，丰富的题库激发学生的学习兴趣。

2） 针对性强。测试Agent能够记录学生的基本情况和学习水平信息，根据测试者的以往记录， 判断出他们的真实水平， 及时调整测试难度，在测试阶段根据答题情况继续出题， 及时调整进度， 最大限度地挖掘测试者的潜力。让测试者感觉循序渐进，针对性强，能更好地掌握知识点。

3） 维护性强。多Agent系统中， 每个Agent是一个自治实体，各Agent是相互独立而又由Agent 通信语言彼此联系的， 易于维护和扩充。

3 结束语

网络教学是社会发展的需要，其中在线测试能有助于学习者及时准确地了解自己的学习情况 而人工智能（ 特别是Agent技术） 的兴起又恰恰提供了一种新的有效手段来不断改进传统的测试方法。该文在分析在线测试特点的基础上，构建了管理Agent、学生Agent、教师Agent、测试Agent和评价Agent等多个 agent，提出了一个基于多 agent 的在线测试系统。该系统是一个开放的、智能的、针对性强的测试系统，能够很好地满足各个层次的学生的学习要求。该文仅提出一个构建的基本框架，具体的实现还需要进行进一步的研究，而多Agent 理论和技术的研究正得到越来越多学者的重视，前景非常广阔。智能在线测试将是今后校园在线测试发展的必然趋势。

参考文献：

[1] 伍尔德里奇.多Agent 系统引论[M].石纯一，译. 北京：电子工业出版社，2003.

[2] 涂序彦.人工智能及应用[M].北京：电子工业出版社，1988.

[3] 涂序彦.智能管理[M].北京：清华大学出版社，广西科技出版社，1995.

[4] 赵卫东.基于MAS 的个性化信息检索系统的设计[J]. 现代电子技术，2008（12）：72-74

[5] 余正涛，宋丽哲，樊孝忠.基于本体的个性化领域信息服务[J].计算机工程，2005，31（5）：21-24.

[6] KM Kim， JH Hong， SB Cho. A semantic Bayesian network approach to retrieving information with intelligent conversational agents[J].Information Processing &Management. 2007， 43（1）：225- 236.

[7] Sycara K. Distributed intelligent agents[J].IEEE Expert.1996， 11 （5）：36- 46.

[8] Sliwko L， NT Nguyen.Using multi-agent systems and consensus methods for information retrieval in internet[J].International Journal of Intelligent Information and Database Systems，2007， 1（2）：181- 198.

[9] 史忠植.高级人工智能[M].北京：科学出版社，1998.

[10] 张荣梅.智能决策支持系统研究开发及应用[M].北京：冶金工业出版社，2003.

[11] 张士杰，郭宏伟.多代理系统的通信技术及其应用[J].计算机应用研究，2002（6）：15-20.endprint

管理Agent负责对其它Agent进行管理， 实时掌握其他各个Agent的工作情况，定期收集各个Agent的工作状态情况， 以确保各个Agent的正常工作和运行， 它是整个多Agent结构的关键。管理Agent在系统初始化时由系统创建。

教师Agent：负责处理与教师有关的教学活动。教师Agent可以代替教师完成对学生测试过程的监测， 修改试题库。教师用户可以选择教学管理和学习指导两种方式。如果选择教学管理， 教师Agent生成教学管理界面， 进行教学资料和教学资源的收集，并将资料存入数据库中。

学生Agent：主要负责记录学生的一些基本信息（如，姓名、登录时间等）和学习状态信息（如：测试完成时间、测试难易程度、测试成绩等）。进入学习状态， 学生Agent首先给出该用户最近一次测试情况的反馈， 包括最近一次测试并通过的知识点名称。学生进行在线测试时，可任意选择一种试题难度等级（初级、中级、高级）的测试题进行测试，学生Agent向管理Agent发出请求测试消息， 测试Agent就根据学生所选择的难度等级和知识点的名称从试题库中抽题分发给学生，学生完成答题并提交答案后， 评价Agent进行阅卷， 并将测试的内容信息记录到数据库中。

评价Agent：通过测试Agent接收学生Agent的测试结果，在知识库的基础上利用Agent的学习和推理机制，对学生Agent 提供的结果进行评价，分析学生的学习能力。并且可以接受测试Agent的要求，根据学生的学习能力记录，预测学生的理解能力和应用能力，并提交给测试Agent。

测试Agent：问题是学习中的关键性指标，设计测试问题是非常重要的。测试Agent与评价Agent交互。利用Agent的推理机制，通过分析学生Agent的现有水平从试题库中产生合适的试题。

2.2 基于MAS在线测试系统工作过程

基于MAS在线测试系统的特点就是学生是测试的主体，系统初始化用户登录， 管理Agent先进行用户注册、验证身份。学生通过界面Agent进行身份登录，如果是首次登录则生成一个学生Agent并记录该学生的基本情况，如果不是第一次登录则从系统中查询到该学生Agent的相关基本信息；接下来，测试Agent根据该学生Agent的现有能力等成相应的问题。学生开始测试，如果答题情况较好， 题目难度便会逐渐加深； 反过来， 题目的难度会降低， 以符合测试者的真实水平。测试结束后，评价Agent根据学生Agent提交的答案进行分析，同时给出正确答案和测试过程中在应注意的问题。过程如图2所示。

2.3 基于MAS在线测试系统特点

1） 开放性。多Agent在线测试系统不再受时间、地点的限制，学生都可以在随时、随地通过网络自由进行测试。友好的测试界面，丰富的题库激发学生的学习兴趣。

2） 针对性强。测试Agent能够记录学生的基本情况和学习水平信息，根据测试者的以往记录， 判断出他们的真实水平， 及时调整测试难度，在测试阶段根据答题情况继续出题， 及时调整进度， 最大限度地挖掘测试者的潜力。让测试者感觉循序渐进，针对性强，能更好地掌握知识点。

3） 维护性强。多Agent系统中， 每个Agent是一个自治实体，各Agent是相互独立而又由Agent 通信语言彼此联系的， 易于维护和扩充。

3 结束语

网络教学是社会发展的需要，其中在线测试能有助于学习者及时准确地了解自己的学习情况 而人工智能（ 特别是Agent技术） 的兴起又恰恰提供了一种新的有效手段来不断改进传统的测试方法。该文在分析在线测试特点的基础上，构建了管理Agent、学生Agent、教师Agent、测试Agent和评价Agent等多个 agent，提出了一个基于多 agent 的在线测试系统。该系统是一个开放的、智能的、针对性强的测试系统，能够很好地满足各个层次的学生的学习要求。该文仅提出一个构建的基本框架，具体的实现还需要进行进一步的研究，而多Agent 理论和技术的研究正得到越来越多学者的重视，前景非常广阔。智能在线测试将是今后校园在线测试发展的必然趋势。

参考文献：

[1] 伍尔德里奇.多Agent 系统引论[M].石纯一，译. 北京：电子工业出版社，2003.

[2] 涂序彦.人工智能及应用[M].北京：电子工业出版社，1988.

[3] 涂序彦.智能管理[M].北京：清华大学出版社，广西科技出版社，1995.

[4] 赵卫东.基于MAS 的个性化信息检索系统的设计[J]. 现代电子技术，2008（12）：72-74

[5] 余正涛，宋丽哲，樊孝忠.基于本体的个性化领域信息服务[J].计算机工程，2005，31（5）：21-24.

[6] KM Kim， JH Hong， SB Cho. A semantic Bayesian network approach to retrieving information with intelligent conversational agents[J].Information Processing &Management. 2007， 43（1）：225- 236.

[7] Sycara K. Distributed intelligent agents[J].IEEE Expert.1996， 11 （5）：36- 46.

[8] Sliwko L， NT Nguyen.Using multi-agent systems and consensus methods for information retrieval in internet[J].International Journal of Intelligent Information and Database Systems，2007， 1（2）：181- 198.

[9] 史忠植.高级人工智能[M].北京：科学出版社，1998.

[10] 张荣梅.智能决策支持系统研究开发及应用[M].北京：冶金工业出版社，2003.

[11] 张士杰，郭宏伟.多代理系统的通信技术及其应用[J].计算机应用研究，2002（6）：15-20.endprint