论文文档格式.docx

论文文档格式.docx

《论文文档格式.docx》由会员分享，可在线阅读，更多相关《论文文档格式.docx（43页珍藏版）》请在冰豆网上搜索。

1.1研究背景和意义

随着网络技术的飞速发展和广泛应用，互联网作为一种快捷、高效的信息获取手段和通讯交流平台，已经逐步深入到了人们的工作、生活和学习中。

网络教育也已成为人们接受继续教育和进行终身学习的重要形式，成为构建终身教育体系和学习型社会的基础和平台。

网络教育不受教学时空的限制，学习者可以通过网络，根据自身条件和需要选择学习内容和学习方式，自主安排学习进程，获得所需要的各种多媒体教学资源和学习指导，还可以与其他学习者或教师进行交流，实现教学互动和协作化学习。

传统的网络教学方式已经不能无法满足用户的需要，因此，研究具有智能性的网络教学系统是目前发展的主要趋势。

把智能技术和网络教学技术相结合，从某种意义上能改变传统的教学方式，并对教育理念的发展也起了推动作用。

具有智能性的网络智能教学系统能自动适应学习者的学习需要，为其提供个性化的教学方式，有效地提高学习效率，必将成为今后网络教学发展的必然方向。

现在现有的一些智能教学系统[1-7]对于学习者的基本教学要求都可以实现，但是仍然存在着一些问题，其主要体现在：

（1）系统缺乏个性化，教学过程主要通过呈现教学材料为主；

（2）系统采用超文本的方法组织教学材料，提供的知识点之间关联性少，容易使学习者在学习过程中出现迷航现象，从而导致偏离学习目标。

（3）系统的智能性较低，不能针对学习者的个体差异性而提供个性化的学习方式和学习内容。

（4）系统的测试评测能力不强，不能对学习者的学习情况做出评价和反馈。

（5）系统中学习者与教师、学习者与学习者之间的交流和互动不足。

鉴于以上大部分教学系统所存在的问题，以个性化相关学习理论为指导，本文结合Agent技术，构造了一个基于Agent的个性化网络教学系统模型。

该模型利用Agent技术对学习者的学习形为进行动态跟踪，并对学习者的学习能力进行分析，有针对性的采用一定的策略对学习者实施个性化教学或引导，实现学生的个性化学习和教师的智能化教学。

将Agent的智能化思想和网络教学系统相结合，极大地促进了网络教学系统的个性化与智能化，充分调动学习者主体的自主学习兴趣，有效地提高学习者的创新能力，将大大推动网络教育的发展。

1.2国内外研究现状

目前，把Agent技术应用于网络化的教学系统国内外己经进行了多方面的研究，而国外对这方面内容的研究[8-11]较早，其中，美国是研究最为活跃的国家[12]，此外，欧洲[13]、日本、加拿大等国家[14-19]也进行了智能教学系统相关的研究。

他们的研究工作主要在大学和军方进行，像美国的一些知名大学，比如Stanford，MIT，Memphis，John-Hopkins，California等都在进行这方面的研究工作，并开发出了一些智能性比较高的教学应用软件，同时创建了内容丰富的智能教学网站。

在国外影响比较大的智能教学系统是Autotutor，它是由教学研究集团开发，该系统在交互界面、教学内容和过程这些方面设计得很全面；

其次还有Memphis大学研究开发的Tutor系统，该系统的研究时间长达15年，能够实现对不同学科的教学，它能够由计算机进行提示或暗示，对学生的问题适当做出反应，还不需要进行多种选择，就能够自动对问题的键入和口头反应进行判断，解释有可能产生的语法或不正确的语言等。

国外对Agent智能代理方面的研究已有多年，但是Agent技术在教育领域方面的应用还处于初级阶段，几个典型的智能代理应用模型有:

（1）w.LewisJohnson等人的研究

美国的w.LewisJohnson等人[20]提出了一个叫做Adele的教学代理，其目的是通过智能代理去监视计算机与学生的交互，适时提供指导和建议，实现了教师与学生之间的交互。

当学生进行网络学习时，在每个学生的电脑上都运行Adele的备份，记录学生的行为，随时掌握学习者的学习情况，并根据需要适当调整教学内容。

目前，Adete的智能代理技术已成功应用到了医学相关的教育课程中。

但w.LewisJohnson等只对Adele智能代理功能进行了描述，没有论及它的结构和社会性。

（2）Evandro和perkusic的多代理学习环境模型

Evandro和Perkusic等人[21]提出了一个多代理学习环境模型，该模型的核心部分包括学习者、界面Agent、教学Agent群和通信Agent四个模块，它定义了各Agent的结构、功能，以及它们之间的通信协议。

该模型定义了多Agent间进行交互式的语法，定义了独立的教学Agent，并为其赋予了强大的功能和复杂的结构，Evandro等人试图把教学Agent设计成具有教学经验和知识的教师，又具有很强对外交流的“社交家”，并且希望每个教学Agent都处于同级的平等地位，很明显，这种定义的复杂性会给系统的实现带来很大的难度。

（3）Jean.FrancoisMorin提出的教学代理模型

Jean.FrancoiSMorin等人[22]提出了一种面向智能代理的模型，把知识分为领域知识和问题解决知识两类，把学生学习的知识分为学习新知识和验证旧知识两类，把教学知识根据知识和学习的不同类型分为四类，也就是四种不同的教学策略，并提出这四种教学策略可以通过教学代理来实现，但遗憾的是论文并没有提出一个完整的智能代理模型以及系统的体系结构，更没有涉及到智能代理系统的具体设计与实现。

相对于国外来说，我国对基于Agent技术的网络教学系统研究起步得比较晚，早期的研究工作主要集中在部分大学和研究机构里进行，并且经过严格测试的应用型系统比较少，大多数都是用来研究和演示用的。

最近几年则发展得比较快，很多科研机构和计算机公司都开始进行智能教学系统的研发，国家教委还成立了专门的研究机构，对智能教学系统在教育中的应用起了积极地推动作用。

国内比较典型的系统有中科院张景中院士主持开发Z+Z智能教学系统，该系统能够实现人机交互，进行智能解题、自动推理和动态作图等功能；

还有首都师范大学王陆教授等研发的“首师大虚拟学习社区智能网络教学支撑平台”，该教学平台能够进行自动推理，推荐学生的个性化学习信息，并具有教学决策和多种教学方式等。

此外，国内还有很多学者也对Agent的教学应用进行了深入的研究，这些都积极推动了网络教学智能化的发展。

然而，Agent作为人工智能技术的一个分支，将它应用于网络教学系统是一个涉及多学科的复杂知识系统，在其发展过程中遇到了比较多的问题，主要体现在：

①系统结构过于复杂，难实现；

②系统的评测功能不强；

③系统缺乏有效的推荐学习；

④系统的各环节的互通共享性不够。

为此，本研究在吸收目前以有网络教学系统优点的基础上，采用目标独立的多代理，交互合作共同实现复杂的功能，并针对目前以有的智能网络教学系统所存在的个性化服务程度、智能化程度较低问题进行的分析与研究。

1.3论文主要研究内容

本文将针对现有网络教学系统进行分析，找出其不足之处，并在保留网络教学系统原有优点的情况下，结合智能代理Agent技术，构造出一个具备一定智能性和自适应性的网络教学系统，提出一个实现个性化教与学的具体方案，并最终实现系统的主要功能，从而以求最终能实现改善现有网络教学系统不足的目的，提高网络教学系统质量。

本文将主要对以下内容进行研究和探讨：

（1）对网络教学系统的发展历史、教学模式现状进行综述，介绍当前先进的教育指导理论，找出现有网络教学系统存在的问题和不足，提出在系统中引入Agent技术提高网络教学系统智能化的必要性。

（2）对Agent智能代理以及相关技术进行分析和研究，提出一种基于Agent的个性化网络教学系统模型，研究系统中的知识表示方法，分析该模型中的管理Agent、学习者Agent、教师Agent、个性分析Agent、作业测试Agent和答疑Agent的结构和功能。

（3）根据网络教学系统的需求，对网络教学系统的具体功能模块进行设计。

（4）通过多种技术手段，结合现代教育理念，对个性化网络教学系统中学习者个性特征的获取、学习情况的跟踪、认知能力的判定、以及学习推荐等功能的进行研究与实现。

1.4论文组织结构

本文共分为六章，具体内容安排如下：

第一章绪论。

主要介绍本课题的研究背景和意义，并对国内外智能代理在教学系统中应用的发展现状进行了阐述，论述了本课题的主要研究内容。

第二章相关理论与技术综述。

主要阐述在网络教学系统中应用教育理念、以及Agent的理论及系统实现所用的相关技术。

第三章基于Agent的个性化网络教学系统的模型设计。

在系统分析的基础上，构造了一个基于Agent的个性化网络教学系统模型，并对系统的知识表示和系统模型中的各个Agent结构和功能进行了详细说明，并对各Agent间的通讯机制进行介绍。

第四章基于Agent的个性化网络教学系统的功能模块设计。

主要介绍系统具体的功能模块，对注册登录模块、学习者模块、教师模块以及管理员模块的功能进行了详细说明，其中主要介绍了学习者模块中的在线课堂子模块。

第五章基于Agent的个性化网络教学系统的实现系统的实现。

介绍实现系统所用的关键技术，以及系统的主要的数据表结构设计，并实现了各功能模块中主要Agent，最后给出了系统的运行界面。

第六章总结和展望。

对本文所做的工作进行总结，指出了本文研究工作中的长处和不足，并对下一步要做的工作进行了初步探讨。

第二章相关理论与技术综述

2.1网络学习相关理论

2.2.1建构主义学习理论

建构主义的思想来源于认知加工学说，以及维果斯基、皮亚杰和布鲁纳等人的思想，他们认为知识并不是真实的客观存在，而是在特定的情境即社会文化背景下，学习者通过自主学习或得到别人的帮助，借助学习资料，通过意义建构的方式获得的。

在网络环境下的教学，由于其环境的特殊，把建构主义学习理论做为网络教学系统的指导思想显得尤为必要。

（1）创设情境。

建构主义学习理论认为学习环境中的情境必须有利于学习者对所学内容的意义建构。

因此，在网络教学系统中，创建丰富的教学资源，通过多媒体的直观情境，充分调动和激发学习者的学习兴趣。

（2）学生是认知的主体。

在网络的特殊环境下，网络教学系统除了提供各种教学资源外，更应注重学习者在使用这些资源学习过程中的认知主体的体现。

（3）教师组织、指导、帮助和促进学习者的学习。

在网络教学系统的设计和开发过程，教师可以灵活地设置各种不同的教学策略，为学习者提供针对性的学习指导，从而更好例学习者更好地、自主完成知识的意义建构；

教师根据教学内容的要求，设计各种类型和难度层次的测试题，让学习者在学习结束后进行自我测试，并对测试结果进行分析，让学习者对所学知识进行巩固和加强。

2.2.2人本主义学习理论

人本主义学习理论以罗杰斯为代表的人本主义心理学家提出的，强调以学习者的自我需要为基石，把学习者自我实现的人格思想作业教学设计的核心，在教学内容与方法的组织中要将情感教育贯穿其中，并注重情意教学与认知教学相结，发展与完善学习者自我潜能。

根据人本主义学习理论的观点，在网络教学系统设计时，要充分的调动学习者的学习主动性，激发学习者探究问题和追求真理的兴趣满足，因此在设计学习和任务时，可以采用分层次进行设计，这样例学习者的学习能更具有目的性和针对性；

其次，人本主义学习理论提出给学习者自由发展的机会，而网络教学系依托网络而存在，学习者可以随时随地通过互联网登录进行自主学习；

人本主义学习理论还认为同伴教学与分组学习是促进学习的一种有效手段，而网络教学系统恰当地提代了一个这样的平台，多学习者用户能在不同的地点，实现共同学习，各学习者学习可以是同步，也可以是异步的。

2.2Agent技术

2.2.1Agent的定义与特点

早在20世纪的70年代，人工智能领域里萌发出了Agent这一概念，在如今这个互联网浪潮高速袭来的大环境里，Agent已经逐渐变为了信息技术领域里一个活跃的要素。

有关Agent概念的描述，不同的学者在不同的背景下也有着不同的理解，因而至今尚未形成一种统一的定义。

而在各种各样的定义里，受到更多认同的是由Wooldridge以及Jennings所给出的“弱定义”和“强定：

“弱定义”主要提出如下的特性:

1）自治性。

Agent在没有人为干预下的工作能力，可以控制自己的状态和行为。

2）社会性。

与其他Agent进行高层对话的通信能力，比如多个Agent之间可以基于一定的通信语言及规则进行通信与交互，进而产生某些操作或行为。

3）反应性。

对外部变化做出及时的感知和响应。

4）主动性。

Agent不仅可以由外部环境的变化产生行为，同样能够自主的进行调整和产生动作来处理问题。

相比之下，Agent的“强定义”在人工智能领域中很常见，不但涵盖了“弱定义”的相关要素，还进一步的将Agent描述为一种智能化、人性化的计算机系统，把某些人类的特点或行为赋予在了Agent的身上。

比较典型的是让Agent拥有知识（Knowledge）、义务（Obligation）、责任（Responsibility）等一些人类身上的属性。

另外，在陆续开展的有关Agent的探究中，各方面的学者还提出了Agent另外的特性：

1）学习以及适应性。

Agent本身能够自主的进行知识的学习，数据的汇总、统计，同时还能够根据环境而调整自身的属性或行为。

2）时间连续性。

不像一般的程序那样有较为明确的运行周期，Agent的执行是可以延续非常长的时间的。

3）推理能力。

Agent能够进行基于知识库的判断、推理等行为。

2.2.2Agent的结构

研究Agent的结构就必须先清楚Agent的功能，Agent的基本功能是从与外界环境的交互中获取信息，然后对信息进行技术处理，最后再反作用于环境[30]。

Agent的基本结构是指Agent由哪些模块组成，它们之间如何交互信息，Agent感知到的信息怎样影响它的行为，用软硬件结合的方式将这些模块组织起来形成一个有机的整体，从而真正实现一个Agent。

在Agent基本结构基础上，Agent可分为反应型Agent、慎思型Agent和混合型（两者复合型）Agent三种结构[31]。

反应型Agent通过传感器接收外界环境信息，根据自己的内部状态整合接收到的信息，修改当前状态，然后基于知识库制定相关规划，形成一系列完成任务或实现目标的动作行为，最后通过效应器再作用于外界环境。

反应型Agent典型的应用有Brookes类型的机器昆虫。

慎思型Agent具有内部推理机制，内部预置一些相关的知识规则，当外界环境驱动某一规则后，Agent针对目标的规划进行逻辑推理、思考，直接调用预置的知识规则，并迅速产生相应的输出。

慎思型Agent主要应用在分布式人工智能领域。

由于反应型Agent按照局部信息做出决策，它是天生的"

短视"

，也体现不出与外界环境多次交互产生的智能性，慎思型Agent没法适应大环境变化。

由此一些学者提出了将两者结合起来的混合型Agent。

在这种结构中，要求Agent具有反应行为能力和欲动行为能力，根据人们对响应时间的要求设置两个结构层次。

高层次对应的是慎思型Agent，负责传统符号A1的处理规划和进行决策；

低层次对应的是反应型Agent，具体负责环境中突发事件的快速响应和应急处理[32]。

因此，开发智能的网络教学系统需要结合学习者特征，从不同角度捕获信息，根据对Agent特征和结构的分析来看，适合运用在系统中，设计出不同任务的Agent使网络教学系统更具有智能性、灵活性。

2.2.3多Agent系统

多Agent系统（MAS）即多个协同合作的Agent根据一定的体系架构所构成的一个整体系统。

Agent之间通过彼此间的消息通讯、协商等进行合作，以达到协同完成任务的目的。

在整个系统中，各Agent都是相互独立的，又由于各自有其分工，各个Agent都需要根据系统的组织与规划执行操作，从而构成一个群集活动的系统。

多Agent系统的特性如下所示：

1）高层次的交互。

MAS不但能够表示常见的C/S模式的关系模式，还能够表示更为繁杂的社会网络模式:

合作、协调，而面向Agent的交互则为一种偏柔性的、结合执行过程中对环境的反应而产生的交互。

2）各Agent间结构关系复杂。

鉴于Agent能够表示个体以及集体，因而多Agent系统一般都是表示一个组织体系，同时各Agent的关系也能够反应出组织者相应的关系。

3）数据、控制、资源的分布性。

由于MAS本身结构的特性，其适用的情况主要是多个独立的个体或集体通过交互与协作而共同完成一项任务或者协助解决各自的任务的情况。

在应用当中，各个独立的个体与集体的有关资源在物理或逻辑上是分离的、分布式的。

因而从MAS的特性不难看出，多Agent系统对于动态车辆调度这类分布式问题的求解是十分符合要求的。

多Agent系统根据其组织结构的不同，通常被划分为分布式结构、集中式结构以及混合式结构三种类别。

2.4本章小结

本章主要对网络教学系统的指导思想：

建构主义学习理论和人本主义学习理论进行了阐述，并对Agent技术进行了详细的研究与探讨。

第三章基于Agent的个性化网络教学系统的模型设计

3.1需求分析

3.1.1系统分析

随着科学技术的高速发展和计算机网络的普及，网络已经成为人们生活中不可缺少的一部分，通过网络进行学习也成了一种新的获取知识的手段。

人们可以在任何时间和地点，使用任何能连上互联网的通信设备（如PC机、平板电脑、智能手机等）进行网上学习，非常方便快捷。

然而，在网络环境下进行的学习，由于学习者和教师所处不同的空间，不能面对面进行交流，当学习者遇到学习困惑时，他们希望能通过一定的方式与教师