陈自郁[1]2002年在《基于代理的远程教学系统及学生模型的研究》文中研究指明基于Web的远程教育是一种利用网络进行教学的新型网络应用，但是目前大多数基于Web的远程教学系统缺乏智能性和自适应性。而在众多新技术中，Agent技术尤其适合改善远程教学的不足。Agent是一个具有自主能力、交互能力、反应能力和预动能力的软件实体，能代表用户或其它程序，以主动服务的方式完成一组工作。使用Agent技术可以增加教学内容的趣味性和人性化色彩，改善教学效果，增强系统的智能性和自适应性。本文通过分析传统基于Web的远程教学系统模型的不足，提出了一个基于Agent的远程教学系统模型。此模型共分6个模块，每个模块由多个Agent组成的。利用Agent间的协作机制，实现各模块间的知识交换与共享，形成了一个层次结构的多代理系统；利用Agent的智能推理能力，学习学生的个性特点，自适应的生成一个适合学生的教学策略，智能地组织教学环节，引导学生更好的学习，发挥更大潜力。模型的设计思想既发挥了教师的主导作用，又充分体现了学生的认知主体作用。本文所提出的教学系统模型，以学生模型模块最为重要，它是其它模块正常运行的基础。然而目前大多数关于学生模型的研究要么复杂难以实现，要么简单有很少的推理能力，针对这种情况结合作者所参与的远程教育项目，本文提出一个多Agent的学生模型。这个模型包括学生四个方面的特点，每个方面的特点由一个Agent对它进行推理。作者通过改进Sherlock II方法，运用概念图、模糊理论，设计出学生模型中各Agent的不确定推理算法。这些推理方法，不仅有较好的推理能力，而且实现简单。并且本文所提出的方法具有通用性和扩展性。作者把学生模型运用到学生自测系统中，通过测试，得出了一系列表结果，这些结果显示了加入学生模型的自测系统具有自适应性并且能够比较准确地推理出学生的认知水平，证明了学生模型中算法的可行性和正确性。本文所提出的设计方案具有很强的实用价值。
张淼[2]2004年在《基于多Agent的网络适应性学习系统的研究与构建》文中认为随着网络的普及和在各个领域的广泛应用，基于网络的远程教学已经成为教育领域内备受关注的研究课题。本文通过深入调查分析，针对有的网络教学系统缺乏智能性、动态交互功能不强、导航不完善等问题，提出了以适应性学习理论为指导，引入Multi-Agent技术并结合传统单机环境下智能教学系统中的成熟技术，构建基于多Agent的网络适应性学习系统的思想，并在此基础上实现了一个相应的网络教学系统，在个性化、交互性、适应性等方面取得了一些效果。在设计与实现基于多Agent的网络适应性学习系统的过程中，本文主要做了如下几方面的研究工作：① 在系统设计上构建了B／A／S叁层结构，即适应性功能表现层、多Agent系统执行层和数据资源层。这叁层结构体现了适应性学习理论的指导思想和引入Multi-Agent技术并结合传统单机环境下智能教学系统中的成熟技术的开发宗旨。② 采用贝叶斯网络(Bayesian Nets)和粒度层次(Granularity Hierarchies)方法构建了覆盖型学生模型，为知识前测的出题策略和系统的学生适应性学习提供了依据。③ 提出了以完成一次适应性学习任务为目标的多Agent系统并实现了多Agent之间简单的基于FIPA-ACL语言的通信功能。本文所开发的基于多Agent的网络适应性学习系统能够通过知识前测和学习风格测试判断出学生的知识特征和学习风格，并根据学生的知识特征和学习风格为其提供适应性的学习空间。系统从总体上实现了适应性学习，其适应性主要体现为：适应性内容呈现、适应性导航支持、适应性帮助。其中，适应性帮助包括：适应性同伴帮助、适应性教师指导以及基于关键词的知识点查询。综上，本文仅是在网络教学方面进行探索和研究的一个总结，提高网络教学的智能性、交互性、导航性，使网络教学向人性化方向发展，真正实现因材施教，还需要不断的深入研究和发展。
王靖[3]2005年在《远程教学资源标准化模型及其导航技术的研究》文中认为随着计算机技术的发展和计算机网络的逐步完善,远程教育作为一种新型的教学模式对满足信息社会终身教育、全民教育、个性化教育以及社会化教育的需求,加速我国的教育事业的发展具有特殊的意义。但目前的远程教学资源可共享性差,教学系统缺乏智能性。本文在纵观目前国内外教育资源的标准化研究现状的同时,深入研究美国ADL 组织的SCORM 模型,针对SCORM 模型的不足,研究了远程教学的课件资源标准化问题,即课件资源的重复利用和共享,以及在此基础上的智能教学问题。首先,论文构造了基于知识体系的知识点模型和学生模型。以这两个模型为基础,采用XML技术,建立了可共享知识点的教学内容包装STCO模型。在STCO模型中重点研究了学习资源层次、元数据及运行时的API 叁个关键问题。STCO模型满足在不同教学系统之间交流教学课件的要求,以及学生选择个性化教学材料的要求,为智能教学系统的建立奠定基础。进一步,深入研究了智能教学系统的智能导航问题。首先,根据知识点模型的定义,构造了知识点图中的智能导航算法;并采用学生知识结构的语义相似度计算方法,用于基于案例的推理,以利用以往的教学经验指导学生学习。其次,运用模糊多目标决策,提出了基于代理和Web 服务的学生教学材料选择方法,并使用Web 服务技术实现教学资源在Internet上共享复用的目的,同时达到对学生进行个性化教学的需求。最后,在本论文所研究的理论与方法的基础上,设计了智能教学的原型系统,指明系统开发与运行平台的软硬件环境,确定系统目标,设计了原型系统的系统结构,划分了功能模块,对智能教学的关键部分使用UML语言进行建模,构造了系统的用例和对象模型,并实现了其中部分功能。原型系统表明本论文的研究成果在现有技术条件下的可实现性。
张昆琪[4]2002年在《基于代理技术的纠错诊断模型研究》文中研究指明由于智能代理(Intelligent Agents)具有自治性、社会性、反应性和主动性等特性，代理的应用在智能教学系统研究领域中引起了广泛关注。根据建构主义的学习策略，基于Web的远程教学系统不仅要妥善设计学习环境，还要重视学习者的学习历程，特别要重视学习者在学习历程中所犯的错误及其原因和影响。因此，本文作者以代理技术在智能教学系统中的应用为切入点，较为系统地对智能教学系统中的纠错诊断模型进行了理论研究，提出了基于代理的纠错诊断模型原型系统的构造方法，并结合作者提出的纠错诊断原型，给出了具体基于交集运算的纠错诊断算法。为了检验该纠错诊断模型的有效性，作者以单代理应用和纠错诊断算法的研究结论为基础，研究并开发了汉语水平考试HSK智能网络辅导学校，此项研究通过了北京市科委鉴定，鉴定结论为国际先进水平。同时，作者就此系统在本校进行了小规模单因素双水平教学实验，经教学实验检验证明，汉语水平考试HSK智能网络辅导学校能够诊断并纠正学生的错误，增强学习者的适应性，对学习者的辅导具有显着效果。在此基础上，作者又进一步研究了多代理在远程教学中的应用以及概率知识在诊断算法中的应用，提出了诊断模型的多代理原型系统。经系统试验运行表明，基于多代理技术实现诊断模型使诊断模型原型系统的结构更加合理，开发和维护工作更加方便；引入概率运算后的诊断算法进一步得到了改进。 文章主要分为四部分。 第一部分，作者从整体逐步深入，介绍了与教学诊断活动相关的一系列概念和理论，并由此论述了诊断模型在远程教育中的主要功能和重要作用。 第二部分，作者就代理的含义、特点及相关理论进行系统的论述，并介绍了目前可应用于诊断模型的多种理论和技术，分析讨论了它们用于诊断问题的优势和不足之处。然后，作者在此基础上介绍了在HSK智能网络辅导学校的研究中取得的结论，并分析了代理与智能教学系统的关系。 第叁部分，作者提出了一个基于代理技术的纠错诊断模型，并介绍了其结构框架和使用的诊断算法，并对诊断模型原型系统的开发过程及实现关键技术做了详细的论述。 最后，作者根据自己的研究成果指出了需要改进和进一步研究的地方。如何使诊断模型和代理技术在网络化的智能教学系统中发挥更加积极有效的作用，还有待进一步的研究和实验。
周明[5]2007年在《基于代理的智能远程教学系统研究》文中研究说明随着网络的普及及其在各个领域的广泛应用，现代远程教育已经成为国内教育技术领域的研究热点，但是目前的远程教学系统大多数由于设计上的不足，使得系统缺乏智能性和适应性，很难针对学生学习的差异性提供个性化的学习辅导，远程教学质量无法得到良好的保证。本文通过对典型现代远程教学系统使用情况的调查，针对存在的问题，提出以适应性学习理论为指导思想，将智能教学系统中已有的技术与人工智能领域的代理技术相结合，形成基于代理的智能远程教学系统。在设计与实现基于代理的智能远程教学系统的过程中，本文从如下几方面加以探讨：①在系统设计上构建了B／A／S叁层结构，即适应性功能表现层、代理系统执行层和数据资源层。这叁层结构体现了适应性学习理论的指导思想和引入代理技术并结合传统单机环境下智能教学系统中的成熟技术的开发宗旨。②详细分析了系统中主要代理的功能，包括学生代理、教师代理、管理代理和协作学习代理。③综合运用代理技术，开发了一个基于代理的远程教学系统。本文所探讨的基于代理的远程教学系统能够测试判断学生的知识特征和学习风格，并根据学生的知识特征和学习风格为其提供适应性的学习空间。系统从总体上实现了适应性学习，并将微软代理组件引入到系统中，大大提高了系统的智能性；充分利用教学系统提供的个性化功能可以更好的提高个人水平，同时个性化也可以更好的吸引学生，增强远程教学的魅力。本文是笔者在远程教学系统方面进行探索和研究的一个总结，进一步提高教学系统的适应性、智能性和导航性，使远程教学向人性化方向发展，真正实现因材施教，还需要不断地深入研究。
张涛[6]2006年在《多Agent在现代远程教学中的研究与应用》文中提出随着社会的广泛需求及信息技术的飞速发展,人类历史上一种革命性的教学模式——现代远程教育应运而生。以多媒体、网络等先进技术为基础的现代远程教学以其开放性、多样性、个性化、先进性等特征,构成了新型的现代教育与教学体系,它不仅是对传统教学方式的根本性变革和挑战,而且具有变革与发展的坚实基础。同时,现代远程教学还是实现终身教育与终身学习理想的现实途径。然而,综观现有基于Internet的远程教学系统,其普遍存在的一系列问题。远程教育是随着现代信息技术发展而产生的一种新型的教育形式,鉴于目前的网络教学系统多数缺乏智能性、自适应性、自主性和各环节的互通性以及交互性,可以采用Agent技术对上述缺陷进行研究和改进。使用Agent技术可以增加教学内容的趣味性和人性化色彩,改善教学效果,提高教学质量。利用Agent管理学习者的信息,能动态地跟踪学习者的学习行为,为建立学生模型提供更加可靠的依据;把每个学习者看成一个Agent,学习者之间通过Agent的协同机制完成协同学习;教师也可以理解成一个Agent,同样可以和学生交流信息,随时掌握学生的学习状态。利用Agent思想分析网络教育系统的总体需求、设计解决方案,可充分体现教学的智能性、主动性,在教学效果、教学模式和系统性能上将会优于传统网络教学系统,从而对整个教学改革和素质教育的实施起到积极的推动作用。本文讨论了多Agent系统的概念、特性、体系结构以及相关技术,并在此基础上详细阐述了多Agent系统的协作技术和通信机制及KQML通信语言。并结合远程教育的特点,设计了基于Agent的远程教学整体模型,建立相关的知识库和数据库。本文研究为现代远程教育的持续发展、Agent技术的实用化做出了探索和尝试。主要研究成果如下:(1)设计出了基于多Agent的远程教育系统模型和总体结构设计,对远程教学Agent的任务和功能进行设计,并讨论关键的Agent结构设计;(2)采用Multi-Agent分析方法,设计远程教学系统模型,建立远程教学系统知识库,并对知识库进行设计;(3)对开发基于多代理的远程教育系统设计中的关键技术进行介绍,并对Agent开发工具Zeus体系结构、协调、通讯和开发方法作详细介绍,并用Zeus开发远程教学系统。
李慧明[7]2007年在《基于Web和多Agent的智能教学系统的研究与设计》文中提出智能网络教学系统在教育领域中的应用不仅改变了传统的教育理念、教育模式和教学方法等,同时也为人们提供了便捷的学习机会、优良的教学环境和丰富的教学资源,使人们的学习活动更加自主化和个性化。智能网络教学是服务于终生教育、构建学习型社会的一种重要技术基础,有着巨大的发展潜力和广阔的应用前景[1]。本文根据辽阳第一中等职业学校建有良好的校园网环境,为开展网络教学提供了必要的硬件基础。然而,不少现有网络教学系统却没能充分利用和发挥这些资源应有的特色和优势,在教学模式、系统模型和开发技术上都还存在着较大的缺陷。例如:智能性较差,难以实现自适应教学、缺乏个性化服务和协作型学习机制等。因此,深入探索网络教学环境下的教育理念、教学模式和教学方法,充分利用现有信息技术成果,研究更加先进的智能网络教学模型,是智能网络教学系统研究、开发和应用中的一项重要内容。本文主要针对现有网络教学系统存在的缺陷,依据现代教育理论,利用现有信息技术,研究Web环境下的具有个性化教学和协作型学习功能的智能网络教学系统模型。本论文所作的主要工作如下:(1)通过对现有网络教学系统的研究分析,归纳出了现有网络教学系统存在的一些主要缺陷,并根据未来智能网络教学系统的发展模式和应用需求,提出了一种基于Web和多Agent的智能网络教学系统模型;(2)通过对各种相关技术,如网络技术、人工智能技术、CSCL技术、多Agent技术等的研究分析,并结合现代教育理念,采用多种技术相结合的系统构造方法,设计了具有个性化教学和协作型学习功能的智能教学模型和协作交互学习环境;(3)给出了基于Web和多Agent的智能网络教学系统的组成和模块划分,并分析了各模块的主要功能;(4)基于个性化教学和协作性学习的思想,在.NET平台上,利用SQL serve:数据库系统和C#语言等工具开发了一个原型系统。
史君[8]2008年在《基于Multi-Agent的适应性网络教学系统的架构与实现》文中认为网络教学作为一种新的教学方式,伴随着计算机技术、网络技术和多媒体技术的发展而迅速兴起并日益普及,然而随着高新技术的发展,传统的网络教学方式已无法满足需要,因此研究具有智能技术的网络教学系统是一个大的趋势。目前,将智能技术应用于网络教学系统当中,在一定程度上改变了传统的教育模式和教学方法,并且对教育理念的发展也起到了一定的推动作用。现有的网络教学系统对于学习者在知识学习与积累过程中的基本教学要求都可以实现,但对于个体提出的适应性学习服务实现效果尚不理想,其主要体现在现有的教学系统不能根据学生的学习风格提供相应的学习方式和学习内容,个性化教学特点不突出。由MBTI职业性格测试引发思考,将Agent技术引入智能教学系统,构建了一种基于多Agent的适应性网络教学系统框架,分析了框架内各Agent的功能和工作过程,提出了一个学生学习特征提取和处理的模型。利用Agent自主性和对环境的反应能力,通过动态跟踪学生的学习过程,记录每次学习和测试有价值的信息,采用对信息进行数据量化并计算其倾向相似程度的方法,分析学生的学习个性特征,得出一种与学习者相适应的学习风格推荐给学生。本文主要做了如下几方面的研究工作:(1)对目前国内外网络教育现状进行分析概括,在现有的网络教学系统的基础上提出了一些探索性的思路,设计了一种基于多Agent的智能网络教学系统模型;(2)认真地研究分析了心理学相关理论、现代教学理论基础和相关的多媒体技术,如MBTI(Myers-Briggs TypeIndicator)性格评估测试、人工智能技术、网络技术、Agent技术,构想出具有个性化学习功能的智能教学环境;(3)本文将Agent技术引入教学系统,设计一种新型智能教学系统,通过动态跟踪的方式为学生动态呈现相应的学习内容和方法,从而实现学习方式的最优化;(4)利用SQL server数据库系统,通过.NET的开发平台设计并实现了一个初步的智能教学系统模型。
曲晓棠[9]2007年在《基于多Agent的网络教学系统的研究与应用》文中研究表明基于Web的教学是一种以网络为基础的远程教学。这种教学方式能够激发学习者的学习兴趣,从而达到让学习者主动构建知识的目的,实现自己获取知识、自我更新甚至创新知识的目标。但是目前的网络教学系统还存在着许多问题,如缺乏个性化,动态交互功能不强,多以呈现教学材料为主,系统的智能性较低,缺乏有效的引导等。本文讨论了多Agent系统的概念、特性、体系结构以及相关技术,并在此基础上详细阐述了多Agent系统的协作技术和通信机制及KQML语言。结合远程教育的特点,设计了基于Agent的网络教学系统模型,建立相关的知识库。本文研究为现代网络教育的持续发展、Agent技术的实用化做出了探索和尝试。主要研究工作如下:(1)设计了基于多Agent的网络教学系统模型和总体结构,对网络教学系统Agent的任务和功能进行设计,并讨论关键的Agent结构设计;(2)采用多Agent分析方法,对知识库进行设计,建立网络教学系统知识库;(3)对开发基于多Agent的网络教学系统设计中的关键技术进行介绍,并对Agent开发工具ZEUS体系结构、协调、通讯和开发方法作详细介绍,并利用ZEUS开发网络教学系统。
石磊[10]2011年在《基于贝叶斯和多Agent的远程智能教学系统的设计与实现》文中进行了进一步梳理现代远程教学系统以网络为基础,可以不受时间、空间和地点限制为学习者提供图文并茂、丰富多彩的交互式人机界面;学习者可以足不出户地参加网上学习、网上考试、网上讨论以及网上答疑等;但是,目前的教学系统的动态交互功能不强,多以呈现教学材料为主,系统的智能性较低,缺乏有效的引导,系统的测试和评价功能不强。针对以上缺点,本文采用贝叶斯网络和多Agent技术构建的智能教学模型,该模型可因人而异制订和实施导学策略,主动地通过智能Agent代理服务器为学习者搜集最感兴趣的信息,自动生成各种问题和练习,合理规划和调整学习内容及进度,然后利用代理通信协议把加工过的信息按时推送给用户,并能随时跟踪学习者的学习过程,记录其兴趣、爱好等个性特征,并适时地调整对其采用的教学策略,使之更加符合学习者本人的知识基础和认知特点;有效地解决了目前的系统智能性较低的缺点。结合上述的教学模型,采用JAVA, SQL Server 2007, APACHE技术架设一个比较完整的远程教学系统平台。该系统模块分为六大部分:课件生成系统、学习系统、教学管理系统、考试系统、作业系统、答疑系统。系统面对的用户分为叁种:学生、教师和管理员。对于学生用户,系统能够实现在线学习,考试,答疑和完成作业;在线学习要实现个性化服务,即不同程度的学生浏览到的课程内容是不同的,而对后台每门课程只保存一次,这样,可以实现资源的共享;对于教师,可以进行课程编着、发布,进行答疑辅导,对相关课程进行作业管理、测试管理、题库管理、考试管理等;管理员则进行教师和学生信息的维护,管理课程,监督教学过程,维护系统正常运行。总之,基于贝叶斯网络和多Agent技术构建的远程教学系统可根据学生的知识、能力和学习方法来因材施教,激发学习者的学习兴趣,真正实现学习者主动构建知识、自己获取知识、自我更新甚至创新知识的目的;同时,系统也极大地优化和改善远程教学环境,延伸和拓宽学习服务领域,全方位增强远程教育的开放性。
参考文献：
[1]. 基于代理的远程教学系统及学生模型的研究[D]. 陈自郁. 重庆大学. 2002
[2]. 基于多Agent的网络适应性学习系统的研究与构建[D]. 张淼. 天津师范大学. 2004
[3]. 远程教学资源标准化模型及其导航技术的研究[D]. 王靖. 长沙理工大学. 2005
[4]. 基于代理技术的纠错诊断模型研究[D]. 张昆琪. 首都师范大学. 2002
[5]. 基于代理的智能远程教学系统研究[D]. 周明. 华中师范大学. 2007
[6]. 多Agent在现代远程教学中的研究与应用[D]. 张涛. 湖南大学. 2006
[7]. 基于Web和多Agent的智能教学系统的研究与设计[D]. 李慧明. 吉林大学. 2007
[8]. 基于Multi-Agent的适应性网络教学系统的架构与实现[D]. 史君. 天津师范大学. 2008
[9]. 基于多Agent的网络教学系统的研究与应用[D]. 曲晓棠. 苏州大学. 2007
[10]. 基于贝叶斯和多Agent的远程智能教学系统的设计与实现[D]. 石磊. 电子科技大学. 2011
标签：计算机软件及计算机应用论文; 远程教育论文; 网络教学论文; 网络远程教育论文; 网络模型论文; 代理模式论文; 系统学习论文; 功能分析论文;