论文部分内容阅读
目前,远程教育的教学方式中应用最广泛影响最深远的是基于Web的远程教育,但是目前的网上教学系统还存在着许多问题,如系统的智能性较低,缺乏个性化,动态交互功能不强,多以呈现单一而固定的教学材料为主,缺乏有效的引导等。
针对以上缺点,本文设计了基于多Agent的个性化智能教学系统,系统引入人工智能领域中的Agent技术,利用Agent的智能推理能力和对学生的个性特点的采集和分析,自适应地生成适合学生能力和个性的知识内容和教学模式,智能地组织教学环节,引导学生更好地学习,改善教学效果。
本文首先设计了一个基于Agent的个性化智能教学系统模型,此模型由多个Agent组成。利用Agent间的协作机制,实现了Agent间的知识交换与共享,形成了一个层次结构的多Agent系统。
在系统的个性化教学方面,通过改进SherlockII方法,运用模糊推理,设计出分析Agent的认知水平估算算法;提出了分析Agent的错误诊断算法,通过对考试结果的分析找出学生的知识缺陷,结合知识表示模型,推导出需要强化的合理学习路径,达到能对学生进行针对性强化教学的目的;分析系统的个性化教学流程,设计了根据学习进度、难度级别和学习兴趣的智能估算进行个性推荐的相关算法以及组卷算法等。
采用了Agent开发平台JADE进行多Agent代理层的设计和实现,分析了系统中Agent之间的交互协作过程,对关键Agent进行了详细设计和实现。
本系统采用MVC设计模式进行开发,用JADE开发多Agent模型层,采用JSP技术设计视图层、Servlet技术设计控制层、XML文档做为数据存储,实现了基于多Agent的个性化智能教学系统。试验系统的运行结果表明:系统能很好地根据学生的学习进度、学习能力和兴趣的估算推荐个性化的学习内容;能够采集学生个性信息、推理学生的认知水平;能根据学生考试成绩的错误诊断推导出需要强化的学习路径。设计基本达到了预期目标,体现了本系统在个性推荐和学生认知能力推理上的优越性。