随着网络技术的迅猛发展,人类进入了信息社会,信息社会对人才的培养及教育提出了许多新的要求。在这种历史背景条件下,网络技术为网络教育的发展提供了新的契机和手段。另一方面,人工智能领域也有长足的进步,特别是新的思想和新的算法在网络教育上的应用日益广泛。Agent 技术是人工智能领域的一个重要分支,它以其自身所具有的智能性、自主性、交互性和移动性等优点,在许多研究领域中引起了重视。因此,基于Agent智能模型在网络教学系统中的应用成为一个新的研究热点。为了提高目前网络教学系统的智能性,本文将Agent 技术应用于网上教学系统,尝试着提高教学系统中的智能性,从而创造良好的网上学习环境,改善了教学效果。本文对基于Agent 教学系统中若干关键问题进行了研究,主要工作如下: 对目前现有的网络教学系统中知识点之间的关联问题进行了研究,提出了知识点与学生构成一个统一的整体,学生与系统相互作用形成知识点之间的关联。基于Agent 模型的试题难度分析模型,该模型可以自适应计算出试题难度,可以进行组卷系统的分析和学生能力的评价。提出了以Agent 模型为基础的学生能力评估模型,该模型是提供个性化教学的基础,并以此为基础分析了如何提供个性化作业和学习环境。提出了以Agent 模型为基础的实时监督模型,该模型通过对学生学习知识点所花费的必要学习时间,对学生进行远程监督。提出了以Agent 模型为基础的个性化指导和学习模型,该模型可以针对不同的学生提供不同的学习内容和作业。通过提供个性化作业可以培养学生的学习兴趣。在上述定性分析和研究的基础上,提出了具体算法,并进行了实验数据仿真,通过仿真结果,可明显地说明算法的有效性。改善了网络教学中部分智能性不足与缺陷。