论文部分内容阅读
［摘要］ 为了深入研究MAS技术在远程协作学习中的作用，本文提出了基于MAS和建构主义的远程协作学习模型，并对系统的工作流程进行了详细说明，同时对协作Agent间的KQML通信机制进行了详细的描述。根据智能化协作学习系统的工作特点和智能Agent的各项特征，对二者分别进行了形式化描述。
［关键词］ Multi-Agent System; 建构主义; 协作学习(CSCL); KQML
一、 引言
现代远程教学环境是一个分布式多用户的协作教学环境，不可避免地存在较多的孤立学习者。虽然通过多媒体技术、视频会议以及邮件列表可以共享学习资源，但仍存在交互性差、学习资料交换困难等问题。一个有效解决问题的方法即根据学习者学习特点和兴趣通过协作学习小组的划分来实现协作学习。而基于计算机支持的协同学习(Computer Supported Collaborative Learning，CSCL)及多智能代理系统(Multi-Agent System，MAS)和建构主义学习理论的协作远程教育系统的产生正是为现代远程教育的内在需求提供了新的思路和方法。协作学习在构建认知的过程中发挥了重要作用，在协作学习环境中，学生可以与一个或多个同伴通过交互、协作共同解决某一问题。学生间的交互由协作系统监督并管理，这种协作学习提供给学生相对真实且社会性较强的情境来帮助学生进行知识的建构，充分体现了以学生为中心的建构主义学习理论，即通过情景、会话、协作，最后达到意义的建构。所谓协作远程教育系统就是以计算机网络系统为平台，以协同科学作为远程教育中教学冲突消解的手段。
近年来，国外的研究人员已经提出了几种基于CSCL和Agents的远程学习框架，其中Dorneich设计并提出了Framwork-Driven的协同学习系统，该系统集成了分布式计算以及CSCL中的概念和方法，为协作学习系统的发展提供了指导。Florea提出了基于MAS的协作学习环境，通过同步或异步的合作，学习者和Agent共同协作达到学习任务。Lowyck从不同的角度描述了协作学习，其中包括情景学习、学习社区、激励因子以及分布式认知等方面。
二、基于MAS的建构主义协作学习系统模型
1．多智能代理系统
MAS是由基于DBI三层模型而设计的软件Agent组成的，Agent是一种能在异质的协同计算环境中持续通过感知、学习推理及行为表达并在知识库的协助下模仿人类社会行为的软件实体，其主要属性有：（1）代理性：引导并代替用户对资源进行访问。（2）自治性：在固有内部状态的作用下自主决定自身的行为而无须外界因素的干预。（3）感知和反应性：它能够感知环境，并对环境的变化及时地做出反应以满足其目标。
2．建构主义
对教学的重新思考引起了教育理念从基于行为主义的“教师为中心”的传统教学结构向基于建构主义的“学生为中心”或“学生为主体,教师为主导”的教学结构转变；知识的获取方式从知识的被动接受到学习者主动建构的转变。其中大部分的学习都是基于情境的學习，学习者的认知是通过目标驱动或事件驱动的方式形成的，学习者将自身建构的知识通过与同伴或环境的对话进行验证并改进现有的知识体系，而协作学习是学习活动的基础并提供了更主动的学习过程。
3．计算机支持的协作学习
基于计算机的协作学习是指利用计算机网络及多媒体等相关技术，由多个学习者针对同一学习内容彼此交互和协作，从而达到对教学内容较深刻的理解与掌握的过程。通过在协作学习环境中嵌入Agent模块来实现更好的协作学习。
三、系统工作流程
1．工作流程
首先通过对学生认知水平、学习偏好以及知识背景的分析，再根据分组策略模型，由教师Agent 对学生进行分组并分配一个协作Agent。接下来由课程管理Agent负责管理课程学习进程，并与教师及协作Agent通信，在学习初始化阶段由课程管理Agent制订学习计划并可由教师Agent来动态修订需要哪些学习资源、何时进行测试以及组织及分配协作学习任务。在学习方案提出阶段，由协作Agent组织讨论，每个学生提出自己的任务完成方案，由协作Agent筛选最优方案并提交给教师Agent，在教师Agent的同意下学生可以阅读相关学习资料并在Internet网上收集相关信息，通过收集信息逐步构建自身的知识结构，并在此过程中提高自己的学习能力。在足够信息的铺垫下，在协作策略的支持下进行协作学习，学生提出自己的假设及问题解决方案，并通过协作Agent这一平台进行交互，对各自的方案进行评价，在分析所提出的假设和方案后协作Agent做出选择并执行。在完成学习任务后，对同样的问题进行讨论并对解决方案和所用到的知识进行总结，实现从协作交互到知识的构建。最后，学生会对完成任务过程中各自的表现作出自我评价和交互评价，教师Agent会评价学习成果并给出评价。此次任务完成后会有新的学习任务提出并开始新一轮的协作学习。
2．Agent间的通信机制
Agent间的通信是协作学习的基础，Agent和Agent之间的协作和通信也需要协议，其中一种协议是描述问题的通用表示方法，需要预先通知Agent内部的方法表示转换器，约定公用问题的表示方法，一般采用一阶谓词逻辑的形式，而另一种则是对通信进行控制的语言，如KQML（Know Query Manipulation Language）。KQML在Agent之间传递的不仅是一种内容的表示，还传递信息的性质，如一种请求或某种功能的发布以及某种信息的推荐。
KQML语言引进了一种专门的Middle-Layer（中间层）应用程序Facilitator，它主要用来维护一个存有本组系统中所有Agent的能力、状态等信息的数据库。并在发生资源请求的情况下合理调度优化资源配置实现Agent间的协作。如图2所示Facilitator的工作机理：两个运行在网络中的Agent A和Agent B，A 需要获得资源R，而B也向Facilitator发布了关于资源R的信息则：
Step1: Ag A Request (R) AND Ag B Advertise (R) TO Facilitator;
Step2: Facilitator Query(R) IN Database;
Step3: Facilitator Reply (A) AND Recommend (Ag B);
Step4:Ag AASK (R) TO Ag B AND Ag B Accept (Ag A Request (R)) AND Tell(R);
MAS-CSCL中的协作性主要体现在系统内Agent之间的通信与协作上，通过协作，实现分布资源的共享。为了提高知识共享的效率，获得更多的知识，在学习Agent为学习者检索知识的同时也可以请求协作Agent的协作，为学习者推荐胜任的知识帮助者。知识信息量的提高有助于提高学习者的学习效果，学习Agent同样可以通过与协作Agent的协作来提高答疑的效率，如果学习Agent不能得到满意的解答，可以由协作Agent来向疑惑者推荐帮助伙伴。
学习成果评价由协作评价子系统和教师Agent共同完成。协作评价子系统中评价Agent负责收集学习成果信息，并在协作Agent及协作评价领域知识库的协作下进行学习效果分析，统计出学习者之间交互而产生的信息关联，主要包括学习者之间的关联、学习者与主题间的关联以及从整体上识别一个协作组和主题的关联。此外还可以统计出交互消息数量、协作参与度、主题和兴趣的分布，从而挖掘出哪些学习者学习更主动，哪些主题是学习者比较感兴趣的，为教师客观地评价学习者的学习效果和表现提供了准确的依据，并可以有针对性地对不积极的学习者进行激励，以及发现学习中存在的问题并及时调整学习和教学策略。
四、形式化语言描述
在以上分析的基础上可以用一个六元组结构模式进行描述：
MAS-CSCL :< Ag, G, P, T, S, CT>
上式中，Ag代表各角色Agent的集合，其中包括学生Agent，教师Agent，课程管理Agent，协作Agent，评价Agent。G (Goal)代表目标集，在任务具体的执行过程中对目标进行分解，生成多个子目标生成目标树，并利用多目标优化策略对目标树进行修剪，具体包括任务性目标和性能目标。本系统中的任务性目标是学习任务和学习目标的完成，而性能性目标是指通过冲突消解策略达到资源、负载的合理规划。P(Plan)代表协作学习规划，是通过收集学习者学习背景信息之后，在协作Agent的协调下指定的协作学习规划。T(Tutor)为协作伙伴，是协作小组内的成员集合。S(Source)代表教学的支持系统，包括多媒体数据库、课件库、学生与教师信息库以及相关的协作策略和规则库。CT (collaborative tools)代表协作工具，有相对独立性，它是学习者和教师在完成各自的任务过程中需要借助的工具，提供信息存储或共享设施，例如实时视频、语音交互、电子交互、电子白板等。
从以上形式化的分析可以看出，系统中有两类协作成员即学习者和学生Agent。学习者Agent代表学习者参与协作，在学习者的意愿和目标在发生冲突时，代表学习者进行协调、协商，同时把协作和协商的结果反馈给学习者，从而达到机与机、人与机最后到人与人的协作。从软件Agent的角度出发，遵循Agent的特性和思想，Agent可以形式化为一个六元组描述的实体，即： Agent : < N，M，R，I，S，K，>
N(Name)为Agent名称或标识,具有唯一性；M（Method）为Agent所拥有的方法，可执行的行为和过程等活动；R(Role)为Agent在协作活动中担任的角色；I(Interface)为Agent的界面定义，描述呈现在学习者和教师面前的人机界面和通信接口(包括通信协议和I/O接口)；S (Status)为Agent的状态集，是描述Agent内部状态的集合，Agent的行为实际上是由一种状态转移到另一种状态的过程；K (Knowledge)为Agent在特定的知识领域形成的知识系统，包括算法、模型、产生式规则和语义网络等，描述Agent行为所需的知识、数据、推理规则及相关资源。
五、结语
文中提出的基于MAS和建构主义的远程协作学习系统将DAI（Distributed Artificial Intelligence）与建构主义以及CL理论应用于远程教育，并通过集成MAS的智能服务达到协作学习、自动评价、智能化答疑以及分布式的知识交流与共享，有效地弥补了现有CSCL系统中的不足。但Agent技术的研究还不是非常成熟，本系统也同样需要在协作分析算法以及通信策略方面做进一步的研究，在指定协作策略方面可以借鉴数据挖掘领域的算法来量化各项指标，以发现对协作更有帮助的信息，达到更加智能化的协作学习。
[参考文献]
［1］ HE Ke-kang.Constructivism-basic theory for reforming traditional pedagogy [J]. E-education Research, 1997, (4):25-27.
［2］ Dorneich M C. A system design framework-driven implementation of a learning collaboratory. IEEE Transactions on Systems, Man, and Cybernetics Part A: Systems and Humans, 2002, 32(2): 200-213
［3］ Florea A M. An Agent-based collaborative learning. In: Proc.of ICCE'99, 1999, 1(3): 161-164.
［4］ Lowyck J, Poysa J. Design of collaborative learning environments. Computers in Human Behavior, 2001, 17(5/6): 507-516.
［5］ Wooldridge M J, Jennings N R. Intelligent Agents: Theory and Practice [J]. Knowledge Engineering Review, 1995, 10(2):115-152.
［6］ 黄荣怀. CSCL的理论与方法[J]. 电化教育研究, 1999, (6): 25-30.
［7］ Liu Yeng, LIN Fuzong, WANG Xue. Using Agents in Web-Based Constructivist Collaborative Learning System [J].TSINGHUA SCIENCE AND TECHNOLOGY, 2004 (9): 189-193.
［8］ Finin T, Labrou Y, Mayfield J. KQML as an Agent communication language [M]. In: Jeff Bradshawed, Software Agents. Cambridge: MIT press, 1997: 11-20.
［9］ 李海伟，申瑞民，杨帆，韩鹏. 基于多Agent的个性化协作学习系统研究与实现[J]. 计算机仿真，2004 (10)：188-190.
［10］ 李秀芳，张立群，王小会. 基于角色和CSCL的智能网络协作模型[J]. 计算机工程与设计，2005 (4): 1078-1080.
[作者简介]
苗文龙，渤海大学信息科学与工程学院。
徐鑫，博士，副教授，渤海大学信息中心硕士生导师，研究方向为CSCW，计算机网络与信息安全技术。、
Research on the Distance Collaborative Learning System Based on MAS
Miao Wenlong1 & Xu Xin2
（1.College of Information Science and Engineering，Bohai University, Jinzhou Liaoning 121000;
2.Information Center of Bohai University, Jinzhou Liaoning 121000)
【Abstract】 For deeply research on the application of MAS in distance collaborative learning, a MAS-based constructivist distance collaborative learning system is provided. Its working flow is described in detail, and the communication mechanism between Agents called KQML is also explained amply. According to the characteristics of the system and the Agent, the formalized description is undertaken respectively.
【Keywords】 Multi-Agent System; Constructivism; CSCL; KQML
本文責编：胡智标
［关键词］ Multi-Agent System; 建构主义; 协作学习(CSCL); KQML
一、 引言
现代远程教学环境是一个分布式多用户的协作教学环境，不可避免地存在较多的孤立学习者。虽然通过多媒体技术、视频会议以及邮件列表可以共享学习资源，但仍存在交互性差、学习资料交换困难等问题。一个有效解决问题的方法即根据学习者学习特点和兴趣通过协作学习小组的划分来实现协作学习。而基于计算机支持的协同学习(Computer Supported Collaborative Learning，CSCL)及多智能代理系统(Multi-Agent System，MAS)和建构主义学习理论的协作远程教育系统的产生正是为现代远程教育的内在需求提供了新的思路和方法。协作学习在构建认知的过程中发挥了重要作用，在协作学习环境中，学生可以与一个或多个同伴通过交互、协作共同解决某一问题。学生间的交互由协作系统监督并管理，这种协作学习提供给学生相对真实且社会性较强的情境来帮助学生进行知识的建构，充分体现了以学生为中心的建构主义学习理论，即通过情景、会话、协作，最后达到意义的建构。所谓协作远程教育系统就是以计算机网络系统为平台，以协同科学作为远程教育中教学冲突消解的手段。
近年来，国外的研究人员已经提出了几种基于CSCL和Agents的远程学习框架，其中Dorneich设计并提出了Framwork-Driven的协同学习系统，该系统集成了分布式计算以及CSCL中的概念和方法，为协作学习系统的发展提供了指导。Florea提出了基于MAS的协作学习环境，通过同步或异步的合作，学习者和Agent共同协作达到学习任务。Lowyck从不同的角度描述了协作学习，其中包括情景学习、学习社区、激励因子以及分布式认知等方面。
二、基于MAS的建构主义协作学习系统模型
1．多智能代理系统
MAS是由基于DBI三层模型而设计的软件Agent组成的，Agent是一种能在异质的协同计算环境中持续通过感知、学习推理及行为表达并在知识库的协助下模仿人类社会行为的软件实体，其主要属性有：（1）代理性：引导并代替用户对资源进行访问。（2）自治性：在固有内部状态的作用下自主决定自身的行为而无须外界因素的干预。（3）感知和反应性：它能够感知环境，并对环境的变化及时地做出反应以满足其目标。
2．建构主义
对教学的重新思考引起了教育理念从基于行为主义的“教师为中心”的传统教学结构向基于建构主义的“学生为中心”或“学生为主体,教师为主导”的教学结构转变；知识的获取方式从知识的被动接受到学习者主动建构的转变。其中大部分的学习都是基于情境的學习，学习者的认知是通过目标驱动或事件驱动的方式形成的，学习者将自身建构的知识通过与同伴或环境的对话进行验证并改进现有的知识体系，而协作学习是学习活动的基础并提供了更主动的学习过程。
3．计算机支持的协作学习
基于计算机的协作学习是指利用计算机网络及多媒体等相关技术，由多个学习者针对同一学习内容彼此交互和协作，从而达到对教学内容较深刻的理解与掌握的过程。通过在协作学习环境中嵌入Agent模块来实现更好的协作学习。
三、系统工作流程
1．工作流程
首先通过对学生认知水平、学习偏好以及知识背景的分析，再根据分组策略模型，由教师Agent 对学生进行分组并分配一个协作Agent。接下来由课程管理Agent负责管理课程学习进程，并与教师及协作Agent通信，在学习初始化阶段由课程管理Agent制订学习计划并可由教师Agent来动态修订需要哪些学习资源、何时进行测试以及组织及分配协作学习任务。在学习方案提出阶段，由协作Agent组织讨论，每个学生提出自己的任务完成方案，由协作Agent筛选最优方案并提交给教师Agent，在教师Agent的同意下学生可以阅读相关学习资料并在Internet网上收集相关信息，通过收集信息逐步构建自身的知识结构，并在此过程中提高自己的学习能力。在足够信息的铺垫下，在协作策略的支持下进行协作学习，学生提出自己的假设及问题解决方案，并通过协作Agent这一平台进行交互，对各自的方案进行评价，在分析所提出的假设和方案后协作Agent做出选择并执行。在完成学习任务后，对同样的问题进行讨论并对解决方案和所用到的知识进行总结，实现从协作交互到知识的构建。最后，学生会对完成任务过程中各自的表现作出自我评价和交互评价，教师Agent会评价学习成果并给出评价。此次任务完成后会有新的学习任务提出并开始新一轮的协作学习。
2．Agent间的通信机制
Agent间的通信是协作学习的基础，Agent和Agent之间的协作和通信也需要协议，其中一种协议是描述问题的通用表示方法，需要预先通知Agent内部的方法表示转换器，约定公用问题的表示方法，一般采用一阶谓词逻辑的形式，而另一种则是对通信进行控制的语言，如KQML（Know Query Manipulation Language）。KQML在Agent之间传递的不仅是一种内容的表示，还传递信息的性质，如一种请求或某种功能的发布以及某种信息的推荐。
KQML语言引进了一种专门的Middle-Layer（中间层）应用程序Facilitator，它主要用来维护一个存有本组系统中所有Agent的能力、状态等信息的数据库。并在发生资源请求的情况下合理调度优化资源配置实现Agent间的协作。如图2所示Facilitator的工作机理：两个运行在网络中的Agent A和Agent B，A 需要获得资源R，而B也向Facilitator发布了关于资源R的信息则：
Step1: Ag A Request (R) AND Ag B Advertise (R) TO Facilitator;
Step2: Facilitator Query(R) IN Database;
Step3: Facilitator Reply (A) AND Recommend (Ag B);
Step4:Ag AASK (R) TO Ag B AND Ag B Accept (Ag A Request (R)) AND Tell(R);
MAS-CSCL中的协作性主要体现在系统内Agent之间的通信与协作上，通过协作，实现分布资源的共享。为了提高知识共享的效率，获得更多的知识，在学习Agent为学习者检索知识的同时也可以请求协作Agent的协作，为学习者推荐胜任的知识帮助者。知识信息量的提高有助于提高学习者的学习效果，学习Agent同样可以通过与协作Agent的协作来提高答疑的效率，如果学习Agent不能得到满意的解答，可以由协作Agent来向疑惑者推荐帮助伙伴。
学习成果评价由协作评价子系统和教师Agent共同完成。协作评价子系统中评价Agent负责收集学习成果信息，并在协作Agent及协作评价领域知识库的协作下进行学习效果分析，统计出学习者之间交互而产生的信息关联，主要包括学习者之间的关联、学习者与主题间的关联以及从整体上识别一个协作组和主题的关联。此外还可以统计出交互消息数量、协作参与度、主题和兴趣的分布，从而挖掘出哪些学习者学习更主动，哪些主题是学习者比较感兴趣的，为教师客观地评价学习者的学习效果和表现提供了准确的依据，并可以有针对性地对不积极的学习者进行激励，以及发现学习中存在的问题并及时调整学习和教学策略。
四、形式化语言描述
在以上分析的基础上可以用一个六元组结构模式进行描述：
MAS-CSCL :< Ag, G, P, T, S, CT>
上式中，Ag代表各角色Agent的集合，其中包括学生Agent，教师Agent，课程管理Agent，协作Agent，评价Agent。G (Goal)代表目标集，在任务具体的执行过程中对目标进行分解，生成多个子目标生成目标树，并利用多目标优化策略对目标树进行修剪，具体包括任务性目标和性能目标。本系统中的任务性目标是学习任务和学习目标的完成，而性能性目标是指通过冲突消解策略达到资源、负载的合理规划。P(Plan)代表协作学习规划，是通过收集学习者学习背景信息之后，在协作Agent的协调下指定的协作学习规划。T(Tutor)为协作伙伴，是协作小组内的成员集合。S(Source)代表教学的支持系统，包括多媒体数据库、课件库、学生与教师信息库以及相关的协作策略和规则库。CT (collaborative tools)代表协作工具，有相对独立性，它是学习者和教师在完成各自的任务过程中需要借助的工具，提供信息存储或共享设施，例如实时视频、语音交互、电子交互、电子白板等。
从以上形式化的分析可以看出，系统中有两类协作成员即学习者和学生Agent。学习者Agent代表学习者参与协作，在学习者的意愿和目标在发生冲突时，代表学习者进行协调、协商，同时把协作和协商的结果反馈给学习者，从而达到机与机、人与机最后到人与人的协作。从软件Agent的角度出发，遵循Agent的特性和思想，Agent可以形式化为一个六元组描述的实体，即： Agent : < N，M，R，I，S，K，>
N(Name)为Agent名称或标识,具有唯一性；M（Method）为Agent所拥有的方法，可执行的行为和过程等活动；R(Role)为Agent在协作活动中担任的角色；I(Interface)为Agent的界面定义，描述呈现在学习者和教师面前的人机界面和通信接口(包括通信协议和I/O接口)；S (Status)为Agent的状态集，是描述Agent内部状态的集合，Agent的行为实际上是由一种状态转移到另一种状态的过程；K (Knowledge)为Agent在特定的知识领域形成的知识系统，包括算法、模型、产生式规则和语义网络等，描述Agent行为所需的知识、数据、推理规则及相关资源。
五、结语
文中提出的基于MAS和建构主义的远程协作学习系统将DAI（Distributed Artificial Intelligence）与建构主义以及CL理论应用于远程教育，并通过集成MAS的智能服务达到协作学习、自动评价、智能化答疑以及分布式的知识交流与共享，有效地弥补了现有CSCL系统中的不足。但Agent技术的研究还不是非常成熟，本系统也同样需要在协作分析算法以及通信策略方面做进一步的研究，在指定协作策略方面可以借鉴数据挖掘领域的算法来量化各项指标，以发现对协作更有帮助的信息，达到更加智能化的协作学习。
[参考文献]
［1］ HE Ke-kang.Constructivism-basic theory for reforming traditional pedagogy [J]. E-education Research, 1997, (4):25-27.
［2］ Dorneich M C. A system design framework-driven implementation of a learning collaboratory. IEEE Transactions on Systems, Man, and Cybernetics Part A: Systems and Humans, 2002, 32(2): 200-213
［3］ Florea A M. An Agent-based collaborative learning. In: Proc.of ICCE'99, 1999, 1(3): 161-164.
［4］ Lowyck J, Poysa J. Design of collaborative learning environments. Computers in Human Behavior, 2001, 17(5/6): 507-516.
［5］ Wooldridge M J, Jennings N R. Intelligent Agents: Theory and Practice [J]. Knowledge Engineering Review, 1995, 10(2):115-152.
［6］ 黄荣怀. CSCL的理论与方法[J]. 电化教育研究, 1999, (6): 25-30.
［7］ Liu Yeng, LIN Fuzong, WANG Xue. Using Agents in Web-Based Constructivist Collaborative Learning System [J].TSINGHUA SCIENCE AND TECHNOLOGY, 2004 (9): 189-193.
［8］ Finin T, Labrou Y, Mayfield J. KQML as an Agent communication language [M]. In: Jeff Bradshawed, Software Agents. Cambridge: MIT press, 1997: 11-20.
［9］ 李海伟，申瑞民，杨帆，韩鹏. 基于多Agent的个性化协作学习系统研究与实现[J]. 计算机仿真，2004 (10)：188-190.
［10］ 李秀芳，张立群，王小会. 基于角色和CSCL的智能网络协作模型[J]. 计算机工程与设计，2005 (4): 1078-1080.
[作者简介]
苗文龙，渤海大学信息科学与工程学院。
徐鑫，博士，副教授，渤海大学信息中心硕士生导师，研究方向为CSCW，计算机网络与信息安全技术。、
Research on the Distance Collaborative Learning System Based on MAS
Miao Wenlong1 & Xu Xin2
（1.College of Information Science and Engineering，Bohai University, Jinzhou Liaoning 121000;
2.Information Center of Bohai University, Jinzhou Liaoning 121000)
【Abstract】 For deeply research on the application of MAS in distance collaborative learning, a MAS-based constructivist distance collaborative learning system is provided. Its working flow is described in detail, and the communication mechanism between Agents called KQML is also explained amply. According to the characteristics of the system and the Agent, the formalized description is undertaken respectively.
【Keywords】 Multi-Agent System; Constructivism; CSCL; KQML
本文責编：胡智标