朱晓军[1]2004年在《运用MAS技术实现的自适应远程教学系统》文中进行了进一步梳理当前,计算机网络得到前所未有的迅速发展,这为传统的远程教育提供了新的思路和解决方法。出现了大量的基于网络的远程教育系统,这些系统基本上没有自适应性和智能性,给教学效果带来一定的影响。要解决这个问题,需要采用突破传统的新技术。从软件技术和AI领域而言,AGENT具有自适应性、智能性、交互性等一系列的特点,使得它成为较为合适的一种解决问题的技术。本文分析了基于传统理念构建的远程教学系统的不足,提出了一种新型的远程教育系统模型。该模型将远程教学理念和人工智能技术相结合,综合使用了模糊推理、概念图、及改进的SHERLOCK II方法,设计了包括教师AGENT、学生AGENT、管理AGENT及个性分析AGENT等的MAS系统。该系统能够解决远程教学中的智能化和个性化问题,可以做到因材施教。本文所做的主要工作有以下几点:(1)分析了现有的基于WEB的远程教学系统的不足和缺点,提出了将人工智能中的AGENT技术和远程教育相结合的理念。(2)提出了一个用MAS技术实现的基于WEB的远程教育系统模型,模型中涉及了多个AGENT(教师AGENT、学生AGENT等),对每个AGENT的功能和作用做详细分析。(3)提出了一种个性化的可见编着方法和相应的知识点表示方法,该方法使得学生学习过程变得更加简单。(4)用考试学理论实现了一个个性化的远程测试系统,通过不同的学生在测试,其试题难度和数目并不相同,从而说明该系统的个性化。从而说明该学生自测模型中所提出的算法是可行的,具有很强的理论研究价值和实践应用价值。
高仲慧, 林筑英, 魏高起[2]2009年在《基于多Agent的自适应远程教学系统模型》文中认为在以往远程教学系统的设计、开发中,通常使用面向过程和面向对象的编程方法,文中采用Agent技术进行Web环境下远程教学系统的构建、组织和管理。在Agent的教学系统中,首先建立单个Agent内部结构的形式化模型,再从多个Agent角度入手,设计、开发面向Agent的远程教学系统,利用Multi-Agent技术,设计了基于目标的Multi-Agent系统并探讨了该系统的实现方法。
陈自郁[3]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。
张秋俊[4]2004年在《远程教学自适应教师模型的研究与设计》文中认为基于Internet的远程教学模式突破了时间、地域的限制，能充分利用丰富的教学资源进行实时的交互式教学。因此，如何利用计算机技术构建一个分布式个性化自适应性远程教学系统具有重要意义。 但是，目前的网络教学系统还普遍存在着一些问题，并没有达到我们想象的理想程度，如：缺乏智能的适应性，系统以自身为中心，没有充分考虑到学生的学习需求和习惯，要求人来适应系统，而不是系统去适应用户，因而显得交互性差，难以实现因材施教；采用超文本的方式组织教学材料，学生在学习过程中掌握主动权，容易导致迷航的现象，偏离学习目标；系统缺乏自我完善的机制，在投入使用一段时间之后，除非人为地对教学策略的不适应性做出调整，系统不能自学习；此外，现有的网上教学系统基本上都是C/S结构，客户端过于庞大，而且客户端驻留程序可以对客户端任意操作，增加了不安全的因素。 针对上述情况，本文以建构主义学习理论和分布式人工智能的Agent技术为基础，提出了一个集教学过程自适应和教学策略自学习为一体的新型远程教学自适应教师模型EATM(E-learning Adaptive Teacher Model)，并且构建了该模型的JAVA平台运行环境和相关机制。太原理工大学硕士研究生学位论文 EATM的基本设计思想是:一方面，以建构主义学习理论为指导，通过监视人机交互发现学生的反馈，构建相应的学生模型，以此来动态确定教学规划和相应的教学策略，真正实现网络教学的智能化和个性化;另一方面，引入机器学习机制对教学策略进行自我完善调整，提高远程教学系统的“自适应，自学习”能力。 本文分为叁部分: 首先，介绍智能教学和MAS(Mul ti一AgentS)以及它们之间的联系。 其次，构建了一个基于毗S的远程教学自适应教师模型EATM;在EATM中，我们把基于AND/0R图的MAS规划理论引入教学系统，采用AND/OR图来组织领域知识，并在此基础上提出了教学Agent的分层设计结构，这种分层设计思想使得教学Agent能很好地将Agent的反应性(ReaCtivity)、推理性 (De 1 1 berat ion)、合作性(Cooperation)以及适应性 (Adaptability)结合在一起;同时赋予教师Agent对教学策略自学习的机制。 最后，我们构建了一个基于MAS的Java平台叁层客户机/服务器的EATM工作模型;构建了MAS通讯相关的类;设计和描述了该模型的应用开发环境。
李军[5]2002年在《远程教学中自适应授课平台的模型构建研究》文中进行了进一步梳理计算机自50年代出现以来，计算机专家和教育专家们就在研究将计算机应用于教育中，提高教育的质量。计算机辅助教育应运而生。在计算机辅助教育的早期，只是将计算机作为一种教学工具，将同一教学内容千篇一律地应用于所有学生，淹没了学生的个性特点。为了提高计算机辅助教学的质量，就要求计算机辅助教学系统能够了解学生的学习能力、学习基础和当前的知识水平，并能根据学生的不同特点做出最佳的教学策略，对学生进行有针对性的个性化指导。为了满足这些要求，计算机辅助教学系统应用人工智能技术，增强了教学系统的智能性，发展成为智能教学系统(Intelligent Tutoring System)。在网络化的今天，单机的智能教学系统已经不能满足人们对教育的要求，人们希望能够在不同的地点、不同的时间接受教育。基于计算机网络的现代远程教育已成为计算机辅助教育发展的大趋势。 国内外已有许多现代远程教学平台投入使用，尤其近几年，国内的现代远程教学平台如雨后春笋般地不断涌现，但平台的教学质量还有待提高。提高现代远程教学平台的教学质量可以从叁方面入手：(1)教学内容的组织；(2)教学媒体的制作；(3)教学平台的设计。就现代远程教学平台的设计而言，在网络环境下，现有的教学平台主要在交互和个性化教学方面还比较欠缺。将单机智能教学系统(Stand-alone Intelligent Tutoring System)中已有成熟技术与分布式人 西南帅他大学2002屁·计算机应用硕士研究生·毕业论文 工智能技术相结合，应用agellt理论提高现代远程教学平台的智能性， 为解泱分布式环境中个性化指导提供一种可行的捷径。从教学环节来 看，一个完整教学过程中包含教学和复习，现在较多的研究集中在教 学上，对复习的研究相对较少，现代远程教学平台提供智能的、个性 化的复习，也是提高教学质量、实现个性化教学的重要组成部分。作 者基于这一思想，用agent理论构建了远程教学自适应授课平台模型 （DIStance Tuoring Adaptive Instruction Flat，缩写为 DTAIF），该模型 是在单机智能教学系统的基础上，运用agent理论建立的叁层结构模 型。DTAIF的叁层结构分别是行为层，策略规划层和资源层。行为层 完成教祈务，采集反馈信息并与教师协作与交互。策略规划层依据 每个注册学生的特点，制定适合自身特点的教学策略；资源层主要是 各种信息资源、学习记录和规则的存储。DTAIF的叁层结构模型不仅．能够根据学生的学习水平和学习情况，动态生成适合个别学生的学习 材料：而且由于对学生模型和规则集采用了分层管理，局部调整，减 轻了网络负载，避免了网络阻塞。DTAIF的授课平台模型中引入了评 价复习，通过复习agent能够诊断出学生学习的不足，并给予针对性 的提示和辅导，以保证教学质量。 在DTAIF模型设计中，重点研究了学生模型的构建，并应用知 识空间理论建立了DTAIF模型的知识树，用知识树完成知识表示； 应用贝叶斯方法进行评价诊断，找出学习的不足。 最后，依据DTAIF中的评价复习方法，建立一个实验系统，在 实验系统中实现了对操作题的评测，并对评测结果进行分析，最终给 予学生针对性的复习指导。
王海涛[6]2006年在《基于MAS的智能远程教育系统研究》文中研究表明目前,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,然而基于Web的多媒体计算机远程教学系统存在着系统智能性不高、系统的弹性与适应性不足等缺点。Agent技术提供了一种全新的、分布的计算模式和问题求解途径,将是下一代复杂分布的工程系统的模型。利用Agent技术,将个性化数字服务运用在远程教育中,是解决学生需求的个性化和教学资源的单一化这一矛盾的有效方案。本文通过分析传统远程教育系统模型的不足后创建了一个基于多Agent的智能远程教育系统模型。此模型由6个子系统构成,每个子系统又是由多个Agent组成的。此模型是利用Agent的协作机制来实现各模块间的信息交换与共享;还利用了Agent的智能推理能力来分析学生的个性特点,从而能够自适应地生成一个适合学生个体学习的教学策略,还能够智能地组织教学环节来引导学生更好的学习,使学生发挥出更大潜力。此模型采用了“主导+主体结合”的教学设计思想既发挥了远程教育中教师的主导作用,又充分体现了学生的认知主体作用。在本文所建立的远程教育系统模型中,学生学习子系统模块是最为重要的,它是其它子系统能够正常运行的基础。针对目前大多数关于学生模型的研究不是复杂且难以实现,就是简单但推理能力弱的现状,本文创建了一个多Agent的学生模型。此模型采用模糊推理与概念图相结合的方法不仅推理能力强,而且容易实现。本文以软件工程理论和面向对象程序开发方法为基础,构建了叁层结构的远程考试管理系统模型,其具有安全性、稳定性和实用性等特点。
张天, 张啸, 颜秀铭[7]2006年在《MAS技术在自适应远程教育系统中的应用》文中指出目前大多数远程教育系统缺乏智能性和自适应性,使用Agent技术可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适应性。
李章维[8]2004年在《基于多Agent的数据广播信息平台研究及在远程教育中的应用》文中研究说明20世纪90年代开始，INTERNET网络技术迅速得到普及应用，继而在世界范围内欣起了一场网络革命，信息高速公路、千兆网、吉兆网等技术迅速涌现，网络的带宽迅速扩展，各行各业的发展都与网络技术应用息息相关。目前，网络已深入到了每个行业的每个角落，网络应用也由原来单纯的点对点文本通信，拓展到包含文本、动画、图像、语音和视频等信息的多媒体通信。网络应用的扩展，通信数据量、数据传输的范围、参与通信的用户增加等都对网络的带宽提出了更高的要求。目前网络技术能提供的网络带宽大大落后于网络应用的需求，如何寻找其它的网络通信手段，以缓解网络应用需求所带来的压力，是世界上各国科学家和工程技术人员的研究热点。数字广播技术作为广播电视行业的新兴技术，可以有效利用大量的传统广播电视资源，开展CATV网络资源的综合数据业务，缓解网络应用的供需矛盾，提高网络传输的服务质量，具有非常重大的意义。但是传统的数字广播系统无论从应用角度还是从CATV网络本身都存在与IP网络严重脱节、甚至相互隔离等缺点。因此，研究能有效结合IP网络与数字广播网络的资源、为广大用户提供可靠服务质量的信心传输平台具有非常巨大的社会和经济效益。 Agent技术作为一种新型的人工智能技术，能有效地解决复杂的自动控制、自动服务问题，并已在许多方面取得了成功应用。本文主要研究在数字广播与IP网络组成的信息服务系统中引入多智能体技术，利用多智能体技术的特点建立一种可提供多种信息服务、跨越多种网络、方便高效的信息传输、具有可靠的用户服务质量的信息平台。论文的主要研究内容及特点如下： 1．对智能体技术的理论研究和应用现状做了较详细的综述，介绍了数字广播系统的发展现状及存在的问题，提出了基于多智能体技术建立数字广播信息平台的研究设想。 2．提出了数字广播信息平台的多智能体模型及信息服务硬件平台自维护的智能体模型，并进行了详细的论证和分析。 3．从信息平台的具体实际出发，提出了智能体信息平台中各单个Agent的结构模型，讨论了该模型中各部分的功能划分及相互关系。 4．从智能体的结构特征着手，结合信息平台的具体应用特点，详细论述了智能U浙江大学博士学位论文 体的各个组成部分与信息、平台各部分之间的对应关系。 5.根据信息平台的运行特点，研究了信息服务Agellt的知识库设计理论和方法。 6.结合信息平台的信息发送特点，研究了信息发送层的多个信息发送Agent之 间的协调理论和方法，进一步提高了信息发送的效率和信道资源的利用率， 也提高了信息服务的服务质量。 7.针对不同用户的需求禾叫寺点，研究了多种不同的信息服务质量评价方法，以 提高系统的应用范围，适应系统应用的层次需求。 8.将上述信息牛台成功地应用于远程教学信息服务系统，并取得了较为理想的 应用效果。 9.最后总结了全文的研究内容，展望了信息平台下一步的研究方向和内容。
蔡炼[9]2007年在《基于多Agent智能教学平台的研究》文中提出本文通过对国内外较有代表性的网络教学平台的分析研究,找出它们的不足和问题,然后以建构主义学习理论和现代教育理论为指导,在分析智能教学系统基本理论及Agent思想和方法的基础上,探讨利用多Agent技术开发网络智能教学平台的新思路,设计并构建了一个具有适应性、智能性、实用性的基于多Agent的智能教学平台。该平台力图通过各相关Agent和程序模块实现:分析学生知识水平、兴趣和能力,较好地获取学生的特征信息;存贮和监控学生的学习状态,即时调整教学策略,实现个别化教学;实现知识交换与共享,使学生能与教师和其它学生进行即时的信息交流与分工合作,在获取知识、提高创造力的同时又能发挥其特长及培养与人合作的能力,从而体现学生的按需学习和教师的因材施教。本文利用Agent技术建立的基于Web的智能教学平台,使学习者能利用网上丰富的教学资源,个性化的教学模式以及多角度、多层次、多通道的交流方式开展自主的个别化学习与交互式的集体协同学习,这也是未来远程教育的发展趋势。
白云[10]2003年在《网络教学资源自适应组织研究》文中研究表明近年来，国内的网络教学平台如雨后春笋般地不断涌现，但许多网络教学平台的个性化教学不能令人满意，造成网络教学质量不高。教学资源个性化组织作为个性化网络教学的重要内容，其质量也不令人满意。主要表现为：(1)部分网络教学平台忽视了教学资源的组织。(2)部分教学平台对教学资源的个性化组织过于简单。(3)教学资源的定义不清，不利于个性化组织。论文针对教学资源个性化组织存在的问题，经过研究认为，教学资源个性化组织是进行个性化网络教学的关键内容；根据个性化教学的需要定义教学资源有利于教学资源的个性化组织；教学资源的个性化组织应该和教学策略相结合；将教学资源的组织和人工智能技术相结合，运用agent技术提高教学资源个性化组织的智能性，是网络教学系统中实现教学资源自适应组织的一种可行的途径。论文基于这一思想，给出了适合教学资源个性化组织的教学资源模型和学生模型，利用学生模型在学生信息获取方面的优势，提出了基于学生模型进行教学策略和教学资源整合的一般方法，并运用该方法给出一个能进行网络教学资源自适应组织的多agent网络智能教学系统模型SAROM(Self-Adaptive Resource Organization Model)。SAROM首先确定学生的个性喜好，根据喜好信息确定个性化教学策略，然后在教学资源库中选取既能配合教学策略的开展，又满足学生喜好的教学资源作为个性化教学资源，并将这些资源和教学策略结合，使之按照教学策略的安排呈现给学生，从而实现网络教学资源的自适应组织。作者基于SAROM的设计思想实现了一个实验系统ROES(Resource Organization Experiment System)以验证SAROM的教学资源个性化组织功能。实验表明，SAROM的基于学生模型的教学策略和教学资 网络教学资源自适应研究·摘要源整合能够提供个性化的网络教学资源，有助于实现网络教学平台的教学资源自适应组织。
参考文献：
[1]. 运用MAS技术实现的自适应远程教学系统[D]. 朱晓军. 太原理工大学. 2004
[2]. 基于多Agent的自适应远程教学系统模型[J]. 高仲慧, 林筑英, 魏高起. 贵州师范大学学报(自然科学版). 2009
[3]. 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
[4]. 远程教学自适应教师模型的研究与设计[D]. 张秋俊. 太原理工大学. 2004
[5]. 远程教学中自适应授课平台的模型构建研究[D]. 李军. 西南师范大学. 2002
[6]. 基于MAS的智能远程教育系统研究[D]. 王海涛. 天津大学. 2006
[7]. MAS技术在自适应远程教育系统中的应用[J]. 张天, 张啸, 颜秀铭. 现代教育科学. 2006
[8]. 基于多Agent的数据广播信息平台研究及在远程教育中的应用[D]. 李章维. 浙江大学. 2004
[9]. 基于多Agent智能教学平台的研究[D]. 蔡炼. 贵州师范大学. 2007
[10]. 网络教学资源自适应组织研究[D]. 白云. 西南师范大学. 2003
标签：计算机软件及计算机应用论文; 自适应论文; 远程教育论文; 网络教学论文; 教学策略论文; 网络远程教育论文; 网络模型论文; 教学理论论文; 能力模型论文; 系统学习论文;