智能代理（Smart Agent）
在网络化学习中应用的构想
The Usages of Visualize of Smart Agent in Network Bad Learning
薛博* 解月光**
东北师范大学信息技术教育研究所
颖五笔怎么打
E-mail：* **
卖炭翁翻译在网络学习环境下，如何有效的收集信息、评价学习活动和为学习者提供实时帮助是关系到网络化学习效果的几个重要问题。本文在介绍智能代理总体结构的基础上，以解决上述问题为目标，提出了在网络化学习中应用智能代理的几种构想以及应用这一技术将带来的问题。
关键词: 智能代理 网络化学习 应用设想
1 引言
随着计算机技术的发展，人工智能问题逐步得到人们的重视。从人工智能理论在20世纪50年代被提出以来，人们在这方面不断地进行尝试。自“专家系统”理论出现以后，人工智能技术逐步开始了实用化的进程。近些年来，最为热门的人工智能应用就是“智能代理”。
随着教育信息化进程的推进，智能代理在教育领域中，特别是在刚刚兴起的网络化学习中必将发挥其独特的作用。
冰淇淋英语怎么说2 什么是智能代理
广义的智能代理包括人类、物理世界中的移动机器人和信息世界中的软件机器人（bot）。
狭义的智能代理专指信息世界中的软件机器人。它是代表用户或其他程序，以主动服务的方式完成一组操作的机动计算实体。本文中的智能代理指的是具备狭义智能代理功能的应用软件包。
智能代理有如下一些特性：
（1）代理性（Agent）
代理性体现在：它是 “代表用户”工作的；它可以把其他资源包装起来，引导并代替用户对这些资源进行访问，成为便于通达这些资源的枢纽和中介。
（2）智能性（Intelligence）
智能性指的是通过获取外界信息自觉地改变自己以适应外界变化的能力。在智能代理中最明显的表现就是“学习功能”。
（3）自主性（Autonomy）
智能代理是一个独立自主的计算实体。它应能在无法事先预测的、动态的信息环境中，独立规划复杂的操作步骤，解决实际问题。
（4）机动性（Mobility）
在网络计算环境下，一个代理可以看成是代表用户常驻网络的机构，它可以在网络上灵活机动地访问各种资源和服务，还可以就完成特定任务同其他智能代理进行协商和合作，甚至把自己 “迁移”到网络中的其他主机上去执行任务。这样的 “精灵（Sprit）”在网络上游弋，是对网络安全性、个人隐私和网络管理的巨大挑战。
3 智能代理在网络化学习中应用的几种构想
3.1 收集信息资源
四柱五行
正常人能承受的海拔在网络化学习中，如何从网络上收集自己所需要的信息资源是每个学习者都必须面对的问题。我们只要学会如何搜索信息，就不必要一次次的重复简单的操作。但是，目前的网络环境却不能够让我们这样想，过量的信息充斥于因特网上，严重干扰学习者正常的信息搜索活动。因此，我们设想在网络化学习环境中应用以智能代理为核心的信息资源搜集工具。通过人工智能软件的帮助完成信息收集的活动，让学习者的精力集中在他们所学习的内容上而不是耽误在收集学习信息资源上。
“Gold Eye”是 “6bytes Software”提供的一种网上智能搜索工具，其核心模块的结构符合标准的智能代理型决策支持系统，是典型的“目标驱动”型决策支持软件。
“Gold Eye”的搜索工作原理是：首先将用户给出的搜索条件适当扩大，与已经纪录在案的网上通用搜索引擎建立连接并发送搜索请求，由这些通用搜索引擎参与搜索工作。同时，Gold Eye运行自己内置的搜索引擎查找目标。回收的信息经过“决策模块”的判断后生成列
表文件供用户最终选择。用户可以根据最终选择的结果向内置的搜索引擎添加判断信息以便于下次搜索工作。
“Gold Eye”所特有的工作方式和强大的数据挖掘能力能够帮助学习者有效的搜索信息。可以应用于自学或者是基于网络的研究型学习中。而且，作为学习者的信息搜集工具，其应用方式与应用网络搜索引擎类似。
“Gold Eye”的运行环境为MS Windows9X，目前最高版本号v2.0。其主要优点是：界面友好，简单易用；搜索功能强大，搜索速度快；占用系统资源低，适用环境广。其缺点是：语言兼容性差；判断能力有限；反馈模块不具备自动性。
3.2 过程性评价
网络化学习的评价一直是一个比较敏感，也是比较困难的问题。一般的评价手段难以有效地记录学习者的整个学习过程。因此也就无法从面向过程的角度评价学习者的学习活动。
在这方面，智能代理有着独到的优势。
①智能代理可以一直监控学习者的学习过程。
②智能代理可以通过“事件驱动”的方式采集学习过程的数据。
③可以形成公正、客观的评价。
④可以预测学习者的发展方向并提供必要的建议。
对于智能代理在过程性评价方面的应用可做这样的设想：
（1）总体思路
评价系统总体结构采用模块化设计，模块间通讯协议采用TCP/IP协议，采用“CyberAlert v3.0”（来源：）和“KeyGhost”（来源：黑白世界）作为网络化学习过程的监控模块；“KeyGhost”的主要功能是截获用户从输入设备（键盘、鼠标）输入的动作，作为后续程序分析的基础；“CyberAlert v3.0”用于分析获得的信息，判断学习者的意图和现状并决定纪录哪些信息作为评价的依据；根据“CyberAlert v3.0”提供的数据，用户模拟模块建立用户的行为能力模型；综合“CyberAlert v3.0”提供的数据、用户模拟模块提供的用户模型以及已知的标准模型，“评价模块”经过比较运算，最后通“Darkbot V6a3” 语言组织模块给出学习活动的评价和针对学习者的建议。
（2）应用方式
“过程性评价系统”的应用目的在于弥补传统评价系统的不足而不是取而代之。因此，原有评价系统的缺点就是“过程性评价系统”的优长所在，两者之间不存在优劣的差别，只有适用场合不同的区别。
在自我评价过程中，由“过程性评价系统”提出的客观的评价和预测将帮助学习者更好的了解自己在整个学习活动中的状况，为评价提供参考意见（我们认为，至少在目前以及未来一段时间内，评价还应该由人类而不是智能代理来完成）。在应用于自我评价（由于评价者就是学习者自己，因此该评价已经具备过程性评价的基础）的过程中，我们强调该系统的“客观性”。用这种“客观的”参考意见帮助学习者有效的发现自己的不足之处并予以改进。此时，“过程性评价系统”将全部运行于学习者的计算机上。
在应用于评价他人的学习活动时，我们强调“过程性评价系统”的“过程性”。评价既是基于过程的，也是面向过程的。这种“从过程中来、到过程中去”的评价将协助评价者从发展的角度看待学习活动和学习结果。此时，“过程性评价系统”的主要部分将运行于网络服务器上，只将“KeyGhost”驻留在学习者的计算机上。
组织生活会发言提纲
（3）主要问题
这种应用的最主要的问题集中在两方面：各模块之间的接口通讯和“用户模拟模块”的设计。由于上面提到的软件都有自己独立成型的结构，因此数据通信困难重重；现阶段的“用户模拟”软件还非常不成熟，只能自主建立非常简单的模型，上面给出的例子只是一个试验品。
3.3 预测型智能帮助
预测型智能帮助被要求具有预测、人性化、智能化、实时、学习能力、自主性等特点。因此，可以说智能帮助不仅是网络化学习 “物化”的极致，也是其“人性化”的一种积极尝试，其核心是集决策、学习、控制、预测等功能为一体的智能代理。可以说，智能帮助系统将最大程度的发挥智能代理的功能，最大程度的表现智能代理的特点。
对于智能代理在预测型智能帮助方面的应用可做这样的设想：
（1）总体思路
我们设想以IBM公司提供的“Ginkgo”（传统型智能帮助软件）为主体结构，采用 “Darkbot V6a3”（事件驱动型语言交流软件）作为智能帮助的交流模块，结合“Podin v2.5”（用户模拟程序，但也只能对固定的人物的某一类行动进行模拟）的用户模拟功能和通用专家系统型知识库共同构成“预测型智能帮助系统”。与常见智能帮助的最主要区别在于通过模拟学习者的知识水平和行为特征建立学习者的个人模型，经过演算预测学习者在学习过程中将要发生的事件。该系统的帮助行为将预先警告学习者并提出建议。
（2）应用方式
将上述的“预测型智能帮助系统”作为学习活动参与者的助手，随时为学习参与者提供建议（形式上与微软的Office助手类似）。它将以观察者、指导者的身份参与学习活动，与所有学习参与者以及在学习活动中应用的其他智能代理系统互动，从而改善学习者的学习。
结合目前网络化学习的情况，我们认为此种智能帮助系统应该具备独立的结构，以便适应各种教育应用软件；具备可扩充的知识库，以有利于适应各种教育内容；具备生动的交流界面，以便与用户交流。我们建议该系统的调试功能由学习组织者或技术支持机构来完成。
在学习活动中，“预测型智能帮助系统”的核心程序可以运行在提供学习环境的服务器上，在学习者的计算机上只驻留监控模块。
（3）不足之处
目前，“Podin v2.5”的灵活性太差，其模拟模型的建立过程非常复杂以至于还无法实现完全由计算机自主完成；其次，“Darkbot V6a3”的事件响应能力较差。
4 智能代理技术在网络化学习的过程性评价中应用的技术思路
我们的研究认为，在网络化学习中，智能代理有效应用于过程性评价的技术思路是：基于建立的学生在网络化学习中学习行为活动模型，和据此确立的驱动条件以及作为自主评价依据的标准认知行为模型，来完成面向过程的学习行为信息的采集与分析。
和领导出差
4.1 网络化学习的学习活动模型
评价的第一步是建立网络化学习的基本模型，即网络化学习一般有哪些活动组成。建立该模型将有助于我们确定智能代理需要收集的信息。
我们认为，当学习者进入学习情境之后，其学习活动将设计四个部分：“资源利用”、“探究”、“交流”和“无关活动”，如图1所示。
利用学习资源的活动泛指在网络化学习过程中，学习者查阅、参考已有的信息资源这类与学习情境互动的行为。我们依据信息资源的存在和组织方式将这些信息资源分为：与学习主题直接相关、经过严密整理、专门为网络课程使用的，处于学习支架内的“课程资源”；与课程内容间接相关、经过整理、存在于本地的、处于学习支架外的“一般本地资源”；与课程内容间接相关、存在于网络其他位置的，为学习活动提供资料线索的“导航资源”；存在于网络中、未经整理的“泛在资源”。
岗位调动探究活动泛指学生在学习活动中发现问题、解决问题的活动。探究活动一般包含以下步骤：发现问题，这是探究活动的开端，也是最重要的部分；寻求解决方法的活动，在这一阶段中，学习者将根据已有的经验和知识寻找解决问题的途径；问题的最终解决，这是探究活动的最后一步，这时，学习者整理获得的资料，提出自己的观点、参与实践并进行反思。
