前言：想要寫出一篇引人入勝的文章？我們特意為您整理了智能Agent技術在遠程教育中的應用范文，希望能給你帶來靈感和參考，敬請閱讀。

一、現(xiàn)有遠程教育存在的問題

目前，基于WWW的多媒體網(wǎng)絡教學系統(tǒng)在國內(nèi)外已有不少，但是它們都分別存在著一些問題沒有解決，概括起來有以下幾點：

1、現(xiàn)有的系統(tǒng)多以呈現(xiàn)材料為主，缺乏有效的交互手段。系統(tǒng)呈現(xiàn)文字材料、圖片、視音頻素材，配合一定的測試，學生基本上還是以被動的接受知識為主，以通過系統(tǒng)最后的測試為知識掌握的標志；

2、系統(tǒng)缺乏一定的智能性。對不同認知水平的學生和不同的教學內(nèi)容采用相同的教學策略，難以實現(xiàn)因材施教；

3、由于采用超文本的方法組織教學材料，且由學生掌握學習的主動權，在學習的過程中容易出現(xiàn)迷航現(xiàn)象且存在一定的認知困難，學生容易偏離學習目標；

4、缺乏先進的學習理論的指導。多數(shù)系統(tǒng)仍然以行為主義的刺激一反應理論為指導，系統(tǒng)的設計遵循“呈現(xiàn)學習材料一學生反應一信息反饋”的方式，學習效果不是很理想；

5、學生學習過程中缺乏協(xié)同性和及時有效的支持，學習活動本身就是依據(jù)一定的情景進行的，必須提供同他人協(xié)同處理問題的機制和及時的支持。

二、agent定義及其特性

Agent沒有一個統(tǒng)一明確的定義，總結(jié)國內(nèi)外對Agent的各種研究工作，可以發(fā)現(xiàn)不同的研究人員都在自己的系統(tǒng)中賦予Agent不同的結(jié)構、內(nèi)容和能力，以方便自己特定方向的深入研究。廣義上講，Agent是指具有智能的任何實體，包括人類，智能硬件和智能軟件。Agent能夠在沒有人類或其他Agent直接干涉下獨立運行，并能夠根據(jù)內(nèi)部狀態(tài)和感知到的外部信息，控制自身行為和內(nèi)部狀態(tài)。Agent擁有其它實體（Agent、人、對象以及它們構成的環(huán)境）的信息和知識，并能夠通過一些通信語言與這些實體進行交互和協(xié)作。Agent能夠通過物理世界、圖形用戶界而、其他Agent集合、網(wǎng)絡或者上述方法的幾種綜合來感知外部環(huán)境的變化并實時產(chǎn)生復雜和適當?shù)姆磻gent并不是簡單地根據(jù)環(huán)境做出反應動作，而是有目的地根據(jù)承諾采取主動行為，表現(xiàn)出目標驅(qū)動的特性。

三、智能Agent技術在遠程教育中的應用

智能和MAS的特性決定了其適合改善傳統(tǒng)遠程教育的不足。在MAS中Agent之間平等協(xié)作，以協(xié)同操作來共同完成給定的任務，其特點與現(xiàn)代教育理論相吻合。國外在這方面的研究已有多年，而且有很多已經(jīng)完成的模型或系統(tǒng)。但是在教育領域，智能技術的應用還處于探索階段，研究人員提出了一些模型，但離最終實現(xiàn)還有一段距離。在國內(nèi)，對于智能的研究也比較早，并且提出了自己的理論。如中國科學院計算所、國家智能計算機研究中心、國防科技大學計算機學院等單位都有較深入的研究。

1、南加利福尼亞大學W.LewisJohnson等人的研究中提到：為了使遠距離學習系統(tǒng)適合每個學生的需要，并支持教師與學生的相互作用，可以應用教學監(jiān)視學生與計算機的交互并提供指導和建議。在他們主持的高級遠距離工程（ADE）項目中，提出了一個叫做Adele的教學，當學生通過網(wǎng)上課件學習時，Adele的備份在每一個學生計算機上運行，與每個學生交互作用。Adele負責監(jiān)控學生、記錄學生行為、根據(jù)需要調(diào)整課件呈現(xiàn)內(nèi)容等。

2、蒙特利爾大學ClaudeFrasson等人的“行動者”模型中提出了一種所謂“行動者”（Actor）的教學模型，并賦予“行動者”以反應、指導、適應和認知能力。系統(tǒng)由多個“行動者”組成，利用“行動者”來實現(xiàn)教學策略以及測定哪種策略更適合于某個特定的學習者。“行動者”包括兩個層次：知識層，它包括各種教學知識類型的表現(xiàn)；認知層，支持“行動者”的學習能力，即自我增進能力。另外內(nèi)部視域和外部視域分別用于感知“行動者”的自身內(nèi)部狀態(tài)和外部環(huán)境。知識層包括三個模塊：理解、行動和控制。理解模塊識別“行動者”能介入的典型情況。它的作用是探測介入的機會。行動模型包括在特定情況下被激發(fā)的反應活動?？刂颇K包括回答問題的知識：我是否決定介入？如何介入？介入什么？…它的作用是根據(jù)情況分析作出決定?？刂坪托袨榈慕Y(jié)合與反應指導計劃相一致。這一層要求陳述性知識和程序性知識。程序性知識由一組“典型情況”和“任務”來表示。典型情況描述“行動者”介入教學的機會，它包含于理解模塊中。當環(huán)境符合典型情況的條件時，“行動者”就會執(zhí)行特定的任務。認知層主要由支持“行動者”自我學習能力的認知任務構成。它結(jié)合機器學習技術，從對學習者不同情況下行為的分析獲得更多的經(jīng)驗。

3、Evandro和Perkusict提出的多學習環(huán)境模型中作者提出了一個多學習環(huán)境模型。該模型的核心部分共包括4個模塊，即學習者、界面、通信、教學群。該模型定義了每個的功能和之間的通信協(xié)議。在教學群中每一個在一定領域內(nèi)都是一個專家，具有解決問題所需要的領域知識。該模型定義了的結(jié)構以及之間的通信協(xié)議，對之間的交互過程進行了描述。該模型中之間的交互過程是：首先，一個試圖解決一個問題，當它能夠獨立解決時，它獨立解決，否則通過的社會機構（So-cialmechanism），即教學自身的社會模型選擇一個或多個能夠解決任務的。一旦這個選擇完成，之間開始一個合作協(xié)議。模型還定義了之間進行交互時的語法。雖然，多在這些系統(tǒng)中都取得了很好的成效，但是不可避免的存在著一些缺點，比如，有的系統(tǒng)對之間的通信和交互沒有明確的定義，而有的則結(jié)構過于復雜，實現(xiàn)起來比較困難。

作者：顧瑋 單位：徐州高等師范學校