摘 要： 移動學習是遠程教育新的發(fā)展階段，對于滿足人們的學習要求、平衡教育資源、構(gòu)建學習型社會都有很大的幫助。但傳統(tǒng)的遠程教學模式將學生和教師分離為單獨個體，忽略了“教”與“學”之間的交互性和“學”應(yīng)該具有的主動性。為了更好地提高學生學習的興趣和積極性，提出了一種新的移動學習教學模式，增加“學－教角色轉(zhuǎn)化Agent群”，通過測試Agent，采用FCM的模糊推理，分析學生Agent的認知水平，結(jié)合知識表示模型，實現(xiàn)自動篩選合格學生和自動角色轉(zhuǎn)化機制。
關(guān)鍵詞： multi-Agent；移動學習；角色互換；FCM
大量移動終端、手機新功能的閃亮登場，以及移動互聯(lián)網(wǎng)用戶群體的出現(xiàn)，成就了移動學習時代的到來。學習者通過無線網(wǎng)絡(luò)可以隨時隨地地實現(xiàn)在線與離線學習，網(wǎng)絡(luò)教學系統(tǒng)能夠根據(jù)學生的個體情況和知識結(jié)構(gòu)來確定和調(diào)整教學策略。但其本身仍存在一些問題，例如系統(tǒng)缺乏適應(yīng)性，不能夠根據(jù)學生的認知水平而采取相應(yīng)的教學手段和策略，難以實現(xiàn)因材施教；隨著學生數(shù)量的增加，網(wǎng)絡(luò)教學過程中經(jīng)常出現(xiàn)教師輔導不到位、反饋不及時等問題[1]。
針對現(xiàn)代遠程教育存在的各種問題，多人提出了基于多Agent的新的遠程教育模型框架[2-5]，比較集中的框架模式為B/A/S 3層結(jié)構(gòu)模式，如圖1所示。
采用智能代理的網(wǎng)絡(luò)教學平臺，學生可以通過其學習代理與老師進行聯(lián)系，圍繞教學重點進行交流，進而形成有效的控制機制。借助這個平臺，學習代理可以根據(jù)學習者的需要，到有關(guān)資源站點查找和搜集與當前學習內(nèi)容相關(guān)聯(lián)的資料，處理日常學習事務(wù)，也可以方便教師教學和管理工作，并且保證數(shù)據(jù)的安全可靠，形成相對封閉的教學通道。
由圖1可以看到，此模型框架在應(yīng)用性、靈活性等方面都已經(jīng)達到很高的程度，但是中間代理層的設(shè)置仍然存在一些問題。例如教師和學生仍然是兩個分離的個體，并沒有脫離傳統(tǒng)的教與學的課堂教學模式，教師和學生交互活動極少，學生很難積極主動地參與到教學過程中來。
為了解決上述問題，本文提出了一種新的基于FCM模糊推理的多Agent移動學習教學模式。
1 模糊認知圖
模糊認知圖FCM(Fuzzy Cognitive Maps)是模糊邏輯和神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物。作為一種軟計算方法，它也是知識的一種圖解表示，由節(jié)點和弧組成。如圖2所示，弧表示實體和概念間的因果關(guān)系，節(jié)點可以是實體和概念等。每個節(jié)點都具有其節(jié)點狀態(tài)值,刻畫了FCM環(huán)境中物元的屬性;從組織結(jié)構(gòu)上看，F(xiàn)CM是面向?qū)ο蟮膯螌訋Х答伒纳窠?jīng)網(wǎng)絡(luò)。它可以支持專家先驗知識以及因果關(guān)系的表示與推理，知識蘊涵在概念節(jié)點及概念節(jié)點間的關(guān)系中。它通過概念間的關(guān)系來模擬模糊推理，通過整個圖中各概念節(jié)點的相互作用來模擬系統(tǒng)的動態(tài)行為[6]。在本文中,采用模糊認知圖的方式分析學習者的認知水平，更好地跟蹤學生的學習狀況、改善教學效果。
圖4為Agent群內(nèi)部構(gòu)成圖，該Agent群主要包括成績測試Agent、素質(zhì)測試Agent和綜合測試Agent。當3個Agent得到結(jié)果W14、W24、W34滿足一定的標準時，就會觸發(fā)綜合Agent，將通過此次測試的學生名單寫入數(shù)據(jù)庫，同時為對應(yīng)學生分配一個教師權(quán)限賬戶，進行角色轉(zhuǎn)換。教師可以隨時查閱“綜合Agent”得到的信息，更全面地了解學生，從而制定相應(yīng)的教學方案，更好地因材施教。
引入角色轉(zhuǎn)換Agent群，進而選擇合格學生，其好處在于：
(1)作為學生，他們更容易知道其他同學的問題所在；同時可以刺激學生學習的積極性。
(2)在此過程中，教師將會有更多空余的時間來搜集資料，研究教學和其他問題。
(3)學生在線時間可能更充裕，面對面交流的可能性更大，擴大了“在線教師”的人數(shù)。
(4)學生可以進行備課，發(fā)布新資料。假如教師覺得資料可用，可將其收藏至資料庫，減少教師收集資料的工作量，同時集思廣益，達到更好地促進教學的目的。
2.2 Agent模塊實現(xiàn)
在該模型中，需要設(shè)計的Agent模塊主要包括：教師Agent模塊、教學資源Agent模塊、教師授課Agent模塊、學生Agent模塊、學生學習情況Agent模塊等，在此，以學生學習情況Agent模塊為例，介紹其主要代碼實現(xiàn)。
if ms(〝answer〞)=request.form(〝choose〞) then
//回答正確,同時顯示下一問題
Else
ms.close
set ms=nothing
set cone=server.createobject(″mydate.recordset″)
mysql=″select * from studentinfo where studentname
=′″&session(″studentname″)&″′
conn, openhe, ″dsn=exam″,1,3
conn(″errors″)=session(″my_knowledge″)
conn(″study_difficulty″)=session(″study_difficulty″)
conn.update
session(″record_num″)=int(session(″record_num″))+1
session(″study_difficulty[int(session(″lk″))]″)=
int(session(″study_difficulty[int(session(″lk″))]″))-1
3 申請測試
在現(xiàn)有的移動學習模型中增加“角色轉(zhuǎn)換Agent群”，對現(xiàn)有的整體系統(tǒng)影響較小，并且比較容易實現(xiàn)。其主要實現(xiàn)的功能為：當某學生對某一知識的學習達到一定程度，就可以進行綜合測試（成績測試、素質(zhì)測試、心理測試等），而這些試題是由試題測試庫隨機生成的；若通過該綜合測試，此學生的信息就會被添加入對應(yīng)的數(shù)據(jù)庫中，同時轉(zhuǎn)換為“教師”角色；然后履行“教師”職責，搜集資料、備課，申請測試的整個框架模式如圖5所示。
本文針對現(xiàn)代遠程教學模型中存在的問題，在現(xiàn)有的模型中添加一個新的角色轉(zhuǎn)換模塊，目的是提高學生學習的主動性、積極性和學習興趣，最終提高教學的質(zhì)量。為了更好地分析學生的學習狀況，采用模糊認知圖的方式分析學生的認知水平，更好地跟蹤學生的學習狀況，改善教學效果，從而對整個教學改革和素質(zhì)教育的實施起到積極的推動作用。
參考文獻
[1] 北京師范大學繼續(xù)教育與教師培訓學院，北京師范大學遠程教育中心.遠程教育學生指導手冊[M].北京：北京師范大學出版社，2005.
[2] 陸淑娟．Multi-Agent技術(shù)在網(wǎng)絡(luò)教學中的研究與應(yīng)用[D]．南京：南京工業(yè)大學，2004.
[3] 楊紅穎，王向陽，趙紅．一種基于多Agent的遠程教學模型框架[J].中國遠程教育，2005(2)：65-67.
[4] Web-based Education Commission.The power of the Internet for learning[M].Washington，DC：U.S.Department of Education，2000.
[5] 劉大有，楊鯤，陳建中．Agent研究現(xiàn)狀與發(fā)展趨勢[J].軟件學報，2000，11(3)：315-321.
[6] 林春梅.模糊認知圖模型方法及其應(yīng)用研究[D].上海：東華大學，2006.
[7] 何炎祥，陳莘萌.Agent和多Agent系統(tǒng)的設(shè)計與應(yīng)用[M]. 武漢：武漢大學出版社，2001.
[8] 董紅斌，孫羽.多Agent系統(tǒng)的現(xiàn)狀與進展[J].計算機應(yīng)用研究，2001(1)：54-56.
[9] 肖基毅，陳堅禎，朱常春.基于Agent的協(xié)同遠程教學模型[J].微機發(fā)展，2002(2)：94-96.
[10] CHAO L.Deployment of mobile learning course materials to android powered mobile devices[J].International Journal of Distance Education Technologies，2012(10)：1-16.