智能代理（smart agent） 在网络化学习中应用的构想

智能代理（SMARTAGENT）在网络化学习中应用的构想THEUSAGESOFVISUALIZEOFSMARTAGENTINNETWORKBASEDLEARNING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。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31收集信息资源在网络化学习中，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。“GOLDEYE”是“6BYTESSOFTWARE”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。“GOLDEYE”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，GOLDEYE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。“GOLDEYE”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。“GOLDEYE”的运行环境为MSWINDOWS9X，目前最高版本号V20。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。32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。智能代理可以一直监控学习者的学习过程。智能代理可以通过“事件驱动”的方式采集学习过程的数据。可以形成公正、客观的评价。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“CYBERALERTV30”（来源HTTP/WWWCYBERALERTCOM）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；“CYBERALERTV30”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“CYBERALERTV30”提供的数据，用户模拟模块建立用户的行为能力模型；综合“CYBERALERTV30”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“DARKBOTV6A3”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。（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。33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“DARKBOTV6A3”（事件驱动型语言交流软件）作为智能帮助的交流模块，结合“PODINV25”（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，“PODINV25”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，“DARKBOTV6A3”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。41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”。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。交流活动泛指在网络化学习中学习者与其他具备自主意识的个体的信息交流。在学习过程中，学习者将与指导教师、共同参与学习活动的其他学习者以及不参与此次学习活动的其他人交流信息。无关活动泛指发生在网络化学习活动过程中，与当前学习主题没有直接关系的活动。这种“无关活动”包括查阅无关的资源、与其他人交流无关信息等等。值得说明的是，无关活动并不是没有用的活动。从产生方式方面可以将无关活动分为两类“客观无关活动”，指在查阅资源、交流信息活动中产生非预期性结果的活动；“主观无关活动”，由学习者主动引起的，在学习活动中发生的背离当前课题学习方向的活动或超越当前课题学习深度的活动。以上四类活动在网络化学习活动中的组合方式非常复杂。在学习活动中，这些行为往往如同乱麻一样交织在一起。但是，无论学习活动的组织结构多么复杂，只要我们确定了构成学习活动的最基本元素，智能代理就能够有效的开展工作。42智能代理驱动条件的设计事件驱动模块的主要功能是根据驱动条件来判断是否记录与这一活动相关的数据。简单的说，就是运用条件判断语句选择记录收集到的数据。因此，在这一阶段，我们必须确定判断的条件能够驱动智能代理记录功能的“动作”。根据图1所示的网络化学习的学习活动模型，我们提出起“驱动”功能作用的活动应该包括哪些活动，见表1。当学习活动发生时，智能代理将根据表1所列的活动行为于正在发生的学习行为进行模糊匹配以决定信息的收集和记录并将纪录的结果存入学习者个人的“活动行为集”。研究活动发现问题寻求解决方法获得问题答案图1网络化学习活动模型利用网络资源课程资源本地资源导航资源泛在资源交流活动与指导教师交互与其他“同学”交互无关活动客观无关活动主观无关活动循环嵌套进入学习情境离开学习情境表1智能代理的驱动条件活动类别开始学习学习资源的利用交流活动探究活动无关活动结束学习驱动条件查阅课程资源查阅本地资源查阅导航资源查阅泛在资源使用在线帮助系统与教师的交流活动与其他学生的交流活动确定新主题使用学习支架提交结论客观无关活动主观无关活动43评价结果的呈现方式当数据收集工作完成后，智能代理程序将向评价者呈现两种类型的结果一种是由智能代理所记录的数据组成的“活动行为集”；另一种是经过智能代理自主分析，通过行为认知状况对照表得出的学习者的认知状况与标准学习认知模型和学习者的以前的学习记录对比后产生的“自主评价”。431活动行为集第一种评价方式是由智能代理软件用收集到的资料建立“活动行为集”关于学习活动的数据的集合，作为评价者评价学习活动的依据。建立“活动行为集”的目的是以标准化的形式向参与评价的人员提供学习活动的全程记录以作为评价的参考。“活动行为集”的基本结构如表2所示。行为活动集的基本结构表2活动类型需要收集的数据数据类型开始学习开始学习的时间日期、时间查阅资源的类型文本查阅资源的内容文本查阅资源的来源文本查阅活动开始、截止的时刻日期、时间持续时间数字使用在线帮助的次数数字持续的时间数字使用帮助的背景文本资源的利用第N次查阅学习资源寻求帮助的内容文本交流的次数数字交流活动的开始时刻日期、时间持续的时间数字发生交流活动的背景文本交流的内容文本交流活动第N次交流活动交流的对象文本探究活动的次数数字确立新主题的时间日期、时间使用学习支架的次数数字探究活动第N次探究活动第N次使用学习支架使用的时间日期、时间续表活动类型需要收集的数据数据类型持续的时间数字学习支架的内容文本结论的核心观点文本研究的完成程度文本无关活动的次数数字活动发生的时刻日期、时间活动持续的时间数字活动发生的背景文本无关活动第N次无关活动活动发生的内容文本结束学习结束活动的时间日期、时间432自主评价与第一种人工完成的评价不同，第二种评价方式是完全由智能代理软件在没有人参与的情况下独立提交的对学习活动的评价。自主评价依据的是行为认知状况对照表、标准认知发展模型和学习者的个人学习档案。行为心理学认为，人的行为可以隐性的反映其心理状况。将这一结论迁移至教育领域中，学习者在学习过程中的行为可以一定程度的反映其认知状况。基于这样的观点，我们建议根据“行为认知状况对照表”建立学习者行为分析模块，使智能代理能够了解学习者的认知状况。标准认知发展模型是由评价者按照达成网络课程目标的学习者的认知状态建立的认知过程模型。在学习活动结束后，由智能代理将学习者当前认知状况与标准认知发展模型的进行比较并形成一套描述差异状况的数据信息。这相当于是“同期发展的横向比较”，通过这种比较可以帮助评价者做出评价并更好的指导学习者以后的学习活动。学习者的个人评价档案记录了学习者以前的学习状况。它与当前认知状况的比较相当于是“个人发展纵向比较”，这样可以知道学习者的认知状况的发展程度。5应用智能代理技术应思考的有关问题51安全问题智能代理软件的信息获取能力非常强大，它从几个方面威胁着信息安全。驻留在用户计算机中的程序无疑是系统的“后门”；获取信息的强大功能无疑是拦截信息的“监听器”；强大的信息挖掘能力无疑将影响某些保密的信息，等等。52法律伦理问题这个问题在“过程性评价”中尤为突出。教育组织者或机构有没有权力监控学习者的整个学习过程，有没有权力侵犯学