朱忠旭，刘竞杰，黄　兵

(安徽工贸职业技术学院 1.计算机技术系，2.基础部，安徽 淮南 230007)



基于JADE的学生顶岗实习阶段智能教学平台

朱忠旭1，刘竞杰1，黄兵2

(安徽工贸职业技术学院 1.计算机技术系，2.基础部，安徽 淮南 230007)

摘要：开发了一个智能化的教学平台用来为顶岗实习的学生提供个性化的教学服务。平台采用基于JADE的多智能体结构设计，根据学生的在校学习记录采用模糊逻辑方法判断学生的个性特征，从学生实习岗位的知识需求出发生成教学内容。教学策略选择规则使用Jess语言定义，根据学生的个性特点、知识水平、教学内容的难易程度及对实习岗位的重要性等为学生选择个性化的教学方法。以一个学生实例演示了平台的应用，验证了平台的可用性。

关键词：JADE；智能教学平台；多智能体系统；模糊逻辑

顶岗实习是大学教学的一个重要环节，然而，由于学生实习单位的分散性及学校师资力量有限等原因使得学校难以对正在实习的学生提供有效的学习指导和帮助。因此，开发一个能根据学生实习岗位的知识需要、学生个性特点及知识基础等对学生进行个性化知识传授的智能教学系统(Intelligent Tutoring System, ITS)[1,2]作为学生在实习期间的学习平台有助于学生更好的学习所需的知识。

1平台的总体架构

平台基于多Agent开发工具JADE平台设计，如图1。JADE除了是一个多Agent系统的开发工具之外，还是多Agent的运行管理平台，它为Agent提供了生命周期管理、白页服务、黄页服务及消息传递服务等基本支持，构成Agent赖以生存的运行环境[3]。平台由用户层、业务处理层、资源层三层结构组成，业务处理层包含学生Agent、教师Agent、学生特性分析Agent、教学规划制定Agent、教学策略制定Agent、学习成果评价Agent、教学内容生成Agent等。学生注册时生成代表此学生的学生Agent，并从学生信息库中取出该学生在校期间的学习记录信息，并由学生特性分析Agent对信息进行分析，得出该学生的学生模型。教学规划制定Agent根据学生模型为该学生制定学习规划，包括学习内容安排、时间长度制定等。教学策略制定Agent根据学生模型为教学规划规定的每个教学知识点制定教学策略。学习成果评价Agent根据学生与系统的交互及学生测试等判断学生的学习效果。教学内容生成Agent根据学生模型及教学规划从教学资源库中获取适当的教学内容。

2关键实现技术

2.1基于模糊逻辑生成学生模型

学生模型用于为系统提供用于获取学生学习方式、认知结构、知识水平、兴趣爱好的信息[4]。学生模型根据其包含的信息的性质、形式及解释方法分为课程知识和个人特征两部分。学生模型在学生的学习过程中可以根据学生的交互记录、学习成果的分析不断地更新。

定义1系统中的学生模型定义如下：

学生 ：：=(基本信息，知识状态，素质状态，实习岗位，学习偏好，学习能力，岗位适应度)。其中，基本信息指学生的注册信息；知识状态指学生当前具有的知识范围及水平；素质状态用于表示学生的道德品质等方面的特征，由信息库中存储的学生素质测评成绩来评价；学习偏好用于表示学生的学习习惯、学习能力等特性；学习能力指示学生对知识的接受和理解能力的强弱；岗位适应度表示学生对当前实习岗位的适合程度。

图1系统的总体架构

学生模型中除基本信息和实习岗位外，其它特征都是定性指标，难以用精确的数值度量，因此系统使用模糊逻辑[5]将学生信息库中的学生记录数值数据转换为学生模型中的学生特征值。

学生的知识状态用学生在校期间学习的知识点及对每个知识点的掌握水平表示。研究发现，学生对知识点的掌握程度与知识点的难度密切相关，对大多数学生来说，低难度的知识点往往都能掌握，而影响课程分数高低的关键因素是对高难度知识点的掌握水平。由此设计出根据课程成绩和课程知识点的难度来判断学生对该课程所包含的各知识点的掌握水平的判定表(如表1)。

表1　学生知识点掌握水平判定表

学习偏好从学习者的知识处理方式、感知方式、接受方式及理解方式等四个方面定义学生的学习特性[6]。学生的学习偏好从对学生在校期间的学习行为及学习成果的分析来获得。系统根据课程平均成绩和学习成果数量划分学生类型(见表2)，再由学生所属类型得出学生学习偏好的基本判断(见表3)。

表2　学生类型判定表

表3　学生学习特征判定表

系统通过学生在校学习成果来计算学生的学习能力，若学生在校期间选修了n门课程，每门课程的考试成绩为Ci，首先计算出各门课程的加权平均值

式中pi根据学生获得成绩的考试类型不同取不同的值，正常考试pi取1，第一次补考pi取0.8，第二次补考pi取0.6。 pj为在校期间参加知识或技能竞赛成绩，按级别取一定的分值，再由Sc的值得出学习能力的模糊判定值。

岗位适应度表示学生对当前实习岗位的适合程度，分为高、中、低三个级别。系统根据学生类型及学生实习岗位与所学专业对口情况来计算岗位适应度(如表4)。

表4　岗位适应度判定表

2.2领域知识模型

领域知识模型全面地表达教学内容以及不同教学内容之间的联系。系统以实习岗位为基点建立知识模型，整个模型由岗位、岗位能力需求、课程、知识点等元素构成，如图2。

图2领域知识模型

岗位模型中各结点(实习岗位)之间的关系为偏序关系“发展”，即若岗位1与岗位2之间具有“发展”关系，则表示岗位2是岗位1的后继岗位，学生完全胜任岗位1的工作后，可以将岗位2作为自己下一步的职业发展的优先选择。

每个岗位需要多种能力，岗位能力的来源是课程学习。岗位能力结点与课程结点之间是多对多的关系。一门课程分为若干个知识点，知识点之间的关系如图3，分别表示a，b为独立的、c是d的先决条件、e和f同为g的先决条件[7]。

图3知识点关系

对领域模型中的每个知识点提供多种形式的学习素材(如图4)，系统根据学生的学习偏好及知识状态等特征为其选择适当的教学材料。

图4领域模型与教学材料的关联

2.3教学实现

平台从学生实习岗位的知识需求和学生的知识水平、学习偏好等个性特点出发为学生选择要学习的知识点，再根据学生的学习能力和知识点的难度水平以及对岗位的重要性为学生选择适当的教学方法进行教学。整个过程可分为教学课程选择、教学知识点序列生成和教学实施三个部分。

2.3.1教学课程选择

教学课程选择的过程如下：

1)在领域模型中确定岗位结点；

2)搜索出实习岗位的支撑能力结点，得到岗位支撑能力集Sca；

3)对每种支撑能力，搜索其支撑课程结点，得到岗位支撑课程集Scu；

4)由学生模型得到学生已修课程集Sm；

5) 将Sm划分为S1和S2两个子集，S1是学生已修而且实习岗位要求的课程集，S2是实习岗位要求但学生在校期间没有选修的课程，S1=Scu∩Sm，S2=Scu-Sm；

6)对S1中的课程由表1计算出学生对该课程知识点的掌握水平m，将学生对S2中的课程的知识点的掌握水平设为“低”；

7)对岗位支撑课程集进行拓扑排序，得到课程的拓扑序列TScu。

2.3.2由课程序列生成知识点序列

过程如下

1) 依次遍历课程序列TScu，对每一门课程：

a) 获取该课程的知识点集合Ski；

b) 生成Ski的拓扑序列TSki;

c) 将TSki中元素依次插入知识点队列TSk。

2) 返回TSk。

3教学实施

对为某学生生成的知识点序列TSk中的每个知识点，平台采用适当的教学策略对学生施教。系统的教学策略描述如图5。图5中每个节点表示一个教学过程的一个环节，一次教学活动从根节点开始，沿某分枝遍历至叶结点所形成的路径。

图5教学策略

平台将每个节点定义为一个Java类，路径的选择由Jess[8]规则引擎执行教学策略规则决定。规则的触发因子为学生的特征数据，即知识水平m、学习能力f、学习偏好p等，另外还有知识点的难度l、知识点对岗位的支持度s等。如规则

(！highMaster(?x, ?k) &hasHighLearningFaculty(?x) &isImportant(?k, ？p) &likeVideo(?x) => (giveVideo(?x) &makeExecixe(?k) ))

表示若学生x对知识点k的掌握水平不高，学习能力一般，且比较喜欢视频形式的学习资料，而知识点k对学生当前岗位p很重要，则向学生提供以视频形式表示的教学内容并为其生成检验学习成果的练习题。

将教学策略选择规则保存为.clp文件，所有规则文件构成教学策略规则库。用于教学策略选择的Jess推理引擎Rete嵌入于教师Agent中，当学生注册时，学生Agent从数据库中读取学生记录，用(2.1)中所述方法计算出学生模型数据，Rete根据学生特性值在规则库中查找相匹配的教学规则，从而决定应采用的教学策略。教学过程描述如下，

1) 创建Jess推理机对象Rete；

2) 加载教学策略规则库；

3) 从学生Agent收取学生的个性特征数据；

4) 取出队列TSk的元素k，若队列为空，则转8)；

5) 启动推理机选择对k采用的教学策略；

6) 按教学策略要求为学生制定学生Agent传送教学内容；

7) 评价学生学习成果，修改学生对k的掌握水平l，若l==“高”，则k出队列，并转4)，否则转5)；

8) 结束。

4平台应用示例

为了验证平台的可用性，使用软件技术专业的若干名学生在校学习记录数据对平台进行了测试。如一个在某软件公司实习的学生，其在校学习记录如表5，实习岗位是C#程序员。

表5　学生在校学习成绩表

平台为学生选择的实习期间要学习的课程序列为数据结构、C#语言、ASP.Net程序设计、数据库原理与应用、Windows程序设计、网页设计与制作、软件测试、软件工程等，再根据每门课程所包含的知识点与实习岗位的相关度生成学生要学习的知识点序列(…… S1cCu1-9，S1cCu1-6，S1cCu1-7，S1cCu1-5，S1cCu1-4，S1cCu1-8，S1cCu1-3，S1cCu1-2，S1cCu1-1 …… )。根据学习记录计算出该学生的学习能力为“较强”，再结合由课程成绩和知识点难度计算出的学生对每个知识点的掌握程度，如对C#课程的S1Cu1-5知识点(即继承与接口设计)，其难度水平为“高”，学生的课程成绩为85，由表4的规则得出学生对此知识点的掌握程度为“中”，学生偏好的内容呈现方式为“文字”，最终系统为学生生成的学习界面如图6所示。

通过测试发现，平台可以为不同的学生生成其实习岗位要求的知识序列，并能以比较适当的方式为学生提供教学内容，选择教学方法，符合预期的功能和性能要求。

5结束语

企业实习阶段的学生需要快速、有针对性的复习、深化和补充岗位相关知识。平台以学生的实习岗位为基点，为其产生实习期间需要学习的知识序列，并根据学生的个性特点为其产生个性化的教学策略。教学策略的制定和实施充分考虑到学生在校期间的学习情况、自身特点、实习岗位与学习专业的对口程度等特点，做到因需施教和因材施教相结合。使用该平台有望解决以往学生企业实习阶段脱离教师指导、知识学习与顶岗实习脱节等问题。

参考文献:

[1] 莫赞,冯珊,唐超.智能教学系统的发展与前瞻[J]. 计算机工程与应用,2002,38(6):6-7.

[2] 许高攀,曾文华,黄翠兰. 智能教学系统研究综述[J].计算机应用研究，2009,26(11): 4020-4022.

[3] 于卫红.基于JADE平台的多Agent系统开发技术[M].北京:国防工业出版社, 2011:4-13.

[4] L. Liu, M. Wu, H. Wang. Design an Applied Student Model for Intelligent Tutoring System[J]. Jinan: Proceedings of 2009 IEEE International Symposium on IT in Medicine & Education , 2009:485-489.

[5] 高济.人工智能高级技术导论[M]. 北京:高等教育出版社,2009:153-160.

[6] A. Jacinto, J. Oliveira. An ontology-based architecture for Intelligent Tutoring System[J]. Interdisciplinary Studies in Computer Science, 2008, 19(1): 25-35.

[7] 蒋艳荣,韩坚华,吴伟民.一种自适应的个性化学习序列生成研究[J]. 计算机科学, 2013, 40(8): 204-209.

[8] Ernest Friedman-Hill. Jess in Action [M]. Shelter Island: Manning Publications Co., 2003: 31-132.

An Intelligent Tutoring Platform Based on JADE Used for Students in Post Practice

ZHU Zhong-xu1, LIU Jing-jie1, HUANG Bing2

(1. Department of Computer Technology, 2. Basics Department, Anhui Industry and

Trade Vocational and Technical College, Huainan 230007, China)

Abstract:An intelligent tutoring platform, which used to tutoring student individually when they are in enterprise practice, is developed. The platform's architecture is designed by using multi-agents based on JADE. Student model is acquired from the learning record using fuzzy logic method. The platform generates teaching content for a student according to his (her) post demand, and applies individual teaching method based on his (her) character, knowledge level, difficulty level and importance of teaching content. The rules for selecting teaching strategy are defined by using Jess. It demonstrates how the plat works using a student instance and validates the platform's usability.

Key words:JADE, intelligent tutoring platform, multi-agent system, fussy logic

文章编号：1007-4260(2015)02-0112-06

中图分类号：TP311

文献标识码：A

作者简介：朱忠旭，男，安徽淮南人，硕士，安徽工贸职业技术学院计算机技术系讲师，研究方向为软件工程、软件智能。

基金项目：安徽省高等学校省级教学研究项目(2014jyxm584)和安徽省高等学校省级教学团队建设项目(2013jxtd084)。

收稿日期：2015-01-05