摘要：個性化教學實現(xiàn)方法的研究是人們對遠程網(wǎng)絡教學提出的更高層次要求，也是未來教育信息化發(fā)展的必然趨勢。本文從現(xiàn)有遠程網(wǎng)絡教學系統(tǒng)缺乏深入了解用戶興趣的實際現(xiàn)狀出發(fā)，提出了一個基于Agent的個性化遠程教學系統(tǒng)原型，從而為用戶提供有針對性的個性化服務。

關鍵詞：個性化教學；用戶興趣模型；Agent

中圖分類號：G642文獻標識碼：B

1前言

計算機網(wǎng)絡的迅速發(fā)展極大地改變了常規(guī)教學方式與手段，高校教學網(wǎng)絡化已成為未來教學的一種趨勢。網(wǎng)絡化教學與傳統(tǒng)教學相比，學生群體存在著個性差異大的特點，這對教學及其教學系統(tǒng)提出了個性化的要求?，F(xiàn)有的網(wǎng)絡教學系統(tǒng)，雖然自身信息量極其豐富，但缺乏深入了解用戶個性化需求的方法和策略。個性化教學系統(tǒng)將直接關系到網(wǎng)絡教學的有效性，其設計已經(jīng)引起了人們廣泛的關注。本文主要針對目前遠程網(wǎng)絡教學系統(tǒng)中缺乏個性化教學的問題，利用智能Agent技術特點并結合機器學習的算法，設計并實現(xiàn)了一個基于Agent的遠程教學系統(tǒng)，實際應用表明本系統(tǒng)能夠通過學習用戶的興趣，為用戶提供個性化的服務。

2Agent技術的特點及優(yōu)勢

智能Agent本質(zhì)上就是一個計算機軟件程序，它運行于動態(tài)環(huán)境中，并具有較高的自治能力。它能夠接受另外一個實體(如用戶，系統(tǒng)或者機器等)的委托并為之提供幫助和服務，并能夠在該目標的驅(qū)動下主動采取包括社交、學習等手段在內(nèi)的各種必要的行動以感知，適應動態(tài)的環(huán)境的變化，并對之進行適當?shù)姆磻?。Agent的自主性使得Agent能夠在沒有用戶監(jiān)控和指導的情況下由自身的決策機制決定采取何種行動。Agent的學習性使得Agent能夠?qū)W習用戶的興趣、愛好，建立用戶模型，從而進一步指導自己的決策。Agent的社會性使得Agent能夠與其他Agent進行交流，更好地服務于用戶。若將這些特性應用到個性化的教學系統(tǒng)中，并結合機器學習的方法，建立用戶的興趣模型，通過跟蹤用戶的學習行為，不斷對用戶模型進行更新，便能很好地解決學習者在學習過程中的個性化問題，達到個性化教學的良好效果。

3基于Agent個性化遠程教學系統(tǒng)的模型

為了幫助用戶選擇更適合其個性特征及知識水平的教學內(nèi)容，以便提供更好的教學服務，本文提出一種個性化遠程網(wǎng)絡教學系統(tǒng)原型，如下圖所示。個性化教學系統(tǒng)中的個性化主要體現(xiàn)在對學習者的興趣特征進行提取、分析和處理，系統(tǒng)根據(jù)處理的結果自動提供給學習者符合其興趣特征和知識水平的教學內(nèi)容。教學系統(tǒng)進行個性化處理的全過程如下：

(1) 新用戶注冊及用戶建模。教育平臺的新訪問者首先需填寫好自己的基本資料后進行注冊，成為本網(wǎng)站的免費用戶，系統(tǒng)為該注冊用戶進行建模。

(2) 用戶信息采集。當用戶登錄到系統(tǒng)，通過身份確認后，他可以主動向系統(tǒng)提交其興趣愛好以及感興趣的程度。同時在用戶的學習過程中，系統(tǒng)的用戶Agent開始收集用戶請求，跟蹤用戶的學習行為，這里一般收集的信息有用戶學習課件的類型及時間、點擊的URL、表單填寫的情況，以及做作業(yè)、考試的過程和結果等。采集到的數(shù)據(jù)被送到用戶數(shù)據(jù)庫進行信息的預處理和歸一化。

(3) 興趣過濾。興趣過濾Agent根據(jù)最新采集的原始數(shù)據(jù)結合用戶興趣模型進行個性分析，產(chǎn)生結果，同時更新用戶興趣模型，并將結果送往管理中心。

(4) 信息推薦和再學習。管理中心根據(jù)個性化信息和用戶請求對原有網(wǎng)站課件信息庫發(fā)出調(diào)度命令，將用戶最需要的課件信息推薦給用戶。

4個性化教學系統(tǒng)關鍵技術的實現(xiàn)

用戶興趣模型是個性化遠程教學系統(tǒng)的核心，它決定Agent的學習能力與適應能力。用戶興趣模型的建立和更新實質(zhì)上是追蹤于用戶對教學信息的選擇學習的行為，通過采用機器學習方法來逐步明確用戶興趣的一個過程，分為以下四個步驟。

4.1用戶模型的建立

用戶模型的建立就是從用戶的行為和信息反饋中歸納出可計算的用戶模型的過程。用戶興趣模型的學習算法是：智能Agent跟蹤紀錄用戶的信息瀏覽行為、學習課件的歷史，從大量的數(shù)據(jù)中統(tǒng)計、分析和計算得出用戶的個性化信息。這樣用戶模型就會在用戶的遠程學習過程中形成并不斷修正和變化，并且始終進行下去，以此來感知用戶的興趣和需求變化。下面是用戶模型的學習算法。

if(user login){

if(notexist personal)

{

初始化用戶興趣模型庫

收集用戶感興趣的所有課件概念

修改用戶興趣模型庫

}

if(user action information){

追蹤用戶行為

計算用戶對某個課件概念的興趣度

獲得用戶的訪問日志信息

修改用戶興趣模型庫

}

}

綜上所述，用戶模型反映了兩個方面的內(nèi)容：一個是對信息需求的特征，另一個是用戶經(jīng)常性的網(wǎng)絡行為特征。其關系模型的結構如下表所示：

4.2用戶興趣度的計算

在個性化遠程教學中，用戶對概念的興趣度是一個反映用戶個性化信息的重要指標。因此興趣度的計算是用戶興趣模型學習算法中的重要一環(huán)。其中涉及到很多問題：用戶興趣是如何變化的？如何判斷用戶對某個信息是否感興趣？也就是計算興趣度應該考慮哪些因素。

(1) 用戶興趣隨時間的衰減

用戶興趣度的衰減計算是基于以下假設的：

假設1：人對某一事物的興趣在沒有外界刺激改變它的情況下，在一段時間內(nèi)趨于穩(wěn)定，之后會隨著時間的推移逐漸變小。為此，我們設計衰減因子 ，passedtime為逝去的時間(單位為秒)，time為一常量，等于一年(每月按30天計，單位秒)。公式表明，一月后，用戶興趣度將衰減為原來的92.8%，3個月后為原來的45.9%，一年后為原來的9.9%。由此得到隨著時間的流逝用戶興趣度變化的計算公式1為： 。Interest(p)為用戶原來的興趣度， 為變化后的興趣度。

(2) 外界刺激對用戶興趣的影響

我們提出以下假設：

假設2：人的興趣變化是跳躍式變化的，它對新生事物的興趣總是很大。

假設3：在決定用戶興趣的諸因素中，用戶反饋最能反映用戶興趣，訪問時間距離當前時間的遠近次之。此外還有其他因素如：駐留時間、瀏覽速度等。

為此，我們給出用戶興趣度變化公式： 。 為興趣變化量。其中影響 的因素有：

(1) 用戶對系統(tǒng)的反饋意見。本文我們將用戶興趣按細粒度進行劃分，分成4個等級：很滿意、滿意、一般、不滿意。缺省值為一般，數(shù)據(jù)值為0，很滿意為2，滿意為1。用戶不滿意時結果被自動刪除。

(2) 用戶最近的學習行為距離現(xiàn)在的時間passedtime，很顯然，用戶很久以前的學習行為和剛剛完成的學習行為，后者更能表明用戶的興趣所在。

(3) 還有一些隱含的因素，如用戶瀏覽行為、瀏覽頁面的長度及駐留時間等。

于是，我們總結了興趣度變化計算公式2：

(公式2)。公式中， 、 、 是三個函數(shù)，它們將所有的因素都規(guī)格化成一個可比量。

；——公式3

；——公式4

?！?

公式3中，evaluation取值3，2，1，0。 取值1，0.7，0.3，0。 中fixedtime為一個月，則一個月后 取值約為0.1，表明用戶對概念已經(jīng)不感興趣。公式(2)中， 、 、 為以上三個因素在影響興趣度變化兩種所占的權重。它們必須滿足 + + =1。經(jīng)過計算， 。

4.3用戶興趣度的計算算法

總結以上論述，可得到用戶興趣度計算算法如下：

Computer(interest){

計算衰減因子

對用戶興趣庫中的每個課件概念計算興趣度Interest

訪問用戶日志{

Interest=Interest+

}

}

4.4小結

通過這種建模方式建立的用戶模型能夠較好的反映用戶的學習興趣變化，利用相應的算法可以很好地匯總用戶的興趣，從而為用戶提供個性化的服務。

5結束語

我國的網(wǎng)絡教育正處在一個發(fā)展的初期，教育界、教育技術界以及計算機界如果能在一個較高的起點上研究網(wǎng)絡教育，而不是重復別人的技術和勞動，我國的網(wǎng)絡教育必將走在世界前列。Agent為我們提供了一個良好的契機，因此根據(jù)現(xiàn)有網(wǎng)絡教學軟件的不足及智能Agent技術的特點，智能Agent技術在網(wǎng)絡教學軟件中得到廣泛應用將成為趨勢，我們對基于智能Agent的網(wǎng)絡教學系統(tǒng)的研究將繼續(xù)進行，以期提高現(xiàn)有網(wǎng)絡教學系統(tǒng)的智能性、適應性、可維護性和可擴充性，增加人性化色彩，改善教學效果。

參考文獻

[1] 沈軍. 網(wǎng)絡教學中個性化策略研究[J]. 計算機研究與發(fā)展，2003，40(4):589-595.

[2] 莊曉敏. 面向internet的服務的用戶建模技術研究[D]，2003，4.

Application Study of Personalized Long Range Tutoring System Based on Agent

Wang Ya-xuan， XU Cong

(Software College， Dalian University of Foreign Language， Dalian， 116044)

Abstract: The research of the personalized long range teaching is more high-level request that people put forward for network teaching， and it is the inevitable trend of educating information-based development in the future. For the existing network tutoring systems lack in the method and tactics of understanding user’s personalized needs in depth， a personalized tutoring system prototype based on Agent is given. and an approach of building and updating user interest profile byacquiring the user’sstudying feedback is given. As a result， the later user’s interest is obtained fast.

Key words: Personalized Teaching， User Interest Preferences， Agent