当前位置:论文写作 > 毕业论文范文 > 文章内容

多Agent学生模型在考试系统中的应用

主题:小学生认知发展的特点 下载地址:论文doc下载 原创作者:原创作者未知 评分:9.0分 更新时间: 2024-01-16

简介:大学硕士与本科学生认知毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载,关于免费教你怎么写学生认论文范文面论文范文。

学生认知论文范文

小学生认知发展的特点论文

目录

  1. 1.Agent技术及多Agent系统
  2. 1.1 Agent技术
  3. 1.2多Agent系统
  4. 1.3多Agent之间的交互协调
  5. 2.基于Agent的考试系统学生模型
  6. 2.1学生模型的构建
  7. 2.2学生模型推理方法
  8. 2.3学生模型实现方法
  9. 3.实验结果分析
  10. 4.结论
  11. 小学生认知发展的特点:我的学生-聋儿康复-认知-标志

摘 要:提出了一种基于多Agent考试系统的学生模型,采用模糊逻辑的方法,利用Agent的智能推理能力,准确地推理出学生的认知水平,实验证明该系统具有一定的自适应性、可行性.

关键词:多Agent;考试系统;学生模型:模糊理论;认知水平

0引言

随着计算机技术、信息技术等高新技术的应用和发展以及网络的普及应用,远程教育作为一种全新的教学方式越来越受到人们的重视,教学模式已从“以教师为中心”的面对面教学扩展到Internet环境下“以学习者为中心”的远程教学.基于网络的远程教育代表了未来教育发展的趋势,它将成为全民教育和终身教育的主渠道,而考试系统是远程教育系统的重要环节.现有的考试系统大多是在固定的Web页面上放一些固定的内容和习题,不能根据学生的要求和学习情况自动选题组卷、变换题目,灵活性较差,因而不能全面地反映学生的学习情况,尤其缺少考察学生积极性、参与程度、创造性和学习能力的指标,不能根据学生的当前薄弱项发现学生的知识体系中其他相关弱点.Agent的概念最早出现于20世纪70年代的人工智能中,20世纪80年代后期成长起来,目前已成为计算机科学技术领域、信息工程领域和网络通信领域的研究热点.Agent具有的自主性、反应性、主动性等一些重要的行为特征,对考试系统是具有重要意义的.

学生模型是现代远程教育考试系统的核心.考试系统是以学生为中心,学生模型就是对真实学生的模拟.根据考试结果获取学生的情况,为其他教学环节的正确运行提供保障.由于学生的学习是一个发展的过程,所以构造学生模型也是一个动态的过程.通过系统接口模块获取学生的动作行为,然后推理出这些动作的潜在特点,从而得到学生的特征.目前对学生模型的研究主要集中在对学生行为的不确定性推理,这也是突破以上困难的关键.所采用的技术主要包括贝叶斯网络(Bayesiannetwork)、Dempster-Shafer原理、模糊逻辑、神经网络、知识约束方法、模型跟踪等.这些技术有些计算复杂、实现代价高:有些方法简单、实现容易,但只有很弱的推理能力.本文采用了模糊逻辑的方法,重点以学生的认知水平的表示及实现对学生模型在考试系统中的应用进行研究.

1.Agent技术及多Agent系统

1.1 Agent技术

Agent在英语中是个多义词,主要含义有主动者、*人、作用力或媒介物等.在信息技术,尤其在人工智能和计算机领域,可把Agent看作是能够通过传感器感知其环境,并借助于执行器作用于该环境的任何事物.Agent与对象既有相同之处,又有很大的不同.Agent和对象一样具有标识、状态、行为和接口.但Agent和对象相比主要有以下差异:

(1) Agent具有智能性,通常拥有自己的知识库和推理机,而对象一般不具备智能性.

(2) Agent能够自主地决定是否对来自其它Agent的信息做出响应,而对象却必须按照外界的要求行动.也就是说Agent系统能封装行为,而对象只能封装状态,不能封装行为,对象的行为取决于外部的方法调用.

(3) Agent之间的通信通常采用支持知识传递的通信语言.

Agent可以被看作是一类特殊的对象,即具有心智状态和智能的对象.Agent本身可以通过对象技术构造,而且目前大多数Agent都采用对象技术.

1.2多Agent系统

多Agent系统(Multi-Agent System,简称MAS)由多个自主或半自主的智能体组成,每个Agent或者履行自己的职责,或者与其它Agent通信获取信息互相协作完成整个问题的求解.单个Agent应该是具有某一特殊技能的软件实体,单个Agent的感知能力和处理能力是有限的,而整个系统中,往往要有多个功能,有多种信息和状态.这就需要多个Agent共同协作来完成.而多个Agent组成一定体系结构的系统能力远远超过单个Agent的功能和.多Agent的合作形式有两种:任务共享和结果共享,通过Agent通信语言进行联系,形成Agent论文范文,具有人类社会的很多相似的特征.整个系统具有社会性、自治性和协作性.MAS不仅研究单个*复杂的体系结构以及这些*之间的简单交互,而且研究大量相对简单的*之间的复杂交互,即建立复杂的社会模型,而不是复杂的个体模型.研究人员更关注MAS中*在社会层次上的知识和行为.

1.3多Agent之间的交互协调

由于MAS中的每个Agent具有自主性,在求解过程中会按照自己的目的、知识与能力进行活动,这些活动常常会出现矛盾和冲突,因而必须加以协调.广义上,MAS的协调方式分为显式协调和隐式协调.所谓显式协调是指Agent被设计成能够对可能的交互进行推理,必要时与其它Agent协调.隐式协调是指Agent被设计成遵循某局部的行为规则,用隐式的协调方式行动.

2.基于Agent的考试系统学生模型

2.1学生模型的构建

根据学生模型需要包括的内容,图1给出了学生模型框架,虚线框中的内容是学生模型的个性分析Agent群,下面分别介绍一下它们的功能.

学习进度Agent:通过学生浏览内容,参加作业、测试等,记录学生的学习情况,描绘出学生的知识域.它是通过专家知识库、学生知识库来进行分析的.

认知水平估算Agent:通过学生学习情况,推理出学生对学习内容的认知程度.

情绪估算Agent:用此Agent来监督学生的心理状况,通过对学生动作行为的推理,实时地给予帮助.

兴趣估算Agent:此Agent是对学生兴趣爱好的推理,通过学生的论文范文和学生在学习中的表现,获取学生的爱好并建议学生修改不适应他学习的偏好.

2.2学生模型推理方法

贝叶斯定理、模糊逻辑是比较有效的推理方法,常被用于学生模型的建立中.本文采用了模糊逻辑的方法,主要基于以下几点的考虑:

(1)用户与系统的交互行为更适合用模糊集来表示,比用概率的方式更合理.因为学生的学习是一个不断变化和转化的过程,系统只是通过用户的动作进行近似推理,而模糊逻辑比较适合这种推理.

(2)贝叶斯网络需要知道条件概率和先验概率,而这些概率是很难获得的,需要先进行贝叶斯网的学习,然后才能推理.这个过程耗时又耗力,并且难度很大.而模糊逻辑的方法提供了直接并且低复杂的推理,实现要容易一些.

(3)用模糊逻辑推出的结果虽不及贝叶斯网络的结果准确,但提供了一个与其概率很接近的值.

2.3学生模型实现方法

学生认知水平是学生模型中最重要的一部分,学生的主要目的是学习,而教学系统的主要任务是让学生更好的掌握知识,所以了解学生对知识的认知程度是下一步教学的重要依据.

(1)认知水平表示

认知水平表示学生对每个知识点的掌握程度.由于学生对知识的掌握是一个渐进的过程,而且系统对学生掌握知识程度的了解带有很多不确定因素,所以在这里采用模糊集的方式来表示学生的认知水平.

把学生的认知水平分为6个等级,每个级别隶属度表示为μk(f),1等于(1,2,等,6),用K来表示学生的认知水平模糊集,K就表示成:

例如:一个学生认知水平的6个等级的隶属度为:{0.2,0.1,0,0.4,0.2,0.1),则他的认知水平表示为K等于0.2/1+0.1/2+0/3+0.4/4+0.2/5+0.1/6,此处的“+”符号是布尔连接符并.根据K的表达式,级别为4的隶属度最高,可估算出这个学生的知识水平最可能达到第四级.

(2)模糊集隶属度更改方法

Sherlock-II[l0]是一个著名的运用模糊集来实现用户状态改变的系统,该方法采用模糊集来代替概率,把一个问题(例如知识点)的认识分为几个等级,通过各个等级隶属度的不同来判断认识情况.例如,如果学生做对一道题,认知这个问题的程度就增加,相应的高级别的隶属度增加、低等级的隶属度减少,当学生做错一道题时情况相反.最后通过哪个等级的隶属度高来判断学生对此题的认知属于哪个等级,这种方法简单、实用.

后,学生对这个问题的认知最可能为第二等级,随着试题的增加他的认知水平也会发生变化.

然而Sherlock-II的方法也有缺点:首先,它需要做大量的题才能比较接近学生的实际水平:其次,它没有考虑试题的级别,做级别1的题一定比做级别2的题容易,做对的可能性大,如果用户做对几个都是级别1的题,按照Sherlock-II的思想,其认知水平等级上升,但实际其水平没有改变.

这里只用了一个规则,没有考虑用户做错的情况,这是因为如果一个学生做错这一级别的试题,只能说明他没有达到这个级别的要求,对本人的其它认识程度没有改变.从中可以看出变化前后qi的和仍没改变.这个思想的基本原理是当用户做对一级别的试题时,这一级别以下的应该采用上升规则,而级别以上的应该采用下降规则.表2给出改进后的例子.从这个表中可以比较确定地推出学生对这个问题的认知在第二个等级,在做第3道题时,学生虽做对,但第4道同级别的题做错,我们可猜测此学生前一道题可能是猜对或这一道题可能是疏忽,当做第5道同一级别的题时,又做错,可以推出他没有达到这个级别的可能性更大些,然后降低级别.

由于采用了这个方法和好的选题算法,就可以排除~些干扰信息(如:猜测答案),比较好地对用户认知归类.综上所述,改进的规则结合试题的级别,这样就更近似实际情况.

(3)综合掌握程度计算方法

某个知识点的掌握程度向量Q比较详细地反映了学生对该知识点的掌握层次,但却不能反映学生对该知识点的整体掌握情况.例如,设Q等于fO.1925,0.25,0.25,0,0,O),从Q的值中可以看出学生对该知识点的第二、论文范文别的掌握程度最高,因为相应的隶属度最高,都是0.25,但却不知道学生对该知识点的综合掌握属于哪一级,本文提出一种计算学生对该知识点综合掌握程度值的方法如下:

设向量P为教学目标即知识点要求达到的教学要求,可分为识记、理解、应用、分析、综合运用、评价6个级别,为知识点掌握级别的度量值.设权向量P等于{1,2,3,4,5,6),P反映了一个知识点中不同级别掌握程度的重要性,一般地,教学目标级别越高,则说明对知识点的掌握要求也越高,所以P中分识点的掌握程度在第一级识记和第二级理解之间.

3.实验结果分析

引入学生模型中的认知水平Agent,结合自适应的抽题算法,可以实现一个自适应的考试系统.这个系统根据学生的答题情况,抽取适当的试题,直到学生答题稳定到一种程度,这说明学生只能做到这一程度的题,考试结束.在这个过程中,认知水平Agent不断改变学生的认知水平,最后得到学生对这个知识的认知程度,比较真实的体现学生的实际水平,实现了考试的自适应性,从而得出的学生认知水平推理结果与学生表现出的做题水平相符,验证了学生模型推理算法的可行性和实用性.

表3给出了一个学生在考试期间认知水平的变化情况以及综合掌握程度达到的水平.

因为该学生第一次参加考试,试题全属于知识点1,根据该学生的答题情况,得出其综合掌握程度达到3.7626953125,大于教学要求3,满足教学要求,所以该学生下一次参加考试时,系统将从知识点2抽题,这也说明该学生已经掌握了第一个知识点,达到了实验的目的.

4.结论

本文把基于多Agent的学生模型应用到考试系统中,运用改进Sherlock-II方法,采用模糊逻辑进行推理,不但实现容易,而且效果好.这种方法略加修改就可以用于其它教学系统中.实验过程中所得到的结果验证了学生模型中的推理算法是可行的、正确的.下一步要深入了解学生的特点,利用心理学和教育学,扩充学生模型包含的内容;将人工智能与知识发现或数据挖掘结合运用到系统中等.

参考文献

[1]兰少华,多Agent技术及其应用研究[D].南京:南京理工大学,2002.

[2]Dongming Xu, Huaiqing Wang, Kaile Su. Intelligent Student Profiling with Fuzzy Models[C].Proceedings of the 35th Hawaii Conference on System ciences,2002: 126-134.

[3]R.Stathacopoulou, G.D.Magoulas, M.Grigoriadou. Neural Network-based Fuzzy Modeling of the Student in Intelligent Tutoring Systems[C]. InternationalJoint Conference on Neural Network(IJCNN&,acute,99),1999:3517-3521.

[4]oseph E.Beck, Beverly Park Woolf Using a Learning Agentwith a Student Model[C]. 4th International Conference,ITis&,acute, 98.SanAntonio,Texa,USA,August 1998:6-15.

小学生认知发展的特点:我的学生-聋儿康复-认知-标志

[5]Hugo Gamboa, Ana Fred. Designing Intelligent Tutoring Systems:A Bayesian Approach[C],3rd International Conference on EnterpriseInformation Systems, ICEIS&,acute, 2001:452-457.

[6]Cristina Conati, Kurt VanLehn. POLA:A student Modeling Framework for Probabilisric On-Line Asses论文范文ent of Problem solvingperformance[C].ln Proceedings of the Sth International Conference onUser Modeling,1996:75-82.

[7]Brent Martin.Constraint-Based Modeling:Representing StudentKnowledge[J].New Zealand Journal of Computing,7(2),1999:30-38

[8lPaul T.Baffes, Raymond J.Mooney.A Novel Applicationof Theory Refmement to Student Modeling[C].Proceedings of theThirteenth National Conference on Artificial Intelligence,1996:403-408

[9]高晔,付立东,基于Agent考试系统的研究与设计[J]西安科技大学学报,2006,26(1):96-99.

[10]KATZ S,LESGOLD A,EGGAN G,et aI.Modeling the student inSherlock IIU]Joumal of Artificial Intelligence in Education,1993,3(4):495-518

[11]张健,曾广周,面向Agent的基本思想研究[J].计算机工程与应用,2007,43(4):9-11.

[12]殷凡,张建明基于Multi-Agent的协作学习系统[J],计算机工程与设计,2005,26(10):2802-2804.

[13]李志奎,郝平,基于Agent的网络通用考试系统的研究与实现[J].浙江工业大学学报,2009,37(6):610-613,

(基金项目:国家自然科学基金项目( 60603023);辽宁省教育厅资助项目( 20060028):辽宁省教育厅资助项目( 20082014))

总结:关于免费学生认知论文范文在这里免费下载与阅读,为您的学生认知相关论文写作提供资料。

小学生认知发展的特点引用文献:

[1] 认知心理学方向论文题目 认知心理学专业论文题目如何拟
[2] 比较好写的认知心理学研究论文选题 认知心理学研究毕业论文题目怎样定
[3] 认知心理学方面论文参考文献 认知心理学外文文献怎么找
《多Agent学生模型在考试系统中的应用》word下载【免费】
小学生认知发展的特点相关论文范文资料