摘 要：移动学习是远程教育新的发展阶段，对于满足人们的学习要求、平衡教育资源、构建学习型社会都有很大的帮助。但传统的远程教学模式将学生和教师分离为单独个体，忽略了“教”与“学”之间的交互性和“学”应该具有的主动性。为了更好地提高学生学习的兴趣和积极性，提出了一种新的移动学习教学模式，增加“学－教角色转化Agent群”，通过测试Agent，采用FCM的模糊推理，分析学生Agent的认知水平，结合知识表示模型，实现自动筛选合格学生和自动角色转化机制。
关键词：multi-Agent；移动学习；角色互换；FCM

大量移动终端、手机新功能的闪亮登场，以及移动互联网用户群体的出现，成就了移动学习时代的到来。学习者通过无线网络可以随时随地地实现在线与离线学习，网络教学系统能够根据学生的个体情况和知识结构来确定和调整教学策略。但其本身仍存在一些问题，例如系统缺乏适应性，不能够根据学生的认知水平而采取相应的教学手段和策略，难以实现因材施教；随着学生数量的增加，网络教学过程中经常出现教师辅导不到位、反馈不及时等问题[1]。
针对现代远程教育存在的各种问题，多人提出了基于多Agent的新的远程教育模型框架[2-5]，比较集中的框架模式为B/A/S 3层结构模式，如图1所示。
采用智能代理的网络教学平台，学生可以通过其学习代理与老师进行联系，围绕教学重点进行交流，进而形成有效的控制机制。借助这个平台，学习代理可以根据学习者的需要，到有关资源站点查找和搜集与当前学习内容相关联的资料，处理日常学习事务，也可以方便教师教学和管理工作，并且保证数据的安全可靠，形成相对封闭的教学通道。
由图1可以看到，此模型框架在应用性、灵活性等方面都已经达到很高的程度，但是中间代理层的设置仍然存在一些问题。例如教师和学生仍然是两个分离的个体，并没有脱离传统的教与学的课堂教学模式，教师和学生交互活动极少，学生很难积极主动地参与到教学过程中来。

为了解决上述问题，本文提出了一种新的基于FCM模糊推理的多Agent移动学习教学模式。
1 模糊认知图
模糊认知图FCM(Fuzzy Cognitive Maps)是模糊逻辑和神经网络相结合的产物。作为一种软计算方法，它也是知识的一种图解表示，由节点和弧组成。如图2所示，弧表示实体和概念间的因果关系，节点可以是实体和概念等。每个节点都具有其节点状态值,刻画了FCM环境中物元的属性;从组织结构上看，FCM是面向对象的单层带反馈的神经网络。它可以支持专家先验知识以及因果关系的表示与推理，知识蕴涵在概念节点及概念节点间的关系中。它通过概念间的关系来模拟模糊推理，通过整个图中各概念节点的相互作用来模拟系统的动态行为[6]。在本文中,采用模糊认知图的方式分析学习者的认知水平，更好地跟踪学生的学习状况、改善教学效果。

图4为Agent群内部构成图，该Agent群主要包括成绩测试Agent、素质测试Agent和综合测试Agent。当3个Agent得到结果W14、W24、W34满足一定的标准时，就会触发综合Agent，将通过此次测试的学生名单写入数据库，同时为对应学生分配一个教师权限账户，进行角色转换。教师可以随时查阅“综合Agent”得到的信息，更全面地了解学生，从而制定相应的教学方案，更好地因材施教。

引入角色转换Agent群，进而选择合格学生，其好处在于：
(1)作为学生，他们更容易知道其他同学的问题所在；同时可以刺激学生学习的积极性。
(2)在此过程中，教师将会有更多空余的时间来搜集资料，研究教学和其他问题。
(3)学生在线时间可能更充裕，面对面交流的可能性更大，扩大了“在线教师”的人数。
(4)学生可以进行备课，发布新资料。假如教师觉得资料可用，可将其收藏至资料库，减少教师收集资料的工作量，同时集思广益，达到更好地促进教学的目的。
2.2 Agent模块实现
在该模型中，需要设计的Agent模块主要包括：教师Agent模块、教学资源Agent模块、教师授课Agent模块、学生Agent模块、学生学习情况Agent模块等，在此，以学生学习情况Agent模块为例，介绍其主要代码实现。
if ms(〝answer〞)=request.form(〝choose〞) then
//回答正确,同时显示下一问题
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 申请测试

在现有的移动学习模型中增加“角色转换Agent群”，对现有的整体系统影响较小，并且比较容易实现。其主要实现的功能为：当某学生对某一知识的学习达到一定程度，就可以进行综合测试（成绩测试、素质测试、心理测试等），而这些试题是由试题测试库随机生成的；若通过该综合测试，此学生的信息就会被添加入对应的数据库中，同时转换为“教师”角色；然后履行“教师”职责，搜集资料、备课，申请测试的整个框架模式如图5所示。

本文针对现代远程教学模型中存在的问题，在现有的模型中添加一个新的角色转换模块，目的是提高学生学习的主动性、积极性和学习兴趣，最终提高教学的质量。为了更好地分析学生的学习状况，采用模糊认知图的方式分析学生的认知水平，更好地跟踪学生的学习状况，改善教学效果，从而对整个教学改革和素质教育的实施起到积极的推动作用。
参考文献
[1] 北京师范大学继续教育与教师培训学院，北京师范大学远程教育中心.远程教育学生指导手册[M].北京：北京师范大学出版社，2005.
[2] 陆淑娟．Multi-Agent技术在网络教学中的研究与应用[D]．南京：南京工业大学，2004.
[3] 杨红颖，王向阳，赵红．一种基于多Agent的远程教学模型框架[J].中国远程教育，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] 刘大有，杨鲲，陈建中．Agent研究现状与发展趋势[J].软件学报，2000，11(3)：315-321.
[6] 林春梅.模糊认知图模型方法及其应用研究[D].上海：东华大学，2006.
[7] 何炎祥，陈莘萌.Agent和多Agent系统的设计与应用[M]. 武汉：武汉大学出版社，2001.
[8] 董红斌，孙羽.多Agent系统的现状与进展[J].计算机应用研究，2001(1)：54-56.
[9] 肖基毅，陈坚祯，朱常春.基于Agent的协同远程教学模型[J].微机发展，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.