CC BY
104
УДК 004:37
С.Н. Иванов
Модель информационной образовательной системы, основанной на мультиагентной технологии
S.N. Ivanov
Model of Educational Information System Based on Multi-Agent Technology
Рассматриваются технологии адаптации, применяемые в интеллектуальных обучающих системах. Предложена модель системы, основанная на муль-тиагентном подходе, описываются агенты, их роли и алгоритм взаимодействия.
Ключевые слова.. интеллектуальные обучающие системы, агенты, мультиагентные системы.
This article considers the technologies of adaptation used in intelligent educational systems and proposes a model system based on multi-agent approach, describes the agents, their roles and algorithm of interaction.
Key words: intelligent educational systems, agent, multiagent system.
Одним из ключевых компонентов для построения информационно-образовательной среды являются интеллектуальные обучающие системы, которые реализуют механизмы адаптации в зависимости от индивидуальных потребностей обучаемого. В данной работе рассматриваются технологии адаптации и модель информационно-образовательной системы, основанная на мультиагентном подходе.
Современные адаптивные и интеллектуальные обучающие системы разделяют на два типа [1, 2]:
- интеллектуальные обучающие системы (ИОС);
- системы адаптивной гипермедиа.
На данный момент можно выделить следующие разновидности технологий, применяемых в ИОС:
- построение последовательности курса обучения (curriculum sequencing, также называемой технологией учебного планирования instructional planning technology) - основная цель данной технологии - построение индивидуальной последовательности курса для обучаемого (последовательности информационных блоков и последовательности знаний). В данной технологии выделяют несколько видов построения последовательности:
о активное построение - подразумевает наличие цели обучения (подмножество понятий изучаемой предметной области, которыми надо овладеть). Системы, реализующие данную технологию: ELM-ART-II, InterBook, Tutor, KBS-Hyperbook ILESA, DCG и SIETTE;
о пассивная последовательность (корректировка) - это технология обратной связи и не требует активной цели обучения. Она начинает действовать, когда пользователь не способен решить задачу или ответить на вопрос правильно. Цель технологии в этом случае - предложить пользователю подмно-
жество доступного информационного материала, которое может заполнить пробел в знаниях студента для разрешения заблуждения. Примеры систем, построенных на данной технологии: InterBook, PAT-InterBook, CALAT, VC Prolog Tutor, and Remedial Multimedia System;
- поддержка в решении задач - технология обратной связи и не требует активной цели обучения. В свою очередь ее разделяют на:
о интеллектуальный анализ решений - цель данной технологии определить, верно ли ответил обучаемый на поставленные перед ним вопросы, сам принцип решения и ошибки не рассматриваются. Применяется для построения модели обучаемого. Пример, реализующий такой подход, - система PROUST;
о интерактивная поддержка в решении задач -цель данной технологии, в отличие от рассмотренной выше, - поддержка обучаемого на каждом шаге решения поставленной задачи. Реализована в системе LISP-TUTOR;
о поддержка в решении задач на примерах - эта технология основывается на успешном опыте решения задач обучаемым, таким образом, позволяет решать новые задачи на примере ранее решенных. Пример реализации: ELM-ART, ELM-ART-II,
AlgeBrain.
Среди адаптивных гипермедиа выделяют следующие технологии:
- адаптивное представление (adaptive presentation) - адаптация в данном случае заключается в настройке содержимого страницы;
- адаптивной поддержкой навигации (adaptive navigation support) - адаптация заключается в изменении индекса или карт. Данную технологию мож-
но рассматривать и как обобщение технологии последовательности курса для гипермедиа систем, так как они обе преследуют общую цель - построить для обучаемого оптимальную последовательность для изучения учебного материала. Примеры систем: ISIS-Tutor и Hypadapter.
Стоит отметить, что в последнее время среди средств обучения можно также выделить технологию дополненной реальности [3], которая позволяет накладывать виртуальные объекты на реальные. Отличие виртуальной реальности от дополненной реальности в том, что в первом случае пользователь полностью погружается в искусственную среду и не может видеть реальный мир, в то же время дополненная реальность добавляет к реальному пространству виртуальные объекты. Таким образом, дополненная реальность «дополняет» реальное окружение, а не полностью его заменяет, что позволяет снабдить реальные объекты дополнительной контекстной информацией и управлять доступом к ней.
Большинство систем дополненной реальности работают на маркерах (или метках). Маркеры - это точки или линии с известными координатами, которые выделяются видеосистемой из общей картины реального мира и являются идентификаторами виртуальных 2D и 3D моделей. Маркеры могут быть искусственными и естественными.
Пример систем, реализующих данную технологию, - Magic Book.
В то же время большинство систем, использующих технологию дополненной реальности, реализуют ее только в качестве дополнительного интерактивного материала, не позволяя виртуальным объектам взаимодействовать с пользователем.
Таким образом, системы, основанные на принципах адаптивной гипермедиа, обеспечивают адаптивное представление, в то время как интеллектуальные обучающие системы - построение последовательности обучения, а системы дополненной реальности позволяют построить единое рабочее пространство [4], «дополненное» виртуальными объектами. Объединяя эти системы, получим интеллектуальную систему, которая сочетает оба подхода.
Можно выделить следующие требования к системе:
- построение последовательности курса обучения;
- поддержка в решении задач:
о интеллектуальный анализ решений;
о интерактивная поддержка в решении задач;
о поддержка в решении задач на примерах;
- адаптивное представление и навигация;
- сбор и хранение информации об обучаемом для построения модели;
- доступ к репозиторию обучающих объектов (база знаний);
- трекинг объектов и распознавание группы маркеров;
- обеспечение обучаемому доступа к учебному материалу.
Рассмотрим модель системы, построеннной на мультиагентном подходе. Мультиагентные системы - это системы, основанные на использовании интеллектуальных агентов, особенностью которых является их способность взаимодействовать друг с другом, а также обладать знаниями об окружающей среде, в которой они существуют [5].
Применение данной технологии для построения ИОС [6] дает ряд преимуществ:
- агенты обладают знаниями об окружающем мире, что позволяет им принимать решения в заданной проблеме без участия пользователя;
- агенты являются автономными - таким образом, спроектированные изначально для одной предметной области, они могут быть использованы с небольшими изменениями для другой.
Для функционирования системы необходимо создание онтологии предметной области.
Онтология - это база знаний специального типа, которая может «читаться» и пониматься, отчуждаться от разработчика и/или физически разделяться ее пользователями [7].
Учитывая специфику решаемых в данной работе задач, конкретизируем понятие онтологии. Онтология - это спецификация некоторой предметной области, включающей в себя словарь терминов (понятий) предметной области и множество связей между ними, которые описывают, как эти термины соотносятся между собой.
В рассматриваемой нами модели предполагается создание следующих онтологий:
- онтология предметной области, которая является репозиторием обучающих объектов;
- онтология как база знаний для агента (модель пользователя его предпочтения);
Таким образом, в разрабатываемой модели агенты занимают промежуточный слой в системе и отвечают за сбор и анализ данных об обучаемом, его текущих знаниях, предпочтениях и потребностях (сбор данных может носить как явный характер, путем анкетирования, так и неявно анализируемую статистику запросов и их тематику). На основании этих данных агенты могут обновлять модель обучаемого, предполагать следующие шаги пользователя, адаптировать представление и средства навигации и строить последовательность обучения для пользователя.
Рассмотрим более подробно модель системы (рис.).
Агент студента - ответственен за связь со студентом и обеспечивает интерфейс между системой и пользователем, адаптирует представление и средства навигации в соответствии с моделью, которая сформировалась в системе, в случае использования технологии дополненной реальности обеспечивает трекинг и распознавание групп маркеров.
Модель системы
Управляющий агент - основной целью является сбор информации о студенте, предоставленной от других агентов, их анализ и обработка, обеспечение других агентов информацией, полученной в результате анализа.
Моделирующий агент - ответственен за выполнение расчетов в соответствии с общим педагогическим подходом моделирования (таких как нечеткая логика или Байесовское сети), который создает модели навыков студентов и их целей обучения, таким образом, моделируются потребности каждого студента в необходимой ему информации. Моделирование происходит на основе подходящих данных, которые предоставил управляющий агент.
Агент обучающих объектов - ответственен за обработку и передачу запросов на получение учебного материала, управляет множеством обучающих объектов и обеспечивает соответствующими объектами студентов, которые могут обучаться по разным методикам.
Оценивающий агент - ответственен за предоставление и проверку задач и тестов пользователю в соответствии с его моделью, гарантирует, что обучающие объекты будут представлены в индивидуальной и адаптированной форме для каждого студента. Данный агент часто обновляет информацию о студенте, и поэтому любое изменение в усвоении данных отражается динамично.
Алгоритм функционирования системы при индивидуальном подборе учебного материала состоит из следующих шагов:
Шаг 1. Пользователь Р запрашивает учебный материал у агента студента Ast.
Шаг 2. А^ передает требования t управляющему агенту Аа, Аа, вносит изменения в модель пользователя Мр.
Шаг 3. Моделирующий агент Ат формирует требования т в соответствии с Мр, полученной от Аа
Ат^> Мр) ^ tm. (1)
Шаг 4. Агент обучающих объектов А0 формирует запрос Qtp на получение обучающих объектов О, из репозитория О в соответствии ^
Qtp(O, tm) ^ О. (2)
Шаг 5. Оценивающий агент Ае осуществляет индивидуальный подбор учебных материалов О,р в соответствии с Мр
Ае(О,, Мр) ^ О,р. (3)
Шаг 6. Аа вносит изменения в модель пользователя Мр.
Шаг 7. Ор передается А^ отображает их обучаемому.
Таким образом, интеллектуальные обучающие системы могут осуществлять адаптацию материала и строить последовательность курса обучения в зависимости от индивидуальных потребностей обучаемого и области знаний, что позволят повысить эффективность процесса обучения, сделав его более интерактивным и индивидуальным.
Библиографический список
1. Brusilovsky P. Adaptive and Intelligent Technologies // Special Issue on Intelligent Systems and Teleteaching, Kon-
for Web-based Education. In C. Rollinger and C. Peylo (eds.) stliche Intelligenz. - 1999. - №4.
2. Brusilovsky P. Methods and techniques of adaptive hypermedia // User Modeling and User-Adapted Interaction. -
1996. - №6 (2-3).
3. Azuma R. A Survey of Augmented Reality // PRESENCE: Teleoperators and Virtual Environments. -
1997. - Vol. 6, №4.
4. Chen Y.-C. A study of comparing the use of augmented reality and physical models in chemistry education. Proceedings of the 2006 ACM international conference on Virtual reality continuum and its applications. - Hong Kong, China, 2006.
5. Luck M., McBurney P., Preist C. Agent technology: Enabling next generation computing a roadmap for agent based computing. - Southampton, UK: AgentLink, 2003.
6. Иванов С.Н., Кудинов В.А. Об архитектуре компьютерных обучающих систем на основе мульти-агентных систем // Ученые записки: Электронный научный журнал Курского государственного университета. -2010. - №1.
7. Хорошевский В.Ф., Гаврилова Т.А. Базы знаний интеллектуальных систем. - СПб., 2001.
