МУЛЬТИАГЕНТНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ В ЦИФРОВОЙ ОБРАЗОВАТЕЛЬНОЙ СРЕДЕ АННОТАЦИЯ
MULTI-AGENT INFORMATION SYSTEMS IN THE DIGITAL EDUCATIONAL ENVIRONMENT ANNOTATION
УДК 378
DOI: 10.24411/2658-4964-2020-10251
Редванов Алим Салимович
ГБОУ ВО «Ставропольский государственный педагогический институт», Россия, г. Ставрополь
Redvanov Alim Salimovich ahiska.alimchik@yandex.ru
Аннотация
В статье проведен аналитический обзор интеллектуальных систем в цифровой образовательной среде на основе агентно-ориентированного подхода. Показана актуальность разработки мультиагентных систем при создании инновационных интеллектуальных систем электронных образовательных курсов, основанных на применении различных подходов и системном анализе. Особое внимание уделено построению архитектуры агентов, у которых имеются поведенческие и эмоциональные функции взаимодействия с обучаемыми. Приведены основные достоинства и недостатки применения мультиагентного подхода при построении интеллектуальных систем электронного обучения. Разработана архитектура интеллектуальных агентов в системах электронных образовательных курсов.
Annotation
The article provides an analytical review of intelligent systems in the digital educational environment based on an agent-oriented approach. The relevance of the development of multi-agent systems in the creation of innovative intelligent systems of electronic educational courses based on the application of various approaches and system analysis is shown. Special attention is paid to the construction of an architecture of agents that have behavioral and emotional functions of interaction with trainees. The main advantages and disadvantages of using a multi-agent approach in the construction of intelligent e-learning systems are presented. The architecture of intelligent agents in the systems of electronic educational courses is developed.
Ключевые слова: цифровизация образования, агентно-ориентированных подход, мультиагенты, архитектура интеллектуальных агентов, электронные образовательные курсы.
Keywords: digitalization of education, agent-oriented approach, multiagents, architecture of intelligent agents, electronic educational courses.
Интенсивное развитие информационной сферы поставило перед образовательными системами общества серьезные проблемы эффективной передачи знаний, опыта, умений и навыков старших поколений вступающей в жизнь молодежи. Развитые страны мира поставили задачи реформирования системы образования на уровень важнейших стратегических задач государства. Значительную роль в решении этих задач могут сыграть информационные и интеллектуальные технологии, открывающие принципиально новые возможности для повышения эффективности образовательного процесса.
Развитие сегодня сетевых web-технологий, информационных и коммуникационных технологий, использующих искусственный интеллект и базирующихся на объектно-ориентированном проектировании, способствует созданию систем, включающих в себя большие базы данных и знаний, многокомпонентные решатели и др. Разработчики информационных и коммуникационных технологий, использующие при разработке такие системы считают, что такие системы являются мотивированными объектами, обладающими свойствами автономии, коммуникабельности и активности, которые действуют в сложных, динамических системах в виртуальной среде.
Несмотря на достигнутые результаты, становление новой образовательной парадигмы интеллектуального инфокоммуникационного обучения с использованием всего спектра когнитивных, методологических, телекоммуникационных, программно-технических возможностей современной информационной сферы еще продолжается. Отчетливо просматривается тенденция наделения обучающих систем новыми интеллектуальными способностями, такими как:
• способность адаптации к целям обучения и личностным характеристикам обучаемого;
• экспертиза состояния обучаемого и его положения в структуре целей учебного процесса;
• анализ реализуемой стратегии обучения, выбор или построение новой стратегии, соответствующей целям обучения и текущему состоянию процесса;
• придание человеко-машинному интерфейсу личностных и эмоциональных свойств;
• использование дополнительных сервисов и инструментов, обладающих определенной самостоятельностью.
Такие способности изначально соответствуют концепции интеллектуальных агентов и парадигме агентно-ориентированного подхода.
В связи с этим в системах электронных образовательных курсов наметился сдвиг с уровня, где связи между источниками и потребителями знаний являются статическими, к уровню, где эти связи являются динамическими.
Подобные системы должны быть гибкими относительно изменяющегося окружения, способными обеспечивать персонифицированную поддержку пользователей с различными уровнями компетенций и требований к получаемым знаниям, масштабируемыми относительно типов информационных ресурсов и их содержимого, а также способными взаимодействовать с другими электронными приложениями. Кроме того, необходимо учитывать наличие в системе электронных образовательных курсов нескольких источников знаний, многокомпонентность и сложную структуру учебно-педагогических знаний. Все это ставит вопрос о создании такой архитектуры системы электронных образовательных курсов, которая позволяет объединить, хранить и обрабатывать необходимый объем информации. Для создания подобных систем широкое распространение получила технология мультиагентных систем, которая позволяет осуществлять физическое и семантическое распределение информации в системе. Термин «мультиагентные системы» используется для обозначения систем, состоящих из множества автономных агентов, которые взаимодействуют друг с другом. В таких системах взаимодействие агентов реализуется платформой, обеспечивающей их асинхронную работу.
Понятие агента является одним из основных понятий теории мультиагентных систем. Агент - это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных пользователем. Агенты описываются рядом базовых свойств:
• Реактивность - адекватно реагирует на изменения окружающей среды.
• Автономность - работает как самостоятельная программа, независимо от владельца, выполняя действия для достижения целей.
• Адаптивность - обладает способностью обучаться и развивать свои знания.
• Коллаборативность - может взаимодействовать с другими агентами несколькими способами.
• Активность - способен генерировать цели и выполнять действия для их достижения.
• Коммуникативность - способность общаться с другими агентами.
• Рассудительность - обладает частичными знаниями или механизмами вывода.
В соответствии со своими свойствами отдельные агенты могут характеризоваться своими целями, убеждениями, желаниями, обязательствами и намерениями перед другими агентами.
В свою очередь, мультиагентные системы подразделяются на кооперативные, конкурирующие и смешанные. Агенты в кооперативных системах являются частями единой системы и решают подзадачи одной общей задачи. Понятно, что при этом агент не может работать вне системы и выполнять самостоятельные задачи. Конкурирующие агенты являются самостоятельными системами, хотя для достижения определенных целей они могут объединять свои усилия, принимать цели и команды от других агентов, но при этом поддержка связи с другими агентами не обязательна. Под смешанными агентами понимаются конкурирующие агенты, подсистемы которых также реализуются по агентной технологии. Кроме общения с другими агентами, должна быть реализована возможность общения с пользователем.
Существующие множество вариантов архитектур мультиагентных систем и рациональный выбор архитектуры отдельного агента определяется тем, какова концептуальная модель агента, принятая для ее описания формализм и язык спецификаций, на какое приложение или класс приложений ориентирована мультиагентная система, а также от ряда других факторов.
Основным назначением архитектуры является установление взаимодействия агентов друг с другом так, чтобы обеспечивать их скоординированное поведение при решении общей задачи или своих частных задач. Основываясь на парадигме построения мультиагентной системы, можно выделить три основных класса архитектур.
В делиберативной архитектуре агенты используют представление картины мира в символьной форме, а решения принимают на основе формальных рассуждений и методом сравнения по образцу.
Научно-образовательный журнал для студентов и преподавателей «StudNet» №9/2020
В реактивной архитектуре агенты учитывают реакции системы на события внешнего мира, т.е. основываются на поведении.
В гибридной архитектуре одни агенты используют точное представление картины мира в символьной форме, а другие - основываются на реакции системы на события внешнего мира.
База знаний о предметной области
База знаний о
процессе электронного обучения
База данных обучаемых
Программный агент системы электронного обучения
Агент доступа к знаниям
Агент интерфейса преподавателя
Агент управления взаимодействиями в системе
Агент интерфейса обучающегося
Т
1326
Преподаватель
Обучающийся
Рис. 1. Архитектура мультиагентной системы
Проанализировав систему электронных образовательных курсов, можно сделать вывод о том, что она является многокомпонентной и распределенной, имеет несколько источников знаний со сложной структурой. Следовательно, в качестве базовой архитектуры для систем электронных образовательных курсов можно предложить многоуровневую, гибридную, иерархически организованную мультиагентную архитектуру. При этом каждый агент должен обладать всеми базовыми свойствами. Определение данной архитектуры как базовой означает, что компоненты могут добавляться или меняться в зависимости от физических возможностей и конкретного назначения системы.
На рисунке 1 представлена базовая мультиагентная архитектура системы электронных образовательных курсов. Рассмотрим более подробно разработанную архитектуру и назначение каждого агента.
Агент интерфейса преподавателя осуществляет взаимодействие преподавателя с базой данных предметной области, что позволяет агенту оперативно ее пополнять, определять различные уровни обученности, разрабатывать средства для проверки знаний обучаемых.
Агент интерфейса обучающегося осуществляет взаимодействие с базой данных по обучающимся, в которой содержатся сведения о каждом из них с указанием текущего уровня подготовки, предпочтительной стратегии обучения, типичных ошибок. Текущие действия обучающихся сравниваются с эталонными (с действиями преподавателя) и различия в ответах используется для определения текущего уровня подготовки и маршрута обучения.
Агент доступа к знаниям обеспечивает проверку личных данных обучающихся и защиту от несанкционированного доступа к обучающему ресурсу, также передает эти данные к программному агенту, который осуществляет их обработку. База знаний о процессе обучения в электронном курсе обеспечивает формирование информационной модели, предъявление информации и оценку качества деятельности обучающихся и передает эти данные агенту управления системой электронных курсов, который осуществляет выбор маршрута обучения на их основе.
Программный агент системы электронных курсов отвечает за программную составляющую системы, которая непосредственно осуществляет электронное обучение по этому курсу.
Агент управления взаимодействиями в системе осуществляет координацию работы всех компонентов системы. В системе имеется несколько агентов управления процессами. Опишем их функции:
1) агент управления доступа к теоретическому материалу выводит содержание курса обучения, учебную программу, тексты лекций и определения основных понятий (глоссарий);
2) агент управления поиском в системе осуществляет вывод электронной карты обучающего ресурса;
3) агент управления практическими навыками предоставляет методики выполнения практических заданий, управляет доступом к ним и осуществляет их вывод;
4) агент управления доступом к системе тестирования выводит итоговое и промежуточное тестирование;
5) агент управления компетенциями собирает, хранит и обрабатывает компетенции, на основе которых строятся тестовые задания;
6) агент доступа к дополнительному материалу осуществляет вывод имеющихся проектов мультимедиа, вопросов для самоконтроля и рекомендаций по самостоятельной работе.
Основным преимуществом построенной архитектуры является ее семантическое распределение, обеспечивающее независимую работу агентов системы. Каждый агент выполняет отдельный вид работы, обладая всей необходимой информацией, а также способен обучаться и развивать свои знания.
Разработанная базовая архитектура мультиагентной системы электронных образовательных курсов является вертикальной многоуровневой и, по сути, гибридной, имея те или иные черты от делиберативной и реактивной типов архитектур. Необходимо также отметить, что она является иерархически организованной, кооперативной и семантически распределенной, каждый агент которой имеет ряд базовых свойств.
Анализ разработанной архитектуры показывает, что применение интеллектуальных агентов в коллективных, персональных, игровых и интерактивных формах обучения существенно повышает качество обучения. Основными достоинствами мультиагентных систем можно назвать гибкость функционирования, оперативное взаимодействие между агентами, построение индивидуальной траектории обучения с учетом психоэмоционального и интеллектуального уровня обучаемого, возможность учитывать предыдущий опыт взаимодействия интеллектуального агента с обучающей средой, возможность автономной работы агентов, адаптация обучаемого к условиям
динамической среды, возможность агента к самообучению и решению
узконаправленных и глобальных задач в обучении.
Литература
1. Амелина Н. О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса // Стохастическая оптимизация в информатике. - 2011.
2. Ахметова Л. В. Методы когнитивного обучения: психолого-дидактический подход // Вестник Томского государственного педагогического университета. Томск, 2009.
3. Тюрикова E. M. Дистанционное обучение - новая форма информационно-педагогической среды // Гуманитарный вектор. Серия: Педагогика, психология. 2013.
4. Нагоев З.В. Методы принятия решений и управления в неструктурированных задачах на основе самоорганизующихся мультиагентных рекурсивных когнитивных архитектур // ФГБУН Институт информатики и проблем регионального управления Кабардино-Балкарского научного центра РАН. Нальчик, 2013.
Literature
1. Amelina N. O. Multiagent technologies, adaptation, self-organization, consensus building // Stochastic optimization in computer science. - 2011.
2. Akhmetova L. V. Methods of cognitive training: psychological and didactic approach // Bulletin of the Tomsk state pedagogical University. Tomsk, 2009.
3. Tyurikova E. M. Distance learning - a new form of information and pedagogical environment / / Humanitarian vector. Series: Pedagogy, psychology. 2013.
4. Nagoev Z. V. Methods of decision-making and management in unstructured tasks based on self-organizing multi-agent recursive cognitive architectures / / Institute of Informatics and regional management problems of the Kabardino-Balkar scientific center of the Russian Academy of Sciences. Nalchik, 2013.