基于AGENT个性化Web协作学习系统的模型设计

论文摘要

以互联网平台为依托的Web协作学习(CollaborativeLearning),正在改变着传统的学习方式。Web协作学习正日益成为人们掌握知识、更新知识的一种重要手段。当前,尽管基于WEB的协作学习是远程学习的主要形式,网络协作学习系统已在远程教育领域广泛应用,但在网络教学的实施中,还存在许多技术问题。而且现有的Web学习系统学习主体智能程度较低,同时缺乏对用户(学习者)个性化学习的支持,阻碍了用户个人特长的发挥。本文针对网络协作学习中存在的问题,引入分布式人工智能领域中的智能代理技术,构建了一个由主控程序、学生代理、教学代理、信息代理组成的网络协作学习智能代理模型,并重点探讨了采用机器学习和数据挖掘的方法,如何更有效地实现个性化学习,使网络协作学习朝着智能化,个性化的方向发展。本文主要的工作体现在以下几个方面:(1)引入分布式人工智能领域中的智能代理技术,构建了一个由主控程序、学生代理、教学代理、信息代理组成的网络协作学习智能代理模型。(2)学生代理依据基于蚁群智能的聚类算法,根据学习者所选的课程名、课程概念、学习者的接收能力、思维偏向等进行用户聚类,获得不同的协作学习代理分组,从而充分调动协作学习小组成员的积极性。(3)教学代理不仅负责监控学习者的学习行为,提供相应的教学资源,而且还能针对不同认知水平的学习者,利用模糊神经网络的方法选择相应的教学方法,帮助学习者完成学习,实现因材施教。(4)信息代理不仅可以按课程名自动地从本系统的课程学习资源或Internet网络资源上获取学习者所需的信息,而且当学习者需要搜寻具有某一课程概念的课程时会进行个性化课程的智能推荐。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 基于Web学习模式的研究
• 1.1.1 基于Web学习模式研究的意义
• 1.1.2 基于Web的学习资源和优势
• 1.1.3 基于Web的学习方式
• 1.2 在网络环境下的协作学习模式
• 1.2.1 协作学习的定义和优点
• 1.2.2 现有协作学习模型的不足之处
• 1.3 本文研究工作重点
• 1.4 论文组织
• 第二章 相关理论
• 2.1 代理和多代理
• 2.1.1 代理的概念和特点
• 2.1.2 多代理系统
• 2.1.3 基于智能代理的网络协作学习模型
• 2.2 蚁群算法
• 2.2.1 蚁群算法的原理
• 2.2.2 蚁群算法的优点
• 2.3 模糊神经网络
• 2.3.1 模糊神经元
• 2.3.2 模糊神经网络
• 2.4 数据挖掘技术简介
• 2.4.1 数据挖掘的定义
• 2.4.2 数据挖掘的分类及工具
• 第三章 协作学习系统的模型设计
• 3.1 智能代理技术在网络协作学习中的应用
• 3.2 网络协作学习的智能代理应用模型
• 3.2.1 系统结构
• 3.2.2 系统的工作模型
• 3.2.3 系统的代理模型
• 3.3 系统的基本工作过程
• 第四章 系统的个性化学习的实现
• 4.1 基于蚁群智能的聚类方法
• 4.1.1 蚁群聚类模型分类
• 4.1.2 基于蚁群智能的聚类方法的应用
• 4.1.2.1 基本思想
• 4.1.2.2 实现过程
• 4.1.2.3 试验结果
• 4.2 教学方法选择的开发与实现
• 4.2.1 实现方法
• 4.2.2 基于模糊神经网络的教学方法的选择
• 4.2.2.1 模糊神经网络模型
• 4.2.2.2 模糊神经网络结构
• 4.2.2.3 模糊神经网络的学习算法
• 4.2.2.4 模糊神经网络模型的参数设定
• 4.2.3 模糊神经网络模型的训练与测试
• 4.2.3.1 MATLAB神经网络工具箱的应用
• 4.2.3.2 神经网络模型参数的确定
• 4.2.3.3 训练样本
• 4.2.3.4 检验样本
• 4.2.3.5 模型预测结果与实测值比较
• 4.3 个性化课程推荐功能的实现
• 4.3.1 关联规则的基本概念及挖掘算法
• 4.3.2 个性化课程推荐
• 4.3.2.1 课程概念化
• 4.3.2.2 课程的推荐
• 第五章 结束语
• 参考资料
• 致谢
• 攻读学位期间发表的学术论文
• 学位论文评阅及答辩情况表