IV基于多agent遠程協(xié)同教學行為建模與仿真摘要：目前，我國大力發(fā)展教育事業(yè)，從小學教育開始直到大學教育，甚至繼續(xù)研究教育都是如今社會主流趨勢，然而，我國的教育事業(yè)往往被許多不利因素制約。這樣的遠程教育模式仍然有著許多弊端或者不夠完善點。在遠程教學課堂里，學生與教師處于網(wǎng)絡兩端，不能很好地就授課中問題實時互動交流、解決問題。在諸多高校中，有著大量的優(yōu)秀教師資源可以滿足不同高校學生的求知需求。本文就遠程教育中的授課教師及現(xiàn)場交互方式和交互程度為基本點，基于多Agent系統(tǒng)對教師遠程教學進行建模。研究遠程的交互程度對學生學習效率的影響。關鍵詞：多Agent；遠程教學；交互性

Abstract:Nowadays,ourcountryisdevotingintoeducation,fromelementaryeducationtouniversityeducation，andeventocontinuingeducation.However,thedevelopmentofourcountry’seducationhasbeenlimitedbymanyharmfulfactors.Traditionaleducationmodelishardtoencouragethemajoritytotakeanactivepartineducation.What’smore,themosttraditionalteachingstyle,facetofaceeducation,graduallycannotcatertoallpeople’sdyingforknowledge.Thatmeans,inordertomeetpeoplefromallkindsofregionsandages,buttraceforthesamekindofknowledge,distanceteachingisbecomingmoreAndmorepopularandevenusedanddevelopedbymosteducationalinstitutions.But,thiskindofeducationstyleisstillimperfectordefective.Indistancecooperativeteachingsystem,teachersandstudentsarefarfromeachotherandcanhardlycommunicatingwiththeotherside.ThispaperwilldigintotheinfluenceofDistancecooperativeteachingstyletostudentstudyefficiency,whichisbasedonmodelingandsimulationandisaroundtheinteractionstyleHndinteractiondegree.Keywords:multi-agent;distanceteaching;interactive目錄1緒論 11.1選題背景及研究意義 11.1.1選題背景 11.1.2研究意義 11.2本文研究內(nèi)容 22基于多Agent的系統(tǒng)建模 32.1遠程協(xié)同教學 32.2Agent 32.3多Agent 32.4設計工具 42.4.1Swarm概述 42.4.2Swarm主體構(gòu)成結(jié)構(gòu) 42.4.3Swarm中的各種主體 42.5本章小結(jié) 53教師遠程協(xié)同教學研究 63.1引言 63.2研究主要思想 63.3遠程教育概述 63.3.1研究思路 63.3.2理論流程 73.5本章小結(jié) 74遠程協(xié)同教學模型 84.1Agent創(chuàng)建 84.1.1授課教師Agent創(chuàng)建 84.1.2教師助理Agent創(chuàng)建 84.1.3學生Agent創(chuàng)建 84.1.4環(huán)境Agent創(chuàng)建 84.2Agent特性定義 84.2.1學生學習指數(shù) 84.2.2學生Agent相關指數(shù)定義 94.3環(huán)境熱度 104.4本章小結(jié) 115遠程協(xié)同教學模擬與仿真 125.1學生學習熱度模擬 125.2學生學習熱度仿真結(jié)果及分析 125.2.1仿真模擬初始化 125.2.2仿真結(jié)果展示 135.2.2移動自由度仿真結(jié)果對比分析 145.2.3熱度擴散指數(shù)仿真結(jié)果對比分析 155.3本章小結(jié) 166總結(jié)與展望 176.1總結(jié) 176.2展望 17畢業(yè)論文體會 18致謝 19參考文獻 20英文翻譯資料 211緒論1.1選題背景及研究意義1.1.1選題背景當今社會，隨著計算機技術，互聯(lián)網(wǎng)的飛速發(fā)展，以多媒體和互聯(lián)網(wǎng)為基礎的遠程協(xié)同教學方式已經(jīng)漸漸成為教育領域的一種新興力量。這種新型的教學方式，不僅僅促進了傳統(tǒng)面對面教學方式的改良，更是將教育方式的多樣化，創(chuàng)新方式提到了社會教育領域的前端。目前的傳統(tǒng)教育方式是基于實體課堂形式，進行的集體面對面授課形式，這種授課形式具有一定優(yōu)點，學生可以直接進行交流，提問。但是當學生基數(shù)提高時，這種生硬的授課方式的質(zhì)量會以反比的形式降低，這是現(xiàn)在教育界所不愿遇到的現(xiàn)象。遠程協(xié)同教育這一新興的教育模式的出現(xiàn)不僅解決了教育空間的困難問題，而且解決了教育時間的困難問題。各大高校看到這種趨勢后，紛紛投入到遠程協(xié)同教育這種新的模式中來。此外，各大教育機構(gòu)目前已經(jīng)靈活的運用網(wǎng)絡遠程教育形式。這種教育方式不僅為高校和教育機構(gòu)節(jié)省了大筆的開銷，而且也是參與的學子比較，滿意的授課方式[1-3]。遠程協(xié)同教育的特點眾所周知，但是由于技術發(fā)現(xiàn)的局限性和技術普及的局限性，遠程協(xié)同教育真正實施起來還是有許多問題沒有解決。例如：在遠程協(xié)同教學中，教師學生的互動程度將會有所降低，互動程度的降低必將引起學生的學習積極性，長此以往將會引起學生學習成績的下降，知識的欠缺。而遠程課堂中，僅僅有遠程授課教師就夠了嗎？如何提高聽課現(xiàn)場學生的積極性？這些都是值得探討的問題[4]。1.1.2研究意義目前，信息技術技術已經(jīng)成為一項新的國力，信息技術的高度發(fā)展也標志了國家綜合實力的提高。中國也一直致力于將人口大國轉(zhuǎn)化為人才強國，那么利用信息化技術發(fā)展教育事業(yè)對教育事業(yè)來說也是百利而無一害的。我國當前的最普遍的教育方式就是傳統(tǒng)方式的面對面集體授課方式，這種教育方式往往耗費大量的師資力量和額外的不可預計支出，導致了這種傳統(tǒng)的授課方式很難完成在同一時間，同一地點的大規(guī)模授課行為。不利于教育事業(yè)的快速發(fā)展。[5-7]此外，還有一種自學函授的方式，這種當時通常是學習者通過自學的方式，通過考試考察完成學業(yè)，這種方式雖然盡可能的降低了教育成本，但是不利點在于，這種方式降低了學習者的學習興趣，長此以往學習者的學習質(zhì)量大大降低，不利于學習者的長期發(fā)展。綜上所述，我國在這樣的教育背景下，急切的需要尋求一種適合快速發(fā)展的中國的教育方式[8]。本文所提出的遠程協(xié)同教育模式不僅僅在盡可能的情況下，降低教育成本，避免因時間，空間不同而造成的額外教育支出，而且盡可能的最大化教育質(zhì)量，調(diào)動學習者的學習興趣，提高學習生的學習質(zhì)量。將學習者人數(shù)規(guī)模和學習者互動積極性有機最大化，避免傳統(tǒng)的教育出現(xiàn)的某一方面的不合理偏向。1.2本文研究內(nèi)容作者在研究了大量的前人研究成果，查閱大量的資料，對傳統(tǒng)的授課教育模型有了一定的了解，總結(jié)分析了傳統(tǒng)授課教育模式的優(yōu)點和不足。再此基礎上建模，首先保證傳統(tǒng)的授課教育方式的有點，其次盡量避免或者減小這種傳統(tǒng)授課教育方式的不足。達到在現(xiàn)階段技術水平允許的前提下，最大化遠程協(xié)同教育的授課質(zhì)量。本文結(jié)構(gòu)主要如下：主要介紹了本文課題的研究背景和研究課題的意義。概述了遠程協(xié)同教育的目的。主要介紹了本文研究課題的理論基礎，之前的研究成果。主要分析了模型的設計思路，以及相關的建模工具。本文所創(chuàng)建的模型的具體情況，模型結(jié)構(gòu)。模型仿真結(jié)果以及分析。總結(jié)本文模型仿真結(jié)構(gòu)分析，對現(xiàn)實遠程協(xié)同教育提出可行建議，并陳列出本文模型仍然存在的問題。對未來遠程協(xié)同教育的展望。2基于多Agent的系統(tǒng)建模2.1遠程協(xié)同教學當代信息技術高度發(fā)展的前提下，通過計算機、網(wǎng)絡、智能科學技術，完成地域不同，時間不同步的學習者的學習行為。這種方式為學習者節(jié)省了大量的學習成本，讓學習者可以選擇自己適宜的時間和地點學習。遠程協(xié)同教學在滿足降低學習成本的基礎上，保證了學習者的互動積極性，從而保證了學習者的學習質(zhì)量[9-11]。遠程協(xié)同教學中的協(xié)同，從廣泛意義上是指教學中的授課方的協(xié)同性，即授課者人數(shù)從傳統(tǒng)的一人上升到兩人或多人，且授課者在教授同一節(jié)課間有時間或空間上的差異，滿足了被授課者：學生的多種特殊需求[12]。而被授課者，從傳統(tǒng)意義上的只聽從一位授課講師的講解轉(zhuǎn)而面對多位講師，從他們的合作教學中獲取更為豐富、全面的知識信息。而遠程則是指學生、授課者間的時間、空間上的距離，將傳統(tǒng)教學中對教學資源時間、空間的嚴格控制這一弊端，轉(zhuǎn)化為靈活機動的信息資源。2.2AgentAgent就是指在一定環(huán)境下可以自由的活動，并且可以根據(jù)外界的環(huán)境或者其他Agent的具體情況調(diào)節(jié)自身，隨之變化的實體。Agent具有一定的智能性，十分適合模擬現(xiàn)實生活的具體情況。在Agent內(nèi)部主要含有感知器，效應器，控制器，信息處理器等[12]。Agent原件結(jié)構(gòu)如下：圖2.1Agent結(jié)構(gòu)圖2.3多Agent多Agent系統(tǒng)就是由許多具有自主活動能力的軟件或者硬件實體構(gòu)成的一個多Agent系統(tǒng)，在這個系統(tǒng)內(nèi)，可以完成單一的主體無法完成的活動或者行為，為了應對外界無時無刻不在變化的環(huán)境條件下，單一的主體，或者很多個沒有合作交互的主體是無法正確的應對這種外界的變化，這時只有通過多Agent系統(tǒng)的基礎上，才能交換每個主體獲得的信息，使得每個單一的個體聯(lián)系起來構(gòu)成一個多Agent系統(tǒng)，并通過群體協(xié)同的行為完成某項活動或任務。[12]一個多Agent系統(tǒng)的結(jié)構(gòu)主要如下：圖2.2多Agent系統(tǒng)結(jié)構(gòu)圖2.4設計工具2.4.1Swarm概述Swarm力圖提供一個真實的系統(tǒng)模仿平臺環(huán)境，在這個平臺中，包含著許多實體，這些實體具有一定的智能性，能夠影響他們周圍的環(huán)境，相反，周圍的環(huán)境也可以影響改變實體的屬性。這種相互的影響就是交互的過程，交互工程所依據(jù)的規(guī)則是事先由用戶決定的[13]。2.4.2Swarm主體構(gòu)成結(jié)構(gòu)Swarm的對象可以分成ModelSwarm和ObserverSwarm。ModelSwarm是真實系統(tǒng)的模擬，基于真實的系統(tǒng)進行運行模擬，ObserverSwarm創(chuàng)建的存儲空間存放ModelSwarm的對象[13,14]。2.4.3Swarm中的各種主體主體:具有一定智能性，可以根據(jù)外界環(huán)境改變自身屬性。環(huán)境：主體所存在的位置。主體活動：主體在外界環(huán)境的改變下，完成的行為。探測器：是用戶可以進行實時改變參數(shù)的工具。控制面板：可以開始，暫停，終止Swarm的運行。柵格:能夠具體的描述主體的位置。統(tǒng)計圖形界面：通過柱狀圖和曲線圖來描述仿真過程中變量的量的變化和變化趨勢[15-17]。2.5本章小結(jié)本章主要介紹了遠程協(xié)同教學的概念，后文將以此為基礎進行建模仿真，分析了多Agent的概念和Agent的結(jié)構(gòu)，后文將依據(jù)上述的結(jié)構(gòu)進行建模仿真。3教師遠程協(xié)同教學研究3.1引言從研究現(xiàn)狀看來，遠程教育已成為當前網(wǎng)絡科技在教學教育方面應用的熱點之一，是高校智庫建設與現(xiàn)代化教育的必然研究項目。隨著現(xiàn)代生活節(jié)奏加快，本校教學資源越來越不能滿足學生、教師對學習、授課的需求，而遠程教學這種新生教學模式恰好滿足各方面時間、地點靈活性的需求。因此，以教師遠程協(xié)同教學為中心的教學模式，更需要大力研究、分析、總結(jié)，對信息化時代的教學模式有著深遠的意義和影響。而前人研究成果多著力于遠程教學系統(tǒng)開發(fā)或者對教學系統(tǒng)中各對象的定性分析，極少有對該教學模式下教師與學生等agent的協(xié)同教學作用進行定量分析，對該教學模式的改進不能提供有效的數(shù)據(jù)支撐。在實時遠程教學過程中，教師與學生的積極性互相影響。3.2研究主要思想教師遠程教學系統(tǒng)是一個非常龐大、復雜且無法預計的系統(tǒng)。因此，對當前教學進行跨平臺進行基于多平臺的模型分析，研究教師與學生相互影響，及環(huán)境影響對遠程教學研究的成果的干涉程度，并對學校遠程教學質(zhì)量進行定量的評估。就傳統(tǒng)模式而言，教師與學生共處一室，實時互動教學，教師往往能根據(jù)學生的課堂表現(xiàn)、反饋等隨時調(diào)節(jié)課堂教學進度，以獲得理想的教學成果，幫助教師與學生在互動學習中共同進步。因此，遠程協(xié)同教學模式也借鑒了傳統(tǒng)教學模式中的長處并加以改進，形成新式的遠程教學模式。3.3遠程教育概述教師遠程教學系統(tǒng)是一個非常龐大、復雜且無法預計的系統(tǒng)。因此，對當前教學進行跨平臺研究教師與學生相互影響，及環(huán)境影響對遠程教學研究的成果的干涉程度，并對學校遠程教學質(zhì)量進行定量的評估。在遠程教學諸多形式中，無論是實時遠程教學還是基于網(wǎng)絡資源共享式的遠程教學模式，單憑在互聯(lián)網(wǎng)兩端的學生與教師，往往不能創(chuàng)造出足夠好的課堂學習氛圍與理想的課堂學習成果。因此，在授課教師與聽課學生之外，本文中的遠程協(xié)同教學模式還增設了教師助理，主要負責與課堂學生的互動、監(jiān)管課堂學習紀律、進行現(xiàn)場教學測試等等。3.3.1研究思路無論是實時遠程教學還是基于網(wǎng)絡資源共享式的遠程教學，均試用本文提及的遠程協(xié)同教學模式。教師助理的設置并不直接影響授課教師與聽課學生的教學過程，而是為了促進授課教師與聽課學生的互動積極性、學生的課堂聽課效率而不可或缺的角色。本文涉及的三個角色，分管課堂教學中的不同任務。授課教師負責實時遠程授課或者提前錄制遠程教學資源并共享到網(wǎng)絡云平臺，在授課過程中可適當設置提問，以便教師助理與學生互動提問、討論，增加課堂氣氛活躍度。授課教師在課堂教授學生學習過程中所必須的學習資料、學習階段性測試材料均可通過教師助理發(fā)放給學生，通過課后習題或測試的方式了解學生課堂知識接受程度，隨時調(diào)整下一階段授課進度與課堂教學方式。教師助理在課堂授課前做好課堂準備工作，如簽到、收發(fā)作業(yè)等，在授課教師遠程教學過程中，實時監(jiān)督學生課堂表現(xiàn)，并觀察學生課堂活躍度。教師助理可就授課教師提出的問題，以拋磚引玉激發(fā)學生課堂思維，并對學生課堂中提出的問題進行授業(yè)解惑。在實時遠程教學模式中，可與遠程授課教師交流，方便授課教師調(diào)整課堂進度，并對課堂突發(fā)狀況進行處理。而遠程協(xié)同教學過程中，無論是授課教師還是教師助理都必須面向聽課學生，這一最核心的對象。學生在課堂中除了認真聽遠程教師的授課外，還需配合教師助理課堂答疑、與教師助理討論課堂疑難點。可以說，學生在遠程課堂上與遠程教師的互動只是形式上的，而與助理教師的互動才是出于學生本身學習熱情、積極性所引發(fā)的。3.3.2理論流程第一步，從實際中將建模對象理論為抽象事物，對抽象出的對象進行理論假設，以求得到建模的背景支持。第二步，將實際情況抽象為三類對象，并分別作出具體定義：環(huán)境、對象、初始參數(shù)第三步，在定義的三類對象基礎上，進行更深層次的學術交流規(guī)則的探討，以求模型更符合客觀實際、更具實際可操作性。第四部，美化模擬仿真的觀察界面，達到觀察者通過觀察界面直觀得出仿真對象的執(zhí)行結(jié)果。第五步，對觀察界面中展示出的仿真實體的數(shù)據(jù)信息進行分析、采集、錄入、合成，最終實現(xiàn)對事物模擬時信息真實、可靠。第六步，將經(jīng)過調(diào)整的完整仿真模型進行初步運行，并觀察運行結(jié)果。第七步，從觀察出的結(jié)果中，細究結(jié)果的可靠性，并對被模擬對象的參數(shù)做調(diào)整，加入新的規(guī)則，跳轉(zhuǎn)到第三步或執(zhí)行第八步。第八步，得出建模與仿真結(jié)論[18]。3.5本章小結(jié)本章概述了本文所建立的模型的具體流程，以及主要的設計思路，說明了本文創(chuàng)建的模型的主要影響因子是，學生在群體的地位，學生的知識水平等等，最后介紹了本文建模仿真的主要設計工具是Swarm。4遠程協(xié)同教學模型基于對遠程協(xié)同教學的理論研究，從模擬仿真的角度上說，需要對現(xiàn)實物體的各種特性進行抽象，最終抽象為多個包含不同屬性值的對象，以實現(xiàn)對現(xiàn)實物體相互影響過程的仿真4.1Agent創(chuàng)建本文模型主要創(chuàng)建四類Agent角色：授課教師Agent、教師助理Agent、學生Agent、及環(huán)境Agent。4.1.1授課教師Agent創(chuàng)建授課教師Agent(TeacherAgent)：代表遠程協(xié)同教學模式中的授課教師個體，是最直接影響課堂教學質(zhì)量的Agent，授課方式、授課進度、授課節(jié)奏等都是直接影響學生課堂吸收知識的因素。4.1.2教師助理Agent創(chuàng)建教師助理Agent（AssistantAgent）：代表遠程協(xié)同教學模式中協(xié)助遠程授課教師，在教室現(xiàn)場的協(xié)助性角色，是在教學現(xiàn)場直接與學生接觸的關鍵角色。授課教師就授課教師授課過程中提出的問題，對現(xiàn)場同學的回答進行評點、解答，或?qū)ν瑢WAgent無法直接解答時提供解題思路，誘導學生對授課內(nèi)容或問題思考，從而提高授課教師課堂效率及學生對知識的吸收情況。除此之外，課后對授課教師布置給的作業(yè)完成情況進行評估，促進學生課后對知識的繼續(xù)學習。在正式授課前對學生的考勤情況做記錄，并對學生的課堂表現(xiàn)做記錄，監(jiān)督學生課堂聽課效率。4.1.3學生Agent創(chuàng)建學生Agent：代表遠程協(xié)同教學模式中的學生個體，學生Agent是遠程協(xié)作課堂中的核心角色，是授課教師與教師助理在課堂過程中的主要面向?qū)ο蟆W生對課堂知識的吸收情況直接決定了教學質(zhì)量的優(yōu)劣，是評估遠程同步或基于資源共享式課堂質(zhì)量的決定性因素[19]。4.1.4環(huán)境Agent創(chuàng)建環(huán)境Agent：在遠程教學進程中，學生Agent與教師Agent的活躍性是互相影響的，而兩者的Agent會對環(huán)境Agent的活躍性有直接影響，從而需要有環(huán)境Agent表示出當前環(huán)境中的各項指數(shù)，如環(huán)境活躍度[20]。4.2Agent特性定義4.2.1學生學習指數(shù)在對遠程協(xié)同教學過程評估中，定義學生學習指數(shù)SS（StudentStudy）為學生從遠程課堂中獲取的學習收益綜合性標量。而SSn又可拆分為S1,S2,S3,S4...Sn，即為N個學生Agent的綜合計量指數(shù)，是對參與課堂所有學生通過遠程課堂學習收益的均衡性指數(shù)。即SSn為Sn與SSn-1通過綜合計算指數(shù)θ，通過綜合計算所得出的最客觀體現(xiàn)N個學生綜合學習收益的指數(shù)。故SSn=SSn(Sn,SSn-1,θ)=θ*Sn+(1-θ)SSn-1(θ：計算SSn時，Sn與SSn-1綜合指數(shù)）。圖4.1學生學習指數(shù)原理圖4.2.2學生Agent相關指數(shù)定義對學生Agent而言，做出如下定義：Sn(Study)：個人學習指數(shù)，是對學生Agent個人學習能力、知識吸收的綜合指數(shù)，也是對遠程教學質(zhì)量評估中不可或缺的指數(shù)。需由多項指標綜合體現(xiàn)，并加以必要的綜合算法。Gn(Grade)：測評成績，是對學生學習能力的評價的直觀結(jié)果，可通過課堂測試、階段性測試等形式獲取，是各測試結(jié)果的直觀數(shù)字結(jié)果。Hn（Heat)：學習熱度，是體現(xiàn)學生在課堂授課過程的主動參與度的指數(shù)，對學生學習熱情的評估，可由學生課堂發(fā)言質(zhì)量直觀表示，由教師助理Agent對每位學生課堂表現(xiàn)情況做記錄時直接體現(xiàn)。En(Extra)：附加指數(shù),指學生學習指數(shù)的附加能力項，如課程相關證書獲取質(zhì)量、課余項目完成數(shù)量、階段性研究成果等等，均包含在附加指數(shù)取值的加分項范圍內(nèi)。其中，定義個人學習指數(shù)Sn::={Gn,Hn,En},即Sn是包含Gn、Hn、En參數(shù)在內(nèi)的綜合性指標。定義Gn=Gn(Hn,β),其中β為Gn與Hn的相關系數(shù)，是對測評成績與學習積極性關系的考量。在本文中，默認β>0,即測評成績與學習積極性正相關。圖4.2學生Agent指數(shù)結(jié)構(gòu)圖4.3環(huán)境熱度在一個受多種綜合性因素影響的環(huán)境中，如何控制變量地研究某一個因素對環(huán)境及環(huán)境中其他成員的影響是至關重要的。在本文提及的基于多Agent遠程協(xié)同教學系統(tǒng)中，教師Agent雖然作為授課過程中不可獲取的角色，但卻是對環(huán)境熱度值沒有直接影響的角色。因此，在對熱度值進行相關一系列分析、研究時，將TeacherAgent的影響降至為最低，可忽略不計。而教師助理Agent在正常課堂進行過程中，是與學生直接溝通交流的，而不是像Teacher那樣只是單方面?zhèn)魇谥R。這就意味著，助理Agent與學生Agent的熱度A值是有對應關系的，而且這種影響是相互的。而這種相互的影響又不是直接作用于彼此，而需要借助于環(huán)境Agent作為中間傳輸媒介[21,22]。由對學生學習行為的了解可知，在一個多Agent的復雜環(huán)境系統(tǒng)中，單個Agent間的熱度并不是相互絕緣的，而是在滿足一定條件下會相互影響。根據(jù)前文所說，助理教師Agent在對學生Agent進行課堂輔導的過程中，Teacher對環(huán)境熱度的影響是決定性的。也就是說，助理教師在授課過程中體現(xiàn)出的熱度都是對學生聽課熱情的直接影響。這意味著，Assistant的熱度值（AH）與單個StudentAgent的Hn值直接相關。即，AA∝Hn=>Hn={AA,αn}(αn為AH對每個學生Agent的影響系數(shù)，AH對每個學生的影響程度不同)。而當助教在與某一個學生進行熱度傳遞時，兩者的熱度值又會傳遞到環(huán)境Agent中，即對環(huán)境熱度值產(chǎn)生直接改變，從一般意義上來說，這種作用是正相關的。而環(huán)境熱度值EH（EnvironmentHeat）作為學生、助教的中間變量，又會反過來作用于學生、助教的熱度值Hn、AH。因此，由以上分析過程可知，環(huán)境熱度值EH、助教熱度值AH與每個學生熱度值Hn是相互影響，不可獨立于系統(tǒng)外的。圖4.3各熱度值關系圖4.4本章小結(jié)在本章節(jié)中，對遠程協(xié)同教學模型中的多個Agent間關系、影響進行了分析。從前人研究中，僅可得出遠程教學模型的角色功能分工，或?qū)δＰ偷暮暧^角色分配的考量，而不是基于對角色內(nèi)部各相關屬性影響度的分析。因此，對協(xié)同教學建模過程中著重分析了各Agent間的屬性值，及其相互影響的過程，并以定量的形式表現(xiàn)出來，對各屬性值，尤其是熱度值的內(nèi)部關系有了系統(tǒng)、詳細的分析。可以將SS作為對總體學生評估的參考值，而SS又是由各Agent的Sn值綜合體現(xiàn)出的。其中，Gn,Hn,En三種因素又對的值起決定性的影響。因此，綜本章節(jié)所述，各因子的關系已清晰可見。5遠程協(xié)同教學模擬與仿真由前文的分析可知，在對遠程教學課堂進行評估時，學生的學習熱度是影響課堂的至關重要的因素，因此對課堂熱度的分析是尋求完美課堂氛圍的必然趨勢。5.1學生學習熱度模擬在對學生各項指數(shù)分析之后，顯而易見，學生的學習熱度是影響課堂質(zhì)量的因素之一。而學生作為遠程課堂中被評估的主體，其相互之間的影響是必不可少的。就學生熱度而言，學生熱度H1H2H3H4...Hn的平均熱度值又會受n數(shù)值的影響。當遠程教學課堂中，授課教師TeacherAgent提出一個問題，或引發(fā)一個討論時，由現(xiàn)場助教決定是否對問題進行熱度引導，從而決定熱度的擴散情況。而熱度引導，從實際問題分析看來，可以教師助理對問題的引導情況、提示程度決定。定義：熱度擴散指數(shù)Er（evaporationrate）表征環(huán)境中熱度擴散比例，當Er值越高，表示學生Agent向環(huán)境中釋放熱度比例越高定義：移動自由度表征環(huán)境中Agent在進行信息交互過程中的自由度。在本文的模型中，即表征學生Agent交互熱度的自由指數(shù)。并在仿真結(jié)果中，用unhappiness值表征Agent對問題的興趣度，以曲線趨勢圖的方式展示Agents興趣度的平均值。5.2學生學習熱度仿真結(jié)果及分析5.2.1仿真模擬初始化在對遠程協(xié)同教學模擬時，系統(tǒng)初始值如下圖5.1所示。將evaporationRate設置為0.15，即熱度擴散指數(shù)較低，即教師助理對問題的引導程度較低。將randomMoveProbablity設置為0.15，即學生個體的移動自由度較低，學生在課堂需要保持良好的課堂組織紀律，不能隨意移動。圖5.1仿真數(shù)值初始化圖5.2學生Agents初始狀態(tài)圖由上圖5.2可知，學生Agent在初始情況下是零散分布，并且向外散發(fā)少量的熱值，對環(huán)境熱度影響較小。5.2.2仿真結(jié)果展示由下圖所示熱蟲的移動狀態(tài)及對環(huán)境熱度的影響結(jié)果看來，環(huán)境熱度越高的柵格顏色越紅。此外，與Agents初始狀態(tài)不同的是，學生Agents已有明顯的聚集傾向。圖5.3swarm運行中期圖圖5.4Agent平均Unhappiness值變化趨勢圖Agent的unhappiness值在一開始處于較高水平，即Agent個體在初始條件下均處于不活躍狀態(tài)，對問題的興趣度不高，而隨著時間推移，興趣度越來越高，并保持在一個穩(wěn)定的興趣點。5.2.2移動自由度仿真結(jié)果對比分析圖5.5低自由度仿真結(jié)果圖圖5.6中自由度仿真結(jié)果圖圖5.7高自由度仿真結(jié)果圖由圖5.5、5.6、5.7對比分析可知，當學生Agents自由度為低、中、高時，學生Agents群聚性不同。當自由度較低時，學生移動可選性低，學生Agents會出現(xiàn)小簇團。當自由度適中時，學生移動可選性適中，學生Agents會出現(xiàn)大簇團。而當自由度較高時，學生移動可選范圍非常大，學生Agents反而分布的特別零散。由此可見，只有當遠程協(xié)同教學過程中，教師助理對現(xiàn)場學生的自由選擇度做出適當控制，達到適中時，學生的組團討論積極性才會高，有利于發(fā)揮團體協(xié)作能力，不至于單個學生冥思苦想。5.2.3熱度擴散指數(shù)仿真結(jié)果對比分析當學生的移動自由度適中時，如何能將學生的發(fā)言積極性控制在最佳呢？圖5.8低Er指數(shù)仿真結(jié)果圖圖5.8高Er指數(shù)仿真結(jié)果圖由上圖5.7、5.8的低、高兩種Er指數(shù)下的仿真結(jié)果圖分析可知：當學生Er值較低，即每個學生Agent熱值擴散指數(shù)較低時，每個Agent向環(huán)境Agent傳遞熱度較少時，直接對應環(huán)境熱度較低。并且，隨著時間增加，學生對問題的興趣度雖然有所上升，但仍未穩(wěn)定在一個較理想的低值狀態(tài)。當學生Er值較高，即每個學生Agent想環(huán)境Agent熱度貢獻值都比較高。并且，隨時間增加，學生對問題的興趣度明顯上升，最后穩(wěn)定在一個非常低的穩(wěn)定狀態(tài)。由此可知，只有當多數(shù)學生Agent的發(fā)言量都達到一定高度后，學生所處課堂環(huán)境的熱度也會被影響持續(xù)走高，并反過來激勵其他學生主動發(fā)言。所以，遠程協(xié)同教學中的教師助理Agent需要控制好Er值，對學生進行適當?shù)囊龑А?.3本章小結(jié)在對多個Agent的屬性值及表征趨勢進行一系列對比分析后，可明顯得出結(jié)論：在對遠程協(xié)同教學進行評估分析中，授課教師對課堂氣氛的把握遠不及現(xiàn)場教師助理。因此，在現(xiàn)場設置教師助理一角，是今后遠程協(xié)同教學發(fā)展必不可少的趨勢之一。教師助理在教學現(xiàn)場對環(huán)境的把握、學生發(fā)言自由度引導直接影響到學生的課堂積極性，并會直接影響到學生分組討論、討論環(huán)境的熱烈性。6總結(jié)與展望6.1總結(jié)基于多Agent的遠程協(xié)同教學這一研究課題，研究人員已經(jīng)做了大量的研究，也提出了許多可行的措施，但是很少有對這種新興的教育模式進行定性、定量的分析，如果新興的教育模式?jīng)]有對教育事業(yè)起到推動作用，那么這種新的教育模式是沒有意義的。為了分析這種教育模式對學生學習效率的影響，本文以學生的活躍程度，以及課堂的互動積極性作為分析的主要因素，研究學生成績的變化情況。通過上文的研究過程，我們可以得出學生的積極程度是影響學生學習成績的關鍵因素，本文以互動次數(shù)作為衡量學生積極程度的指標，當學生提問，回答的次數(shù)達到一個適度的值時，積極程度會達到最佳值，在這個值下，學生的學習成績也會達到一個最佳值。因此，在現(xiàn)實授課教學中，教師應本著適度提問，適度互動的原則與學生進行課堂互動行為。以此最大程度的促進學生的學習效率。然而，由于遠程協(xié)同教育這個研究課題十分廣博，現(xiàn)有的科學技術有限，本文只能就一兩個方面對其進行研究，本文雖然提出了很多影響因素，但是現(xiàn)實教育行為中，能夠影響學生學習積極性的因素很豐富，也很復雜，本文僅僅就學生的學習互動程度作為影響因素。此外，由于現(xiàn)實情況中，學生的發(fā)展是多樣的，德、智、體、美、勞都是學生可以發(fā)展的方向，然而，本文僅僅就學生成績判定學生的學習效率是不科學，不合理的。這是以后在對遠程協(xié)同教學課題進行研究的過程中需要注意的問題，并且進行改進的地方。6.2展望本文在進行遠程協(xié)同教育研究過程中，有很多不可預測的因素無法考慮到，這是模型中不可避免的局限性，在模型是無法考慮的因素，在現(xiàn)實情況中是存在的，并且有時是具有較大的概率發(fā)生，這些因素將會對學生的積極性和學習興趣產(chǎn)生無法估量的影響。以后的研究方向可以將這些不可估計因素定量，定性的分析。將本文以及以后的研究成果作為理論指導依據(jù)，靈活運用到實際遠程協(xié)同教育中，提高中國的教育質(zhì)量。在現(xiàn)實的授課教育過程中，人的記憶力，人的疲勞程度，包括學生之間的熟悉程度，學習氛圍都是學習和授課過程中的都會直接影響學生的學習狀態(tài)，最終導致學生成績的升降。必須提及的是，在遠程教學系統(tǒng)中，往往會有多個課堂同時共享一個遠程教學資源，如何讓這些課堂互動，使教學資源發(fā)揮更大的作用，是今后遠程協(xié)同教學發(fā)展中必須考慮的。如何讓教育方式更好地跟上時代的步伐，是永恒的話題。因此，作者希望通過本文的模型的仿真，對遠程協(xié)同教育的研究，能夠為中國教育事業(yè)進到綿薄之文以及相關研究作為理論基礎運用到實踐中。力，將中國從人口大國轉(zhuǎn)化為人才強國。

畢業(yè)論文體會從畢業(yè)設計題目確定到論文定稿，在過去的半年里，我無時不刻忐忑著，思考到底如何能將畢業(yè)論文完善。2011年，當我第一次踏進校園，懷揣著對校園生活的無限向往，我開始了四年大學求知路。轉(zhuǎn)眼間，我們已成了應屆畢業(yè)生，而接下來迎接我們的是檢驗大學四年學習成果的畢業(yè)生答辯。過去的半年里，先在網(wǎng)上查取基于多agent的遠程協(xié)同教學的資料，閱讀大量的論文，對多agent的模型有了足夠的了解，從一個對多agent技術完全不懂的菜鳥逐漸累計成對多agent技術有了普遍意義上了解的門內(nèi)人，而不是門外漢了。雖然多agent技術有了足夠的認識，但是對于建模和仿真軟件所用的swarm，學校里所學的知識往往不能派上用場。因此，我和共同學習多agent的潘月同學又一起查閱了大量對建模、仿真有所介紹的碩博士論文、期刊、雜志等。從swarm官方網(wǎng)站上，下載了swarm軟件包和swarm中運用最廣泛的兩個實例：Jheatbugs和Jmoustrap。對于熱蟲實例，我投入了較多的精力研究、分析代碼運行過程。中間也遇到了許多困難，比如環(huán)境問題、軟件本身bug問題，克服了這些困難后，終于成功了運行出了熱蟲實例。在基于熱蟲運行原理的基礎上，我又對學習伙伴潘月的研究方向代碼做了學習，最終也運行出了實際可行的結(jié)果，與實際情況基本相符。從理論到實際仿真軟件運行，這個過程我學習到了太多，自身的動手能力有了極大的提高，文獻查找能力也較往日有了階段性的提高。

致謝畢業(yè)設計，從某種意義上而言，是本科生四年學習生活成果的綜合性檢驗，也因而至關重要，不可小覷。從畢業(yè)設計開題之日起，作為論文導師的趙向軍老師，便不厭其煩的為我們講解畢設過程中可能遇到的問題，對我們的學習能力進行了評估，為我們推薦最適合自身的畢業(yè)設計。實踐證明，老師推薦的題目確實非常新穎，有大力深入研究的必要性和緊迫性，為我們的畢業(yè)設計添加了不一樣的意義，比同屆學生的畢業(yè)設計更有難度，更有挑戰(zhàn)性。除了畢業(yè)設計的導師之外，與我一同學習這項新技術的潘月同學也是對我?guī)椭浅４蟮娜恕Ｔ谂c她一同學習的過程中，我們互相幫助、鼓勵，最終完成了看似不可能的任務。這個過程是悲喜交加的，是不會被遺忘的。最后，我還需要感謝在過去半年里給我技術上、精神上支持的衡璐文、周凱林、江思源等人，感謝他們對我的求助的回應，而不是視而不見。

參考文獻[1]劉明本,多Agent技術在現(xiàn)代遠程教學系統(tǒng)中的研究與應用,河海大學,2005年,P48—58.[2]Leen-KiatSon,IncorporatinganIntelligentTutoringSystemintoCSI,SIGCSEbulletin,2006年,38(1),p486-490.[3]ShohamY,Agentorientedprogramming,ArtificalIntelligence,2003年,60(1),p51-92.[4]邢國春,姜健,趙宇，基于多Agent的智能遠程教學的模版結(jié)構(gòu),現(xiàn)代情報,2008年,第29卷,第11期,Vol29(11),2009年,p189-191.[5]YulinZhHng,LiChongrong,AUnitedInterlligentDistanceEducationModeBasedinWeb,InternationalWorkshoponDistanceLearningandVirtualCampus,2000.[6]CMATTIA,PISTOREMM,Weakstrongandstrongcyclicplanningviasymbolicmodelchecking[J],ArtificialIntelligence,2003,147(1-2),p35-84.[7]張艷莉,徐英卓,李洪濤，基于多Agent的遠程教學系統(tǒng)模型的研究,微機發(fā)展,第13卷,第10期,Vol.13(10),2003年,p124-125.[8]陸淑娟,Multi-Agent技術在網(wǎng)絡教學中的研究與應用,南京工業(yè)大學,2004年,p44-45.[9]石歐燕,基于J2EE的多Agent網(wǎng)絡教學系統(tǒng)的研究與表現(xiàn),天津師范大學,2005年,p14-16.[10]曲朝陽,崔苗,基于移動Agent的遠程學習系統(tǒng)的設計,航空計算技術,第33卷,第4期,Vol33(4),2003年,p71-76.[11]KeebleRJ,MacridieRD,AssistantAgentfortheWorldWideWeb,IntelligentInterfaceDesignChallenges,InteractingwithComputers,2000年,12,p375-381.[12]PasseriniK,GrHngerMJ,ADevelopmentalModelforDistanceLearningUsingtheInternet,Computer&Education,2000年(34),p1-15.[13]DukeHC，JeoungkunK,SoungHK,ERPtrainingwithawebbasedelectroniclearningsystem:Theflowtheoryperspective,InternationalJournalofHuman-ComputerStudies,2007年,65(3),p223-243.[14]李真臻,基于Agent的網(wǎng)絡與遠程教學系統(tǒng)研究綜述,南昌高專學報,2008年,第2期，P163—165.[15]魏巍,基于Agent的網(wǎng)上教學模型研究,山東師范大學,2006年,p41-43.[16]MichaelLuckPeterMcburneyChrisPreist,ARoadmaptoAgent-basedTechnology.AgentLinkCommunication,2004,p36-38.[17]PiccoloGP,MobileAgent：AnIntroduction[J],JournalofMicroprocessorsandMicrosystem,2001,25(2),p65-74.[20]SHOHAMY,LEYTON-BROWNK,Multiagentsystemsalgorithmicgame-theoreticandlogicalfoundations[M],CambridgeCambridgeUniversityPress,2009.[21]歐文,基于多Agent的智能教學系統(tǒng)的設計與研究,湖南大學,2009年,p27-31.[22]張濤,多Agent在現(xiàn)代遠程教育中的研究與應用,湖南大學,2006年,p72-75.

英文翻譯資料A.英文原文Heatbugs##WHATISIT?Heatbugsisanabstractmodelofthebehaviorofbiologically-inspiredagentsthatattempttomaintainanoptimumtemperaturearoundthemselves.Itdemonstrateshowsimplerulesdefiningthebehaviorofagentscanproduceseveraldifferentkindsofemergentbehavior.Heatbugshasbeenusedasademonstrationmodelformanyagent-basedmodelingtoolkits.WeprovideaNetLogoversiontoassistusersinlearningandcomparingdifferenttoolkits.ItdemonstratescodingtechniquesinNetLogoandmaybeusefulasastartingpointforbuildingothermodels.WhilethisNetLogomodelattemptstomatchtheRepastandSwarmversions(see"Credits"below),wehaven'tdonearigorouscomparativeanalysisofthedifferentversions,soitispossiblethattherearesmallinadvertentdifferencesintheunderlyingrulesandbehavior.##HOWITWORKSThebugsmovearoundonagridofsquare"patches".Abugmaynotmovetoapatchthatalreadyhasanotherbugonit.Eachbugradiatesasmallamountofheat.Heatgraduallydiffusesthroughtheworld;someheatislosttocooling.Eachbughasan"ideal"temperatureitwantstobe.Thebiggerthedifferencebetweenthetemperatureofthepatchwherethebugisandthebug'sidealtemperature,themore"unhappy"thebugis.Whenabugisunhappy,itmoves.Ifitistoohot,itmovestothecoolestadjacentemptypatch.Conversely,ifabugistoocold,itmovestothewarmestadjacentemptypatch.(Notethatthesebugsaren'tsmartenoughtoalwaysmovetothebestavailablepatch.)##HOWTOUSEITAfterchoosingthenumberofbugstocreate,andsettingthemodelvariables,presstheGObuttontosettheheatbugsintomotion.BUG-COUNT:ThenumberofbugsthatwillinhabitthemodelEVAPORATION-RATE:Thepercentageoftheworld'sheatthatevaporateseachcycle.Alowernumbermeansaworldwhichcoolsslowly,ahighernumberisaworldwhichcoolsquickly.DIFFUSION-RATE:Howmuchheatapatch(aspotintheworld)diffusestoitsneighbors.Ahighernumbermeansthatheatdiffusesthroughtheworldquickly.Alowernumbermeansthatpatchesretainmoreoftheirheat.MIN/MAX-IDEAL-TEMP:Theminimumandmaximumidealtemperaturesforheatbugs.Eachbugisgivenanidealtemperaturebetweentheminandmaxidealtemperature.MIN/MAX-OUTPUT-HEAT:Theminimumandmaximumheatthatheatbugsgenerateeachcycle.Eachbugisgivenaoutput-heatvaluebetweentheminandmaxoutputheat.RANDOM-MOVE-CHANCE:Thechancethatabugwillmakearandommoveevenifitwouldprefertostaywhereitis(becausenomoreidealpatchisavailable).DEEP-FREEZE:Thisbuttonremovesallheatfromtheworld.HEAT-UP:ThisbuttonaddsMAX-OUTPUT-HEATtoeverypatchintheworld.Beneaththeviewaretwo"ColorBy:"buttons.TheIDEAL-TEMPbuttoncolorsthebugsaccordingtotheirIDEAL-TEMPvalue.BugswithhigherIDEAL-TEMPvalueswillbebrighter.TheHAPPINESSbuttondoesthesame,butisbasedupontheHAPPINESSvalueofeachagent,withhappierbugsbeingbrighter.TheWATCH-HAPPIESTandWATCH-SADDESTbuttonswillhighlightthehappiestorsaddestbugatthetimethebuttonispressed.##THINGSTONOTICEDependingontheiridealtemperatures,somebugswilltendtoclumptogether,whileotherswilltendtoavoidallotherbugs,andothersstillflutteraroundtheedgesofclumps.Allofthesebehaviorsareaffectedaswellbytheevaporationrate.Thediffusionrateaffectsthecohesivenessofclu