基于多Agent的網(wǎng)絡適應性學習系統(tǒng)的研究與構建.pdf_第1頁
已閱讀1頁,還剩98頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著網(wǎng)絡的普及和在各個領域的廣泛應用,基于網(wǎng)絡的遠程教學已經(jīng)成為教育領域內(nèi)備受關注的研究課題. 該文通過深入調(diào)查分析,針對有的網(wǎng)絡教學系統(tǒng)缺乏智能性、動態(tài)交互功能不強、導航不完善等問題,提出了以適應性學習理論為指導,引入Multi-Agent技術并結合傳統(tǒng)單機環(huán)境下智能教學系統(tǒng)中的成熟技術,構建基于多Agent的網(wǎng)絡適應性學習系統(tǒng)的思想,并在此基礎上實現(xiàn)了一個相應的網(wǎng)絡教學系統(tǒng),在個性化、交互性、適應性等方面取得了一些效果.在設計與實現(xiàn)

2、基于多Agent的網(wǎng)絡適應性學習系統(tǒng)的過程中, 該文主要做了如下幾方面的研究工作:①在系統(tǒng)設計上構建了B/A/S三層結構,即適應性功能表現(xiàn)層、多Agent系統(tǒng)執(zhí)行層和數(shù)據(jù)資源層.這三層結構體現(xiàn)了適應性學習理論的指導思想和引入Multi-Agent技術并結合傳統(tǒng)單機環(huán)境下智能教學系統(tǒng)中的成熟技術的開發(fā)宗旨.②采用貝葉斯網(wǎng)絡(Bayesian Nets)和粒度層次(Granularity Hierarchies)方法構建了覆蓋型學生模型,為

3、知識前測的出題策略和系統(tǒng)的學生適應性學習提供了依據(jù).③提出了以完成一次適應性學習任務為目標的多Agent系統(tǒng)并實現(xiàn)了多Agent之間簡單的基于FIPA-ACL語言的通信功能. 該文所開發(fā)的基于多Agent的網(wǎng)絡適應性學習系統(tǒng)能夠通過知識前測和學習風格測試判斷出學生的知識特征和學習風格,并根據(jù)學生的知識特征和學習風格為其提供適應性的學習空間.系統(tǒng)從總體上實現(xiàn)了適應性學習,其適應性主要體現(xiàn)為:適應性內(nèi)容呈現(xiàn)、適應性導航支持、適應性幫助.其中

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論