Learner models as Metada to support E-Learning:the Ecological approach今天对了这个PPT,实际上这个PPT讲述的重点是一个智能学习的架构。它包括以下四个方面:
- Learning Object Repository这个是学习的资料库,不同于传统的资料库。这里的材料使用本体和语义网技术进行标注从而可以实现机器的自动检索和组装。
- multi agent system这是一个基础的计算环境,在系统中每个用户和资源都被抽象成一个代理,代理不仅有自己本身的信息还有在这个环境下不断积累和发展起来的只能模型信息。
- active agent modeling这个可以翻译为动态代理模型,在多代理的环境中每个代理的模型是随着代理间的交互而不断进化和改变的,这就是动态的含义。
- mining agent models在每个代理都有自己的模型以后就可以对大规模的代理进行数据挖掘从中挖掘出有趣的模式或知识应用于以后的学习者。
针对每个方面作者讨论了他们的实现以及意义
- 对于Learning Object Repository实现的难题在于如何对资料库中的资料进行标记,如何处理新的概念和新的标记等。对于这个问题作者并没有深入说,不过这是本体和语义网在智能学习中的难点和重点,需要阅读更多的文献进行学习。
- 多代理系统是比较陌生,应该有专门的学科进行研究,主要在于代理见的有效交互和信息共享问题,作者也没有深究。
- active agent modeling是作者比较深入讲解的地方,首先是modelling的概念,这是一个动词,是为多代理系统环境中的每个代理进行建模,作者指出这是一个long term big question已经有很多研究但都不是很理想。这也是个研究的领域。作者着重介绍了一种purpose-based open learner modeling的方法。
- 对于数据挖掘可以使用经典的数据挖掘算法来进行挖掘,这已经是一个工程问题了。