Моделирование учащихся на стороне Сервера

Связь между Клиентом и WS-LM осуществляется по протоколам Веб служб. Рис.2 резюмирует деятельность Веб службы и взаимодействие с агентами клиентов. Агент МУДП совершает определенный SOAP вызов (по HTTP), который содержит запрос, касающийся отдельной модели учащегося, к WS-LM. Для того, чтобы удостовериться в подлинности пользователя, данный вызов содержит имя пользователя и пароль, полученные пользователем во время его/ее взаимодействия с клиентским приложением. Каждый такой вызов извлекается и обрабатывается Коммуникационным модулем. В целом Коммуникационный модуль обрабатывает все сообщения Веб службы, а именно: запросы на аутентификацию, запросы профилей, запросы на обновление профилей, запросы на создание и удаление, а также отвечает за форматирование ответа с использованием XML и отправку его клиентскому приложению.

После обработки части полученного URL адреса, относящегося к службе, Коммуникационный модуль передает оставшуюся часть строки дальше модулю БД или модулю Моделирования Учащихся, которые отвечают за обработку запроса и формирование ответа. Модуль Моделирования Учащихся оценивает информацию, посланную WS-LM. Например, если информация, посланная WS-LM о стереотипах, к которым принадлежит учащийся и WS-LM имеет достаточно сведений из индивидуальной истории, то данные сведения отклоняются. Это происходит потому, что стереотипная информация используется только для инициализации моделей учащихся, до тех пор, пока не соберется достаточный уровень сведений о данном конкретном учащемся. Поэтому когда стереотипная информация появляется из локальной модели учащегося, тогда как на сервере достаточно индивидуальных сведений, то это означает, что не удается установить связь между ПК и сервером и Web F-SMILE работает в режиме автономного приложения (standalone application). Во время данной операции он должен был создать новую первоначальную модель учащегося, потому что он не смог найти локальную модель учащегося. Однако такая первоначальная модель оказывается бесполезной, когда Web F-SMILE снова находится в режиме онлайн, потому что в этом случае он имеет доступ к полным индивидуальным моделям учащихся на Веб Сервере. В противном случае сведения посылаются в модуль Баз Данных (модуль БД), который обеспечивает выполнение всех функций, необходимых для создания, обновления и удаления профилей, а также для установления подлинности пользователя. Для выполнения данных функций модуль БД взаимодействует с Базой Данных Моделей Учащихся (БДМУ - LMDB). Ответ вновь посылается Коммуникационному Модулю, который кодирует его в XML и возвращает его вызывающей программе (агенту на стороне клиента).

Рис.2: Архитектура WS-LM 

Как уже упоминалось выше, Агент МУДП на стороне клиента, который отвечает за поддержание моделей учащихся, создает новую запись в модели учащегося каждый раз, когда пользователь взаимодействует с Web F-SMILE. Это происходит в целях синхронизации. Однако такая подробная модель учащегося требует значительного места для хранения и времени для получения сведений Веб Службой или Агентом МУДП. Для того чтобы справиться с данными проблемами, модель учащегося разделена на две части; первая часть содержит итоговые сведения об учащемся, которые старше трех месяцев, а вторая часть – детальное описание взаимодействий учащегося с Web F-SMILE за последние три месяца. Модулю DM поручено ежедневное объединение записей моделей учащихся. Ежедневно Модуль DM удаляет записи старше трех месяцев из второй части модели учащегося и объединяет их с первой частью.

Выводы

В данной статье мы описали мульти-агентную (multi-agent) обучающую среду (learning environment), которая помогает пользователям научиться работать с их файловым хранилищем (file store). Комплекс назначает Агента МУКП для наблюдения за пользователями во время работы в защищенном режиме (protected mode) и, в случае если он обнаруживает проблематичную ситуацию, он пытается обнаружить причину возникновения проблемы и предложить подходящий совет. Начинающие пользователи могут получить преимущества от советов комплекса и от возможности адаптивного обучения, потому что они могут учиться на своих собственных ошибках. Адаптивность в обучении зависит от таких факторов, как предыдущие знания учащегося, его/ее способности и потребности.

Основная проблема автономных приложений (standalone applications) в компьютерных лабораториях состоит в том, что пользователь не всегда может использовать один и тот же ПК и поэтому ни один ПК не может содержать полную и аккуратную модель каждого пользователя. Данная проблема решена в Web F-SMILE при помощи использования Веб служб для моделирования учащихся. Веб службы, в общем смысле этого термина, - это службы, предлагаемые через Веб. Они используются в Web F-SMILE для взаимодействия агентов комплекса с Сервером Моделирования Учащихся (WS-LM). WS-LM поддерживает центральную базу данных со всеми моделями учащихся и предоставляет Агентам МУДП клиентских приложений доступ к этим сведениям фактически с любого компьютера. К тому же, Web F-SMILE хранит для каждого учащегося одну модель учащегося централизованно на WS-LM, а другую - на каждом компьютере, который пользователь использует для взаимодействия с Web F-SMILE. Таким образом, Web F-SMILE справляется с возможными проблемами, которые могут появиться из-за возможных коммуникационных сбоев между ПК учащегося и Сервером.

Предложенная архитектура Веб службы сравнивалась с наиболее используемыми архитектурами в ИОК, которые работают через Веб. Это сравнение показало, что моделирование учащихся, основанное на Веб службах, представляет собой усовершенствованное взаимодействие сервера с клиентскими приложениями по сравнению с другими традиционными архитектурами.

Список литературы

Alpert, S.R., Singley, M.K. & Fairweather P.G. (1999). Deploying Intelligent Tutors on the Web: An Architecture and an Example. International Journal of Artificial Intelligence in Education, 10, 183-197.

Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User Modeling and User Adapted Interaction, 6(2-3), 87-129.

Brusilovsky, P., Ritter, S. & Schwarz, E. (1996). ELM-ART: An Intelligent Tutoring System on World Wide Web. In C. Frasson, G. Gautier & A. Lesgold (eds.) Intelligent Tutoring Systems, Third International Conference, ITS'96, Berlin: Springer, 261-269.

Collins, A. & Michalski, R. (1989). The Logic of Plausible Reasoning: A core Theory, Cognitive Science, 13, 1-49

El-Beltagy, S., De Roure, D. & Hall W. (1999). A Multiagent system for Navigation Assistance and Information Finding. In Proceedings of the 4 International Conference on the Practical Applications of Intelligent Agents and Multi-Agent Technology, 281-295.

Elliot, C. (1997). Implementing Web-based intelligent tutors. In Proceedings of the workshop "Adaptive Systems and User Modelling on the World Wide Web", Sixth International conference on User Modelling.

Johnson, W.L., Rickel, J.W. & Lester, J.C. (2000). Animated Pedagogical Agents: Face-to-Face Interaction in Interactive Learning Environments. International Journal of Artificial Intelligence in Education, 11, 47-78

Kuno, H. & Sahai, A. (2002). My Agent Wants to Talk to Your Service: Personalizing Web Services through Agents. HPL-2002-114. HP Labs Technical Report.

Lesser V. (1995). Multiagent Systems: An Emerging Subdiscipline of AI. ACM Computing Surveys, 27 (3), 340-342.

McCalla, G. (1992). The central importance of student modelling to intelligent tutoring. In E. Costa (Ed.) New Directions for Intelligent Tutoring Systems, Berlin: Springer Verlag.

Microsoft Corporation, Microsoft® Windows® 98 Resource Kit, Microsoft Press, 1998.

Nakabayashi, K., Maruyama, M., Koike, Y., Kato, Y., Touhei, H. & Fukuhara, Y. (1997). Architecture of an Intelligent Tutoring System on the WWW. In Proceedings of AIED' 97, the Eighth World Conference on Artificial Intelligence in Education, 39-46.

Okazaki, Y., Watanabe, K. & Kondo, H. (1996). An Implementation of an intelligent tutoring system on the World-Wide Web. Educational Technology Research, 19 (1), 35-44.

Papadakis, I. & Chrissikopoulos, V. (2000). A Digital Library Framework based on

XML. In Proceedings of the 3rd International Conference of Asian Digital

Library - ICADL '00, 81-88.

Rich, E. (1989). Stereotypes and User Modeling. In Kobsa, A. & Wahlster, W. (eds.) User Models in Dialog Systems, 199-214.

Rich, E. (1999). Users are individuals: individualizing user models. International Journal of Human-Computer Studies, 51, 323-338.

Ritter, S. (1997). PAT Online: A model-tracing tutor on the World-Wide Web. In Brusilovsky, P., Nakabayashi, K. & Ritter S. (Eds.), Proceedings of the workshop "Intelligent Educational Systems on the World Wide Web” 8^th World Conference of the AIED Society, 11-17.

Sison, R. & Shimura, M. (1998). Student Modeling and Machine Learning. International Journal of Artificial Intelligence in Education, 9, 128-158.

Tsalgatidou, A. & Pilioura, T. (2002). An Overview of Standards and Related Technology in Web Services. Distributed and Parallel Databases, 12, 135-162.

Vassileva, J. (1997). Dynamic Courseware Generation, Communication and Information Technologies, 5 (2), 87-102.

Virvou, M. & Du Boulay, B. (1999) Human Plausible Reasoning for Intelligent Help, User Modeling and User-Adapted Interaction, 9, 321-375.

Virvou, M. & Kabassi, K. (2001). Evaluation of the advice generator of an intelligent learning environment. In Proceedings of the IEEE International Conference on Advanced Learning Technologies (ICALT 2001), IEEE Computer Society, 339-342.

Virvou, M. & Kabassi, K. (2002). Reasoning about Users’ Actions in a Graphical User Interface. Human-Computer Interaction, 17(4), 369-399.

Warendorf, K. & Tan, C. (1997). ADIS-An animated data structure intelligent tutoring system or Putting an interactive tutor on the World Wide Web. In Proceedings of the workshop "Intelligent Educational Systems on the World Wide Web” 8^th World Conference of the AIED Society.