基于粗糙集的MultI-Agent E-Learning協(xié)作學習分組問題研究.pdf

1、本論文來源于江蘇省高校自然科學基金資助項目“高校信息化與核心競爭力研究”(05KJB120041)，以及工大教學在線(南京工業(yè)大學，2006-，在研)科研課題的子課題--E-Learning學習機制研究。通過對E-Learning學習機制的研究，采用Multi-Agent的技術方法，減少參與者人為干涉系統(tǒng)行為、網(wǎng)絡控制及通信量，直接提高學習的效率，改善交互質量。從而最大程度的降低因分組決策錯誤而造成的資源浪費和經(jīng)濟損失，達到改善教學系統(tǒng)

2、知識交換、整合、沉淀、創(chuàng)新、增值等的環(huán)境，提高高校核心競爭力的目的。
　　 本文系統(tǒng)研究了協(xié)作學習的基本思想及協(xié)作學習中典型的分組問題。運用粗糙集的思想和Multi-Agent的技術方法，重點研究協(xié)作學習中的分組過程。根據(jù)南京工業(yè)大學“工大教學在線”的實際應用背景，構造分組Agent結構。將粗糙集理論與E-Learning協(xié)作學習問題相結合，研究在信息缺失情況下的分組問題，利用Multi-Agent實現(xiàn)分組模型中的各個角色，動態(tài)

3、智能的做出積極有效地在線辨識和判斷分析。
　　 本文從構造分組協(xié)作學習模型入手，聯(lián)系實際背景，設計了一套分組策略。有效地分析組內成員之間復雜協(xié)作關系，解決分組問題，以克服協(xié)作學習的信息障礙和通訊障礙，提高學習群體性協(xié)作效率。并用Benchmark算例測試算法的性能，驗證模型的有效性。實驗結果數(shù)據(jù)表明，模型較好的考慮了E-Learning實際應用中的信息缺失的特性，具有較強的可行性和實用性，符合高校教學環(huán)境。研究成果較好的解決了E