自切换的多策略教学代理的设计与实施

沙特国王大学学报一个自切换的多策略教学AgentSoufiane Boulehouachea，b，Sunday，Selma Ouaretha，Ramsoul Maamriba1955年8月20日阿尔及利亚b阿尔及利亚君士坦丁Adbelhamid Mehri大学LIRE实验室阿提奇莱因福奥文章历史记录：收到2019年2019年4月30日修订2019年6月19日接受在线预订2019年保留字：教学策略转换自我 *自主控制回路SAFRAN适配框架A B S T R A C T多策略教学系统（MSPSs）整合了多个教学策略（PS）和一个转换逻辑（SL）。他们触发了关于学生状态（StS）的适当PS。然而，多个PS和SL的硬编码和单片集成极大地增加了MSPS的复杂性。为了克服这一缺陷，我们求助于自 * 和基于顺从的代理设计方法工程师的自切换多策略教学代理（Self-SMSPA）。它被设计为两个不同的交互管理器（MrSS）和管理（MdSS）子系统。MDSS实现PS。MrSS以自主控制环路（ACL）的形式实现SL以（重新）配置MdSS。为了实验所提出的模型的有用性，使用SAFRAN构建了一个框架。©2019作者制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍多策略教学系统（MSPSs）再现了人类教师切换教学策略（PS）的灵活性。它们集成了多个PS和一个开关逻辑（SL），以动态触发相应的PS。由于PS与StS相关（即，不同的STS需要不同的PS），其作为学习的结果而频繁地改变。根据学习的进展，PS被连续触发（Abou-Jaoude和Frasson，1998年）。根据Aïmeur et al. （1997），使用不同的PS实现不同的目标，并在学习者中发展不同的能力。因此，MSPS触发了与StS相关的适当PS，以加强理解。触发适当的PS应该根据认知和/或情感状态来实现（Frasson和Aïmeur，1996）。然而，从软件工程的角度来看，多个PS和SL的硬编码和单片集成极大地增加了MSPS的构造和演进（新PS的集成）的复杂性，MSPS通过*通讯作者。电 子 邮 件 地 址 ： s.univ-skikda.dz （ S.Boulehouache ） ， ramonous.maamri@univ-constantine2.dz（R. Maamri）。沙特国王大学负责同行审查自然单片集成创建PS和SL的混合物不同PS和SL的硬编码使它们依赖于开发人员（Moffat，2012）。例如，在一个示例中，大多数现有的智能辅导系统（ITS）或者采用提供很少适应性的固定教学策略或者采用寻求实现现有认知或教学理论的硬编码教学规则（Chi等人，2011年）。因此，由于难以添加新的PS，大多数ITS对于他们必须做出的每个决策只有一套PS（Moffat，2012）。由于建立信息技术系统仍然是一项复杂的任务（Abou-Jaoude和Frasson，1998年），如果我们想最好地利用它们，就必须对其进行重新设计自主计算（AC）的出现是为了确保计算系统在高度动态的使用环境中运行。它寻求提高服务质量（QoS），而不会因技术细节而使用户不知所措（Huebscher和McCann，2008）。关于这种类型的系统的设计，趋势是使用外部自主控制回路（ACL）通过动态地监视和适应系统行为来实现各种目标（Garlan等人， 2004年）。在该方案中，ACL部分使用植入的传感器和效应器与功能部分相关传感器允许接收来自自我和背景的反馈（Salehie和Tahvildari，2009）。当接收到显著的反馈时，效应器允许重新配置功能部分。我们可以说，通过ACL部分，当评估表明Self-* 系统没有实现用户需求时，或者当更好的功能性或（QoS）是可 能 的 时 ， Self-* 系 统 会 改 变 其 行 为 （ Laddaga 和 Robertson ，2004）。1我们可以互换使用自适应系统和自主计算概念。https://doi.org/10.1016/j.jksuci.2019.06.0091319-1578/©2019作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com506S. Boulehouache等人/沙特国王大学学报组件和多代理系统（MAS）是设计和构建软件的最有效方法之一（Briot等人，2007年）。组件概念和技术可以帮助在代理级别上实际构建MAS，因为它为结构化、（解）组成和重用其内部架构提供了一些支持（Briot等人，2007年）。因此，将Agent的内部结构构造为组件的集合是Agent和组件范式的良好统一。因此，这种组织内部结构的形式简化了Agent的构造、演化和重用。此外，使用提供动态自动重构机制的组件模型提高了Self-* 基于组件的代理的效率和灵活性。事实上，AC和基于组件的代理范例的集成是适当的工程灵活的MSPS。那么，我们提出了一个自切换多策略教学代理（Self-SMSPA）。它被设计为两个不同的交互管理器（MrSS）和管理（MdSS）子系统。MDSS执行教学部分。它是使用架构描述语言（ADL）描述的组件的弱耦合组装。（ MrSS）以自主控制环路（ACL）的形式实现SL以（重新）配置MdSS。这种（重新）配置会使相应的PS失效。为了实验这个模型，使用SAFRAN实现了一个框架。我们在本文的其余部分讨论这个命题如下。在第二中，我们论证了MSPS的重要性接下来，我们描述的架构和自治能力的自我SMSPA。在第4中，我们将介绍PS交换案例研究。在第5中，我们讨论了所提出的Self-S MSPA。最后一部分是结论和展望。2. 多战略教学系统（MSPS）在本节中，我们将讨论MSPS的重要性因此，我们提出了著名的合作教学策略（CPS）和在Abou-Jaoude和Frasson（1998）提出的SCL。此外，我们给出了CPS和SCL之间存在的相关性作为结论，我们认为需要一个结构化的自我S MSPA。2.1. 合作教学策略PS是在教学过程中决定下一个教学行动的政策（Chi和Roy，2010）。这意味着要根据StS来决定展示什么知识、何时展示以及如何展示。也就是说，它们是一组教学活动，在提高学习者的表现的同时，激发学习者的动机和兴趣（Abou-Jaoude和Frasson，1998）。通常，教学代理实现以下PS：导师它是前一个实施的PS。因为，人们普遍认为，导师是适应学生的需要（Chi和Roy，2010）。它被视为个性化学习的理想支持（Chou等人， 2003年）。ITS是实现这个PS的类。学习伙伴。它表示使用额外的非权威教学实体（Chou等人，2003年）。这个实体充当学生的同伴。因此，学习同伴系统将确保两个角色，一个作为智能导师，另一个作为学习同伴（Chou等人，2003年）。通过打扰学习。这是一种特殊形式的学习伙伴。它提供了一个模拟的学生，扮演一个麻烦制造者的角色。它有时会用错误的观点误导学生（Aïmeur和Frasson，1996）。它被用来引发学生之间的认知失调差异促使学生寻求新的信息以减少这种差异（Chou等人， 2003年）。因此，它加强了学习者通过教学来学习 这是一个倒置的ITS模型。这是一种学习形式，学生可以教学习同伴（陈和巴斯金，1942年）。因为，学生谁教学习是在权力和控制的位置，其中包括他们的责任，学生此外，教学扩展了学生的认知超出了实际的主题。2.2. 学生认知水平（SCL）SCL通常用于评估学生的学习成果。SCL可以在概念水平上进行评估，它反映了学生的理解。SCL的示例见表1。2.3. CPS和SCL相关性对四个CPS的评价显示出与SCL的相关性。对导师-导师的评估表明，它对初学者更有效（Abou-Jaoude和Frasson，1998）。对于新手来说，Abou-Jaoude和Frasson（1998）的作者被选为最佳导师。与学习伙伴一起工作适合SCL低，需要帮助或需要合作激励的学习者（Frasson等人，1997年）。它通常对新手或初学者更有效（Abou-Jaoude和Frasson，1998）。通过干扰的学习对于中级和专家更有效（Jaques等人，2002年）。这意味着学习者必须对自己的知识充满信心，并需要捍卫自己的观点。它强化了好的学习者，但阻止了差的学习者（Frasson等人，1997年）。使用干扰新手的学习方法会造成混乱（Abou-Jaoude和Frasson，1998）。对于通过教学来学习，它与专家一起工作更好。对于目标问题训练不足的学生来说，由Tutor-Tutee（Matsuda等人，2011年）。同样，CPS策略与SCL的相关性总结在表2中。2.4. 对结构化Self-S MSPA的需求表3给出了两种典型的教学系统，ITS和通用同伴模型（GCM）的模块构建的不同观点。它表明，对于不同的PS，从不同的观点构建相同的模块（Chou等人，2003年）。因此，切换PS必然需要改变实现它的模块。例如， 在从导师-受指导者切换到学习伙伴时，必须动态地和自动地移除为实现导师-受指导者而构造并用于实现导师-受指导者的学生模型组件，并且必须添加为实现学习伙伴而构造并用于实现学习伙伴的另一个学生模型组件。对于实现不同PS的其他模块，我们可以说同样的事情。因此，要实现PS和需要复杂和演进的专业知识的模块的切换，重要的是使用适当的设计表1学生认知水平（Abou-Jaoude和Frasson，1998年）。SCL解释新手对这些概念没有任何先验知识初学者学生熟悉课程结构和主要初学者概念，但缺乏实践中间学生在学习中间概念这位学生对这门课程非常熟悉知识和麻烦制造者不和谐音●●●●S. Boulehouache等人/沙特国王大学学报507表2CPS和SCL相关性。初学者+--中级+专家++：弱适应性，++：强适应性。--表3典型ITS和GCM架构的模块的比较（Chou等人， 2003年）。模块相似性差异动态地执行，MdSS的组装必须动态地自动实现。为此，在分形ADL中抽象地描述了MdSS的内部结构的设计。使用SAFRAN框架（David和Ledoux，学生模型（ITS）保持跟踪的学生国家学生模型（GCM）导师的观点导师或同伴的观点2006），分形组件模型的扩展，它使交换策略的动态关联到自S MSPA的组件。这些政策是使用域实现的辅导模块（ITS）教学模块（GCM）领域专家模块（ITS）领域模型（GCM）学习伴随模式（GCM）确定教学行为确定域能力代理充当导师代理可以按照不同的PS操作。导师具有专家的能力。同伴可能具有不同的能力级别存储同伴的特征反应规则形式的特定语言（如果是Event，则是Action）。他们的执行利用WildCAT，一个上下文感知系统，可以检测执行上下文的变化（何时适应？）。它使用WildCAT来实现触发规则的事件部分，这需要观察SCL并检测所提到的级别，这必须触发PS的切换。此外，它使用FScript来实现切换规则的Action部分，该部分动态且一致地重新配置Fractal Components（David，2005）。FScript是一种致力于动态和一致重新配置分形组件的语言（如何适应？）（David，2005年）。这意味着，它（重新）选择和（重新）组装适当的，方法和执行工具。PS的实现必须通过弱耦合的模块抽象地实现，因为，转换PS将意味着改变整个学习环境。例如，在一个示例中，从导师-被辅导者环境到学习同伴环境（Abou-Jaoude和Frasson，1998）。3. Self-S MSPA在这里，我们描述了所提出的自S MSPA，以克服传统的MSPS的不足之处。Self-SMSPA是基于AC和基于代理的设计方法设计的。这种新颖的教学实体触发，在飞行中，适当的PS。它被设计为两个不同的交互子系统，称为管理子系统（MrSS）和管理子系统（MdSS）。MDSS是实现PS的部分。它的结构是由使用体系结构描述语言（ADL）描述的组件的弱耦合组装构成的。（MrSS）以ACL的形式实现SL以（重新）配置MdSS的内部基于组件的结构。MdSS的（重新）配置强制触发给定概念的适当PS。Self-S MSPA的这种设计的益处提供了切换PS和演进（新PS的集成）的高度灵活性。3.1. Self-S MSPA的体系结构图12示出了自S MSPA的架构。它使用基于代理的架构并遵循AC愿景进行设计。该设计具有通用性，可以应用于各种类型的上下文感知自适应Agent。但是，它特别适合于PS的触发该方法将Self-SMSPA的关注点分离为MrSS和MDSS。此外，它采用了一个细分的内部结构的MdSS使用组件的方法作为一种风格。由于PS的触发是频繁的，2改编自Boulehouache et al. （2017）使用UML2组件图。根据与目标PS相对应的Fractal ADL，由此产生的装配执行适当的PS。这种设计选择克服了集成多个PS和SL所带来的复杂性。此外，它增加了自切换机制集成的灵活性。3.2. 托管子系统组件图 1，我们有Self-SMSPA的MdSS子组件。它是由子组件和所需接口与所提供接口之间的绑定组成的组合。它们对应于Devedzic和Harrer（2005）提出的原始广义心理主体（GPA）模型的子模块及其相互依赖关系。然而，与原始GPA模式相比，MdSS并不明确表示数据流方向。它们隐藏在构成组件的接口MdSS集成了实现反应式规则的交换策略MDSS的设计旨在提供具有成本效益和灵活的构建和（重新）配置。它们被简化为相应抽象组件的预构建的具体组件的组装。在下文中，我们将介绍切换场景的三个有趣的子组件。3.2.1. 多个域模型部件它使用概念级表示来构造，该概念级表示提供知识结构（KS）和表示知识结构的内容材料。KS是概念及其相互依赖关系的结构化集合。这里，KS是使用“先决条件”相互依赖关系组织的。KS表示为OWL中描述的本体，并且它涉及最小公倍数（LCM）域（参见图2）。内容材料可以是多媒体内容片段的集合，每个多媒体内容片段呈现KS的概念。这稍后显示给学生，如图3所示。请注意，概念级表示的使用提供了强大而精确的领域模型PSSCLTutor-Tutee学习伙伴通过干扰通过教学新手+++----508S. Boulehouache等人/沙特国王大学学报Fig. 1. Self-S MSPA的架构。图二. Protege中的LCM领域结构本体。3.2.2. 学生模型组件图3.第三章。LCM域结构显示在用户界面上。这是实现触发适当的PS所需要的学生模型组件由两部分组成：（1）反映学习者对领域概念理解的SCL模型;（2）与学生活动相关的信息SCL在贝叶斯网络模型中表示和处理。但是，其他信息直接存储在WildCAT的数据模型中S. Boulehouache等人/沙特国王大学学报509图四、使用GeNIe的先决条件关系的贝叶斯网络（BayesFusion，LLC）。SCL模型是一种贝叶斯网络模型，它很好地反映了“前提- 特别是前提条件的同化对概念同化的影响。例如，在一个示例中，图4的贝叶斯网络是使用图2的域模型的示例来构造的。概率和证据e1：P（find div =known）= 0在Carmona et al.（2005）和Dowling et al. （1996年）。将表示SCL的贝叶斯网络模型连接到WildCAT监视框架以获得：（1）使用传感器对SCL的观察;（2）通过实现适当PS的触发所需的其他学生活动相关信息来增加学生模型。 这里，WildCAT的数据模型与域模型相关联，以创建名为“StudentCognitiveLevel”的学生模型上下文域。一方面，它是定义和组织使用的概念和“先决条件”的相互依赖关系作为资源和子资源结构分别。它们与目标概念及其先决条件相对应。另一方面，它表示与资源概念相关联的属性节点。这些属性与资源使用有关：“有解释”、“有评价”、“有水平”和“有策略”。他们持有的价值观，关注：解释，评价，SCL的概念和当前的PS。学生模型上下文域的两种此外，为了在知道其先决条件的SCL的概念中计算即时SCL当它们的依赖关系发生变化时，它们会动态地自动更新（David and Ledoux，2005）。此外，我们利用事件驱动的结构和发布/订阅机制提出的WildCAT在监测SCL的变化表示为事件。这种机制允许SCL模型的观察而不降低Self-SMSPA的性能。3.2.3. 教学部分教学组件是PS的实现。它负责教学和学生的评价。因此，它是受使用FScript效应器的自切换影响的主要组件。它通过它们的接口相互绑定连接到SCL它更新SCL模型的目标概念选择，给定的解释或采取的评估。它使用WildCAT提供的拉模式（同步请求）来动态地发展SCL模型。在实现级别，它是通过Path类配置的Context类的发现和询问方法来实现的。它实现了涉及以下元素的修改：（1）属性值的修改，涉及SCL的更新、当前PS、对给定概念的评价结果等;（2）资源的3.3. 经理子系统组件MrSS是Self-S MSPA的引擎。它是负责PS的基于连续SCL的自切换的独特组件。它是基于IBM提出的MAPE-KACL设计的。这种ACL类似于Russel和Norwig（2003）提出的通用Agent模型，并且可能受到其启发。在这个模型中，智能代理通过传感器感知其环境，并使用这些感知来确定对环境执行的操作（Salehie和Tahvildari，2009）。因此，自切换的触发通过MAPE-K模型的四个阶段来实现：（1）通过监听接收到的通知来监视SCL模型和(2)分析接收到的通知中的数据以决定是否需要切换并找到最佳SCL-PS匹配。(3)适当的MdSS抽象描述和适当的具体组件的规划，510S. Boulehouache等人/沙特国王大学学报（4）通过触发实现所选择的PS的MdSS的（重新）配置来执行3.3.1. 知识库组件知识库组成部分包括：1. MDSS结构组件。它将MdSS的抽象描述封装在Fractal ADL中。MrSS规划者使用它来选择适当的MdSS结构和对应于其抽象组件的具体组件。使用不同的MdSS结构组件提供了选择适当的MdSS结构所需的灵活性。2. 预制组件组件。它包裹了预先构建的混凝土组件。它与计划器组件和执行器组件绑定实现装配。一方面，它被规划师用来选择所选MdSS结构的适当混凝土构件组件选择可以用公式表示为使用优 化 算 法 解 决 的 多 目 标 优 化 问 题 （ 参 见 Boulehouache 和Sahnoun，2009）。另一方面，执行器使用它来通过将所选具体组件的接口相互绑定来组装MdSS3.3.2. 监视组件它允许自我-S MSPA感知由SCL模型表示的其上下文。因为，WildCAT允许通过注册对资源层次结构生成的事件的查询来检查SCL模型的内容（图5）。它使用WildCAT的推送模式（异步模式）来感知学生与Self-S MSPA交互期间SCL模型的观察是通过探针进行每个探测器负责观察代表SCL模型的WildCAT数据模型的它生成一个特定的ATTRIBUTE CHANGED事件类型，以通知登录的监控组件有关更改。WildCAT允许为每个事件确定层次结构中发出该事件的节点。在我们的例子中，我们关注的是属性发出的事件类型，该类型指示该属性的修改并保存其新值（OW2，2018）。对于这种情况，我们有一个名为“ConceptSensor”的私有属性，它是WildCAT传感器。此属性将通知方法“increaseSCL”和“decreaseSCL”中的WildCAT Concept活动。Monitoring组件的Content类实现Context类的ContextNode接口，以作为特定生成事件的侦听器进行订阅。此外，它让分析器组件决定是否需要自切换。3.3.3. 分析组件它分析由监视组件通知的上下文更新。对接收到的SCL的评估允许识别是否必须实现切换，并且因此是否需要（重新）配置或者是否需要另一会话来达到所需的水平。因此，如果当前SCL小于给定概念所需的SCL阈值，则需要具有相同PS的另一会话。否则，触发切换该组件的输出3.3.4. 规划部件规划组件使用FScript实现MdSS的规划根据David（2005）的说法，FScript是一种通过（重）配置动作对分形复合组件进行结构（重）配置的这种结构（重新）配置间接地修改了相关分形复合组件的行为（David，2005）分形模型的完全反射和动态性质是其选择的动机（David，2005）。下面的脚本选择在这种情况下应用的策略。3.3.5. 执行组件执行组件负责自切换的具体化。它使用附加到MdSS复合组件的策略来实现组装。具体组件的组装实现了适当的PS（新的代理角色）。例如，在一个示例中，如下面的列表所示，操作重新配置应用于指定的Troublemaker配置。S. Boulehouache等人/沙特国王大学学报5114. 教学策略转换案例研究在这里，我们经历了教学策略转换（PSS）的阶段。我们从用户界面上接下来，我们介绍学习计划的构建。在第三位，我们在用户界面上呈现PSS4.1. 目标概念选择图五. 学生认知水平上下文域对于Self-S MSPA，用户界面是KS的呈现因此，每次，学生可以选择一个给定的概念来学习，我们称之为目标概念，如图所示。 六、图六、用户界面上的目标概念选择见图7。 学习与教学策略转换。512S. Boulehouache等人/沙特国王大学学报4.2. 学习计划建设目标概念和知识体系被用来构建学习计划。后者由一组有序的概念组成，这些概念是实现对学习目标的理解所必需的，如图所示。7 .第一次会议。在这个阶段，WildCAT将被更新以整合新的学习路径。这意味着理解目标概念所需的概念集，如图所示。7.第一次会议。4.3. 教学策略转换Self-S MSPA选择导师-导师策略并评估学生。根据仿真结果，决定是保持相同的策略还是选择学习伙伴。图7示出了学习过程和PS切换的模拟。研究表明：（1）目标概念及其目标SCL;（2）前提条件及其目标SCL。5. 讨论尽管MSPS的重要性，只有Frassonet al.（1997）; Frasson andAïmeur，1998和他的同事的工作，真正处理这个问题。我们认为主要的尝试基于Agent的多策略ITS。它是由一组扮演不同教学角色的演员组成的。它定义了一个演员的架构，并说明了它的背景下学习的干扰。在这项工作中，PS定义了所涉及的教学行为者及其教学角色（例如，导师、同伴等）（Mengelle和Frasson，1996; Frasson等人，1997年）。然而，演员是静态的，因为他们有一个独特的角色。此外，开关是静态的，它是由设计师通过提供edi-tors。设计者必须考虑现有的Actor，调整它们以适应新的PS并定义新的Actor。Frasson等人（1997）提出的框架是对该系统的改进。它使用Actor来实现PS并检测哪个PS更适合给定的学生（Frasson等人，1997年）。此外，它引入了一个认知层，允许演员逐步丰富他们的教学专业知识（Frasson等人，1997年）。最后，将所得到的MSPS算法用于扰动学习算法。此外，在Abou-Jaoude和Frasson（1998）中提出了另一种改进，即使用Agent来选择关于学生模型的适当PS。在教学会话和直接PS之间的协作PS代理可以切换，只要它是需要的（Abou-Jaoude和Frasson，1998年）。结果令人鼓舞，它们代表了表2中所示相关性的基础。这种持续的工作代表了对我们主张的鼓舞和支持我们的工作被认为是一个细化和改进MSPS。改进涉及自切换的语义Self-S MSPA真正再现了人类教师切换PS的灵活性该改进涉及高度模块化和自反的MSPS的设计。它提出了一个明确的分离之间的抽象组件和预建的具体组件实现它们。此外，它允许对复合部件进行子部件的管理。这些性质导致开关灵活性的提高和开关复杂性的降低此外，用于Self-SMSPA的设计允许增量地构造每个复合组件，例如：域模型、MdSS和MrSS。6. 结论和展望我们已经提出了一个自S MSPA设计使用组件基于代理和Self-* 范例。它的结构是两个不同的MrSS和MdSS相互作用它们被设计为使用架构描述语言（ADL）描述的组件的弱MrSS实现ACL（MAPE-K）以重新配置MdSS结构来实现适当的PS。我们提到，一个框架是使用赛峰适应框架构建的“先决条件”为基础的领域模型。所提出的Self-SMSPA提高了效率和灵活性，并且真正再现了人类教师切换PS的灵活性。此外，在概念层次上使用KS和SCL模型使其更细粒度和更精确。作为一个视角，我们致力于将子树共享（获得无环有向图）添加到监控框架中，以设计Massive Self-S MSPA。此外，我们计划设计一个在云计算上运行的Self-S MSPA。此外，利用分形组件模型的层次性，我们的工作使用层次ACL模式集成多级适配。引用Abou-Jaoude，S.C.，Frasson，C.，1998.学习策略选择代理。In：Proceedings ofthe World Conference on Nouvelles Technologies de laCommunication et de laFormation（NTICF）Rouen，pp. 353-358.Aïmeur，E.，Frasson，C.，1996.根据不同的知识水平分析一种新的学习策略。Comput.Educ.27（2），115-127.Aïmeur，E.，Dufort，H.，Leibu，D.，Frasson，C.，1997.干扰学习策略的合理性。在：第八届世界人工智能教育大会论文集Citeseer，pp。 119比126Boulehouache，S.，Sahnoun，Z.，2009.应用程序互连的组件选择：遗传方法。在：Arabnia，H.R.，Reza，H. （编）， 软件工程研究与实践。北京大学出版社，pp.667- 672Boulehouache，S.，马阿姆里河Sahnoun，Z.，2017.面向构件化自适应多策略教学主体。在：人工智能创新技术和应用国际会议。施普林格，pp. 169-174。Briot，J.- P.，Meurisse，T.，Peschanski，F.，2007.基于组件的代理的体系结构设计：基于行为的方法。在：编程多代理系统。施普林格，pp. 71比90卡莫纳角，Millán，E.，Pérez-de-la Cruz，J. L.，Trella，M.，科内霍河2005. 在多层学生模型中引入先决条件关系。用户建模国际会议（International Conference on UserModeling）施普林格，pp. 347- 356Chan，T.- W.，Baskin，A. B.，1942.与王子一起学习：计算机作为学习伙伴。智能教学系统国际会议论文集，卷。 194200.奇，MT，Roy，M.，2010.一个人类导师的适应能力有多强？智能辅导系统。施普林格，pp. 401- 412Chi，M.，VanLehn，K.，Litman，D.，Jordan，P.，2011.实证评估强化学习在诱导有效和适应性教学策略中的应用。用户模型。用户自适应中间截留 21（1 -2），137-180。周角，澳-地是的，Chan，T.- W.，林角，英-地J.，2003.重新定义学习伙伴：教育代理的过去、现在和未来。Comput. 教育 40（3），255-269。David，P.- C.的方法，2005. Décampement de compoants fractal adaptatifs：unlangagedédié à l'aspect d'adaptation博士Thesis南特大学.David，P.- C.的方法，Ledoux，T.，2005. WildCAT：一个上下文感知应用程序的通用框架。在：第三届国际研讨会上的中间件普及和特设计算。ACM Press New York，NY，USA，pp.1-7号。David，P.- C.的方法，Ledoux，T.，2006.一种面向方面的自适应分形组件开发方法。在：软件组成。施普林格，pp. 82比97Devedzic，V.，Harrer，A.，2005年软件模式在其体系结构。Int. J. Artif.Intelligence Educ.15（2），63Dowling，C.E.，Hockemeyer，C.，路德维希，A.H.，1996.使用知识状态邻域的适应性评估和训练。在：智能教学系统国际会议。施普林格，pp.578-586。Frasson ，C. ，Aïmeur ，E. ，1996. 智能教学系统中三种学习策略之比较。 J.教育Comput. Res. 14（4），371-383。Frasson，C.，Aïmeur，E.，1998年多策略智能教学系统之设计。Comput. Ind.37（2），153-167。Frasson，C.，Mengelle，T.，Aïmeur，E.，1997.在多策略智能教学系统中使用教学代理。《人工智能教育中的教学代理人讲习班》，第97卷，第100页。 40比47Garlan，D.，Cheng，S.-W.，Huang，A.-C.的方法，Schmerl，B.，Steenkiste，P.，2004年Rainbow：具有可重用基础设施的基于架构的自适应。Computer 37（10），46-54.Huebscher，M.C.，麦肯，J.A.，2008年 自主计算的调查-度，模型和应用。ACM计算调查（CSUR）40（3），7。Jaques，P.，Andrade，A.，Jung，J.，博尔迪尼河Vicari河，2002年。 使用教学代理支持协作远程学习。计算机支持协作学习会议论文集：CSCL社区的基础。国际学习科学学会，pp。 546- 547Katzlberger，T.，2004.通过教学代理人学习，博士thesis..S. Boulehouache等人/沙特国王大学学报513拉达加河Robertson，P.，2004.自适应软件：一份立场文件。SELF-STAR：复杂信息系统中的自 * 属性国际研讨会，第31卷. Citeseer，p. 十九岁Matsuda，N.，Yarzebinski，E.，Keiser，V.，拉扎达河Stylianides，G.J.，科恩，W.W.，Koedinger，K.R.，2011.通过教学SimStudent学习-与认知导师比较的初始课堂基线研究。在：人工智能在教育.施普林格，pp. 213- 221Mengelle，T.，Frasson，C.，1996.一个多智能体体系结构的智能交通系统与多种策略。科学与工程计算机辅助学习与教学。施普林格，pp. 96比104Moffat，M.，2012.智能教学系统中的多适应教学策略框架。论文坎特伯雷大学。OW2，OW2 WildCAT User Guide，version 2.3.0.n（2018）.URL：http://wildcat.ow2. org/userguide.html..Russel，S.，Norwig，P.，2003.人工智能：一种现代方法。普伦蒂斯· 霍尔Salehie，M.，塔赫维尔达里湖2009.自适应软件：景观和研究的挑战。ACM Trans.自主自适应系统（TAAS）4（2），14.