軟體代理人

本節旨在探討軟體代理人在學習領域之意義，藉以說明軟體代理人在 本研究之角色及如何實現所需功能。

壹、學習領域的智慧型代理人

以人工智慧的觀點，軟體代理人具有接收任務指派，能運用本身的智 慧規則，自主性地決定採取何種動作以達成任務(竇其仁、林志敏、林正敏，

2005，Agarwal, R. et al.，2004)。應用在網際網路上，加強某一特定功能的 工具軟體，使之具備自主的(Autonomous)、前瞻性（Proactive）、持續執 行性(Persistent)以及社會性(Social Behavior）（林瓊如，1999；Agarwal，

2004），同時結合通訊和行動能力之後，便可以在不同環境中遷移或連絡 其他的軟體代理人。這類不同以往的單一功能程式，只會依據輸入資料，

處理之後輸出資訊，稱之為智慧型代理人（Intelligent Agent）。典型的實 例為Microsoft的產品Excel中，可以設定所謂的「小幫手」，它會與軟體使 用者互動，提供建議和協助。

在教育方面，智慧型代理人可以作為虛擬的教師、虛擬的學習夥伴，

為使用者進行講解、演示、練習、實驗和考試等動作（引自張志民，2005）。

而我們應用其特質，使之具備教育專家的功能，以「專家代理人」代稱。

在理想情況下，專家代理人必須能夠從持續不斷的運作中調適與學習者相 關的其他代理人的目標，學習到如何適應系統使用者的學習行為變動，並 能和其他代理人溝通及合作，進而達成提升學習成效的目標。同時，針對 教師層面提供相關的統計資訊，以供參考。

貳、精熟學習層面的指導代理人

精熟教學(Mastery Teaching)源自心理學的精熟學習(Mastery Learning) 概念（引自林寶山，1998），「精熟教學理念」提倡單元教學法，強調藉 由其精熟標準公式，可反映出學習者所能面對教材的複雜度。此為本系統 中，「教材代理人」的知識核心，因而可以針對學習者的學習進度給予不 同的指示和反應，促使學習者接受達到精熟的學習程序。

參、合作學習層面的伴學代理人

許多合作式學習（Cooperative learning）的研究指出，合作學習雖然會 花費較多的時間在教學活動上，但會增強學習者的學習動機，促進創造力，

提高學習成績（Johnson, David W, Carson, Laura, et al.，1989）。Johnson 進一步指出，合作式學習能夠增加後設認知策略的使用，並增加人際溝通 的技巧，助於團體關係的改善（林寶山，1998）。將上述的原理，應用於 本系統的伴學代理人，會主動與學習者一起學習，它記錄著學習歷程，提 供過去經驗的學習路徑，讓學習者感到虛擬同儕的協助和互動，也就是在 功能上具有居間協調與協同合作而解決問題，實踐合作式學習的精神。

肆、情境學習層面的敎材代理人

情境學習（Situated learning）強調，知識為學生和環境交互作用下的 產物，所以學習本質上受到情境中的文化脈絡的影響，因此安置有結構性 的教材在真實的週遭環境中，讓學生從既有的事實當中搜尋相關資訊，形 成自已的知識（引自沈中偉，2003），進而累積這些知識加以學以致用。

為了讓本系統擁有情境學習的要素，設計「教材代理人」處理教學情境的 介面，這類代理人，屬於介面式代理人（Interface Agents）的特性（引自 林瓊如，1999）：透過動態地觀察、累積或分析使用者的行動資訊，並呈 現使用者想要的資料，正是發揮人機互動的功能。因此，在教材代理人的 運作之下，讓系統介面的呈現上提供不同的情境，使學習者得在情境化的 學習環境學習。

伍、軟體代理人的設計

軟體代理人的設計方法展現不同領域的功能，基本上在設計代理人的 程 式 時 要 去 了 解 其 知 覺(percepts) 、 行 動 (actions) 、 目 標 (goals) 和 環 境 (environment)，其程式的演算法如圖5-1-1所示：

function REFLEX-AGENT-WITH-STATE( percept) returns action static: state， 描述目前世界的狀態

rules， 一群規則

state← UPDATE-STATE(state， percept) rule ←RULE-MATCH(state， rules) action← RULE-ACTION[rule]

state ←UPDATE-STATE(state， action) –-更新內部狀態 return action

End function

圖5-1-1 具有內部狀態的反射型代理人程式（引自楊錦潭、段維新, 2001）

依上述之演算法所導出功能由簡單到複雜的四種類型的代理人：

一、 簡易型的反射代理人(Simple reflex agents)：最簡單的代理人模式，固定之 條件及行為。

二、 含內部狀態的反射型代理人(Simple reflex agents with internal state)：能隨時 更新因應外在環境狀態的改變。

三、 目標為基礎的代理人(Goal-based agents)：具有高層次的意圖導向。

四、 功能導向的代理人(Utility-based agents)：具備規劃和推理的能力。

本系統的專家代理人和伴學代理人是採用類型1，和界面代理人和指導 代理人則採用類型2。簡易型代理人的演算法和專家系統雷同，目前文獻較 少使用是類型2至4。就考慮複雜度的因素，依照上述法則，設計自己所能 使用之流程，再依照自己系統之需求，設計主要的代理人演算法，以作為 系統運作之用。

伍、小結

經由上述文獻探討，本研究乃依據認知彈性理論，知識的有意義學習 是 經 過 良 性 結 構 和 非 良 性 結 構 知 識 學 習 過 程 ， 在 靜 態 性 質 的 網 頁 呈 現 手

法，就如良性知識結構表徴，學習者看到安排好的章節和流程，習得所需 的基本知識；但在結合軟體代理人運作機制，配合學習風格，將有不同的 資訊呈現手法，也就是知識的多重表徵，來協助學習者解決所面對的非良 性結構問題。

本研究以程式設計課程為內涵，建議一套運作於網際網路的輔助程式 設計學習課程數位學習系統平台架構。其功能主要是在學生進行程式設計 基礎觀念課程學習時，適時診斷學生學習問題，然後透過代理人推理機制，

結合課程內容、學習錯誤類型以及學生不同學習風格等因素，以提供學生 不同補救教學建議，而提升學生學習成效。