人工智能网络教育精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇人工智能网络教育，期待它们能激发您的灵感。

篇1

关键词：人工智能；网络教育；应用；前景

中图分类号：TP18

“人工智能”一词最早是在20世纪50年代末期在Dartmouth学会上提出的。它是计算机技术的一个分支学科，但又同时包含了很多领域的不同学科，例如生物信息学、机械理论学、数理推论、语言文化等，它的研究领域非常的广泛，包括机器翻译研究、智能控制研究、专家系统学、机器人研究、语言和图像理解研究、遗传编程研究、自动程序设计研究、航天科学与应用、庞大的信息处理、储存、管理研究。此后，越来越多的科研人员开始了对人工智能技术的研究。国际上比较先进的研究机构有麻省理工学院、斯坦福大学、加州大学伯克利分校、宾夕法尼亚大学、耶鲁大学、德国人工智能研究中心、索尼公司等，中国的先进研究机构主要有清华大学、北京紫光优蓝机器人技术有限公司、中国科学院先进技术研究院、北京大学、南京理工大学、哈尔滨工业大学、中国科学技术大学、北京邮电大学等几十家机构。

目前，将人工智能应用在网络教育中是很多研究者关注的热点，在近些年的研究中取得了很大的进步，取得了一些先进的成果，但是在研究中也遇到了一些问题，需要研究人员进行解决并创新。本文首先介绍了网络教育的现状，探讨了人工智能在网络教育中的应用，通过研究提出了做好人工智能在网络教育中应用的有效措施，最后对人工智能在网络教育中的发展前景进行展望。

1 网络教育的现状

随着信息技术和网络技术的不断发展，人们对教育的观念以及接受教育的方式发生了巨大的改变，“网络教育文化”日趋成熟。网络的发展给传统的教育模式带来新的挑战，它除了将传统教育模式的一些显著不足进行了改变以外，同时使教学更富有吸引力和生气，吸引更多的人愿意到Internet教学中来学习自己想要的知识，他们可以不受时间、空间、身份的限制，到这个虚拟的课堂来进行“充电”。但在当前，网络教育还在初级的发展阶段，在实际的推广和应用中还存在着一些问题：

（1）在网络远程教育的过程中，支持学习的服务系统没有很好的满足学习者的要求，引导学习者学习的手段和给学习者答疑的方法都比较落后，服务的方式受到一些客观因素的限制；

（2）网络实验教学中有很的问题存在，例如空间的分散性差，时间的流动性和自主性差，除此之外，便携性也比较差等；

（3）目前，虽然网络教育中进行的考试具有开放性，但是考试的公平公正性、考试类型的科学性、出题的权威性都很难保证；

（4）目前来看，网络系统本身具有了信息查询能力，但这种查询的能力是很有限的。

2 人工智能在网络教育中的应用

2.1 智能决策支持系统

智能决策支持系统是在1980年左右由美国的研究大师波恩切克提出来的，是决策支持系统与人工智能技术相结合的产物。目前，由于智能决策支持系统的不断发展和创新，在网络教育的应用和研究方面表现出很强的发展潜力。例如，智能决策支持系统在数字和移动图书馆中的得到了广泛的应用，该系统能够为数字图书馆的管理人员提供决策和管理所需的数据、信息，帮助他们明确决策和管理的目标，通过建立决策模型并加以修改或完善，为数字图书馆正确、有效的管理和决策提供必要的支持。

2.2 智能教学系统

智能教学系统是在1970年以后迅速发展起来的，可以为学习者提供一种智能的授课环境，它将计算机的模拟功能来体现在整个教学过程中，使用人工智能技术和多媒体技术等先进的教学手段，共同形成一个交互式的开放的教学系统，在这个学习系统中，学生可以主动的获取学习知识，系统可以根据学习者的个人情况来进行合理和科学的教学，以达到最佳的、理想的教学效果。

2.3 智能导学系统

支持服务是现代计算机网络教育系统的重要构成要素。建立和维持一个高效灵活、强有力的支持服务子系统是有效地开发、管理和实施计算机网络教育项目的保证。智能导学系统可以创造一个优良的学习环境，使学习者方便快捷地调用各种资源，以获得学习的成功。

2.4 智能硬件网络

智能网是20世纪80年代初期兴起的研究课题。随着网络的日益普及，通过网络进行学习，不仅要求多媒体综合化的信息处理能力，而且要求网络能够提供高级信息处理能力。就目前的状况而言，对现有的计算机教育网络赋予其一定的“智能”，从硬件性能本身加以提升是一种不乏远见的选择。

3 做好人工智能在网络教育中应用的有效措施

3.1 加大资金的支持

对于做好人工智能在网络教育中的应用工作，绝对离不开资金的支持，因此各级政府部门应该做好相关的预算，落实好国家对于支持人工智能技术的相关政策，对于在人工智能技术发展中做出突出贡献的企业和科研单位要给予一定的资金支持，支持这些企业、科研单位的研究工作，促进人工智能在网络教育中更好的发展和应用。

3.2 加快人员培训工作，建立技术研究团队

人工智能在网络教育中的应用工作具有技术性、专业性强等很多特征，因此，必须培养一批高素质的人工智能专业人才，同时还要对这些人员进行全面的业务培训，使得这些人员既要懂管理，又要精通人工智能的专业知识，通过全面的业务培训和人才引进，建立人工智能的技术研究团队，使得这些人的才能得到很好的发挥，在人工智能方面有所创新，保证人工智能在网络教育中得到更好的应用。

3.3 加强和先进研究机构的合作

在人工智能技术研究方面，美国、英国、德国等国家都走在世界的前列，而我国的人工智能技术研究的能力较低，与上述发达国家相比还存在一定的差距。因此，如何缩小这种差距，实现人工智能在网络教育中更好的应用，就需要我们的研究人员加强专业知识的学习，和这些国家的先进研究机构进行有效的沟通和联系，借鉴其先进的研究经验，根据自己的实际需要，进行一些实际的合作。

4 结束语

由于人工智能技术本身存在着巨大的优势，人工智能网络技术也会不断地进行发展而趋于成熟，这将极大地改善并且优化网络教育的学习环境，全面提升网络教育的整体教学质量，并有望增强网络教育的全面开放性。为了做好人工智能在网络教育中的应用，需要加大资金的支持，加快人员培训工作，建立技术研究团队，加强和先进研究机构的合作，使网络学习的支持服务更加人性化和拟人化，更加体现以人为本的关怀精神。

参考文献：

[1]吕生荣.浅谈人工智能在计算机辅助教学中的应用[J].科技资讯，2009（01）：198.

[2]张园.人工智能技术在计算机辅助教学中的应用研究[J].科技资讯，2007（34）：108-109.

[3]陆志一，吴学庆.计算机未来的发展趋势[J].黑龙江科技信息，2008（04）.

[4]张瑞.计算机科学与技术的发展趋势探析[J].制造业自动化，2010（08）.

[5]何月瑶.计算机技术发展态势分析[J].科技创业月刊，2007（05）.

篇2

关键词：人工智能；计算机网络教学；现状；运用

中图分类号：TP393-4

所谓人工智能，就是利用人工方法在计算机上实现智能，也可以说是人工智能在计算机上的一种模拟。人工智能广泛融合了神经学、语言学、信息论和通讯科学等众多学科和领域。目前主要存在三条人工智能研究途径：一是以生物学理论为支撑，掌握人类智能的本质规律；二是以计算机科学为支撑，通过人工神经网络进行智能模拟，实现人机互动；三是以生物学理论为支撑。

1 人工智能技术的特征

智能技术主要分为两类，人类和计算机智能，两者存在相辅相成的关系。利用人工智能技术能够实现人类智能向机器智能的转化，相反，机器智能也能够利用智能教学转化为人类智能。

1.1 人工智能的技术特征。首先，人工智能具备非常强的搜索功能。该功能是利用相关搜索搜索技术实现对海量信息的快速检索，满足个性化信息需求；其次，人工智能具备很强的知识表示能力。具体来讲，就是人工智能对信息的行为，能够像人类智能一样，对模糊的信息加以表示；最后，人工智能具有较强的语音识别和抽象功能。前者主要是为了对模糊信息加以处理。而后者主要是为了对信息重要度加以区分，以便提高信息处理效率。用户只需要智能机器提出具体要求便可，至于复杂的解决方案就交给智能程序了。

1.2 智能多媒体技术。首先，人机对话更加灵活。传统多媒体在人机对话方面极为欠缺，导致教学单调乏味，不能取得预期良好效果，但智能多媒体却不然，他能够实现人机自由对话和互动，同时还能结合学生实际对学生的问题给出不同层次的答案。其次，教学可行性更强。由于学生在认知能力和个人素养方面都存在差异，而且学习主动性也不尽相同，人工智能必须要结合学生实际学习状况，为每一位学生设计制定个性化的学习计划和学习目标，对学生进行针对性较强的教学，真正实现因材施教。再次，具有强大的创造性和纠错性。前者属于人工智能的显著特征，而后者属于人工智能的重要表现方面。最后，智能多媒体具有老师特征。在实际教学过程中，智能多媒体可以对教学双方的行为进行智能评价，以便能够及时发现教学中的薄弱点，有助于实现教学相长，全面提高教学质量和教学效果。

2 计算机网络教育的现状

随着现代科学的进步，网络信息的发达，人们的教学观念和学习观念都发生了前所未有的改变，网络时代正全面到来。为了满足现代社会对人才的实际需求，培养大量现代化优秀人才，计算机网络教学模式业已成型并不断完善。目前，高校正规教学模式依然是现代教学主流，尽管在系统传授知识和规范培养人才方面具有无可比拟的优势，但在资金投入、效益创收和时空限制等方面具有很大的弊端，灵活性不足，无法有效满足现代教育的发展要求。

计算机网络教学对传统教学形成了巨大挑战，并产生了深远影响。它不仅有效弥补了传统教学的时空限制缺陷，而且赋予了教学极大的乐趣性，吸引了越来越多的人积极投身到网络教学建设中去，任何人无论何时何地都能够通过网络课堂去学习和提高。但目前计算机网络教学发展仍处于探索期，在实际运用方面还存在许多问题：第一，计算机网络教学中的学习支持服务体系尚不健全，导学手段和答疑方法还非常落后，由于各种原因，在服务方式上缺乏针对性、策略性和积极性；第二，计算机网络实验教学中存在着空间分散、时间流动和自主性差等问题和弊端；第三，计算机网络的系统承载能力和信息查询能力还十分有限；第四，如何实现计算机网络考试的开放性，确保考试的客观性、公正性、权威性，已经成为网络教学发展的瓶颈；第五，计算机网络教学中的核心支撑系统――CAI，还无法有效满足和适应网络教学的实际需求和发展要求。

主流CAI课件主要有两种，一种是单机版的初级课件，包括简单的Authorware课件、PPT幻灯片和图文网页等。一种是高级的网络版课件。该类课件主要以静态图文和动态演示组成的网页为主，以聊天室、电子邮件和QQ群等形式为辅，实现师生互动、网络答疑的一种改进型课件。初级课件在实际教学中以操作容易、更新及时和维护方便著称，但实际上就是传统教学手段的变相挪用。还有些课件，尽管在互动性方面有着不错的效果，但是制作繁琐、更新较慢和维护复杂。因此，高级网络课件是目前网络教学中的主流课件，已经成为了计算机网络课件的固定模板。改进型的网络课件有效地解决了传统多媒体在师生互动不足的问题。上述两类课件是现在最为常见的两种CAI课件，尽管两者都有各自的优势，但作为网络教学的重要手段，仍存在许多问题和弊端：无法实现因材施教，无法开展层次教学；作为教学的一大主体，学生在个性化交互操作方面仍有很大不足；对学习过程中出现的普遍问题无法进行智能统计、分析和评价等。

3 人工智能技术在计算机网络教学中的运用

3.1 人工智能多媒体系统。（1）知识库。智能多媒体已经不再是用来进行纸质媒体数字转化的工具了，它应该具备相应完善的知识库，而知识库里的教学内容要结合教学实际和学生现状进行针对性、个性化设计。同时，要实现知识库资源的高度共享，并及时加以更新和补充，如此才能充分发挥知识库的教学服务作用。（2）教学板块。教学板块的设计主要是出于教学综合性考虑的，教学方法的创新是其关注的重点内容。该模块的实现要以掌握专业知识、教学策略和人机对话等领域的知识为前提，结合学生实际学习现状和特点，利用智能系统的现代化技术手段对知识和相关教育措施加以高效搜索。（3）学生板块。及时掌握学生心理动态和学习状况是智能网络教学的一大特征，结合学生实际状况加以智能评判，进而加以针对性指导和个性化辅导，实现因人施教和因材施教，全面提高学习效率和学习质量。（4）用户模块。用户模块是智能系统无法忽视和省略的关键模块，整个智能系统的正常运行离不开人工程序操作，用户需要通过用户终端将教学内容上传到网络教学平台，才能顺利完成教学。

3.2 人工智能多媒体教学的发展。（1）加强与网络的结合。随着网络技术的成熟，智能网络教学与网络之间的关系日益紧密，多元化、多维度网络空间日益成为一种趋势。互联网具有信息量大、更新速度快、超时空性等优势，加强与网络的结合是人工智能计算机网络教学未来发展的重要方向。（2）加强智能的应用。人机对话、机器指导的教学模式将成为未来网络教学的核心模式，传统教师的角色将逐渐被计算机取代。最为典型的就是现代智能导航系统。（3）加强系统软件的研发。系统软件的更新日新月异，旧的系统软件已经无法有效满足网络发展的时代要求，加强系统软件的研发以便充分满足网络要求，更好地帮助学生解决实际问题，进而提高学习效率和教学质量。

4 结束语

人工智能技术在计算机网络教学中的运用将为现代化教育提供新的发展思路，将全面改善网络教学环境，拓展学习服务渠道，提高计算机网络教学质量，并有可能彻底打破计算机网络教育的时空限制，全面加强网络教学的开放性，实现网络学习的个性化、人性化和智能化，充分落实以学生为本的教学理念。未来CAI技术的进一步成熟将全面提高网络教学的整体格局，我们有理由相信，智能网络教学将迎来全新的发展春天。

参考文献：

[1]刘广钟，高军，刘，李吉彬.报文分析技术在计算机网络教学中的应用[J].计算机教育，2014（01）.

[2]赵冉，朱西方.仿真技术在高职计算机网络教学中的应用探讨[J].河南科技，2014（01）.

篇3

[关键词]Web3.0：个性化信息服务平台；个人门户

[中图分类号]G40-057 [文献标识码]A [论文编号]1009-8097（2012）11-0121-03

Web3.0是互联网建设的一种新模式，作为一个新生的概念，不同业界的人士有不同的理解。2006年，JohnMarkoff在纽约时报上提出Web3.0，他指出Web3.0即所谓的“智能网络”，是由语义Web、微格式、自然语言搜索、数据挖掘、机器学习、智能人和人工智能等技术共同构成的基于互联网服务的第三代网络形式，其中主要强调机器促进信息的理解，以便给用户提供更丰富和直观的体验。2007年，Google的CEO埃里克施密特在首尔举行的数字论坛上将Web3.0定义为：Web3.0将由一些很小的网上应用程序组成。SramanaMitra在自己的博客上写到Web3.0=（4C+P+VS），4C即Content（内容）、Commerce（商业）、Community（社区）、Context（情境）；P即Personalization（个性化）；VS即Vertical Search（垂直搜索）。虽然说法不同，但他们都认为Web3.0的核心软件技术是语义网和人工智能，Web3.0技术时代的互联网会更加个性化、精准化和智能化。

业界人士认为，以实现“智能化的人与人和人与机器的交流”为理念的Web3.0主要具有以下特征：

（1）微内容（Wfidget）的自由整合与有效聚合。利用Mashup技术，Web3.0对用户生成的内容信息进行整合，使内容信息的特征性更加明显，进而便于互联网用户检索与整合。

（2）适合多种终端平台，实现信息服务的普适性。虽然Web2.0让用户参与了信息的创造、传播和分享过程，但它仍局限于单一的互联网平台。然而，Web3.0突破了这一局限，将实现兼容不同终端设备，实现融合网络的普适化。

（3）良好的人性化用户体验。Web3.0的设计理念是“以人为本”，所有的设计都紧紧围绕着用户的喜好进行。在UGC筛选性的过滤的基础上，Web3.0采用个性化引擎和个人喜好信息处理技术，对用户的行为特征进行分析归纳，从而帮助网络用户高效、准确地搜索到自己感兴趣的信息内容，提高了用户信息搜索整合效率。

一、基于Web3.0个性化信息服g-系统模型

个性化信息服务既是一种个性化服务，又是一种信息服务。它以用户的需求为策略，以信息内容为管理核心，允许用户根据自己的兴趣获取定制服务，以提供智能化的、高效的信息服务。一个较为完善的个性化信息服务平台应满足以下三个方面的要求：（1）具有能容纳用户个人特征信息的特定模块以供工作人员分析；（2）必须汇集与整合海量的、各种类型的信息资源以供用户进行个性化浏览；（3）用户可在该系统申请获得个人空间，依据自己的兴趣爱好和专业领域建立个人信息服务门户，系统根据用户特征的不同而提供不同的服务项目和服务结果，帮助用户获得与其特征描述相一致的动态性数字化资源。个性化信息服务流程如下图1所示：

从图1可知，具有Web3.0理念的信息服务平台可让用户更好地使用网络资源和体验网络服务。因此，借助Web3.0信息服务平台可为用户创设一种方便管理、方便查找信息资料的个性化信息服务环境，进而使用户亲身体验到一套全新的个性化信息服务。

图2是结合Web3.0的思想和技术特点以及个性化信息服务平台所设计的一个基于Web3.0的个性化信息服务系统的模型，此系统的核心是Web3.0信息服务平台，它是一个利用Web3.0技术并针对用户的个人需求、环境、心理、知识等特征为用户实施特定信息服务的平台。

该系统的工作流程如下：

首先Web3.0信息服务平台利用Web3.0的语义检索、智能聚合等技术，并基于用户偏好对各大综合网站（如新浪、雅虎、搜狐等）上的信息进行筛选、聚合，生成有效的高质量的用户兴趣信息库；

其次，根据存储在用户兴趣信息库中的用户可能感兴趣的信息，构建不同用户的兴趣模型；并且当用户从中挑选出自己真正感兴趣的信息进行阅读的时候，用户阅读的信息会被Web3.0信息服务平台内嵌的信息聚合器捕捉，进而传送给信息服务平台，使用户兴趣模型得以不断更新；

最后，用户兴趣模型生成或更新后，Web3.0信息服务平台根据用户兴趣特征为用户提供各种基于用户偏好的个性化信息服务（如个性化内容订制服务、个性化信息检索订制服务、个性化页面订制服务、个性化信息推荐服务等）；用户利用Web3.0信息服务平台来构建自己的“个人门户”，进而利用“个人门户”来呈现表达自己的个性。简单地说，在基于Web3.0的个性化信息服务系统中，Web3.0信息服务平台一方面为用户通过内嵌的信息聚合器捕捉用户的兴趣信息，另一方面利用Web3.0技术并根据用户兴趣模型为用户提供的个性化的信息服务。

二、基于Web3.0的个性化信息服务系统的优势

1.利用新技术，实现信息的深层挖掘。

在基于Web3.0个性化信息的服务系统，运用Web3.0的核心软件技术语义检索、智能搜索对良莠不齐的网络信息进行提炼加工，使之有序化：同时，利用这些技术信息可以在底层数据库之间进行通讯，底层数据库具备完整的信息交换机制，用户要做的只是将想要的东西列出，并与个人的偏好和背景连接在一起，搜索引擎就能自动将数据信息提供给用户。

2.为用户提供切实有效的个性化信息服务。

在基于Web3.0的个性化信息服务系统中，建立用户兴趣模型，它能很好地反映用户的兴趣偏好，并且随着用户兴趣偏好的改变，用户兴趣模型能够及时作出适应性的改变。同时，服务系统自动寻找相关领域信息源，有效组织信息资源，主动向用户提供个性化信息推荐服务，从而改“人找信息”为“信息找人”。

3.以用户为中心，建立真正意义上的“个人门户”。

在基于Web3.0个性化信息的服务系统中，用户通过Web3.0信息服务平台可拥有自己的“个人门户”，它集合了博客、相册、好友、部落、网摘、通信等功能，提供了完备的个性表达及友好互动支持。根据个人的资讯喜好、行为习惯，最终打造成彰显个人特色的门户，通过该门户用户便可以享受到全面的个性化服务，全新的互动方式、真实的社会关系。

三、基于Web3.0的个性化信息服务系统对网络教育的影响

网络教育的发展十分迅速，基于网络的学习已逐渐成为当代社会一种重要的学习方式。尽管基于Web3.0的个性化信息服务系统初露端倪，但由于其独有的优势，它必将在基于网络的教育活动中发挥出更大的功用。

1.有效提高学习者自助学习的效果

自助学习是互联网环境下的一种有效学习方式。自助学习是指学习者利用庞大的互联网信息资源和远程教育资源选择自己认为有用的资料进行学习，并按自我意愿自由选择所应掌握的知识量，通过自己喜欢的形式表现出来。基于web3.0的个性化信息服务系统以Web3.0语义检索、智能聚合等技术为依托，为网络学习者提供个性化的智能搜索引擎。在自助学习过程中，学习者运用个性化的智能搜索引擎搜集自己感兴趣的知识，这样学习者就不再单纯地被动接受教师认为有用的知识，而是借助互联网按照自己的意愿积极地、创造性地寻求知识。

2.为学习者提供更加有序有效的信息

随着Web2.0成为互联网的主流，基于Web2.0建立的网络学习平台、个人学习环境纷纷出炉，为学习者带来了学习契机。但是，学习者利用Web2.0模式下的学习系统所的Blog/Vlog/Wiki造成网络上布满大量稂莠不齐的信息，为学习者的搜索带来了极大的不便。而我们所构建的基于Web3.0的个性化信息服务系统具有Web3.0模式下“可控”的Blog/Vlog/wiki，使得的信息更加有序，可信度更高。

3.促进学习者积极主动地进行表现学习

随着技术的Web不断发展，为学习者进行表现学习创造了便利的可能条件和环境，基于网络的表现学习能有效消除学生被动接受知识、缺乏主动性和创造力等弊端。在基于Web3.0的个性化信息服务系统中，学习者通过体验各种个性化信息服务后，能根据自己需要、喜好等个人特征创建“个人门户”。“个人门户”是搭建新的学习平台，开创多种形式的学习展示、交流区的更有效便捷的方式。通过这样的平台，学习者能自由表现，发表自己的观点、提出质疑、探究摸索、写作交流、尝试解决问题、自主创新等，使其天性得以充分的展露，实现潜能向显能的转化。这样不仅能是学习者在表现中体验胜任的欢愉，还能提升他们的成就感。

四、小结

基于Web3.0的个性化信息服务系统与以往的网络信息服务系统相比，更加人性化、智能化。但是由于Web3.0刚刚崭露头角，许多支撑技术（如语义网、人工智能技术等）目前发展还不成熟，因此基于Web3.0的个性化信息服务系统的实现面临着一定的困难。尽管如此，我们相信随着Web3.0技术的发展和成熟，基于Web3.0的个性化信息服务系统必定会有更大的发展，也必将给网络信息化教育带来翻天覆地的变化。

篇4

关键词：

中图分类号： TP391．7 文献标识码： A 文章编号：2095－2163（2011）03－0027－04

Application of Multi－AGENT in Network Intelligent Tutoring System

WANG Jianhua

Abstract：During many years, traditional modes of computer-aided teaching can not meet the educational needs of universities and colleges. And there exist a low degree of intelligence, lack of teaching strategies and other shortcomings for most of the traditional teaching system softwares. So intelligent tutoring system has become a research hotspot of intelligent computer education. Combined with the features of Multi-AGENT and the application theory in intelligent tutoring system, the paper presents the design model of network intelligent tutoring system based on Multi-AGENT, analyzes in detail system-level functions, and gives out the classification design of system database, as well as the characteristics of system model.

Key words：

0 引言

智能教学系统是当今计算机辅助教学领域研究和应用的热点。网络应用于教育领域，使得高校的教学方法、教学手段有了很大的改变，从而彻底地改变了人们的教育观念和教学模式。网络教学系统可以为教学双方提供海量的教学资源，使学习者之间在海量的用户中实现了无限沟通和交流。多AGENT系统应用于智能教学系统是最新的技术，建构主义教育思想和人工智能领域中理论的结合使得智能化的、面向学习效果的、交互的远程学习模型的建立成为可能[1]。本文提出了一个基于多AGENT的网络自主和协作模式的智能教学系统模型，并分析了系统的逻辑功能和特点。

1 多AGENT系统及应用

1．1 多AGENT系统的概念

多AGENT系统是由多个可计算的AGENT组成的集合。每个AGENT能作用于自身和环境，操纵环境的部分表示，并与其它AGENT通讯，从而通过AGENT间的合作、协商、协调、联盟，模拟现实社会中的群体智能活动，完成复杂的任务[2]。多AGENT的这些特点正可以用来解决网络教学中的问题。

Multi－AGENT系统是指一些通过多个AGENT协作完成某些任务或达到某些目标的计算系统。单个AGENT的能力是有限的，但可以通过适当体系结构把多个AGENT组织起来，从而弥补各个AGENT的不足，使整个系统的能力超过任何单个AGENT的能力。多AGENT系统表示一个问题需要多个求解实体，这种系统具有传统分布，并发问题求解的优点，同时具有复杂的交互模式。

1．2 多AGENT系统的体系结构

多AGENT系统体系结构的选择影响系统自主性、自适应性的程度。体系结构中必须有共同的通信协议或传递机制。对于特定的应用，应该选择与多AGENT系统相匹配的结构。文献[3]将多AGENT体系结构划分为以下三种。

（1）集中式结构。采用类似星型网络的结构，将AGENT分成若干个组，每个组内的AGENT 采取集中式管理，即每一组AGENT提供一个控制AGENT，以此来控制和协调组内不同AGENT的合作，如任务规划和分配等等。

（2）分布式结构。各AGENT组之间和组内各AGENT之间均为分布式结构，各AGENT组或组内各AGENT无主次之分，处于平等地位。

（3）层次式结构。集合了集中式和分布式两类结构。其中包含一个或多个层次结构，每个层次结构有多个AGENT，这些AGENT可以采用分布式或者集中式。相邻层之间的AGENT可以直接通信，或者利用控制AGENT进行广播通信。

1．3 多AGENT技术在网络教学系统的应用

智能AGENT可以以虚拟的教师、虚拟的学习伙伴、虚拟的实验室设备和虚拟的图书馆管理员身份出现，从而增强教学内容的趣味性、个性化和人性化色彩，改善人机教学效果，使远程教学效果达到和超过传统的教学效果[4]。在学习过程中，智能AGENT可以根据学生的个体差异安排学习计划、学习建议；在练习和训练过程中，智能AGENT根据各个学生的学习进度和学习水平，为学生提供合适的习题与实验，相当于私人教师进行个别授课与个别辅导。当学生在网上学习迷航时，智能AGENT还能起到导航的作用，为学生指点迷津，顺利地将学生带到目的地。

2 基于多AGENT的智能教学系统模型

本文提出的基于多AGENT的智能教学系统，主要面向三类使用者：学生、教师和管理者。通过相对应的AGENT对使用者的使用行为进行学习和模拟，从而可以引导其个性化地使用该学习系统。系统除了要实现教师和学生在课堂教学中的一切功能以外，还要提供许多远程功能，例如：作业的提交和评价、同学间的协作学习、教学策略的实时更新等。笔者提出的基于多AGENT的智能教学模型如图1所示。整个系统在逻辑上由数据提供层、访问控制层、公共服务层、教学应用层、用户协作层和用户层6个部分构成。

2．1 用户层

教学系统的所有用户可分为学生、教师和管理员三个部分。由于用户角色的不同以及行为和思维习惯的不同，导致其使用的系统功能不同，使用习惯也不同。由于不同的用户可能来自于不同的网络平台，例如互联网、手机WAP网、各种类型的终端设备等，系统的设计可以整合所有异构网络平台。用户无论在何种网络平台下，都可以正常使用系统。

2．2 用户协作层

对于使用系统的所有用户，用户协作层负责身份验证。对于已经登录到系统中的用户，用户协作层中的“学生协作AGENT”和“教师协作AGENT”负责多个学生之间的协作学习以及多个教师之间的协作教学。根据不同学生用户的特性，并依据系统掌握的教学策略和规则，系统会适当地将学生用户按照不同的原则进行分组，或者将各方面程度相近的学生分成一组，或者将不同程度的学生分成一组，以模拟实际的教学环境。

2．3 教学应用层

学生用户和教师用户的一切教学活动都在教学应用层中完成。有关教学的每一个应用都分别对应一个AGENT，可引导用户进行操作、为用户提供个性化操作界面和教学内容；与其它AGENT进行通信、协作，智能地选择适合用户的教学策略。

（1） 学生与教师共同的应用

教学系统模型中关于教师和学生共同的应用有讨论答疑、作业管理、课程报告管理、学习评价管理等。

① 讨论答疑AGENT面向所有用户提供讨论服务，可以根据学生用户不同的学习风格、问题讨论的范围等因素智能地实现自动分组讨论。

② 作业管理AGENT协助教师AGENT负责为不同类型、不同程度的学生用户分发作业，协助学生用户提交作业。

③ 课程报告AGENT协助教师AGENT为学生用户提供大作业、设计报告、实验报告、小论文以及毕业论文等的出题、选题等工作。

④ 学习评价AGENT的功能是与和教学相关的各个AGENT实时通信和协作，负责完成教师教学过程和学生学习过程的所有评价工作。最后将评价结果保存到相应的系统数据库中。

（2） 学生活动应用

学生用户在教学系统中独有的应用主要有学习、练习、实验和测试等。

① 学习是学生用户使用教学系统最多的功能，学习AGENT引导学生用户在教学系统中学习专业知识。根据不同学生用户的类型和学习风格，为用户提供个性化的操作界面。

② 练习AGENT根据学生用户的学习效果，为用户智能地提供练习题目。还可以根据学生用户历史练习成绩，提供难度适中的练习题，使学生用户能逐渐适应新知识，从而循序渐进地学习。练习AGENT还可以为小组用户提供相应难度的习题供大家比赛，从而检验小组学习效果。

③ 实验AGENT的功能是协助教师AGENT设计实验题目和引导学生用户完成实验内容，为实验题目提供智能仿真环境，帮助学生用户提交实验报告。

④ 测试AGENT协助教师AGENT完成学科测试的出题工作，包括试卷结构的设定、智能组卷的完成以及试卷分发等工作；协助学生AGENT完成测试过程、答案提交等工作。

（3） 教师活动应用

教师用户在教学系统有的应用主要有课程管理、教学内容管理、教学资源管理、试题管理等功能。

① 课程管理AGENT负责课程的开设、课程信息的维护、知识点的划分、制定知识点之间关联规则以及基本教学策略的制定等工作。

② 教学内容AGENT主要负责协助教师按知识点内容将教学内容录入课程内容数据库中，并负责对其进行维护。

③ 资源管理AGENT协助教师AGENT负责对图片、声音、视频等教学资源进行管理。包括教学资源的录入、修改、删除等。

④ 试题管理AGENT协助教师AGENT完成对学科试题库的建设，包括题型管理、题目管理、难度设定等。同时与练习AGENT和测试AGENT协作，为学生用户提供个性化试题服务。

2．4 公共服务层

构成教学系统的各AGENT需要通信与协作，系统的不同用户还会有不同的数据查询和统计需求，系统需要安全稳定地运行，还需要为用户提供丰富、准确的帮助信息，这一切功能的实现都通过系统的公共服务层来提供。

公共服务层为所有AGENT服务，是AGENT应用和底层数据库之间的接口。公共服务层由教学策略AGENT、查询服务AGENT、系统消息AGENT、系统安全AGENT和在线帮助AGENT构成。

2．5 访问控制层

为了系统数据库的安全，系统特别在系统数据库和公共服务层之间设置了一个访问控制层。访问控制层负责接受公共服务层的访问要求，直接访问系统数据库中的数据，返回访问结果，并负责响应访问控制层的数据挖掘请求。

2．6 数据提供层

智能教学系统需要海量数据支持，包括课程内容提供、各类用户信息、学生历史成绩数据、教学策略数据、教学资源及系统知识规则库等。将以上每一类数据单独存放在一个数据库里，方便数据的分类和管理，形成数据仓库。

3 系统数据库功能设计

基于多AGENT的智能教学系统，要想实现其智能的功能设计，需要海量的数据支持。面对海量用户群，系统数据库应该支持异构网络及分布式存储和处理。系统将所有数据分成以下7个数据库分别存储与处理。

（1）学生信息库。学生信息库用于存储所有学生用户的自然信息，包括为学生用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，还包括兴趣、爱好、家庭情况、学习习惯等信息。另外，还记录学生用户在教学系统中的所有活动内容日志。

（2）教师信息库。教师信息库用于存储所有教师用户的自然信息，包括为教师用户登录系统提供的用户名、密码、姓名、性别、出生日期等信息，也包括兴趣、爱好、家庭情况、教学习惯等信息。与学生用户类似，教师信息库同时也会记录教师用户的所有活动内容日志。

（3）学生成绩库。学生成绩库记录所有学生用户的成绩信息，包括练习成绩、测验成绩、考试成绩等信息。做为基础数据，学生成绩库是系统众多AGENT进行数据挖掘和分析处理的数据来源。系统为学生用户提供的一切学习内容，都是建立在已有学生成绩数据的基础之上，教师AGENT和学习评价AGENT的活动也离不开对学生成绩数据的挖掘与分析。

（4）课程内容库。课程内容库用于存储某一门课程包括章节设计、知识点设计和全部知识在内的全部内容，还包括所有知识点之间的关联。为了适应智能教学系统的教学要求，对任何一个知识点允许多名教师用户设计不同的教学过程，以满足不同用户的学习要求。

（5）教学策略库。教学策略库是智能教学系统的灵魂，根据课程内容库中存储的知识点结构和关联，系统会为不同学生用户随机或有目的地、智能地生成不同的教学策略。根据学习评价AGENT的反馈，不断地强化优规则、淘汰劣规则，由此建立起稳定的教学策略规则库。

（6）教学资源库。教学资源库用于存储课程的全部教学资源。由于智能教学系统是开放的，学生用户和教师用户是海量的，所以教学资源库对所有用户是开放设计的。所有用户都可以自主创建教学资源，在系统运行过程中，优秀的资源会得到越来越多的使用机会，从而更多地应用于教学策略中。

（7）系统知识库。系统知识库用于存储智能教学系统除教学策略之外的规则。

4 系统模型特点

本文设计的智能教学系统模型最大限度地模拟现实世界人类的教学活动，通过多AGENT之间的信息共享、沟通协作，以海量教学资源和学习数据为基础，实时更新丰富的教学策略，为不同用户提供个性化的学习界面，从而实现网络自主学习和协作学习相结合的学习模式。系统模型主要有以下几个特点：

（1）最大限度地模拟现实世界。网络教学系统要想真正发挥作用，赢得使用者的喜爱，就要实现真正的个性化教学、人性化教学，实现自主学习与协作学习，实现动态实时教学策略管理。这就要求网络教学系统最大可能地接近真实世界的教学环境，最大可能地模拟学校教学生活，只有这样，学习者才能有真实感、亲切感，才能喜欢网络教学系统，愿意使用该系统，因此，才能高效地进行学习活动。

本文提出的智能教学系统模型，通过将现实世界中的真实教学任务适当地分解为多个步骤，系统丰富的功能由多个不同的AGENT互相协作完成，所有AGENT各司其职，比较全面地模拟了现实教学环境。

（2）多AGENT分工合作。系统由多个AGENT协作完成教学任务，各AGENT之间既可以单独完成既定的任务，也可以通过沟通和协作完成较复杂的大型任务。详细的分工使系统框架结构清晰明了，便于具体实现。

（3）引入学习风格的评价。学习风格是学习者持续一贯的、带有个性特征的学习方式，是学习策略和学习倾向的总和。学习策略指学习方法，学习倾向指学习者的学习情绪、态度、动机、坚持性以及对学习环境、学习内容等方面的偏爱。系统模型中的学生AGENT在学生登录成功后，负责监测、记录学生的学习风格方面的数据，并记入到学生信息库中。根据长时间监测的结果智能地总结出该学生的学习风格，从而根据学习风格提供个性化的学习界面。

有些学习策略和学习倾向会随学习任务、学习环境的不同而变化。系统的学生AGENT会根据学生信息库中数据的变化动态地跟踪学习者的学习风格，从而动态地改变教学策略，让学习者真正体会到是在一个现实的教学环境当中。

（4）分组协作教学。系统模型当中引入了学习风格的评价内容，学生协作AGENT可以将学习者的不同学习风格作为分组的依据，从而实现协作学习。系统还可以分析教师的教学风格，从而为学生提供个性化的教学服务。系统的设计面向整个互联网，庞大的教师群和学生群在同时使用，就涉及师生结对的问题。系统通过对教师教学风格和学生学习风格的匹配，为学生智能分配教师、为教师智能分配学生，而且这一过程是动态的。学生用户面对的是一位或多位虚拟教师，教师面对的是多位虚拟学生。这一技术彻底实现了师生之间协作教学，从而最大限度地提高了教学效率。

（5）教学策略的实时调整。系统中数量众多的AGENT分工协作，实时采集教学活动的所有信息，存入系统的多个数据库中，从而形成了海量的教学活动信息资源库。系统的各个AGENT会通过数据挖掘AGENT所提供的服务，从各个数据库中挖掘最新的关联规则，从而动态地改变教学策略。教学策略的动态调整丰富了教学系统的功能，使系统更加人性化，同时也使学生用户感到所面对的是一位有性格、有情绪、会随时改变教学方法的虚拟教师。

（6）多元的教学评价机制。真实、完全地反映用户使用教学系统的情况，就要客观、全面地对教学活动进行评价，这就要求系统的评价主体与评价内容必须具有多元性[5]。在本文所提供的系统模型中，学生AGENT可以实现学习过程的自我评价、或对小组成员的评价、对虚拟教师的评价以及对教学策略的评价；教师AGENT可以对学习者的学习过程进行评价、可以对学生的学习效果进行评价、也可以对同行的教学工作进行评价。系统的评价主体由传统的单一评价主体―教师，扩展到由学习者、小组成员、教师等构成的多元评价主体。评价量规表从学习内容的评价、探究活动过程的评价、以及学习成果的评价等多个方面展开，为学生提供一个更为宽松的评价环境与更为科学的评价指标。

5 结束语

智能化教育一直是全世界教育界和教育技术领域的理想和目标。计算机技术特别是网络技术的发展，使计算机辅助教学得到广泛的应用。新的教育理论层出不穷，特别是人工智能理论和技术的发展，为计算机智能教学提供了广阔的发展空间。然而，在中国现有的教育体制和技术支持下，真正的智能教育理论实现起来非常困难，导致现阶段的网络教学出现了很多无可奈何的尴尬。网络教育是“人－机－人”的交互过程，在这一过程中，如何提高网络和计算机的智能化程度是目前教育技术领域的一个重大课题。

本文结合多AGENT的特性及在智能教学系统中应用的理论，提出了基于多AGENT的智能网络教学系统的设计模型，详细分析了系统各层次的功能，并给出了系统数据库的分类设计以及系统模型的特点。

参考文献：

[ 1 ] 许彦青，申瑞民，张同玖，等． 加强学习算法的智能多在远

程教学中的应用[J]． 计算机工程，2001（8）：125－127．

[ 2 ] 程显毅． AGENT计算[N]． 哈尔滨：黑龙江科学技术出版社， 2－

003．

[ 3 ] 张林，徐勇，刘福成． 多Agent系统的技术研究[J]． 计算机技术

与发展，2008（8）：80－87．

[ 4 ] 仇芒仙． 基于多Agent的网络教学系统的研究[J]． 计算机工程

与应用，2003（16）：169－172．

篇5

关键词：信息系统发展阶段；网络学习平台；生态属性

【中图分类号】G40-057【文献标识码】A【论文编号】1009-8097（2015） 05-0047-06【DOI】10.3969/j.issn.1009-8097.2015.05.007

引言

随着信息和通信技术在人类社会各个方面不断产生深刻的影响，人们相信，基于网络的学习将打破过去人们学习和交流的时空界限，从而颠覆现代教育整个组织框架所赖以建立的“教学必须发生在教室里的一位教授和一组学生之间”这一基本假设。然而，近年来的大量研究却表明，虽然在基础设施和学习资源建设方面取得了长足进步，网络学习却远未达到人们的期望；基于网络的学习发展仍属于“婴儿阶段”；在大多数传统院校内，面对面的课堂教学仍然是绝大多数院校的主要教学形式，基于网络的学习只是被用作传统教学的辅助手段；人们还发现，由于教师和学生在地理位置上的分离，传统以教师为中心来展开的教学模式迁移到网络上，效果并不好。所以，尽管基于网络的学习是一种迷人的尝试，但它并未真正地使教学发生变革，对教师的教学和学生的学习方式产生的影响也微乎其微。

从总体看来，世界各国多年来在该领域的成百上千亿元的资金投入，尚未得到合理回报，甚至付诸东流；成千上万的教师未能在网络教学环境下实现教学理念与技术的有效整合，甚至成为浪费时间的盲目实践；学习者对网络学习充满期待，却在投入远高于传统教育成本的情况下收获着失望；一些反技术思潮随之而起。这就导致国家教育信息化政策制定进入某种困境：是加大投入继续推进还是放慢步伐观望？在此方面比较先进的国家，如美国，也仍然在教育信息化建设政策方面不断进行着“修修补补”的调整。

在近20年来，这一现象已成为公认的世界性问题。除了教育技术界（乃至整个教育界）的学者们撰文、著述探讨这个问题之外，还有很多政府机构、教育实体及IT企业甚至教师或学习者个人都在共同探索这个问题的原因及解决之道。概括地说，这方面的研究结论主要有应用理念有误论、教师阻碍论、技术缺陷论、资金匮乏论等。这些研究从各自的角度，发现了这个世界性问题的某个侧面或局部性问题，并提出了一些解决方案。但值得注意的是，现有的考察大都集中在主观方面，却忽略了这样一个客观事实：信息技术发展有其内在的逻辑，信息系统建设也总是表现出阶段性，作为信息技术应用结果的网络学习平台的发展，无疑要受到这个发展逻辑与阶段性的制约，正如一个婴儿，无论为他（或她）补充多少营养、投入多少精力、以何种指导思想进行培育，都不可能使他跨越式地变成一个少年。因此，本文尝试从信息系统发展阶段理论的视角出发对网络学习平台的进化轨迹进行分析。

一 信息系统阶段理论和技术成熟度曲线

l 信息系统发展阶段理论

早在1974年，国际上社会技术系统学派代表人物之一美国哈佛大学教授理查德・诺兰（R.L.Nolan）就提出了反映信息系统发展过程的诺兰模型――信息系统发展的四阶段论，之后经过实践进一步验证和完善，又于1979年将其调整为六阶段论，即初始阶段、普及阶段、控制阶段、整合阶段、数据管理阶段和成熟阶段。这是一种波浪式的发展历程，前三个阶段具有计算机数据处理时代的特征，后三个阶段则显示出信息技术时代的特点，前后之间的“转折区间”在整合期中，由于办公自动化机器的普及、终端用户计算环境的进展而导致了发展的非连续性，这种非连续性又称为“技术性断点”。诺兰强调，此六阶段是由信息系统发展的客观规律所决定的，各阶段彼此不能相互超越。

20世纪90年代初，鉴于形势的发展变化，美国的信息化专家米切（Mische）对诺兰模型作了进一步修正，将综合信息技术应用的连续发展划分为四个阶段，即起步阶段、增长阶段、成熟阶段和更新阶段。并认为，决定这些阶段的特征有五个方面，包括技术状况；代表性应用和集成程度；数据库和存取能力；信息技术融入企业文化；全员素质、态度和信息技术视野。其中，每个阶段的具体特征又被继续细分，总括起来有100多个不同属性。这些特征和属性可用来帮助一个组织确定自己在综合信息技术应用的连续发展中所处的位置。

2 技术成熟度曲线

技术成熟度曲线（The Hype Cycle，又称技术循环曲线、光环曲线、炒作周期）是著名IT咨询机构Gartner 1995年提出的对各类新兴技术进行分类和技术成熟时进行判断的一种理论。它认为日新月异发展的科技，从其诞生到成熟需要经过5个阶段：

萌芽期（Technology Trigger）：在此阶段，随着媒体的过度大肆报道和非理性的渲染，产品的知名度无所不在。然而尚未有实用产品出现，其经济适用性也有待证明。

过热期（Peak of Inflated Expectations）：早期公众的过分关注演绎出了一系列成功的故事（不可避免也同时伴随着众多失败的例子，只是大部分被置若罔闻）。

低谷期（Trough of Disillusionment）：随着这项科技的缺点、问题、局限逐渐暴露，失败的应用案例比比皆是，公众的兴趣逐渐减少，只有少数幸存者才能继续获得投资。

复苏期（Slope of Enlightenment）：经历此前的种种失败后，此项技术可带来的经济效益逐渐清晰并得到更广泛理解；技术发明者陆续推出第二代、第三代产品；尝试性的投资增多，比较保守的企业仍在观望。

成熟期（Plateau of Productivity）：该技术已被主流市场接受，评价此技术实用性的标准逐渐明晰，新科技所蕴藏的广阔市场前景和实用价值开始兑现。

这个曲线反映了人们对技术和商业创新的周期性兴趣爆发和经常性失望的起起伏伏，是一种利用时间轴与新技术在媒体上的曝光度来判断采用新科技的风险与收益的工具。

在此图中，越往左，代表技术越新潮，越处于概念阶段；越往右，则技术越成熟，商业化应用性越好，发挥出提高生产率的效果越显著。纵轴代表期望值，人们对于新技术通常会随着认识的深入，期望不断升温，伴之以媒体炒作而到达顶峰；随之因技术瓶颈或其他原因，期望逐渐冷却至低点，但技术成熟后，期望又重新上升。

二 网络学习平台进化的四个阶段

信息系统发展阶段理论是基于上世纪70至90年代以企业信息系统建设为考察对象提出的，其具体的定义与现代信息技术和互联网蓬勃发展的形势已有较大出入；技术成熟度曲线也并不特指教育领域的应用规律，它甚至还因把重心放在技术的媒体曝光度而不是技术的本质上受到批评。但是，前者提出的信息系统发展具有的阶段性特征、其应用成效与所处发展阶段密切相关的思想、后者反映的新技术应用效果显现的曲折过程，对我们今天理性地认识网络学习平台的进化轨迹，仍然可以提供一个有价值的观察角度。

按主流的学习理论，学习是学习者通过与学习环境相互作用而获得知识和能力的稳定变化的过程。学习是“形成连接、创建网络”的过程，也是“培养学习力，构建学习生态”的过程。因此，只有当学习者与学习环境（对本研究而言即为网络学习平台）有很高的融合度时才能获得显著的效果。

此外，在现实社会中，学习环境从来不是一个孤立的场所，而是包括图书馆在内的一系列配套设施、教学资源，教师、学生的交流互动机制乃至外部社会之间的信息流通等。这些与学习有关的存在被统称为学习生态环境。真正有效的学习正是发生在这样一个大的学习生态环境中一一这是一个开放的、动态变化而又相互依赖的、具有自组织适应的、由交叉重叠的兴趣共同体构成的系统。

基于上述认识，可知信息技术应用于教育，是通过技术构建学习平台作用于学习者的认知而发挥作用，其复杂程度远远高于一般企业的信息系统建设。所以其建设过程和成效的发挥，既符合信息系统发展的一般阶段性规律，还会滞后于一般的企业信息系统建设；作为基于互联网而建设生长的网络学习平台，其成效呈现也必须要等到整个网络学习生态形成后才有可能。

网络学习平台综合体现为学习资源、技术平台和人三者之间的交互关系。根据这种交互融合的、由浅入深、由简单到复杂并借鉴信息系统发展阶段的理论，可将网络学习平台的进化过程划分为四个具有显著特征的阶段：

第一阶段是单项技术应用期，表现为技术和技术之间的关系。虽然教育界和公众都对信息技术在教育领域的应用潜力充满期待，但实际情况却是仅在局部或有限层面上实现了初级功能。典型应用是普通的学习资源库和简单的学习管理系统。在网络技术发展的初期，网络资源库用来存储和管理教学资源，使学习者可以自主地选择学习内容和学习时间。但由于网络基础设施水平低下，计算机配置、网络带宽等都非常差，因此最早期的网络教育模式也受很大限制，功能仅限于资源管理，内容以文本为主，资源格式与管理技术不统一，难以广泛共享。随着计算机软硬件技术和网络性能的发展，以及网络用户的增加，在学习资源库的基础上，开始提供用户注册管理、课件目录管理、学习者的信息数据记录等功能，且开始提供音视频课件，但一般不具备教学内容制作的功能。这一阶段大体处于Web l.0技术模式之下，学习者是单向的学习资源接受者。可以说，这一阶段是公众的高期望与技术应用效果差的现实反差最大的时期。

第二阶段是综合技术整合期，主要体现平台和平台之间的关系，典型应用是各种通用网络教学平台。在第一阶段教学系统的基础上，一定程度上实现了对教学过程（课件的制作与、教学组织、教学交互、学习支持和教学评价）的基本支持：从教学的管理（用户与课程的管理）到与网络教学资源库及其管理系统的整合，集成了网络教学需要的主要功能，形成了一个相对完整的网络教学支撑环境。通过SCORM标准体系，实现了跨平台的内容共享与整合，对内容交互数据的记录与跟踪等。从整个互联网范围看，各种网络学习平台层出不穷，尤其是近两年蓬勃发展的大规模开放课程（MOOC），整合了多种社交网络工具和多种形式的数字化资源，形成多元化的学习工具和丰富的课程资源；突破传统课程时间、空间的限制，突破传统课程人数限制，一定程度上实现了与大众的互动和回应，并使用辅的在线自动评价系统来提高学习效果。但每个平台仍然相对独立，与其他平台、系统之间的联系、融合度依然较低。这一阶段公众对信息技术的教育应用潜力期望回落，变得理性，甚至还出现了某种程度的技术怀疑论：数字技术的巨大教育潜能似乎总是难以得到充分的利用和发挥，“技术潜能与现实之间仍存在一道鸿沟”。

第三阶段是使用者的连通期，也可称为技术消隐期，主要体现平台和人之间的关系。信息技术经过几十年的高度发展，为网络学习平台充分实现特定的学习理论提供了很大的自由度和表现力，更大的网络带宽和更快的网络传输速度、丰富的多媒体资源制作和工具、学习分析与评价工具、基于大数据技术的学习者知识状态和学习风格偏好跟踪分析工具等，使网络学习平台逐渐由以学习内容为中心，转向以学习者的学习活动为中心；基于云架构的网络学习平台支持大规模用户的同时与在线学习交互；开放共享运动的深入发展，使得各网络学习平台更加开放，具有更好的连通性和资源共享程度；跨平台、移动的、多终端融合的无缝学习更为普及，使人们已经可以忘记技术体系作为人与知识中间平台的存在，比较自由地使用学习平台进行学习；人与资源网络学习平台已具备早期生态系统的特征，网络学习效果渐渐呈现出来，在线教育与传统学校教育的融合度提高，在某些方面可能还超过了传统教育。但是，虽然网络学习平台已经不再像早期那样表现为一个个孤立的存在，但其本身仍缺乏与学习情境相关的信息架构支持能力。

第四阶段是群体智能的涌现期，体现的是人和人之间的关系，也可称为回归期。这一阶段，信息技术、人工智能、网络技术等高度发达，整个传统学习的物质环境，从教育到各类教学设施、学习工具均已高度数字化和网络化，全部学习资源均已数字化地存在和产生，而整个学习环境、学习资源和学习过程却再次以模拟的连续世界的面貌出现一一数字化地存在，模拟化地呈现，线上与线下的界线已有机融合。随着联网用户的增多，互联网结点已经接近人类大脑的神经元总数，并且互联网上的信息呈爆炸性增长，知识融合与智能汇聚的速度加快，连通的、动态变化的、具有有机体湿润性等特征的互联网生态环境逐渐形成。与之相适应，网络学习平台也使人与技术深度融合，呈现出开放、自组织等生态特征。主要表现为：一是各网络学习平台与整个互联网空间的全部资源达到无缝融合，形成一个无限大的资源智能网络空间，并可实现自由检索（包含图片、语音和视频检索）和基于大数据的深度分析；二是教师的教学活动和学习者的个人学习活动，都可以以自然方式（书写、语音或视频等）完成数字化记录，并共享于互联网上；三是众多学习者的微知识、微思考源源不断地汇聚于互联网，使现有的资源智能网络空间得以不断地进化发展，还可以借助语义分析技术实现资源结点间的动态链接，使整个资源智能网络空间中的每个资源“细胞”通过资源链的不断建立和丰富持续的共享信息、持久生长，从而提高整个资源空间的智能程度。在这一阶段，作为整个教育系统一部分的网络学习平台，与传统教学体系将不再是颠覆与被颠覆的对抗关系，而是相互依存、交融共生关系，共同塑造人类学习与知识创造的新模式。