百度知道中网络信息资源与用户发展的仿真研究

[摘要]百度知道是一个复杂适应系统，可以利用多主体系统方法对其进行研究。在对百度知道进行复杂适应系统分析的基础上结合Netlogo软件特点，建立了百度知道信息发展过程模型，对资源发展与用户激励的互动关系，资源发展与用户数量的关系和不同激励水平用户的互动关系进行了仿真和研究。得出结论：初始用户数、新增用户数量影响了系统的演化过程，但不影响系统的稳定状态；激励值、问题再生率和潜在用户数量影响了系统中用户和问题数量发展：不同激励值用户的发展与最大用户数、问题再生率等因素相关。

[关键词]百度知道；资源发展；用户发展；激励

[中图分类号]G434　[文献标识码]A　【文章编号11672-0008(2012)02-0091-07

一、引言

网络信息资源开发是信息资源建设的一个主要内容。教育信息资源是信息资源的重要组成部分。网络教育资源的开发利用既是网络信息资源开发利用的重要内容，又是丰富与提升网络中文教育信息资源的国家战略。《国家中长期教育改革和发展规划纲要(2010-2020年1》第十九章第五十九条明确指出：“信息技术对教育具有革命性影响”、“充分利用优质资源和先进技术”，第六十条明确指出“加强优质教育资源开发与应用”。随着泛在学习等学习概念的提出，人们对网络资源的数量和质量提出了更高的要求，传统的教育信息资源建设模式已经不能满足用户对资源的需求。因此迫切需要寻找新的资源建设方式。Web2.0使得互联网信息内容由专业人士生成转为由用户生成，网络用户利用信息资源的同时，也在补充、评价信息资源。利用Web2.0可以充分发挥广大用户在资源建设中的作用，体现网络信息资源建设中的长尾效应。

百度知道是一个基于网络的知识问答平台，是在Web2.0时代信息资源发展的一个非常具有代表性的产品。百度知道将机器搜索和人力搜索结合起来，形成了一种新的信息发展和利用方式，这种方式变革了传统网络信息资源的发展和利用模式。用户在信息资源发展的过程中获取激励，这种激励会促进用户群的发展，并进而促进网络信息资源的发展。用户和信息资源之间的交互关系如此复杂。基于还原论的研究无法明确体现二者之间的关系：仅仅依靠调查统计的方法，我们也无法获取足够的数据来归纳其发展的本质特征。在前期的研究中我们选取了一定的样本进行统计研究，分析了百度知道中信息发展的基本规律。在调查统计的基础上结合计算机仿真技术。可以方便地控制网络环境中的各种状态。是研究网络信息资源发展的一种有效方法。这种方法的应用，不仅有利于网络信息资源建设的研究，同时也是将复杂适应系统理论应用于教育领域的一种尝试。

二、百度知道与CAS

复杂适应系统(Complex Adaptive System，CAS)理论由圣菲研究所的Holland在1994年提出。CAS理论认为，主体之间，主体与环境之间的相互影响不是简单、被动、单向的因果关系，而是主动的“适应”，甚至是互为因果的关系，“适应性造就复杂性”。CAS是由多个拥有认知图式的主体(agent)构成的，依靠不断输入能量得以维持的自组织网络，在混沌边缘的共生进化并不断重构和演化。CAS具有将秩序和混沌融入某种特殊平衡的能力。它的平衡点就是混沌的边缘。因此CAS作为一种开放的耗散结构。表现出不确定性、不可预测性、非线性等特点。CAS概念的提出，为系统科学研究开辟了新的领域，为解决多主体的复杂主体行为提供了新的研究范式。

CAS是一种开放的耗散结构，系统与环境之间不断进行着能量和物质的交换，并将无规律的信息作为随机信息处理。在以往的研究中，大脑、免疫系统、蚂蚁群体、人类社会等都被视为CAS的范例。研究表明，传统的建模方法(诸如还原论方法、归纳推理方法等)已不能很好地刻画CASp3；MAS(Multi-Agent System。多主体系统，CAS的常用建模方法)具有主动性、层次性、动态性、可操作性等优点，成为研究cAs的新有效手段。MAS将宏观与微观两方面有机地联系起来：宏观方面，注重主体的层次性、多样性与聚合性，强调主体与周围环境及主体间的相互作用使系统不断演变或进化：微观方面则强调主体的主动性和适应性，主体通过与环境及其他主体的非线互作用“学习”或“积累经验”。目前已经有多种基于Agent的MAS仿真平台。如美国桑塔菲研究所的Swarm，SourceForge的Repast，Sandia国家实验室的Aspen项目，Uri Wilensky的NetLogo等。

百度知道是一个基于搜索平台的知识问答产品，提问者在百度知道中提出问题后等待其他用户来回答问题，问题的回答者在回答问题之前会先查看已有的回答，如果没有其他人回答，或者确定自己的回答与原有的回答具有较大的差异时，就继续回答：如果自己的回答只是对别人回答的简单回复，就放弃回答问题。有学者将万维网类比为一个复杂适应系统，运用CAS理论研究社会性软件与Web2.0，观察其中涌现机制及特征。百度知道是Web2.0的一种具体应用形式，符合CAS的特征，可以利用MAS方法进行研究。

三、NetLogo建模方法

(一)基于Netlogo的建模

NetLoge源自StarLogo，是由Uri Wilensky在1999年发起，由连接学习和计算机建模中心(CCL)负责持续开发，用来对自然和社会现象进行仿真的可编程建模环境。NetLogo适合对随时间演化的CAS进行建模，建模人员能够向成百上千独立运行的“主体”(agent)发出指令，可以在所有主流平台如Mac。Windows。Linux上运行，这使得探究微观层面上的主体行为与宏观模式之间的联系成为可能。NetLogo也是一个编程环境，学生、教师和课程开发人员都可以创建自己的系统；它也足够先进，在许多领域都可以作为一个强大的研究工具。在本研究中选用该软件作为模拟软件平台。

NetLogo定义了三种角色：海龟(Turtles)、瓦片(Patches)和观察者(Observers)。其中海龟是行为的主体：瓦片是主体的运行环境：观察者是主要命令的和协调者，运行状态的观察者。海龟与海龟之间的关系构成主体与主体之间的关系，海龟与瓦片的关系构成主体与环境之间的关系。用户通过建立这些角色来构建CAS，模拟现实世界的各种复杂现象。除了海龟和瓦片的设计外，NetLogo还设计了按钮(But，ton)、滑动条(Slider)、开关(Switch)、选择器(Chooser)、输入框(Input)来控制系统的运行，提供监视器(Monitor)、绘图(Plot)、输出器(Output)来显示和记录系统的运行状态。

(二)百度知道信息发展过程模型

结合百度知道中信息和用户发展演化的已有成果，本文利用Netloge软件建立模拟系统，突出的核心思想是：用户数

量的增长促进了百度知道内容规模的增长，用户在百度知道中通过解决问题而获取激励，用户和资源之间存在着一种互相促进和互为制约的关系。Netloge中程序运行窗口的黑色屏幕是由瓦片构成的各种主体海龟的活动场所，在系统中该屏幕由51×51个小方块组成。程序开始运行后，系统会随机产生N个主体，它们向随机方向移动，每一次移动1步，消耗一个能量：每回答一次问题就获得一定的能量激励：主体按各自的行为规则在屏幕上涂色，并根据环境的变化执行相应的动作。在系统中每产生一个新主体消耗的能量为50；每个问题被回答3次才能得到解决。黄色瓦片代表未回答的问题，蓝色瓦片代表已经有一人回答过的问题，绿色瓦片代表已经有二人回答过的问题，紫罗兰色瓦片代表已经有三人回答过的问题，即已经获得回答的问题。每模拟1步时，系统中的每一个主体都执行1次自己的操作，默认每个情景利用计算机模拟前2000步。为了减少需要处理的数据。规定每100步取样1次。主体的各种行为、行为规则和模拟意义如表1所示：

CAS强调主体的能动性和主体与环境的反复相互作用，强调系统的开放性和组织的不断演化重构，强调过程的不确定性、非线性和多样性，强调主体的不断适应和进化过程。本系统在实际调查的基础上体现了上述特点，既符合现实状态，又体现了CAS的特点。首先，封闭的系统必然趋向死亡，本系统会不断出现新的问题，不断有用户引入或退出系统，是一个开放系统：其次，系统主体的能动过程。主体与主体之间、主体与环境之间的相互影响，促进了系统的演化；其三，在系统的运行过程中引入了随机因素，不仅用户的运行方向，还有系统新问题的产生等都是随机的，系统每一次运行的结果都会不同，但是都指向了类似的结果，既有多样性，又体现了系统的稳定性。从整体上看，该系统既体现了CAS的特点，又结合了现实调查，具有较好的科学性和实际价值。

四、模拟结果及分析

在百度知道中，信息资源是用户之间交互作用的产物。为了分析资源发展和用户数目的关系，设置默认起始用户数目N=50，最大用户数SO=10000(足够大，可以看成是无限大)。每解决一个问题所获得的激励eg=10。每百个瓦片中新问题产生的比率re=3，每介绍一个新用户所需能量be=200。系统默认运行2000步，对在不同情景下用户和问题发展情况进行模拟分析。

(一)资源发展与用户激励的互动关系

1　不同激励值对用户和问题数量影响分析

用户在回答问题的过程中可以获得一定的激励，这种激励可以是用户在虚拟世界中的各种虚拟称号和虚拟货币，也可以是用户自我实现和自我满足的过程，甚至是在现实世界中的一种物质满足。在百度知道中用户获取激励的方式很多。但是在本文中我们不区别这些激励形式，将激励看成是主体需要的一种满足。为了分析不同激励值对资源和用户发展的影响，设每解决一个问题所获得的激励值eg分别取值5、10和20。得到未解决的问题和已解决的问题的变化情况比较如图1所示，用户发展过程的比较如图2所示。

从图1可以看到，不同激励值对问题的数量具有明显的影响。激励值eg=5的未解决问题曲线高于eg=10的未解决问题曲线，eg=10的未解决问题曲线高于eg=20的未解决问题曲线：激励值eg=5的已解决问题曲线低于eg=10的已解决问题曲线，eg=10的已解决问题曲线低于eg=20的已解决问题曲线。从图2我们可以看到，不同的激励值对用户数量具有显著性的影响，激励值eg=20的用户数目曲线高于eg=10的用户数目曲线，eg=10的用户数目曲线高于eg=5的用户数目曲线。解决一个问题所获取的激励值越高，用户就具有更多的能量来引入新用户。因此激励值越高，用户数量增加就越快。系统的用户数量就越多。用户数目越大，问题获得解决的概率就越大，因此激励值越高，已解决的问题数目就越多；激励值越低，未解决的问题数目就越多。

2　不同问题再生率对用户和问题数量影响分析

作为一个开放的问答系统，系统会不断有新问题出现。系统中每次新出现的问题数量占整个系统中所有问题数量的比率就是问题再生率，也可以理解为系统中新问题出现的速率。设定问题再生率re为系统中平均每一百个问题中出现新问题的个数。为了分析问题再生率对资源发展和用户发展的影响，设置问题再生率re分别取值3、6和9，得到未解决问题和已解决问题的变化情况比较如图3所示，用户数量发展过程比较如图4所示。

从图3可以看到，不同问题再生率对问题的数量影响较小，虽然在统计学上re=3、re=6和re=9三种状态下已解决问题数目和未解决问题数目具有显著性差异，但是与问题总数相比，这种差异非常小，不同问题再生率的已解决问题数目和未解决问题数目曲线几乎重合。对于未解决问题数量曲线来说，再生率re=9的曲线略高于再生率re=6的曲线，再生率re=6的曲线略高于再生率re=3的曲线：对于已解决问题数量曲线来说，再生率re=3的曲线略高于再生率re=6的曲线，再生率re=6的曲线略高于再生率re=9的曲线。

从图4我们可以看到，不同的问题再生率对用户数量具有显著性的影响，问题再生率越高，用户数量就越大：问题再生率越低，用户的数量就越小。从统计学角度来看，re=3、re=6与re=9的用户数量之间呈现出显著性相关(相关系数分别为0.998、0.996和1.000，p

3　不同新增用户能量对用户和问题数量影响分析

从创新扩散理论来讲，用户在使用某种创新产品时如果获得了较高的愉悦体验(激励)，他就更倾向于向别人介绍该产品。用户在系统运行的过程中如果能够获得更多的激励。积累更多的能量，那么经他引入的新用户数目就越多，在系统中这就表现为引入一个新用户需要消耗一定的能量，这个能量就是新增用户能量be。为了分析不同新增用户能量对资源发展和用户发展的影响。设置新增用户能量be分别取值200，400和600。因为系统运行2000步时不能达到稳定状态，因此设置系统运行6000步，得到未解决的问题和已解决的问题的变化情况比较如图5所示，用户发展过程的比较如图6所示。

从图5和图6可以看到，不同新增用户能量影响了系统涌现出现时间的早晚，低新增用户能量的已解决问题数和用

户数的涌现现象出现较快，高新增用户能量的已解决问题数和用户数的涌现现象出现较慢。但是当系统进入稳定状态后，高新增用户能量和低新增用户能量的系统模拟无论是系统用户数目，还是已解决问题数和未解决问题数在统计上并无显著性差异。同时通过对比图5和图6我们发现新增用户能量对用户数量涌现现象的影响大大超过了对问题个数涌现现象的影响，不同新增用户能量的问题数量发展比用户数量更快得到平衡。因此得出结论，新增用户能量只影响系统涌现的时间早晚，对系统最终运行状态无显著影响：新增用户能量对用户数量的影响要大于对问题数量的影响。

(二)资源发展与用户数量的关系

1　不同起始用户数对用户和问题数量影响分析

不同系统在开始运行时其起始用户数量是不相同的，为了分析起始用户数对资源发展和用户发展的影响，设置起始用户数目N分别取值4和50。得到未解决的问题和已解决的问题的变化情况比较，如图7所示，用户数量发展过程的比较，如图8所示。

从图7和图8可以看到，不同的起始用户数影响了系统涌现出现时间的早晚，高起始用户数的已解决问题数和用户数的涌现现象出现较快，低起始用户数的已解决问题数和用户数的涌现现象出现较慢。但是当系统进入稳定状态后，高起始用户数和低起始用户数的计算机模拟结果无论是用户数目，还是已解决问题数和未解决问题数并无差异。因此我们可以得出结论，起始用户数只影响系统涌现出现时间的早晚，对系统最终运行状态无显著影响。

2　潜在用户数量对用户和问题数量影响分析

在具有无限潜在用户资源的前提下，用户数量和问题数量会达到平衡状态。但是在实际生活中受潜在用户资源限制，系统实际用户数可能达不到理想状态。为了分析在有限的潜在用户资源的前提下，不同用户群上限对问题数量的影响，设置用户人数上限su分别取值1000和500，问题再生率re分别取值3和6。得到未解决问题和已解决问题的变化情况比较如图9所示。

模拟结果表明，在有限用户数量的情况下，经过一定的时间后，用户数量将达到用户人数上限su，系统并很快进入稳定状态。从图9可以看到，对于未解决问题，su=500、re=6的曲线在最上面；su=500、re=3和su=l000、re=6的曲线不相上下；su=1000、re=3的曲线在最下面。对于已解决问题，su=500、re=6的曲线在最下面；SU=500、re=3和su=1000、re=6的曲线不相上下，SU----1000。re=3的曲线在最上面。即在同等条件下，最大用户数越大，已解决问题的数量就越大，未解决问题的数量就越小：最大用户数越小，已解决问题的数量就越小，未解决问题的数量就越大。从su=500、re=3和SH=1000、re=6两条曲线不相上下的情况我们可以推断，在最大用户数不同的情况下，问题再生率可以弥补用户数不同所造成的问题数量差异。在用户数量有限的基础上，用户能够解决问题的数目与用户数量成正比，单位时间内出现的新问题数目与问题再生率成正比。

3　不同激励水平用户的互动关系

在前面的研究中，我们假设每一个主体在每一次行动所消耗的能量和解决一次问题时所获得的激励都是相同的。但是在网络利用过程中，不同用户在解决问题中所获取的激励和每一次行动所消耗的能量可能不同。主体激励所获取的能量主要用于维持自己的行为，因此问题的关键不在于解决一个问题所获得的激励和每一次行动所消耗的能量绝对值的大小，而在于所获得的激励与行动所消耗能量的比值。为了研究不同激励水平用户在解决问题的过程中的互动关系，在系统中设置两种用户：普通用户和低激励用户，不同类型用户只会引入相同类型的新用户。假定所有用户每移动一次所消耗的能量是1单位，普通用户解决一个问题所获得的激励值是恒定的10单位，低激励用户解决一个问题所获得的激励值是恒定的单位。那么不同用户在解决问题过程中所获得的激励转变为能量后，能够支持的行为次数就具有了差异性。分别设置用户人数上限su、普通用户和低激励用户获得激励值的比值x为：su=500，x=2：SU＝1000，X=2；su=500，x=4；su=250，X=4。得到用户发展过程的比较如图10所示。

从图10可以看到。在SU＝1000。X=2状态下。普通用户的人数基本处于满负荷状态，即总人数在1000人，而且非常稳定，但是低激励用户在经历一个小的涌现现象后慢慢下降最后到达0。在su=500。X=4的状态下。当系统处于稳定状态时，普通用户的人数也处于满负荷状态，即总人数在500人：低激励用户在经历一个小的涌现现象后慢慢下降，最后到达0。而在前面的模拟中我们发现在相同条件下，在系统达到稳定状态时，普通用户人数在1750上下浮动。可见低激励水平用户在竞争中处于完全不利的地位，低激励水平用户对资源具有更高的要求，只有在更加丰富资源的条件下，低激励才有可能生存下去。

在su=500，X=2的状态下，当系统处于稳定状态时，普通用户的人数基本处于满负荷状态，即总人数在500人，而且非常稳定：低激励用户在经历一个小的涌现现象后慢慢处于稳定状态，250人上下浮动。在su=250，X=4的状态下。当系统处于稳定状态时。普通用户的人数基本处于满负荷状态，即总人数在250人，而且非常稳定：低激励用户在经历一个小的涌现现象后慢慢处于稳定状态。50人上下浮动。这说明在具有充足资源的情况下，不同激励状态下的用户可以共同相处。在su=500。X=2状态下的低激励用户人数远远高于SU=250，X=4的状态下的低激励用户，这说明在相同的外部状态下，用户的激励水平比其他因素对其团队的壮大具有更加重要的意义。

五、对结果的讨论

(一)激励对网络信息资源发展的影响

激励是一个非常宽泛的概念，我们认为，用户在使用网络的过程中会获得一定的激励，激励的形式可以是用户现实需要的满足：可以是用户自我成就感的满足，如在网络中实现理想状态下的自我：也可以是虚拟奖励。如在虚拟世界中所获得的称号、头衔、装备等。虽然不同用户在获取激励方面存在差异。但是激励是维持用户使用网络的重要因素。用户只有在使用网络的过程中获得足够激励，才有足够的热情参与到网络活动当中，并引入新用户：如果用户在网络活动中不能够获得足够的激励，就会慢慢退出该网络活动，在计算机模拟的过程中这就是用户的消逝(死亡)。在以百度知道为代表的网络平台中。用户获取激励主要与两个因素有关：回答问题的数量和每回答一个问题所获取的激励大小。用户回答问题数与用户数目和单位时间内再生问题多少密切相关。单位时间内再生问题的数量既与问题的再生率相关，也与问题空间大小密切相关。

因此，对于一个系统来说，在系统达到稳定状态之前，单位时间内主体所能获得的激励越多，主体数量增长的速度就越快，系统演化就越迅速。当系统处于稳定状态后，如果无潜

在用户数量限制，主体运动所消耗能量与主体所获取激励的总和处于平衡状态，这时系统的主体数目、未解决问题数目和已解决问题的数目都处于一种动态平衡之中。当其中某个要素发生改变后，系统将自动适应并逐渐达到新的平衡：如果系统受潜在用户群限制，当系统达到平衡状态后，用户数量不会改变，单位时间内新产生问题个数也保持稳定，系统每次解决的问题数与主体数目密切相关，主体在解决问题的过程中积累大量的能量。

(二)用户群与网络信息资源发展的关系

在以百度知道为代表的Web2.0服务中。信息资源发展是用户相互交互的结果。在系统达到稳定状态之前，起始用户数影响系统涌现的时间早晚：但是当系统达到平衡状态后，系统状态与起始用户数无关，起始用户数只影响系统的演化过程，不影响系统的最终状态。系统受潜在用户数量限制在现实世界中非常常见，当系统关注的是一个大众的内容时，其用户数目通常受系统所能容纳的主体数目限制，我们可以将其看成是无潜在用户数量限制的系统：如果系统关注的是一个非常专业的领域，由于关注该领域的主体非常有限，因此可发展的用户数量也受到限制，我们可以将其看成是有潜在用户数量限制的系统：系统所关注的领域越专业越狭窄，该系统的潜在用户数量限制越严重。所以可以发现，在一些系统中，因为用户数量限制的原因，专业问题的参与人数非常有限，就如在百度知道中，一些普适的内容更容易得到回答，而专业的问题由于参与人员的限制，得到回答的几率小很多。

在一个系统中会有许多用户，这些用户之间会存在各种各样的差异，特别是激励水平差异。在系统中激励水平差异主要体现在回答问题所获取的激励和从事网络活动所消耗能量的比值。从前面的仿真结果我们可以看到，在有限问题空间和激励资源的情况下，如果系统的潜在用户数量越小，那么该系统中低激励用户更有可能存活和发展下去：而如果该系统的潜在用户数量越大，那么该系统中低激励的用户更容易被高激励用户排挤而逐渐退出系统。因此，对于专业领域来说。由于其潜在用户群更小，低激励用户更容易在该系统中存活下去而不会被排挤出系统。在系统高度开放的情况下，高激励用户可能存在于大众化领域中也可能存在于专业化领域中，但是低激励用户只可能存在于高度专业化的领域当中。

(三)网络信息资源发展的系统动力学模型

在前面的分析的基础上，我们可以得到以百度知道为例的网络信息资源发展的系统动力学模型如下图所示：

在上图中问题领域大小主要指系统中所涉及问题涵盖的范围大小，问题领域大小和问题再生率影响和控制了未解决问题的数目，未回答问题数和问题解决率决定了回答问题数目并最终影响已解决问题数，回答问题数和回答单个问题所获得的激励值决定了用户所获得的激励总量。用户所获得的激励值的大小和引入新用户所需的能量决定了新增用户量，而新增用户量受到最大用户量的限制。用户数、已解决问题数、激励总量和新增用户数形成一个复杂的闭合环，而且受未解决问题数、问题再生率、激励量、引入新用户能量等外因素的影响。

六、总结

百度知道作为Web2.0中的一种，通过聚集网络中大量用户的智慧来不断丰富和完善资源，为帮助用户解决问题，发展和利用信息资源提供了一个很好的平台。百度知道是一个CAS，利用计算机仿真的方法对百度知道中信息资源的发展和用户数量增加之间的关系进行了分析和模拟，发现初始用户数、新增用户能量影响了系统的演化过程但不影响系统的稳定状态，回答单个问题激励值、问题再生率和潜在用户数量影响了系统中用户数量、未解决问题和已解决问题的数量。在资源充足的条件下，低激励用户和高激励用户都可以得到生存和发展。但是低激励用户的发展受到限制：在资源不充分的条件下低激励用户容易被取代。用户参与到资源建设的过程后可以实现资源的自动进化与发展，因此掌握网络信息资源动态发展利用的基本规律，对于实现资源动态发展的最优化具有十分积极的意义。

用户参与到资源建设当中需要激励，不同用户所需要的激励也各不相同。只有充分的激励才能实现资源的快速发展，但是激励的产生又受到各种因素的制约，如需要解决的问题的多少、解决每一个问题所能够获得的激励的大小等，不可能无限大。建立适合不同用户需求的用户激励体系。让不同的用户在参与资源建设中都能够获得其所需要的激励，提高系统中用户人数及用户积极性。保持系统持续稳定的发展，这对创建优质丰富的信息资源具有决定性的作用。

与传统的资源建设模式不同，网络信息资源动态发展利用模式是用户参与的资源建设利用模式。用户参与是资源发展的重要原因。如前面模拟所示，用户发展与信息资源增加互为影响，不同用户之间发展还存在差异。对于具有潜在用户数限制和不具有潜在用户数限制的情景我们需要区别对待，特别是对于专业化非常强的问题领域，如何扩大潜在用户群的数量，如何充分让低激励水平的用户也能够参与到资源建设当中来……这些研究无疑会对网络信息资源发展产生重要的影响。

目前，将网络信息资源作为CAS的研究并不多，本文只是通过计算机仿真的方法对影响百度知道中信息资源发展的各因素进行了模拟和分析。研究尚处于理论表述阶段。教育系统也是一种复杂适应系统，但是目前研究对此关注并不够，对教育系统中主体(教师和学生)的能动性和系统的复杂性这一方面还缺少研究。如何在已建立的MAS基础上进行优化，并在实践中检验本系统，将是我们下一步需要关注的问题。