动态环境下自我调节式学习的元认知研究

摘要

本文描述了动态环境下的一个自我调节式学习系统,它利用元认知来决定学习什么内容、什么时间学习以及如何去学习。元认知为系统提供了异常监測并动态改变其行为以修复或解决异常的能力。本系统的动态环境是一个空中交通管制领域,有6个待着陆的飞机进场矢量。该系统有三种基本的进场策略用于着陆航站楼的选择:最近航站楼、空闲航站楼和排队航站楼。此外,系统还可以使用监督学习算法来创建新的策略。该系统能够生成自己的训练数据集来训练被监督的学习者。系统的元认知组件监控各种预期值;环境中的异常会导致和预期值产生冲突。这些预期相悖的行为可以作为学习内容、学习时间和学习方式的指标。例如,如果没有在给定的时间阈值内,为飞机分配进场向量就会发生与预期之间的冲突,系统会自动触发着陆策略的改变。引起违背预期的异常的例子包括:关闭6个进场向量中的一个或多个或同时改变它们所有的地理位置。在任何一种情况下,系统都会将飞机分配给其中一个当前活动的进场向量来响应上述情形。