基于知识图谱的自适应学习系统研究——以《C语言程序设计》为例

这是一篇关于自适应学习系统,知识图谱,自适应学习路径的论文, 主要内容为信息技术的发展给当今世界带来“知识爆炸”,随着教育信息化的发展,在线学习在教育教学中得到了普遍的应用。人工智能在计算机领域所蕴含的庞大潜力将会给在线教育领域带来新的活力,很大程度上推进个性化学习的发展,将“自适应学习”成为可能,为传统教育以及在线学习带来辅助和补充作用,在互联网层面确保每个人都可以拥有平等的受教育的机会,优质的教育资源,终身学习的能力。因此,本文以关联主义学习理论、有意义学习理论和最近发展区理论作为自适应学习系统设计的理论依据,完成了基于知识图谱的自适应学习系统框架设计,重点对该框架中的三大核心组件:领域知识模型、学习者模型和教学模型进行了深入研究,并以C语言程序设计课程为例进行了原型系统的开发。本文的研究内容主要包括以下五个部分。第一,本文研究Brusilovsky教授提出的自适应教育超媒体通用模型作为自适应学习系统框架设计的参考模型,完成了基于知识图谱的自适应学习系统的框架设计。该系统包含五个主要组件:领域知识模型、学习者模型、教学模型、界面模块和自适应引擎。第二,参考学习对象元数据规范,以“关联主义学习理论”和“精细化加工理论”为理论依据,对知识元进行粒度划分,提出了知识元模型,将课程知识点进行抽取整合,同时划分知识元之间的逻辑关系,提出了课程知识组织模型。在对“知识元”理论和知识图谱理论与技术进行深入研究的基础上对C语言中知识进行建模。第三,本文提出一个新的学习者模型从而提高自适应学习系统的个性化与自适应性,该模型分为静态模型和动态模型两种。静态信息主要是学习者在进入学习环境前就已经具有的信息,动态信息是学习者在进入学习环境之后,随着学习的不断深入而出现的交互式信息,会随着学习行为的改变而变化。第四,本文的教学模型是学习者在自适应学习系统中的学习方式,学习者可以主动地选择感兴趣的学习内容,同时,学习者也可以根据系统推荐的自适应学习路径进行学习,该方法以“最近发展区”理论和“有意义学习理论”为基础,结合蚁群优化算法和模糊C均值算法进行学习路径的推荐,从而对学习者的学习活动进行合理地干预,推荐给学习者下一步需要学习的内容,这样有效提高了学习效率,实现学习者和系统之间的“双向适应”。第五,结合“元认知理论”和“覆盖建模技术”将学习者大脑中的知识结构以知识图谱的形式呈现出来,该知识图谱会随着学习者的学习过程呈现动态的变化,这种可视化的方式可以帮助学习者直观地观察到自己的学习进步、已掌握的知识、未学习的知识。同时这种动态反馈机制可以显著提高学习者的学习质量并充分调动学习者的主观能动性。

基于知识图谱的在线学习效果动态评价与实施方法研究

这是一篇关于智慧教育,知识图谱,个性化试卷,在线学习效果评价,自适应学习系统的论文, 主要内容为教育信息化是国家实现教育现代化的重要举措,关系到我国教育事业发展。教育信息化的推进,使学习者学习方式发生了从线下到线上的重大变革,因此,采用单一学习效果评价的方式显然不能满足学习者在线学习需求。有鉴于此,本文以个性化试卷推送为前提,旨在研究一种基于知识图谱的在线学习效果动态评价与实施方法。具体创新性内容如下:首先,为表示学科知识点之间关联关系,满足知识点推理与挖掘需求,以初中数学学科为基础构建知识图谱。获取构建图谱所需知识源信息,再对其进行命名实体识别和实体关系识别,并利用知识融合实现知识图谱的更新与扩充。经领域专家对图谱质量评估,完成初中数学学科知识图谱的构建,为后续研究工作的开展提供基础条件。其次,针对现有个性化试卷推送方法中学习行为数据建模不足和算法优化过程易陷入局部最优的问题,设计一种基于改进离散型人工雨滴算法的个性化试卷推送方法。该方法依据学习行为数据和组卷条件约束分别建立学习者模型和个性化组卷模型,并采用改进离散型人工雨滴算法对模型优化求解。通过仿真分析及初步的应用研究,表明人工雨滴算法应用组卷优化问题的有效性,并相比其他优化算法在求解试卷质量上具有优势。最后,针对现有在线学习效果评价方法结果单一以及对学习者学习状态信息展示欠缺的问题,设计一种新的在线学习效果动态评价方法。该方法借助个性化试卷推送对学习者知识点掌握状态进行考查,基于知识图谱建立贝叶斯网络模型挖掘知识点薄弱的原因,提供多元评价结果。相比其他评价方法丰富了学习状态信息,为学习者指明学习方向。基于以上在线学习效果评价研究,设计并实现了自适应学习系统,验证了本论文提出的基于知识图谱的在线学习效果动态评价研究的合理性和有效性,为在线学习效果评价的研究提供了新的思路。

自适应学习系统中推荐方法的研究与应用

这是一篇关于混合推荐算法,情感分析,知识图谱,协同过滤,自适应学习系统的论文, 主要内容为网络学习平台已经成为学习者获取学习资源的重要途径,在带给人们便利的同时也出现了个性化信息获取困难的问题。自适应学习系统能够根据不同学习者的兴趣偏好为其推荐个性化的学习资源,从而解决这一问题。目前自适应学习系统大多依据用户学习行为进行推荐,忽略了用户的评价信息及学习资源自身相关性,对用户兴趣挖掘不够全面。针对上述的问题,本文提出了基于情感分析、知识图谱和协同过滤的混合推荐算法(SA-KG-CFRA)。首先,获取网络学习平台真实用户评价数据和课程信息,构建了有23052条用户评价和828门课程信息的数据集。其次,在基于情感分析的推荐算法中,对Text CNN、LSTM、Bi-LSTM和BERT情感倾向判定模型进行对比实验,选取效果最好的BERT模型作为后续推荐算法的基础,依据情感倾向计算用户的情感分值,找到邻近用户并生成预测评分。在基于知识图谱的推荐算法中,根据课程基本信息构建知识图谱,通过知识图谱抽取用户到课程的推理路径,采用LSTM模型和Attention机制捕获推理路径语义,生成预测评分。在基于用户的协同过滤推荐算法中,构建了用户-课程评分矩阵,通过改进的余弦相似度计算用户的相似性,寻找目标用户的邻近集,生成预测评分。最后,混合推荐算法将三种推荐算法对应的预测评分值按权重相加,经过Sigmoid函数产生最终预测评分,进行top N推荐。本文对基于情感分析、知识图谱、协同过滤的单一推荐算法与混合推荐算法进行对比实验,混合推荐算法的MAE值达到0.71,较单一推荐算法分别下降0.02、0.04、0.08,覆盖率达38.45%,较单一推荐算法有所提升。实验结果表明了该混合推荐算法在推荐准确性及推荐效果上有较好的提升。本文还设计开发了自适应学习系统,该系统实现了课程资源个性化推荐、课程资源管理、课程评价、个人信息管理等功能。

基于知识图谱的在线学习效果动态评价与实施方法研究

这是一篇关于智慧教育,知识图谱,个性化试卷,在线学习效果评价,自适应学习系统的论文, 主要内容为教育信息化是国家实现教育现代化的重要举措,关系到我国教育事业发展。教育信息化的推进,使学习者学习方式发生了从线下到线上的重大变革,因此,采用单一学习效果评价的方式显然不能满足学习者在线学习需求。有鉴于此,本文以个性化试卷推送为前提,旨在研究一种基于知识图谱的在线学习效果动态评价与实施方法。具体创新性内容如下:首先,为表示学科知识点之间关联关系,满足知识点推理与挖掘需求,以初中数学学科为基础构建知识图谱。获取构建图谱所需知识源信息,再对其进行命名实体识别和实体关系识别,并利用知识融合实现知识图谱的更新与扩充。经领域专家对图谱质量评估,完成初中数学学科知识图谱的构建,为后续研究工作的开展提供基础条件。其次,针对现有个性化试卷推送方法中学习行为数据建模不足和算法优化过程易陷入局部最优的问题,设计一种基于改进离散型人工雨滴算法的个性化试卷推送方法。该方法依据学习行为数据和组卷条件约束分别建立学习者模型和个性化组卷模型,并采用改进离散型人工雨滴算法对模型优化求解。通过仿真分析及初步的应用研究,表明人工雨滴算法应用组卷优化问题的有效性,并相比其他优化算法在求解试卷质量上具有优势。最后,针对现有在线学习效果评价方法结果单一以及对学习者学习状态信息展示欠缺的问题,设计一种新的在线学习效果动态评价方法。该方法借助个性化试卷推送对学习者知识点掌握状态进行考查,基于知识图谱建立贝叶斯网络模型挖掘知识点薄弱的原因,提供多元评价结果。相比其他评价方法丰富了学习状态信息,为学习者指明学习方向。基于以上在线学习效果评价研究,设计并实现了自适应学习系统,验证了本论文提出的基于知识图谱的在线学习效果动态评价研究的合理性和有效性,为在线学习效果评价的研究提供了新的思路。

自适应学习系统中推荐方法的研究与应用

这是一篇关于混合推荐算法,情感分析,知识图谱,协同过滤,自适应学习系统的论文, 主要内容为网络学习平台已经成为学习者获取学习资源的重要途径,在带给人们便利的同时也出现了个性化信息获取困难的问题。自适应学习系统能够根据不同学习者的兴趣偏好为其推荐个性化的学习资源,从而解决这一问题。目前自适应学习系统大多依据用户学习行为进行推荐,忽略了用户的评价信息及学习资源自身相关性,对用户兴趣挖掘不够全面。针对上述的问题,本文提出了基于情感分析、知识图谱和协同过滤的混合推荐算法(SA-KG-CFRA)。首先,获取网络学习平台真实用户评价数据和课程信息,构建了有23052条用户评价和828门课程信息的数据集。其次,在基于情感分析的推荐算法中,对Text CNN、LSTM、Bi-LSTM和BERT情感倾向判定模型进行对比实验,选取效果最好的BERT模型作为后续推荐算法的基础,依据情感倾向计算用户的情感分值,找到邻近用户并生成预测评分。在基于知识图谱的推荐算法中,根据课程基本信息构建知识图谱,通过知识图谱抽取用户到课程的推理路径,采用LSTM模型和Attention机制捕获推理路径语义,生成预测评分。在基于用户的协同过滤推荐算法中,构建了用户-课程评分矩阵,通过改进的余弦相似度计算用户的相似性,寻找目标用户的邻近集,生成预测评分。最后,混合推荐算法将三种推荐算法对应的预测评分值按权重相加,经过Sigmoid函数产生最终预测评分,进行top N推荐。本文对基于情感分析、知识图谱、协同过滤的单一推荐算法与混合推荐算法进行对比实验,混合推荐算法的MAE值达到0.71,较单一推荐算法分别下降0.02、0.04、0.08,覆盖率达38.45%,较单一推荐算法有所提升。实验结果表明了该混合推荐算法在推荐准确性及推荐效果上有较好的提升。本文还设计开发了自适应学习系统,该系统实现了课程资源个性化推荐、课程资源管理、课程评价、个人信息管理等功能。

基于知识图谱的在线学习效果动态评价与实施方法研究

这是一篇关于智慧教育,知识图谱,个性化试卷,在线学习效果评价,自适应学习系统的论文, 主要内容为教育信息化是国家实现教育现代化的重要举措,关系到我国教育事业发展。教育信息化的推进,使学习者学习方式发生了从线下到线上的重大变革,因此,采用单一学习效果评价的方式显然不能满足学习者在线学习需求。有鉴于此,本文以个性化试卷推送为前提,旨在研究一种基于知识图谱的在线学习效果动态评价与实施方法。具体创新性内容如下:首先,为表示学科知识点之间关联关系,满足知识点推理与挖掘需求,以初中数学学科为基础构建知识图谱。获取构建图谱所需知识源信息,再对其进行命名实体识别和实体关系识别,并利用知识融合实现知识图谱的更新与扩充。经领域专家对图谱质量评估,完成初中数学学科知识图谱的构建,为后续研究工作的开展提供基础条件。其次,针对现有个性化试卷推送方法中学习行为数据建模不足和算法优化过程易陷入局部最优的问题,设计一种基于改进离散型人工雨滴算法的个性化试卷推送方法。该方法依据学习行为数据和组卷条件约束分别建立学习者模型和个性化组卷模型,并采用改进离散型人工雨滴算法对模型优化求解。通过仿真分析及初步的应用研究,表明人工雨滴算法应用组卷优化问题的有效性,并相比其他优化算法在求解试卷质量上具有优势。最后,针对现有在线学习效果评价方法结果单一以及对学习者学习状态信息展示欠缺的问题,设计一种新的在线学习效果动态评价方法。该方法借助个性化试卷推送对学习者知识点掌握状态进行考查,基于知识图谱建立贝叶斯网络模型挖掘知识点薄弱的原因,提供多元评价结果。相比其他评价方法丰富了学习状态信息,为学习者指明学习方向。基于以上在线学习效果评价研究,设计并实现了自适应学习系统,验证了本论文提出的基于知识图谱的在线学习效果动态评价研究的合理性和有效性,为在线学习效果评价的研究提供了新的思路。

高中信息技术知识图谱的构建及其在自适应学习系统中的应用研究

这是一篇关于高中信息技术,知识图谱,自适应学习系统,本体构建的论文, 主要内容为“互联网+教育”模式快速发展以来,各种人工智能技术走进教育教学中,技术的发展给教育带来很大的发展动力和潜力,但也给学习者带来了诸如怎样选择学习资源的困扰。各种线上的论文、题库等在学科教学中充当着很重要的角色,为了使这些资源更好地为信息技术课程提供系统化资源和专业化指导,也为了学习者在学习高中信息技术课程时更好地利用这些线上资源,促进学习者构建系统化的学科知识,发展计算思维,增强信息意识,树立正确的信息社会价值观,本文运用知识图谱技术,以教育部在2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)为标准,将高中信息技术知识系统化、规范化,形成高中信息技术知识图谱,并在高中信息技术知识图谱构建的基础上,对高中信息技术自适应学习系统进行设计与开发。主要内容有下:1、获取论文所需研究数据。运用python爬虫技术在网上采集高中信息技术学科数据,并参考2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)进行手工筛选。2、进行学科本体知识构建。参照七步法构建高中信息技术学科本体知识,用Protégé工具搭建类层级结构,并在此基础上构建高中信息技术学科知识图谱,运用Neo4j数据库进行存储。3、构建学习者参考模型。以IMS LIPS、IEEE PAPI、CETLTS-11等参考模型为基础构建学习者模型。4、设计自适应学习系统。使用SSM框架、VUE前端技术、MySQL和Neo4j数据库,Java语言、HTML前端语言等,以学习者为主要用户,根据构建的学习者模型和领域知识模型,利用基于用户的协同过滤算法和关联规则挖掘算法规划出一条个性化学习路径,构建基于高中信息技术知识图谱的自适应学习系统。

高中信息技术知识图谱的构建及其在自适应学习系统中的应用研究

这是一篇关于高中信息技术,知识图谱,自适应学习系统,本体构建的论文, 主要内容为“互联网+教育”模式快速发展以来,各种人工智能技术走进教育教学中,技术的发展给教育带来很大的发展动力和潜力,但也给学习者带来了诸如怎样选择学习资源的困扰。各种线上的论文、题库等在学科教学中充当着很重要的角色,为了使这些资源更好地为信息技术课程提供系统化资源和专业化指导,也为了学习者在学习高中信息技术课程时更好地利用这些线上资源,促进学习者构建系统化的学科知识,发展计算思维,增强信息意识,树立正确的信息社会价值观,本文运用知识图谱技术,以教育部在2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)为标准,将高中信息技术知识系统化、规范化,形成高中信息技术知识图谱,并在高中信息技术知识图谱构建的基础上,对高中信息技术自适应学习系统进行设计与开发。主要内容有下:1、获取论文所需研究数据。运用python爬虫技术在网上采集高中信息技术学科数据,并参考2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)进行手工筛选。2、进行学科本体知识构建。参照七步法构建高中信息技术学科本体知识,用Protégé工具搭建类层级结构,并在此基础上构建高中信息技术学科知识图谱,运用Neo4j数据库进行存储。3、构建学习者参考模型。以IMS LIPS、IEEE PAPI、CETLTS-11等参考模型为基础构建学习者模型。4、设计自适应学习系统。使用SSM框架、VUE前端技术、MySQL和Neo4j数据库,Java语言、HTML前端语言等,以学习者为主要用户,根据构建的学习者模型和领域知识模型,利用基于用户的协同过滤算法和关联规则挖掘算法规划出一条个性化学习路径,构建基于高中信息技术知识图谱的自适应学习系统。

高中信息技术知识图谱的构建及其在自适应学习系统中的应用研究

这是一篇关于高中信息技术,知识图谱,自适应学习系统,本体构建的论文, 主要内容为“互联网+教育”模式快速发展以来,各种人工智能技术走进教育教学中,技术的发展给教育带来很大的发展动力和潜力,但也给学习者带来了诸如怎样选择学习资源的困扰。各种线上的论文、题库等在学科教学中充当着很重要的角色,为了使这些资源更好地为信息技术课程提供系统化资源和专业化指导,也为了学习者在学习高中信息技术课程时更好地利用这些线上资源,促进学习者构建系统化的学科知识,发展计算思维,增强信息意识,树立正确的信息社会价值观,本文运用知识图谱技术,以教育部在2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)为标准,将高中信息技术知识系统化、规范化,形成高中信息技术知识图谱,并在高中信息技术知识图谱构建的基础上,对高中信息技术自适应学习系统进行设计与开发。主要内容有下:1、获取论文所需研究数据。运用python爬虫技术在网上采集高中信息技术学科数据,并参考2017年印发的《普通高中信息技术课程标准》和高中信息技术人教版(2019)进行手工筛选。2、进行学科本体知识构建。参照七步法构建高中信息技术学科本体知识,用Protégé工具搭建类层级结构,并在此基础上构建高中信息技术学科知识图谱,运用Neo4j数据库进行存储。3、构建学习者参考模型。以IMS LIPS、IEEE PAPI、CETLTS-11等参考模型为基础构建学习者模型。4、设计自适应学习系统。使用SSM框架、VUE前端技术、MySQL和Neo4j数据库,Java语言、HTML前端语言等,以学习者为主要用户,根据构建的学习者模型和领域知识模型,利用基于用户的协同过滤算法和关联规则挖掘算法规划出一条个性化学习路径,构建基于高中信息技术知识图谱的自适应学习系统。

基于知识图谱的陈述性知识自适应学习系统研究

这是一篇关于自适应学习系统,陈述性知识,知识图谱,认知负荷的论文, 主要内容为随着智能技术的高速发展,越来越多的信息技术被运用到教育领域中,在线学习系统的产生将学习者从教室的禁锢中解放出来,学习者的学习不再是定时定点的,而是随时随地都可以进行学习,学习变得更加自由。一方面,技术与教育的紧密结合,为学习者的学习供了海量的学习资源,但这也带来了学习知识碎片化、零散的问题,让学习者的学习变得无序,而陈述性知识是所有知识学习的基础,如果能够将陈述性知识进行科学合理的组织,那么就能够让学习者的学习变得有序,针对这一问题,本文将多种理论与技术进行融合,出了基于TPACK的陈述性知识组织模型,并给出了具体步骤,将其融入到自适应学习系统的领域知识模型中,构建了系统的领域知识模型,让学习者通过自适应学习系统不仅能够学习到知识,还能够学习到对知识进行组织的方法。另一方面,当前,虽然许多学者对自适应学习系统进行了研究,但他们在对自适应学习系统中的学习者模型进行构建时,却忽略了学习者的认知负荷对其学习的影响,因此本文在构建学习者模型时,首先,对认知负荷进行了深入研究,然后,将其融入到学习者模型中,增加了学习者模型的维度,使得推荐的效果更好。除此之外,本文设计的自适应学习系统还可以为学习者推荐合适的学习资源,让学习者不再需要自己去寻找学习资源,为学习者节省了寻找学习资源的时间和帮助学习者适应信息化社会的发展;也可以对学习者进行同质分组,让学习者进行协作学习,帮助学习者深度学习的达成与学科核心素养的形成;最后,还能够为学习者推荐学习路径,并将学习路径以知识图谱的形式进行可视化,让学习者对自己当前的水平与知识结构有所了解,并且知道自己到达学习目标还有多远。本文的主要研究工作如下:第一,通过对多种理论与技术进行研究,以教育部教育信息化技术标准委员会出的CELTS-3为基础,构建了基于TPACK的陈述性知识组织模型并给出了具体实现步骤,以《C程序设计》中的陈述性知识为例,对其进行组织,并以知识图谱的形式进行可视化,将基于TPACK的陈述性知识组织模型和《C程序设计》知识图谱作为领域知识模型中的一部分,增加领域知识模型的丰富性,让领域知识模型不再只是简单的存放知识点与学习资源,而是在此基础上传授给学习者知识组织的方法,让学习者在学习知识的同时掌握知识组织的方法。第二,认知负荷与学习者的学习息息相关,它是学习者在学习过程中必然会产生的负载,负荷过高与过低都会对学习者的学习产生不良影响,因此通过对认知负荷进行深入研究,将其作为学习者模型的一个维度,使得学习者模型更加贴近于真实的学习者,然后根据学习者模型信息进行推荐,能够增加推荐结果的精准性。第三,教学模型是实现自适应学习的关键,教学模型依据自适应源,以领域知识模型和学习者模型为基础,向学习者推荐合适的学习资源,将基于用户的协同过滤推荐和基于关联规则的推荐相结合,实现学习资源的推荐,帮助学习者适应信息化社会的发展;利用模糊C均值聚类来对学习者进行同质分组,帮助学习者协作学习的开展,更快实现深度学习和学科核心素养的形成;以蚁群算法实现学习路径的推荐,并以知识图谱的形式进行呈现,帮助学习者更好的学习。综上所述,本文以多种理论与技术为基础,构建了基于知识图谱的陈述性知识自适应学习系统,对其中的领域知识模型与学习者模型进行了详细设计,并以相关算法实现了自适应学习。

中学python课程知识图谱构建及应用研究

这是一篇关于知识图谱,半自动构建,自适应学习系统,python课程的论文, 主要内容为随着年级的增长,中学生的课程学习内容渐渐深化,其学科知识也逐步系统化。并且在进入中学之后,学生在学习的独立性上逐渐加强。在现代课堂教学中,教师一般会采用讲述法和启发法相结合进行教学。在课堂教学之外,学生的独立性开始加强,其学习活动更加多样化。在家庭教育中,由于学生学习材料的难度加深,往往其父母给予的直接帮助会大幅度降低。上述的情况加上学生先天的个体差异性,导致不同学生在学习同一课程时,会出现偏离学习目标的现象。而且学生往往把握不住各个学习知识点之间的关系,而只是简单记住零散的知识点。这对于学生去深层次的构建知识与提升能力都是不利的。知识图谱是通过关注知识与知识之间的各种语义关系,并以可视化的技术存储、展示、挖掘其相互关系的一种技术。通过知识图谱可以有效的展示整个课程知识之间的关系,帮助学生进行知识的组织,提升学习效率。随着人工智能技术的蓬勃发展,python这门人工智能技术基础课程逐渐走向中学。论文将针对中学Python课程,结合知识图谱的构建技术,以中学课程知识图谱的构建与应用,作为本文的主要研究内容,主要研究过程如下:首先,阐述本文的研究背景,以及通过对国内外知识图谱和自适应学习系统相关研究文献的分析,提出本文的研究内容。其次,介绍本体的相关概念与本体构建工具,还有知识图谱的相关理论知识,最后对知识处理中涉及的相关技术进行了概括。第三,通过对知识图谱的通用构建流程进行研究,结合中学课程特点,对课程知识图谱的模式层和数据层进行了设计。第四章,针对上章的设计,先是构建了半自动构建课程知识图谱的四个步骤,本体建模、数据挖掘、知识抽取、知识存储;然后结合中学python课程的知识特点分析,构建了中学python课程知识图谱,并对构建过程中涉及到的技术进行了详细介绍。第五,基于python课程知识图谱设计了python自适应学习系统模型,并阐述了基于知识图谱的推荐和检索。最后,总结本文的研究工作以及对不足之处的指明与展望。