知识图谱助力学科教学——以大学模拟电子技术基础课程为例

知识图谱和个性化推荐技术是教育研究热点。借助学科知识图谱和学习者画像进行学习资源个性化推荐,提出基于学科知识图谱的资源关联推荐方法。在此基础上选取A、B两个模拟电子技术基础课堂进行学习效果验证,实验数据表明,基于知识图谱的学习资源关联推荐模型能在一定程度上提升该课程学习效果。     

利用学习者画像实现个性化课程推荐

在"互联网+"在线学习环境下,探索符合学习习惯和偏好的个性化推荐路径能够降低学习者学习的盲目性、提升学习者在线学习体验.文章提出了一种基于学习者画像的个性化课程推荐方法,首先,利用爬虫技术获得Bilibili网站30多万名学习者的数据,然后对学习者学习数据进行定量分析,尤其是在个性化特征最明显的情感表达方面,采用了基于注意力机制的双向长短时记忆网络进行情感分析,从而构建了包含学习者基本信息、行为和弹幕文本三个维度的学习者画像特征模型.在此基础上,利用深度神经网络建立了教学资源与学习者画像之间的关系模型,用该模型预测学习者新的学习需求.实验结果表明,当学习者登录后,输入要选择的课程,模型能够根据学习者画像推荐相似学习者学习过的课程,提供个性化课程推荐服务,且推荐评价指标也表明该模型能够提高推荐性能.     

个性化学习推荐模型的研究

通过分析个性化学习的特点,构造了个性化学习推荐模型.为保证学习效果,设计了基于ISM的学习序列生成方法,从整体上引导学习者的学习过程;在单个知识点学习时,采用关联规则挖掘,推荐符合学习者特征的学习材料.     

基于知识点CEPRAE六步教学法的构建

基于学习目标,根据"格物明德"教育理念,构建了以知识点为中心的"CEPRAE"六步教学法.该方法有效结合了传统与翻转课堂教学法,形成了以学习者为中心的书架式知识点教学节奏.通过在《物理化学》课堂教学实践表明,该方法提高了教与学目标的达成度.     

基于教育云平台资源推荐的知识图谱构建与应用研究

随着教育信息化进程在教育领域的不断推进,互联网教育资源平台中形成了大量的学习资源.文章以教育云资源平台中的课程资源为例,通过提取用户数据、资源标签以及使用情况等信息,对资源的不同特征进行量化,建立基于模型的知识图谱,从而直观展示课件资源、用户需求等相关关系,利用知识图谱从海量学习资源中为学习者推荐最佳学习内容,帮助学习者理清知识关系,提升个性化推荐资源多样性和用户信任度.     

基于专业目标达成度的学习系统设计——以高校教育技术培训为例

以教育技术培训为例,设计了专业的知识图谱,所有知识点与试题、学习资源相互关联,学习系统根据学习者的个性化差异智能推荐学习资源,学习者在反复自测与学习后,可以快速地提升自己的教育技术专业素养,大大提高学习效率。     

基于知识点拓扑结构的个性化学习模式研究

互联网技术在教育领域的快速发展和应用,以及人们对学习理念认知的不断更新,使得基于学习者个性特征和认知能力分析的个性化教学模式逐渐成为了我国及世界各国教育界研究的热点。本文在研究了高校学生认知特点和个性差异的基础上,结合所学课程的知识点拓扑结构关系和学习者的学习兴趣等特征因素,构造了一个基于知识点推荐的个性化学习模型,旨在提升学习者的学习兴趣和提高学习的效率,从而实现真正意义上的因材施教和个性化学习,它能在缩短学习者学习时间的同时,极大地提高学习者对于知识的掌握和运用能力。     

人工智能支持下的智慧学习模型构建研究

智慧学习是人工智能时代教育的基本内涵,智慧学习模型构建是实施智慧学习的关键和基础,也是该领域研究中的瓶颈问题.文章针对智慧学习内在机理难以表征的问题,利用人工智能技术,提出了能够阐述智慧学习特征、要素及运行机制的智慧学习E-GPPE-C模型.该模型由学习环境、教育知识图谱、学习者画像、学习路径、学习评价、学习共同体六大核心要素和基础层、支撑层、服务层、关键层、应用层五个层面构成.基于人工智能相关算法,从教育知识图谱构建、学习者画像构建、学习共同体构建、学习路径推荐四个方面,提出了E-GPPE-C模型的实现方法.研究为人工智能在教育领域应用、智慧学习开展提供了基础,为后续智慧学习模型研究提供了参考.     

基于课程知识结构的网络学习资源建设

本文提出了一种以知识结构为基本框架,建设网络学习环境中的学习资源库的方法.结构化的学习资源库中,首先建立课程的基于知识点的知识结构体系,在此体系中实现以元知识点为最小学习单元,实现对学习者学习过程的控制.建立学习资源与元知识点的关联关系,将学习资源融入课程的知识结构中,从而实现了结构化的学习资源的建设、组织方法.     

基于领域本体的学习路径推荐策略研究

为了解决学生在线学习过程中的“认知过载”和“学习迷航”等问题,充分发挥网络课程资源的教学辅助作用,以《决策支持系统》课程为例,提出一种基于领域本体和语义相似度的个性化学习路径推荐策略。根据领域知识点及其关系构建本体库,建立知识点间语义关系,并用Protégé进行本体形式化编码;基于本体设计学习路径生成策略和相关知识协同策略;最后,结合《决策支持系统》课程现有网络资源设计并开发原型系统,实现个性化学习引导及资源空间优化。实验表明,该平台能够实现在线学习路径的有效引导,为学生提供个性化学习空间,优化在线学习效果。     

智慧学习空间中学习行为分析及推荐系统研究

智慧学习空间是智慧学习理念下构建的学习空间新形态,学习分析是智慧学习中不可或缺的组成成分。文章围绕智慧学习过程中面向学习者对于知识内容的"呈现与获取"、"个性化建构与拓展延伸"两大环节以及学习者所处的学习状态,构建了学习行为分析及推荐系统。该系统利用W eb挖掘技术,从学习内容、学习路径和空间使用记录三个方面针对智慧学习过程模型中的学习行为进行数据分类挖掘,通过与优秀学习者路径及路径知识点相关学习行为进行相似性比对,为学习者进行个性化学习推荐路径。     

自适应的学习推荐模型研究

针对目前网络教学中,学习者缺乏个性化指导、学习效率低下的问题,提出了以知识点为核心进行资源组织的个性化学习推荐模型。该模型可以为学习者提供一个"因材施教"的网络教学环境,为学习者推荐有针对性的学习材料,提高学习者的学习效率。构造了用于表示知识点间关联度的客观和主观知识点关联表,给出了个性化知识点序列提取算法和针对特定知识点的个性化学习材料的推荐算法,能根据学习者模型提供适应学习者的教学方法和学习资源,并且学习者模型定期的利用关联规则挖掘进行完善更新。该模型能有效地提高学习者的学习质量和学习兴趣。     

高职院校“建筑力学”课程教学知识图谱构建路径

针对“建筑力学”课程教学存在的学生对知识点掌握不牢,以及在后续的学习与工作中较难实现学以致用等问题,文章从教学重难点及易错点梳理、教学知识点矩阵创建、教学知识图谱建立三个方面对高职院校“建筑力学”课程教学知识图谱构建路径进行了论述。     

基于维度情感计算的E-Learning模型研究

以维度情感模型为基础划分学习者学习情感,采用情感计算方法,定量表示学习情感和学习者性格,在学习过程中结合情感计算值和知识体系难度划分来动态进行知识点推荐和交互。提出了基于维度情感模型的情感计算方案,用以建设现有E-Learning系统,增加系统的个性化推荐策略,提高系统交互性,从而达到增加系统效用,为学习者服务的最终目的。     

基于知识图谱的微信智能刷题系统

针对各类做题软件中做题模式单一导致学生复习效率低下的问题,将传统的协同过滤算法与知识图谱进行融合,构建了一套微信智能刷题系统。在知识图谱中构建出用户、题目、知识点三类节点之间的关系,将用户、题目之间的相似度作为图的权重。考虑到未掌握知识点是学生答错题的主要原因,采用基于知识的方法作为主要推荐方式,从知识图谱中查询出错题所涉及的知识点加入队列等待推荐。根据用户历史的刷题数据,每天定时将相似用户的错题进行推荐。近2年的实验结果表明,该模式受到了学生的广泛青睐,可以有效地提升学生的复习效率。     

基于知识图谱的汉语词汇学习资源推荐研究——以HSK三级词汇为例

为解决初级汉语水平学习者的词汇学习迷航问题,提高其学习效率和词汇应用能力,文章首先梳理了信息技术促进词汇学习的研究现状,并指出学习资源推荐技术存在的问题。随后,文章设计了汉语水平考试(HSK)三级词汇的学习资源、10种关系及其特性和优先级,构建了本体,提出了推荐流程,并参考Jena框架,构建了基于知识图谱的汉语词汇学习资源推荐系统。最后,文章采用问卷调查和访谈法进行了推荐系统的学习体验评价,结果表明:学习者对推荐系统的满意度较高,认为推荐系统可促进汉语词汇的学习。基于知识图谱的汉语词汇学习资源推荐系统能够提升汉语词汇的学习效率,实现汉语词汇学习规模化和个性化的统一。     

一个基于学习者访问聚类的远程教育智能推荐系统

本文提出了一个基于学习者访问聚类的远程教育智能推荐系统.系统使用基于代理的系统结构,由离线的数据预处理和基于学习者访问的URL聚类以及在线推荐引擎两部分组成.进一步,研究提出了一个基于学习者浏览兴趣的推荐规则集生成算法框架,在学习者浏览兴趣度量时综合考虑了学习者浏览时间和对页面的访问次数.最后,研究设计了一个基于推荐规则集和站点URL路径长度的URL推荐算法.与使用基于关联规则或基于学习者事务的推荐系统相比,该系统在推荐准确性上有较大的提高.     

教育大数据环境下基于学习画像的个性化学习路径设计研究

在线学习环境下,探索符合学习习惯和偏好的学习活动路径能够降低学习者学习盲目性、提升学习者的课程体验。研究以教育大数据为背景,以MOOC为研究案例,以个性化学习路径为研究内容,通过对学习结果分类理论、教育目标分类法以及三维目标分类理论的分析、对比、归纳、借鉴,对MOOC平台学习者行为数据进行了维度划分,并从态度和认知两方面入手构建了包含学习兴趣、知识水平、综合能力三个维度的学习者学习画像特征模型。在此基础上,通过交叉使用Apriori All算法和贝叶斯网络对平台行为数据进行差异处理,使其转化为具有信息价值的具体数值,设计出了学习画像与个性化学习路径拟合系统。在此基础上,运用蚁群算法实现个性化学习路径的生成与推荐,为学习者提供精准的学习路径指导,降低学生迷航率。研究结果表明:基于学习画像的个性化学习路径推荐具有精准性;学习画像可以实现MOOC环境下平台数据和学习者之间的耦合;交叉使用多种算法实现不同维度数据的差异性处理,使数据分析、处理、应用具有合理性,是实现个性化学习路径生成推荐的良好基础。     

网络课程资源支持下基于语义Web的个性化主动学习服务研究与实现

针对个性化学习的需求,本文提出了一个网络课程资源支持下基于语义Web的个性化主动服务系统。系统以学习者、课程和资源对象语义建模为基础,从学习者的学习水平、学习目标、学习偏好和学习状态四个方面出发,分别与课程知识、学习资源对象等方面的语义进行匹配和推荐,设计了主动时机和方式决策机制,以实现学习路径与资源对象等的个性化主动服务。实验表明,该系统可以较好地促进学习者课程知识建构,有效地提高学习效率和学习效果。     

基于学习者建模和数据挖掘的个性化学习路径推荐研究

在线学习作为一种新型的学习方式,能够为学习者提供个性化的学习支持。有效推荐个性化学习路径是学习服务研究中的重点问题。文章结合大数据背景下个性化学习的特征,建立学习者模型,通过数据挖掘技术深入分析学习者的学习行为信息以及知识之间的关系,结合基于内容的推荐和协同过滤的推荐方式,设计个性化学习路径推荐的具体方案,为解决在线学习过程中学习者面临的“信息过载”和“知识迷航”问题提供参考和借鉴。