自适应学习系统中知识图谱的人机协同构建方法与应用研究

知识图谱为自适应学习系统中的领域知识建模提供了新思路,但现有构建方法缺乏人类智慧与机器智能的有效结合,无法提供高质量、低成本的知识图谱。基于此,文章首先从人机协同视角出发,提出了自适应学习系统中知识图谱的构建方法,具体包括知识图谱模式设计、资源获取与预处理、知识图谱知识元抽取、知识元语义关系挖掘、知识图谱融合等五大环节;随后,文章以"人工智能"学科为例,对构建方法进行了初步验证;最后,文章从碎片化学习资源整合、适应性学习支持服务两个维度,进一步阐述了知识图谱在自适应学习系统中的应用。文章的研究对于开展基于自适应学习系统的大规模个性化学习具有重要意义。     

基于知识地图的在线学习支持服务研究

在线学习中学习者面临缺少计划、资源过载、缺乏交互、评价单一等问题,将知识地图引入在线学习系统,以期为学习者提供有针对性的学习支持服务。通过文献分析,从学习资源服务、个性化支持、知识协同共建、学习评价4个方面,构建基于知识地图的在线学习支持服务体系。基于知识地图的在线学习支持服务将零散的学习资源组织在一起,并提供资源导航、资源检索等功能;根据学习者的基本特征信息,推荐个性化学习路径;允许教师、助教、学习者共同构建知识地图、信息资源;支持学习评价以及评价反馈多元化。这些支持服务有利于引导、帮助和促进学习者自主学习,提高在线学习效率。     

基于学习认知图谱的适应性学习框架构建与应用

学习者模型用于描述学习者行为、认知、情感等方面的特征,是适应性学习得以实现的基础。针对当前学习者建模在认知要素上主要依赖学生的知识掌握情况和学习风格,而在对个体认知具有重要影响的知识结构和元认知能力等方面关注不足的问题,提出了对学习者的学习认知图谱建模以提升适应性学习过程中认知支持的设想,并从多模态异构数据采集、学科知识图谱的构建、认知诊断模型的设计、学习认知图谱建模和适应性学习服务推送五个方面设计技术框架。随后,通过学习认知图谱在学习元平台和雷达数学系统中的应用,介绍了学习认知图谱的实践示例——学习认知地图,并阐述了其构建原理及所提供的个性化学习支持服务,以期为适应性学习领域的研究者提供理论和实践上的参考。     

支持个性化学习的e-Learning系统研究

本文以个性化学习理论为指导,采用课程知识、教学方法和学习资源相互分离的策略,应用人工智能技术、数据挖掘技术和数据库技术构建了一个基于网络的个性化学习系统,该系统能根据学习者的知识结构、学习目标、学习风格、偏好等特征信息提供适应学习者的教学方法和学习资源,营造个性化的网络学习环境.同时,系统的个性化服务决策规则和模型还可通过数据挖掘修正不断加以完善.     

新型智能导学系统构建及其关键技术

智能导学系统能够提供个性化的自主学习服务，但仍然面临诸多挑战，如对学习者理解不足、用户体验较差、自动化程度有限等。针对这些挑战与问题，本研究设计并实现了涵盖领域知识层、基础模型层和用户接口层的三层架构新型导学系统，并以“雷达数学”系统为例进行介绍。领域知识层借助知识空间等理论，构建符合教学和认知规律的学科知识图谱和教学策略库；基础模型层利用深度学习、自然语言处理等技术，实现更精准的学习者模型、个性化教学策略模型和自动批阅模型，提升系统对学习者的理解和自动化程度；用户接口层基于可解释人工智能技术与游戏化设计理论，构建可解释的认知地图和个性化导航等服务，改善系统用户的体验。在此基础上，本研究针对学习者、教师、家长等不同角色，阐述了新型智能导学系统的三类典型应用场景并对其发展趋势进行了展望。     

协同学习技术系统中的知识建构动力学机制研究

知识建构成为一种新的学习隐喻,探究知识建构的微观动力学机制是提升深度学习的有效途径。基于协作标注和可视化知识建构的新型协同学习技术系统,通过实验研究和口语报告法,分析学习者在学习过程中的知识建构动力学机制,探究学习技术系统在支持学习者知识建构过程中的作用与效果。结果表明,协同学习机制在学习者个体和群体知识建构的不同阶段起着动力作用,协同学习技术系统较好地实现了知识的集体建构和集体记忆的图式化呈现。本研究能够对学习技术设计和协同学习系统建构提供一种微观指导。     

技术赋能语言学习研究的现状、热点与主题

文章以WOS数据库中筛选的245篇文献为基础,借助CiteSpace和HistCite软件,从关键文献、研究机构、重要作者等方面梳理了技术赋能语言学习研究的现状;基于文献关键词共现图谱分析了技术赋能语言学习研究的热点;通过文献关键词聚类图谱阐述了技术赋能语言学习的研究主题。分析结果表明:技术赋能语言学习的研究正处于发展阶段,以综合类高校为研究主体,尚未形成较大规模的研究团体;研究热点主要集中在学习内容、学习环境、学习者个体和学习系统四个方面;研究主题可分为学习方式与策略、学习内容、学习评价、学习支持技术四类。未来需要构建基于真实情境的语言学习环境、创设自适应的个性化学习系统以及探究信息化语言教学新策略。     

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。     

面向在线学习的社会化支持服务研究

在大规模在线学习中,个性化学习和信息导航越来越受到学习者的欢迎。由于学习者众多、学习需求多样化和学习资源海量,个体化支持服务已难以满足个性化学习和个性化资源推荐的需求。相关研究表明,将社会化支持服务引入在线学习中,能初步缓解支持服务不足的问题。文章以社会化支持服务的属性和内涵为基础,构建基于掌握学习理论的在线学习环境,深入探讨社会化支持服务框架,并结合学习资源、学习伙伴、领域专家等社会性因素对学习者在线学习产生的影响,设计了社会化支持服务流程和个性化推荐模型,旨在为学习者提供智能、精准的支持服务。最后提出“一体化”的社会化支持服务模式,为研究面向个性化学习的社会化支持服务提供参考。     

移动虚拟学习社区中知识建构双回路循环模型研究

虚拟学习社区能够为学习者提供开放的学习环境,促进学习者知识的获取、分类、存储和共享,使学习者实现个体知识建构和协同知识建构。本文以SECI模型为理论基础,构建了基于移动学习的虚拟学习社区中知识建构双回路循环模型,从个体知识建构和协同知识建构两个回路分析了知识建构的阶段和过程,重点分析了模型中的知识吸收与知识扩散、SECI、知识冲突、知识协同和知识建构环节,最后实证研究了基于Wiki的"云计算"词条的知识建构过程。本研究探索了现代教育技术环境下知识建构的新模式,能够为相关研究提供一定的借鉴。     

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。     

基于主题图的网络课程知识个性化导航

当前,我国的网络课程建设已取得较大成绩,但也存在大部分网络课程难以有效支持学习者的自主探究式学习,缺乏面向学习者认知支持的策略和方法。文章提出了一个基于主题图的网络课程知识组织模型和一种基于学习者知识状态模型的个性化导航方法,并以"Java程序设计"网络课程为例进行了实证研究。基于主题图的网络课程知识组织模型能深入揭示、表示各知识单元之间的复杂关系,为知识导航服务奠定了良好的基础;基于学习者知识状态模型的个性化导航方法则动态地记录了学习者的知识状态,并以图结构形式向学习者提供个性化的知识导航服务,能够在一定程度上预防学习者出现迷航问题,更适合引导学习者的自主探究式学习。     

基于数据的在线学习个性化学习支持服务模式构建与实现途径

后疫情时代在线学习的地位得到进一步提升。基于文献研究与开发研究,构建了基于数据的在线学习个性化学习支持服务理论模型,并探讨了其实现途径,指出基于大数据的在线学习个性化学习支持服务能有效提升学习质量,提高学习支持服务与学习者需求的匹配程度,实现“类同伴”的陪伴效果,减少在线学习参与的孤独感,提高情感体验,实现高品质学习。基于此,构建了人、大数据、资源、时机、方式和途径为作用元素的学习支持服务模型,实现数据支持的精准决策和智能服务。提出实现基于大数据的在线学习个性化学习支持服务需要关怀生命,系统培育大数据驱动的积极学习支持服务理念;完善基础,构建大数据收集平台对学习者精准画像;建设资源,围绕学习者个性化学习支持服务形成优质学习支持资源;强化体验,围绕“高品质学习”优化学习支持服务机制。     

协同学习环境中的知识建构及其社会网络分析

知识建构是一种社会性协商与对话的意义建构过程。基于协同学习工具套件所构建的适应集体学习情境的新型学习环境,通过社会网络分析来探究课堂知识建构过程中的师生互动所形成的社群结构、社会关系以及参与特征。结果表明,协同学习环境中,通过支持教师主导的学习者知识建构过程,形成了知识聚合性的社会关系网,使学习者的观点、想法快速地进行汇聚从而支持深度知识建构,同时也清晰地描绘了社群中学习者的参与特征。本研究可以为实现不同文化背景下新技术革新教学提供一种新路径：     

基于用户体验蜂窝模型的MOOC学习APP体验优化研究

MOOC已成为我国教育信息化发展的热点,而移动教学平台是MOOC可持续发展的技术基础。基于用户体验蜂窝模型构建MOOC学习APP体验框架,以学习者视角体验国内外MOOC移动终端。研究发现,移动MOOC平台在学习支持服务方面进行了有益探索,但在整体功能完备性方面仍存在较大提升空间。从学习者视角提出优化建议,以构建强交互、重体验、个性化的学习环境：加强讨论区功能,建立实时互动功能;优化界面功能模块,明确目标定位;完善学习导航,明确学习任务;关注无障碍学习,满足终身学习需求;规范版权归属,保护用户隐私;提供个性化服务,满足个性化学习需求等。     

人工智能视域下个性化学习路径推荐:机理、演进、价值与趋势

个性化学习路径推荐是智能技术驱动教育服务智能升级的关键力量,是实现大规模个性化教育的重要驱动。然而,目前个性化学习路径推荐的研究与实践仍未成熟,难以满足学习者因人而异、因时而变的个性化需求。个性化学习路径推荐的主流推荐框架包括基于机器学习、基于进化计算和基于知识图谱三种方式,具有不同的模型机理和适用的教育场景,经历了起步探索、预测推理、改进优化和融合创新的技术演进历程。其对教育的价值导向体现在赋能课堂教学、助力因材施教,优化在线学习、驱动服务升级,支持场馆学习、增强智能感知,改善游戏学习、优化交互体验,为破解大规模与个性化相结合的应用难题提供了重要支撑。随着智能技术的迭代升级及深入应用,未来个性化学习路径推荐呈现四大发展趋势,即关注信息要素的深度融合、迈向全方位多尺度的形式化建模,融合多种技术优势、构建以知识为主导的高性能推荐框架,注重可视化呈现和动态感知、推动个性化服务模式的优化升级,重视全景性应用策略研究、促进推荐技术与真实教育情境的紧密耦合。     

分布式认知视角下的网络学习共同体的外语教学模式探索

分布式认知理论认为信息技术在学习中的作用不仅是呈现信息和传递知识,更是学习者用来建构知识的认知工具。它强调认知的社会与物质的双重属性,为信息技术支持的外语教学研究提供了更为系统的研究视角和新的理论框架。网络学习共同体是分布式认知理论的具体实践,也是基于互联网的知识构建的学习型组织。本文以英语专业"基础英语"课程教学实践为实例,从分布式认知角度探讨新媒体背景下的基于网络学习共同体的外语教学模式是一种有效范式。     

关联主义视角下的精品资源共享课学习支持策略研究

为了适应互联网时代的学习需求,关联主义学习理论应运而生。面对精品资源共享课学习支持中存在的难以满足学习者的个性化需要、教师对学习者的支持服务不及时、学习者之间缺乏分享交流等问题,本文从关联主义视角提出三个精品资源共享课学习支持策略：支持学习者构建非结构化的个性化课程内容、支持师生之间的快速有效互动、支持学习者形成网络学习共同体,为精品资源共享课的建设提供一定的理论和实践参考。     

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。