CN107092706A - 一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 - Google Patents
一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 Download PDFInfo
- Publication number
- CN107092706A CN107092706A CN201710396935.XA CN201710396935A CN107092706A CN 107092706 A CN107092706 A CN 107092706A CN 201710396935 A CN201710396935 A CN 201710396935A CN 107092706 A CN107092706 A CN 107092706A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- node
- learner
- learning
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 2
- 231100000768 Toxicity label Toxicity 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明是一种面向5W‑(谁(Who)、什么时候(When)、在哪里(Where)、什么(What)和如何(How))的基于图谱的目标驱动的学习点推荐与学习路径优化方法,属于分布式计算和软件工程学技术交叉领域。本发明将知识图谱上的知识划分为元知识、章知识和篇知识,分别对应于5W里的“谁(Who)/什么时候(When)/在哪里(Where)、什么(What)和如何(How)”,使学习者避开不必要去学习的知识,对应于不同学习目标,基于不同层次图谱向学习者推荐学习点及学习路径,使学习者只在不会或者不熟练的知识上花费时间和精力。
Description
技术领域
本发明是一种面向5W-(谁(Who)、什么时候(When)、在哪里(Where)、什么(What)和如何(How))的基于图谱的目标驱动的学习点和学习路径推荐方法。主要用于使学习者花费最少时间和精力(假定时间、精力均匀分布,单位时间和精力获得的知识一样多)得到最高效的学习指导,使学习者避开不必要去学习的知识,只在不会或者不熟练的知识上花费时间和精力,属于分布式计算和软件工程学技术交叉领域。
背景技术
随着知识经济的发展,当今社会对人们的知识掌握程度提出了更高的要求,智能教学系统中选择合适的学习点推荐给学习者和个性化学习路径的推荐与优化已经成为重要课题。目前,在线学习面临的问题是网上数据庞杂,导致学习者难以快速找到适合自己的学习资源。适应性学习是远程教育发展质的飞跃,其直接原因是以计算机、远程通信和认知科学结合的知识媒体的综合运用。适应性学习能根据学习者的特征选择合适的学习内容和学习方法作为推荐。学习路径是指学习活动的路线与序列,是学习者在一定的学习策略指导下,根据学习目标和学习内容对所需完成的学习活动的排序。学习路径是把学习的资源、方法、目标、程序、评价和监控等有机成和在一起,把学习内容以不同的策略展现给学习者。
知识图谱于2012年5月17日被Google正式提出,其初衷是为了提高搜索引擎的能力,增强用户的搜索质量以及搜索体验。目前,随着智能化和个性化信息服务应用的不断发展,知识图谱被广泛地应用于智能搜索、智能问答、个性化推荐等领域。知识图谱已经成为用标记的有向图形式表示知识的强大工具,并给出文本信息的语义。知识图谱是通过将每个项目、实体或用户作为结点表示,并且通过边缘将彼此相互作用的那些结点链接起来构造的图形。结点之间的边可以表示任意关系。知识点是学习活动中传递知识信息的基本单元,单独的知识点应能体现知识内容本身的拒不完整性,知识点的集合能保证专业知识体系的全局完整性知识点之间的关系是连接知识点的纽带,使分散的知识点形成相互关联的知识结构。本发明提出了一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法,根据学习者的当前学习状况和学习目标为学习者提供一个高效的导学策略,保证学习者按需学习。
发明内容
技术问题:本发明的目的是提供一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法,针对学习者的学习需求和学习目标,向学习者推荐合理的学习点内容和学习策略,引导学习者达成学习目标,帮助学习者提高学习效率,优化学习效果。
技术方案:本发明是一种策略性方法,可以应用于为学习者提供学习指导,有助于解决网络学习环境下,大量学习资源导致的认知过载和学习迷航问题。
在一个知识点图谱上,本发明假设学习者单位时间下和单位精力可学知识是固定的,知识图谱上的结点不一定是独立的,本发明划分知识点的依据是根据教科书的组织为基础,将知识点划分为元知识、章知识和篇知识,元知识是知识体系中相对独立、不能再分割的基本知识点;章知识是由相关元知识关联组合得到的,表达一定范围内比较完整的知识;篇知识是对章知识进一步的分类和总结得到的。对于知识结点之间的关系本发明定义有以下有五种(语义)关系如图1所示:
1.先序关系:必须先学习结点A才能学习结点B,即学习知识点B需要知识点A的支持。先序关系具有传递性,包括直接先序关系和间接先序关系。如果学习知识点A后可以直接学习知识点B,则两者满足直接先序关系。如果学习知识点A后还需要学习其他知识点才能学习知识点B,则两者满足间接先序关系;
2.涵盖关系:结点A包含的知识点涵盖了结点B,学了结点A可以不用再去学习结点B;
3.或关系:对于最终学习目标,学习结点A和结点B都可以达成学习目标;
4.与关系(平行关系):即结点间是独立的,具有与关系的知识点在学习过程中不存在先后顺序;
5.必要结点:对于最终学习目标,一定要去学习的结点;
6.游离结点:对于某个知识体系来讲,游离结点是对这个知识体系无用的知识点。
方法流程:
1. 一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法,其特征在于学习点推荐和学习路径优化的步骤:
步骤1).构建相应的有向的学习点知识图谱,科学客观地反应知识体系中的内在知识关联;
步骤 2).建立学习者模型,在知识图谱上标记出每个结点的权重作为学习者获取对应知识点所需时间和花费精力的衡量;
步骤3).获取学习者的当前学习进度和学习目标,在知识图谱上标记已学知识和目标知识点;
步骤4).构建问题模式库,本发明将知识图谱上的知识划分为元知识、章知识和篇知识,分别对应于5W里的“谁(Who)/什么时候(When)/在哪里(Where)、什么(What)和如何(How)”;
步骤5).依赖于步骤3)所得到的结果,将学习者为达到学习目标待学习的知识点标记出来;
步骤6).依赖于步骤5)所得到的结果,选择合适的出发点,即与最终学习目标结点之间有完整路径的结点;
步骤7).依赖于步骤6)所得到的结果,将含有先序关系的知识结点连接起来;
步骤8).对于步骤5)产生的所有未学知识点,将存在或关系的知识结点按学习某个知识点所需时间和精力(即权重)进行排序;
步骤9).对于存在涵盖关系的结点,假定结点A涵盖结点B和结点C所含知识,判断结点B和结点C是否都是学习者为达成学习目标所需要的知识。若需要,计算学习结点A和同时学习结点B和结点C所需的时间和精力;若不需要,选择需要时间和精力较少的结点添加到学习路径中;
步骤10).基于步骤9)产生的结果,将其它必要结点和并行结点添加至学习路径中;
步骤11).输出完整的学习路径,推荐给学习者;
体系结构:
图2给出了一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法的体系结构,首先获取学习者的当前学习状况和最终要实现的学习目标,构建相应学科的知识体系图谱,并在知识图谱上标记出学习者的已学知识点和未学知识点,以及学习每个知识点学习者要花费的时间和精力,本发明用权值来体现。通过路径选择算法,向学习者推荐需要学习的知识点以及高效的学习策略。
学习者模型:学习者模型中包含学习者的基本信息和学习过程中的动态信息,包括历史学习记录、学习目标和当前学习进程。历史学习记录中包括知识点名称、学习该知识点的时间和学习次数;学习目标表示未学习到的知识点;当前学习进程中包括知识点名称、学习进度。
有益效果:本发明方法提出了一一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法。具有如下一些显著优点:
(1)合理配置资源,提高学习资源的使用效率:学习资源的合理配置和有效使用是我国远程教育发展的重要内容,网络上的学习资源丰富,质量良莠不齐,基于知识图谱的目标驱动的学习点推荐帮助学习者按需学习,不必花费大量时间在海量的资源中寻找自己需要的学习资源;
(2)为学习者指引学习方向,避免知识迷航:向学习者推荐和优化学习路径,提供学习高效的策略,帮助学习者建立合适的知识体系,使学习者有针对性的进行学习,提高学习效率;
(3)通过分析建立不同学习者的学习情况,建立学习者模型,有针对性地为不同学习者提供个性化的学习指导。
附图说明
图1是知识图谱上结点之间可能含有的关联关系的展示。
图2是面向5W的基于图谱的目标驱动的学习点推荐与学习路径优化方法的体系结构。
具体实施方式
一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法的具体实施方案为:
步骤1).构建相应的有向的学习点知识图谱,科学客观地反应知识体系中的内在知识关联,将所有的知识点用一个数组knowledgePoint[N]存储,将学习路径用数组bestPath[P]存储;
步骤 2).建立学习者模型,假定单位之间内单位精力学习者能掌握的知识点的固定的,在知识图谱上标记出每个结点的权重作为学习者获取对应知识点所需时间和花费精力的衡量;
步骤3).获取学习者的当前学习进度和学习目标,在知识图谱上用红色标记已学知识,用绿色标记目标知识点,把学习者的目标知识点存放在数组target_knowledge[M]里;
步骤4).构建问题模式库,本发明将知识图谱上的知识划分为元知识、章知识和篇知识,分别对应于5W里的“谁(Who)/什么时候(When)/在哪里(Where)、什么(What)和如何(How)”;
步骤5).依赖于步骤3)所得到的结果,将学习者为达到学习目标待学习的知识点用黄色标记出来;
步骤6).依赖于步骤5)所得到的结果,选择合适的出发点,即与最终学习目标结点之间有完整路径的结点;
步骤7).依赖于步骤6)所得到的结果,从每个目标知识结点出发,一直寻找与当前结点有先序关系的结点,添加至bestPath[P]数组,直到当前结点的先序结点是出发结点;
步骤8).将步骤5)产生的所有未学知识点,将存在或关系的知识结点按学习该知识点所需时间和精力(即权重)进行排序;
步骤9).对于存在涵盖关系的结点,假定结点A涵盖结点B和结点C所含知识,判断结点B和结点C是否都是学习者为达成学习目标所需要的知识。若需要,计算学习结点A和同时学习结点B和结点C所需的时间和精力;若不需要,选择需要时间和精力较少的结点添加到学习路径中;
步骤10).基于步骤9)产生的结果,将其它必要结点和并行结点添加至学习路径中;
步骤11).优化的路径存放在数组bestPath[P]里,最后输出完整的学习路径,推荐给学习者。
Claims (1)
1.一种面向5W的基于图谱的目标驱动的学习点和学习路径推荐方法,其特征在于学习点推荐和学习路径优化的步骤:
步骤 1).构建相应的有向的学习点知识图谱,科学客观地反应知识体系中的内在知识关联;
步骤 2).构建问题模式库,本发明将知识图谱上的知识划分为元知识、章知识和篇知识,分别对应于5W里的“谁(Who)/什么时候(When)/在哪里(Where)、什么(What)和如何(How)”;
步骤3).建立学习者模型,在知识图谱上标记出每个结点的权重作为学习者获取对应知识点所需时间和花费精力的衡量;
步骤4).获取学习者的当前学习进度和学习目标,在知识图谱上标记已学知识和目标知识点;
步骤5).依赖于步骤3)所得到的结果,将学习者为达到学习目标待学习的知识点标记出来;
步骤6).依赖于步骤5)所得到的结果,选择合适的出发点,即与最终学习目标结点之间有完整路径的结点;
步骤 7).依赖于步骤6)所得到的结果,将含有先序关系的知识结点连接起来;
步骤8).将步骤5)产生的所有未学知识点,将存在或关系的知识结点按学习该知识点所需时间和精力(即权重)进行排序;
步骤 9).对于存在涵盖关系的结点,假定结点A涵盖结点B和结点C所含知识,判断结点B和结点C是否都是学习者为达成学习目标所需要的知识,若需要,计算学习结点A和同时学习结点B和结点C所需的时间和精力;若不需要,选择需要时间和精力较少的结点添加到学习路径中;
步骤10).基于步骤9)产生的结果,将其它必要结点和并行结点添加至学习路径中;
步骤11).输出完整的学习路径,推荐给学习者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710396935.XA CN107092706A (zh) | 2017-05-31 | 2017-05-31 | 一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710396935.XA CN107092706A (zh) | 2017-05-31 | 2017-05-31 | 一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107092706A true CN107092706A (zh) | 2017-08-25 |
Family
ID=59638966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710396935.XA Pending CN107092706A (zh) | 2017-05-31 | 2017-05-31 | 一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092706A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832410A (zh) * | 2017-11-03 | 2018-03-23 | 四川文轩教育科技有限公司 | 一种基于知识网络学习路径的推荐方法 |
CN110175942A (zh) * | 2019-05-16 | 2019-08-27 | 西安交通大学城市学院 | 一种基于学习依赖关系的学习序列生成方法 |
CN112529155A (zh) * | 2020-12-07 | 2021-03-19 | 华中师范大学 | 动态知识掌握建模方法、建模系统、存储介质及处理终端 |
CN115129895A (zh) * | 2022-07-05 | 2022-09-30 | 武汉达芬奇教育科技有限公司 | 一种自适应学习系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105853A (zh) * | 2007-08-16 | 2008-01-16 | 上海交通大学 | 网络教学中基于非零起点的个性化导学系统 |
US20110177483A1 (en) * | 2010-01-15 | 2011-07-21 | Catherine Needham | Recommending competitive learning objects |
US20150363795A1 (en) * | 2014-06-11 | 2015-12-17 | Michael Levy | System and Method for gathering, identifying and analyzing learning patterns |
CN106503172A (zh) * | 2016-10-25 | 2017-03-15 | 天闻数媒科技(湖南)有限公司 | 基于知识图谱推荐学习路径的方法和装置 |
CN106611530A (zh) * | 2015-10-23 | 2017-05-03 | 北大方正集团有限公司 | 一种信息处理方法及系统 |
-
2017
- 2017-05-31 CN CN201710396935.XA patent/CN107092706A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105853A (zh) * | 2007-08-16 | 2008-01-16 | 上海交通大学 | 网络教学中基于非零起点的个性化导学系统 |
US20110177483A1 (en) * | 2010-01-15 | 2011-07-21 | Catherine Needham | Recommending competitive learning objects |
US20150363795A1 (en) * | 2014-06-11 | 2015-12-17 | Michael Levy | System and Method for gathering, identifying and analyzing learning patterns |
CN106611530A (zh) * | 2015-10-23 | 2017-05-03 | 北大方正集团有限公司 | 一种信息处理方法及系统 |
CN106503172A (zh) * | 2016-10-25 | 2017-03-15 | 天闻数媒科技(湖南)有限公司 | 基于知识图谱推荐学习路径的方法和装置 |
Non-Patent Citations (1)
Title |
---|
M.A. CHATTI等: "A Reference Model for Learning Analytics", 《INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCED LEARNING (IJTEL)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832410A (zh) * | 2017-11-03 | 2018-03-23 | 四川文轩教育科技有限公司 | 一种基于知识网络学习路径的推荐方法 |
CN110175942A (zh) * | 2019-05-16 | 2019-08-27 | 西安交通大学城市学院 | 一种基于学习依赖关系的学习序列生成方法 |
CN110175942B (zh) * | 2019-05-16 | 2021-12-07 | 西安交通大学城市学院 | 一种基于学习依赖关系的学习序列生成方法 |
CN112529155A (zh) * | 2020-12-07 | 2021-03-19 | 华中师范大学 | 动态知识掌握建模方法、建模系统、存储介质及处理终端 |
CN112529155B (zh) * | 2020-12-07 | 2024-04-05 | 华中师范大学 | 动态知识掌握建模方法、建模系统、存储介质及处理终端 |
CN115129895A (zh) * | 2022-07-05 | 2022-09-30 | 武汉达芬奇教育科技有限公司 | 一种自适应学习系统 |
CN115129895B (zh) * | 2022-07-05 | 2023-05-23 | 武汉达芬奇科技有限公司 | 一种自适应学习系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106991197A (zh) | 一种基于知识图谱的目标驱动的学习点和学习路径推荐方法 | |
CN107085618A (zh) | 面向5w的基于数据图谱、信息图谱和知识图谱的目标驱动的学习点及学习路径推荐 | |
CN107092706A (zh) | 一种面向5w的基于图谱的目标驱动的学习点和学习路径推荐方法 | |
Schulz et al. | Advanced automatic test pattern generation and redundancy identification techniques | |
CN107038508A (zh) | 基于知识图谱的学习能力建模及动态自适应的目标驱动的学习点组织及执行路径推荐方法 | |
CN105448152A (zh) | 一种在线教学系统 | |
Vesin et al. | Ontology-based architecture with recommendation strategy in java tutoring system | |
CN106205248A (zh) | 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法 | |
Eagle et al. | Interaction Networks: Generating High Level Hints Based on Network Community Clustering. | |
CN109800300A (zh) | 一种学习内容推荐方法及系统 | |
CN107544973A (zh) | 一种对数据进行处理的方法和装置 | |
CN105810045A (zh) | 一种基于认知模型的计算思维训练方法及装置 | |
CN104484454A (zh) | 一种面向知识地图的网络学习行为与效能分析方法 | |
Liu et al. | Going beyond better data prediction to create explanatory models of educational data | |
CN108319705A (zh) | 一种基于教学资源的个性化教学过程自动生成方法及系统 | |
Vanhoof et al. | From ‘professional development for data use’to ‘data use for professional development’ | |
Limongelli et al. | Measuring the similarity of concept maps according to pedagogical criteria | |
Vesin et al. | Rule-based reasoning for altering pattern navigation in programming tutoring system | |
Zhang et al. | The study on the support of online learning resource in blended learning based on learning process | |
CN110287331A (zh) | 协同作业小组确定方法、装置、设备及存储介质 | |
Dlab et al. | Personalizing e-learning 2.0 using recommendations | |
Mladenovic et al. | Assessment of students’ preconceptions in an introductory transportation engineering course: case study at Virginia Tech | |
Ivančević et al. | Adaptive testing in programming courses based on educational data mining techniques | |
Xue-jun et al. | Design of Personalized Learning System for Military Vocational Education Based on Big Data | |
Rongmei et al. | Research on internet intelligent tutoring system based on MAS and CBR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170825 |
|
WD01 | Invention patent application deemed withdrawn after publication |