CN108038238A - 一种支持个性化教学过程自动生成的教学资源建模方法及系统 - Google Patents

Abstract

本发明公开了一种支持个性化教学过程自动生成的教学资源建模方法及系统。该方法首先对研究对象进行界定‑主要对自然科学类的图书及相关的教学资源进行建模；其次，通过分析教学资源的知识内容组成，根据资源内部的知识聚集程度进行知识单元及知识元划分，并应用图论对知识元间的关系进行图形化描述；第三，根据教学资源对知识的讲授(或讲解、展示)方式、方法，应用活动对知识的表达进行描述；第四，论述了该方法如何支持个性化的教学过程优化。本发明把教学过程描述和资源描述统一，支持快速、准确地根据学习者的学习目标和知识背景进行教学资源的选择，同时自动生成相应的优化的教学过程。本发明的方法是进一步教学过程分析、学习方案编制的基础。

Description

一种支持个性化教学过程自动生成的教学资源建模方法及 系统

技术领域

本发明涉及信息与网络技术领域，具体涉及一种支持个性化教学过程自动生成的教 学资源建模方法及系统。

背景技术

随着计算机、网络等技术的发展以及电子教学资源的日益丰富，教学过程正在发生 巨大变化，正在从传统的以教师的教为主导的教学过程转向为以学生为中心的、以学生主动学习为主的教学过程。若要实现既能充分发挥教学技术使能的教学过程的优势，又 能防止学生在学习过程中迷航的目标，就需要解决：“如何根据学习者的具体情况及其 所处的资源环境状况，进行教学过程及相关资源推荐”这一难题。而教学资源是知识的 载体，是教学过程进行的物质基础，如何对教学资源进行建模，使得所建模型既支持快 速资源定位，又支持个性化教学过程优化的建模就成为首要解决的问题。

图书分类法又叫图书分类词表，是按照图书的内容、形式、体裁和读者用途等，在一定的哲学思想指导下，运用知识分类的原理，采用逻辑方法，将所有学科的图书按其 学科内容分成几大类，每一大类下分许多小类，每一小类下再分子小类。最后，每一种 书都可以分到某一个类目下，每一个类目都有一个类号。分类词表是层次结构的类号和 类目的集合。

目前，由于教学资源数量巨大，不同资源所包含的知识不同，资源阐述的方式不同， 因此在进行教学资源建模之前，需要对建模资源进行界定，这里采用中国图书馆分类法 对教学资源进行分类，并针对其中的自然科学类的教学资源进行建模(这里的教学资源不仅限于图书，还包括课件、音频、视频等资源)。

有向超图是描述多元子集多元关系的方法，它既具有图形学形象直观的特点，又具 有形式化的理论基础，适合用于计算机进行表达和求解。正是由于有向超图的特点和知识领域本身的特点的一致性决定了可以应用有向超图进行学习内容和学习者关系的描述，应用超图理论进行个性化教学过程推荐。

基于活动的分析方法是业务过程分析常用方法。活动是构成过程的最小单位，具有 时间、成本、质量等属性。基于活动的分析支持对业务过程进行量化分析、优化。由于 教学过程与业务过程具有很大的相似性，因此可以采用基于活动的方法进行学习过程分 析。由于教学资源是知识的载体，教学资源对知识阐述的过程本身就是一个教学过程， 由一系列知识阐述活动构成，因此可以用基于活动的方法对教学资源进行描述，并且这 种描述使得资源的表达和过程表达统一。

总之，教学过程和教学资源的特点决定了需要对教学资源的描述进行改进，使它支持根据学习者的具体情况自动推荐综合最优的学习过程。

发明内容

本发明的目的是针对网络教学环境下学习者各异、学习内容过多，无法根据学习者 的动态目标和知识背景为学习者提供教学过程和相应的学习资源的现状提出一种支持个性化教学过程自动生成的教学资源建模方法。

该方法对相关的知识领域进行有向超图建模，利用超图的性质，根据学习者的知识 背景和个性化目标，从总体优化和持续发展的角度向学习者推荐学习内容及学习路径。

本发明的技术方案具体包括两个方面，一方面提出了一种支持个性化教学过程自动 生成的教学资源建模方法，具体包括以下步骤：

步骤1，确定描述对象。本发明的主要研究对象为自然科学类的教学资源。

步骤2，对资源进行分解，分解为知识单元和知识元。应用有向超图对资源知识结构进行描述。

步骤3，对知识元进行分解描述，用知识表达活动对其进行分解描述。

步骤4，个性化教学过程的自动生成。利用资源中包含的知识元及个性化知识路径中的知识元之间的关系及资源中知识元表达活动的关系，生成优化的教学过程。

进一步，本发明所述步骤1中，描述的对象具体为：

参照中图分类法对教学资源进行分类，并对其中的自然科学类教学资源进行建模， 但此处的教学资源不仅限于图书，还包括课件、音频、视频等数字资源。

进一步，本发明所述步骤2的资源的分解及内部结构描述又包括以下几步骤：

步骤2.1，对资源进行分解，分解为知识单元和知识元。

步骤2.2，应用有向超图对资源的知识结构进行描述。

进一步，本发明所述步骤3的知识元描述又包括以下几步骤：

步骤3.1，基于活动的知识元的表述。

步骤3.2，知识元间活动的处理，过程模型的自动生成。

进一步，本发明所述步骤4的个性化教学过程的生成又包括以下几步骤：

步骤4.1，基于知识图谱的个性化知识路径提取。

步骤4.2，根据任务目标和知识背景进行知识选择，从而进行资源的初选。

步骤4.3，根据性能目标进行活动选择，从而进行资源的二次选择，生成教学过程。

对于包含相同活动且其它属性相同的两个同名或同义、但属于不同的资源的两个知 识元，考虑到知识表述的一致性、连贯性以及学习者的学习习惯，在进行资源选择时，要根据它的前序知识元和后序知识元所属的资源进行选择。由于包含于同一资源中不同知识元中的活动表达的方式更一致些，由于学习者的学习具有一定的惯性，在活动执行时，就不需要调节适应的过程；但如果属于不同的资源，就需要加上调节适应的活动。 因此，相邻两个活动尽量选择同一资源中的知识元来完成。

此外，本发明的另一方面是提出了一种支持个性化教学过程自动生成的教学资源建 模系统，所述系统包括：知识图谱的描述工具、学习者描述工具、学习资源描述工具、 过程建模工具、知识背景测试工具、相关知识图谱的自动生成工具、学习路径的自动生 成工具、学习过程的自动生成工具、反馈信息处理工具、模型库管理工具、试题库管理 以及相关的数据库这几部分。其中，知识图谱描述既可以采用手工的方式进行描述，也 可以利用数据挖掘等技术进行知识元关系的自动生成；学习者的目标描述由学习者来设 定，背景描述既可以根据学习者的知识背景手动进行描述，又可以根据测试自动给出相 应的背景描述。系统根据学习者的目标和背景自动生成优化的学习路径。资源模型主要 是根据资源的知识构成和知识表述对教学资源进行分解描述；既可以采用手工的方式进 行描述，也可以利用数据挖掘等技术进行知识元关系及知识元表述活动自动生成；教学 过程既可以采用过程建模工具手工的方式进行描述，可以是系统根据知识图谱和资源模 型自动生成；所述数据库包括模型数据库、知识图谱库和试题库。

本发明提供了一种支持个性化教学过程自动生成的教学资源建模方法及系统，可以 根据资源的知识构成及知识表述特点进行学习资源建模，该资源建模方法及系统能根据 学习者的个性化知识路径和所处的资源环境，给出优化的教学过程及优化的组合资源。

该方法首先对研究对象进行界定-主要对自然科学类的图书及相关的教学资源进行 建模；接下来，通过分析教学资源的知识内容组成，根据资源内部的知识聚集程度进行知识单元及知识元划分，并应用图论对知识元间的关系进行图形化描述；第三，根据教 学资源对知识的讲授(或讲解、展示)方式、方法，应用活动对知识的表达进行描述； 第四，论述了该方法如何支持个性化的教学过程优化；实际上是如何根据学习者的学习 目标和知识背景进行组合学习资源的优选。

本发明把教学过程描述和资源描述统一，支持快速、准确地根据学习者的学习目标 和知识背景进行教学资源的选择，同时自动生成相应的优化的教学过程。该方法解决了从未知到已知的教学过程中信息过载，以及学习者不知道如何选择学习学习过程和学习资源的难题。此外，本发明给出的方法是进一步教学过程分析、学习方案编制的基础。

附图说明

图1是本发明所述方法的主要流程图。

图2是本发明所述的资源的知识元模型。

图3是本发明所述的资源分解图。

图4是知识元间活动拼接示意图。

图5是本发明所述的用于个性化优化的知识图谱及知识路径。

图6是本发明所述的系统结构示意图。

图7是本发明实施例1的个性化知识路径。

图8是本发明实施例1的资源的知识元模型。

图9a和图9b分别显示的是本发明实施例1的资源分解模型。

图10是本发明实施例1的可能的支持资源。

图11是本发明实施例1的相对于资源分解模型的优化过程模型。

具体实施方式

下面结合说明书附图及较佳实施例对本发明做进一步详细说明，但本发明并不仅限 于以下的实施例。

本发明所述的一种支持个性化教学过程自动生成的教学资源建模方法，该方法分为 四部分：

(1)确定描述对象。本发明的主要研究对象为自然科学类的教学资源。

(2)对资源进行基于知识元的分解描述。根据内部知识的聚集程度，我们继续对其分解，分解为知识单元和知识元。

(3)对知识元进行进一步描述。对于知识元，用知识表达活动对其进行分解描述，并对知识元间的活动关系进行了规定。

(4)个性化教学过程的自动生成。利用资源中包含的知识元及个性化知识路径中的 知识元之间的关系及资源中知识元表达活动的关系，生成优化的教学过程。该方法的具体流程图请参照图1所示。

步骤1：确定描述对象，具体为：

教学资源很多，不同资源包含的内容不同：包含的知识不同，知识的表达方式不同， 所面向的对象不同，例如教学资源中最有代表性的图书，它又分为很多种，不同类的图书包含的知识不同，知识的展示(表达)方式不同，例如，历史类的图书与工业技术类 的图书知识展示的方式不同；因此，首先需要对描述的对象进行界定。根据专利发明者 熟悉的知识领域，这里我们主要针对根据中国图书馆图书分类法中的自然科学类的教学 资源进行建模。但我们的研究的对象不仅仅局限于图书，我们的研究对象既包括正式出 版的书籍，也包括非正式出版的课件、视频、音频等教学资源。

对于由步骤1获得的教学资源，可以以如下步骤进行分解描述：

步骤2：资源分解及为知识单元及知识元。进一步，本发明所述步骤2的资源的分解及内部结构描述具体为：

在本方法的资源描述中，我们用知识元对资源内容进行描述。规定知识元是最小的 知识单位，从知识构成的角度不能再分，知识元中不能再包含知识元。

知识元之间的集聚程度不同，为了描述知识元的聚集性，我们引入了知识单元(资源片段)。知识单元包含一个或多个知识元或者知识单元，同一知识单元内的知识元聚 集程度较高，联系更密切。

知识元之间具有一定逻辑关系，一个知识元的学习可能需要一定的前序知识和背景 知识；有些知识元相对于其直接后序知识元是可选内容，但它可能是间接后序知识元的必须内容。

根据资源内容的组成特点及有向超图解决问题的特点，我们采用有向超图对教学资 源进行图形化描述。用节点描述知识元，用超边描述知识单元及知识元之间的关系。除此之外，资源实体还有一些其它属性，比如名称、位置、成本等，总的资源模型，如图 2所示，可形式化描述为：

资源知识元模型：ResKEM＝(EV，RE)，RE＝(KUE，KEE)，其中，ResEM为资源 知识元模型；EV为知识元节点，RE为超边，KUE为知识单元，KEE为知识元之间的 关系。

对于上述的资源知识元模型，由于它主要描述资源中知识构成，所以我们把这个模 型又称为知识模型。

在上述模型中，知识单元之间除了父子组成关系外，同一层次的知识单元并不是孤 立无关；而是存在前序、后序关系。同一层次的知识单元之间的关系是由其包含的知识元关系决定的。根据知识单元的语义，我们做了如下规定：

知识单元关系的规定：对于两个知识单元，如果一个知识单元中的某个知识元是另 外一个知识单元的直接前序知识单元，则这个知识单元为另外一个知识单元的前序知识 单元；否则该知识单元式另外一个知识单元的后序知识单元；如果两个知识单元中的知识元为互为前序知识单元，则这两个知识单元为并列关系。

知识模型主要描述资源中包含的知识元及知识元间的关系，我们通常应用知识模型 进行资源的初步选择。

步骤3：基于活动的知识元描述。进一步，本发明所述步骤3的资源的分解及内部结构描述又包括以下几步骤：

在本方法的资源描述中，知识元是最小的知识单位，从知识构成的角度不能再分。知识元中不能再包含知识元；但可以以不同的方式对它进行讲解和展示，我们把讲解和 展示该知识元的一系列操作称为该知识元的学习活动，即一个知识元可以包括一系列活 动，表示对该知识元的讲解和展示，一个知识元可能有多个讲解活动，表示对这个知识 元从不同方面进行讲解。知识元之间存在一定的逻辑关系，同样，展示和讲解知识元的 活动之间同样存在着一定的逻辑关系。

基于由步骤2获得的知识模型，我们做进一步的扩展描述：把活动描述为节点，把知识元节点变成包含活动节点的边，并用不同的边来描述活动之间的逻辑关系，此时的 模型转变为资源分解模型，如图3所示，可形式化描述为：

资源分解模型：ResKDM＝(AV，RE)，RE＝(KUE，KEE，AE)，KUE＝(KUE，KEE)， KEE＝(AV，AE)，其中，ResEDM为资源实体分解模型；AV为活动节点，RE为边， KUE为知识单元，KEE为知识元，AE为活动连线。

知识元之间存在逻辑关系(表示当前知识元、前序、后序及背景知识元)，教学活动是对知识元的阐述讲解，知识元间学习活动的逻辑应与知识元间的逻辑关系一致。因此，我们做了如下规定：

知识元间活动关系的规定：给定两个知识元，如果一个知识元是另一个知识元的必 须前序知识元，则在总的学习过程中该知识元的学习活动是另外一个知识元的必须前序 活动，并且每个知识元中的活动保持原顺序。如果一个知识元为后一个知识元的可选项， 表明该知识元内的所有活动相对于后一个知识元内的活动都是可选活动，同样，每个知 识元中的活动保持原顺序。

活动模型：对于上述的资源分解模型，如果我们根据“知识元间活动关系的规定”对知识元之间的活动之间的关系进行处理，并去掉知识元的描述，重点描述展示活动的 逻辑关系，此时的模型退化为描述资源教学过程，我们把这个模型称为过程模型，如图4所示。

知识模型主要描述资源中知识元的拓扑关系，而过程模型主要描述资源中活动的逻 辑关系。我们通常应用知识模型进行资源的初步选择，应用过程模型进行资源的优选。

进一步，本发明所述步骤4中个性化教学过程的自动生成包括以下几个子步骤：

步骤4，个性化教学过程的自动生成。

个性化的教学过程是根据学习者的知识背景、学习目标、推荐合适的学习资源进行 相应知识讲解的一个过程。它由一系列学习活动按照一定的逻辑结构组合而成。

由于资源由一系列知识讲解(表述)活动组成，因此，教学过程优化的实质是如何根 据学习者的学习目标、知识背景、学习方式和学习习惯等自身特点进行组合学习资源推荐的过程，即如何选择、组织资源片断(知识单元)使得整个教学过程的综合输出最优。 这个综合输出可能是时间、成本和教学质量，也可能是其它一些指标。该步骤又包括以 下几个子步骤：

步骤4.1，基于知识图谱的个性化知识路径提取。

知识元并不是孤立存在的，知识元之间存在一定的逻辑关系，我们用节点描述知识 元，用不同的超边描述知识元之间的关系，用包含了知识元节点的超边描述学习者的知识背景和目标，我们称此时的图为个性化的知识图谱。

基于该知识图谱，以学习者的知识目标为起点，利用逆向回溯，我们可以得到针对不同学习者的知识路径，如图5所示。

步骤4.2，可能支持资源的初选(利用知识元匹配，生成可能的支持资源)；

根据步骤3的资源描述可知：如果一个资源片断(知识单元)包含个性化知识图谱中的某个知识元，则该资源片断为该知识元教学过程的可能支持资源，该判断过程可以 形式化描述为：

可支持资源的判断规则：给定一个知识元及一个资源，如果该资源中包含的知识元 包含给定的知识元，则该资源可以支持该知识元的学习。

由于个性化知识路径中的知识元间存在复杂的逻辑“与”、逻辑“或”关系；而教 学资源中的知识的表达都是按顺序进行的，因此，教学资源中存在这样情况：虽然两个 知识元在内容排列上为顺序关系，但在语义上它们之间并没有时序关系，而是一种并列 关系；因此，在进行资源的知识匹配时，需要进行逻辑处理。

多输出的处理：如果一个教学活动有多个输出，根据教学过程的语义，表示完成该活动后可以执行任何一个分支活动。因此，如果一个资源包含部分或全部输出分支及该 活动，则该资源在逻辑安排上合理。

多输入的处理：一个活动如果有多个输入，且输入逻辑为逻辑“与”关系，如果一个资源只包含逻辑“与”部分输入分支及该活动，且其它分支不属于它的前序知识元集 及背景知识内，则该资源在逻辑安排上不合理。对于一个知识元，如果包含逻辑分支“与” 的被输入活动及全部的输入活动，则该知识元合理。对于一个知识元，如果包含逻辑分 支“或”的被输入活动及部分或全部的输入活动，则该知识元合理。

上述规则也可用于判断资源的组织是否合理。

基于给定的个性化知识路径，利用资源中包含的知识元及知识路径中的知识元的包 含关系，我们可以生成某个知识元教学活动所有可能支持资源。

步骤4.3，组合资源的优选及教学过程的自动生成；

在进行资源优选之前，首先需要判断在给定的资源环境下，该教学过程是否可行。

给定资源环境下教学过程的可行性判断：已知一个学习者的知识背景和知识目标， 给定一组资源，如果学习者的背景知识“并”资源中包含的知识元包含从学习者的背景知识元到目标知识元的一条通路，则该学习者的教学过程在该资源环境下可行。

对于给定资源环境下可行的教学过程，我们利用步骤4.2生成所给知识路径中所有 知识元的可能支持资源，此时的优化问题转化为资源的组合优选问题。

可能的资源组合：从每个知识元的资源集中选一个资源，按照知识路径中知识元的 顺序、依据“知识元间活动的规定”进行资源中知识表达活动的拼接，就构成该组知识元的一个教学过程。

可以证明该教学过程在该资源集下是可行的。

利用该组合方式可以生成多个可行的教学过程。不同的过程对应的教学资源不同， 相应的活动属性不同，利用活动属性与过程属性的关系，进行教学过程的优选，从而实现资源的优选。

对于包含相同活动且其它属性相同的两个同名或同义、但属于不同的资源的两个知 识元，考虑到知识表述的一致性、连贯性以及学习者的学习习惯等属性，在进行资源选择时，遵循如下原则。

一致性原则：对于包含相同活动且其它属性相同的两个同名或同义、但属于不同的 资源的两个知识元，由于包含于同一资源中不同知识元中的活动表达的方式更一致些，由于学习者的学习具有一定的惯性，在活动执行时，就不需要调节适应的过程；但如果 属于不同的资源，就需要加上调节适应的活动。因此，要根据它的前序知识元和后序知 识元所属的资源进行选择，相邻两个活动尽量选择同一资源中的知识元来完成。

上述规则为教学上选择一本教材，再适当选择几本参考书的做法提供了理论依据。

对于一个学习者，总的教学过程生成过程可以描述为：

首先，根据教学资源分解模型对教学资源环境进行描述。

第二，根据学习者的知识目标和知识背景，利用逆向回溯生成个性化的知识路径。

第三，判断给定的资源环境下，该教学过程是否可行。

第四，对于可行的过程，根据“可支持资源的判断规则”生成所有可能的支持资源。

第五，根据“可能的资源组合”进行资源的初选，给出所有可能的资源组合，并给出响应的教学过程。

第六，根据选择不同组资源时过程不同性能参数及学习者的个性化目标，进行过程 优化和相应的资源优选。

此外，基于上述方法，本发明还开发了一种支持个性化教学过程自动生成的教学资 源建模系统。其特征在于：

该系统分三个层次，其系统架构如图6所示。

该系统包括：建模层、分析层及数据库层，建模层是对资源环境、学习者、知识图谱分别建模，并通过位于分析层的各种相应的工具与数据库层的数据进行交互。该建模 层包括：相关教学资源环境描述、相关知识图谱描述、学习者目标和背景的描述、教学 过程建模工具；其中的教学过程描述既可以采用手工的方式进行描述，也可以根据学习 者的知识路径和教学资源环境，由系统自动生成；学习者的目标描述由学习者来设定， 背景描述既可以根据学习者的知识背景手动进行描述，也可以根据相关测试，自动给出 相应的背景描述。

该分析层包括：模型库管理工具、学习路径自动生成工具、学习过程自动优化生成及组合资源优化工具、反馈信息处理工具、试题库管理工具及知识背景测试工具；

数据库层包括模型数据库、相关知识图谱库和试题库；

此外，该系统定义了四个角色：教师、学习者、知识图谱维护人员和系统维护人员，分别进行学习建模、个性化学习过程的使用、知识图谱维护以及系统维护。

实施例1

1、问题描述

为了进行对比分析，选择同一个学习者的同一个知识路径在同一资源环境、仅资源 描述方式不同的情况下进行教学资源的组合优选及教学过程的自动优化生成。

为了提高模型的通用性，这里没有选择具体知识路径进行描述，而是选择通用的知 识路径和资源进行建模分析。学习者的个性化的知识路径如图7所示：

2、资源建模

此处以两种资源描述方式对资源环境进行建模，一种是当前比较通用的基于本体的 资源描述方法；另一种是应用本发明提出的基于活动的资源描述方法。

本发明的方法是在比较通用的基于本体的资源描述方法基础上，做进一步描述。在 本文的资源分类和知识分解阶段与传统方法一致，也就是模型的分类和知识分解部分与 基于本体的资源描述方法建得的模型相同，如图8所示。应用本文方法对知识元进行进一步的描述，知识元的描述活动组成如图9a和9b所示，活动的属性如附表1所示。

附表说明

表1资源分解中活动属性表

为了重点说明本发明方法的特点，这里我们假设活动的质量、成本属性都相同，只是时间属性不同，优化的目标是选择所用时间最短的支持资源及相应的学习过程。

3、对组合资源优化及过程优化的支持；

利用资源包含的知识元与知识路径中知识元之间的关系，利用“可支持资源的判断 规则”生成知识路径所有可能的支持资源，因为在当前阶段本发明方法与传统方法相同， 即所有可能的支持资源相同，如图10所示。

接下来进行进一步的资源优选。

应用传统的资源描述方法，无法再进行进一步的选择，只能根据学习者的模糊主观 判进行学习资源的选择，如果可能的支持资源比较少时，这种方法的弊端不是很明显，但当可选资源较多时(在教学资源日益丰富的今天，可选资源较多是常态)，人为选择 则具有很大的随机性，很难保证总体最优。

应用本发明的方法，根据学习者的学习目标，资源包含知识的活动组成，利用活动之间的逻辑关系及过程属性与活动属性的关系，可以进行再次的组合资源优选，并生成 优化的教学过程。对于本实例优化学习过程及相应的优化组合支持资源，如图11所示。

根据上述的例子我们可以得出如下结论：

在同一资源环境下，对于同一个学习者、同一个学习知识路径，应用本文的资源描述方法与传统资源描述方法得到优化的组合资源不同，相比较而言，本发明方法具有下 列特点：

1)本发明方法能进行比较精准的优化组合资源的推荐，该优化推荐能达到知识元粒度层的优化。

2)本发明资源描述方法能根据学习者的知识路径给出相应优化的教学过程及学习 过程所用的支持资源。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (9)

1.一种支持个性化教学过程自动生成的教学资源建模方法，其特征在于：该方法包括以下步骤：

步骤1，确定描述对象；主要研究对象为自然科学类的教学资源；

步骤2，对资源进行分解，分解为知识单元和知识元，应用有向超图对资源知识结构进行描述；

步骤3，对知识元进行分解描述，用知识表达活动对其进行分解描述；

步骤4，个性化教学过程的自动生成，利用资源中包含的知识元及个性化知识路径中的知识元之间的关系及资源中知识元表达活动的关系，生成优化的教学过程。

2.根据权利要求1所述的支持个性化教学过程自动生成的教学资源建模方法，其特征在于：具体包括以下步骤：

步骤1，描述的对象具体为：

参照中图分类法对教学资源进行分类，并对其中的自然科学类教学资源进行建模，但此处的教学资源不仅限于图书，还包括课件、音频、视频等数字资源。

3.根据权利要求1所述的支持个性化教学过程自动生成的教学资源建模方法，其特征在于：所述步骤2的资源的分解及内部结构描述进一步包括以下几步骤：

步骤2.1，对资源进行分解，分解为知识单元和知识元；

步骤2.2，应用有向超图对资源的知识结构进行描述。

4.根据权利要求1所述的支持个性化教学过程自动生成的教学资源建模方法，其特征在于：所述步骤3的知识元描述进一步包括以下几步骤：

步骤3.1，基于活动的知识元的表述；

步骤3.2，知识元间活动的处理，过程模型的自动生成。

5.根据权利要求1所述的支持个性化教学过程自动生成的教学资源建模方法，其特征在于：所述步骤4的个性化教学过程的生成进一步包括以下几步骤：

步骤4.1，基于知识图谱的个性化知识路径提取；

步骤4.2，根据任务目标和知识背景进行知识选择，从而进行资源的初选；

步骤4.3，根据性能目标进行活动选择，从而进行资源的二次选择，生成教学过程。

6.根据权利要求1所述的支持个性化教学过程自动生成的教学资源建模方法，其特征在于：对于一个学习者，总的教学过程生成过程可以描述为：

首先，根据教学资源分解模型对教学资源环境进行描述；

第二，根据学习者的知识目标和知识背景，利用逆向回溯生成个性化的知识路径；

第三，判断给定的资源环境下，该教学过程是否可行；

第四，对于可行的过程，根据“可支持资源的判断规则”生成所有可能的支持资源；

第五，根据“可能的资源组合”进行资源的初选，给出所有可能的资源组合，并给出响应的教学过程；

第六，根据选择不同组资源时过程不同性能参数及学习者的个性化目标，进行过程优化和相应的资源优选。

7.一种支持个性化教学过程自动生成的教学资源建模系统，其特征在于：所述系统包括：知识图谱的描述工具、学习者描述工具、学习资源描述工具、过程建模工具、知识背景测试工具、相关知识图谱的自动生成工具、学习路径的自动生成工具、学习过程的自动生成工具、反馈信息处理工具、模型库管理工具、试题库管理以及相关的数据库这几部分。

8.根据权利要求7所述的支持个性化教学过程自动生成的教学资源建模系统，其特征在于：

所述识图谱描述既可以采用手工的方式进行描述，也可以利用数据挖掘等技术进行知识元关系的自动生成；

学习者的目标描述由学习者来设定，背景描述既可以根据学习者的知识背景手动进行描述，又可以根据测试自动给出相应的背景描述；

系统根据学习者的目标和背景自动生成优化的学习路径；

资源模型主要是根据资源的知识构成和知识表述对教学资源进行分解描述；既可以采用手工的方式进行描述，也可以利用数据挖掘等技术进行知识元关系及知识元表述活动自动生成；

教学过程既可以采用过程建模工具手工的方式进行描述，可以是系统根据知识图谱和资源模型自动生成；

所述数据库包括模型数据库、知识图谱库和试题库。

9.根据权利要求7所述的支持个性化教学过程自动生成的教学资源建模系统，其特征在于：

所述系统定义了四个角色：教师、学习者、知识图谱维护人员和系统维护人员，分别进行学习建模、个性化学习过程的使用、知识图谱维护以及系统维护。