CN115129895B - 一种自适应学习系统 - Google Patents

一种自适应学习系统 Download PDF

Info

Publication number
CN115129895B
CN115129895B CN202210793038.3A CN202210793038A CN115129895B CN 115129895 B CN115129895 B CN 115129895B CN 202210793038 A CN202210793038 A CN 202210793038A CN 115129895 B CN115129895 B CN 115129895B
Authority
CN
China
Prior art keywords
knowledge
learning
learner
learned
module
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.)
Active
Application number
CN202210793038.3A
Other languages
English (en)
Other versions
CN115129895A (zh
Inventor
梅前银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Davinci Technology Co ltd
Original Assignee
Wuhan Davinci Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Davinci Technology Co ltd filed Critical Wuhan Davinci Technology Co ltd
Priority to CN202210793038.3A priority Critical patent/CN115129895B/zh
Publication of CN115129895A publication Critical patent/CN115129895A/zh
Application granted granted Critical
Publication of CN115129895B publication Critical patent/CN115129895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种自适应学习系统，涉及自适应学习技术领域。通过本发明创造，提供了一种站在学习者立场以心理学为理论基础来构建区别于传统教学的自适应学习方案，即包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的，所述学习模块、所述知识关联模块、所述练习模块、所述互动答疑模块和所述知识可视化模块用于通过其具体功能，适配学习者在个性化学习过程中从需要学习环节到答疑环节这一个人心理变化，进而可助力学习者提升学习效果，便于实际应用和推广。

Description

一种自适应学习系统
技术领域
本发明属于自适应学习技术领域，具体涉及一种自适应学习系统。
背景技术
现在的教育以教为出发点，从如何教好出发，引导学习。由于在教学目标相同的前提下，学习者彼此之间存在着学习基础或者学习能力上的差异，如果只提供相同的学习内容或者学习路径，并不能达到对全体学生而言理想的学习效果。因此，需要一种以学习者为中心，针对不同的人提供具有针对性的学习内容或者学习路径。自适应学习旨在为不同学习者提供适应性的学习内容和学习路径，达到个性化学习的目的。
目前，好的学习资源很多，但想要找到学习者想要的好资源非常困难；以及名师很多，但想要找个学习风格匹配的名师很困难，想换个个性化的学习方式更加不可能，使得个性化学习与现代的教育体制格格不入。同时个性化学习的过程亦是一个个人心理变化的过程：需要学习→确定需要学习的内容→进行知识学习→将新学习知识与个性知识空间中的其它知识联系起来→巩固学习新知识→答疑→仍有疑问则针对性地学习(即产生新的学习需求)。因此如何站在学习者立场，以心理学为理论基础来构建区别于传统教学的自适应学习系统，达到进一步提升学习者的学习效果的目的，是本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的是提供一种新型的自适应学习系统，用以解决现有自适应学习技术中因未以心理学为理论基础而导致不能进一步助力学习者提升学习效果的问题。
为了实现上述目的，本发明采用以下技术方案：
一种自适应学习系统，包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的；
所述知识图谱库，用于存储具有空间结构的知识体系，其中，所述知识体系包含有知识点、两知识点间的关联关系、两知识点间的学习先后顺序和与知识点关联的学习资源；
所述个人需求库，用于存储所述学习者在历史学习过程中所产生的学习疑难困惑信息，其中，所述学习疑难困惑信息包含有疑难困惑知识点及对应的解答方案；
所述个性认知库，用于存储所述学习者的已学知识点掌握程度以及喜好资源风格方式、学习偏好方式和/或优劣认知模式；
所述个人知识空间图谱库，用于存储所述学习者的且具有空间结构的已学知识体系，其中，所述已学知识体系包含有已学知识点、知识点间的关联关系和知识点间的学习先后顺序；
所述学习模块，用于根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，最后将所述第一学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一学习资源呈现给所述学习者进行学习，其中，所述待学知识点是指在所述知识体系中学习先后顺序位于所述已掌握知识点之后的知识点，所述学习风格偏好包含有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式；
所述知识关联模块，用于根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，然后将所述可游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述可游戏文件呈现给所述学习者进行游戏化操作，帮助所述学习者理解并学会所述新学知识点；
所述练习模块，用于根据所述学习者的年龄层次参数，确定用于进行再记忆已学知识点的至少一个时间节点，并在所述至少一个时间节点中的各个时间节点到达时，将与所述已学知识点关联的学习资源再次传送至所述知识可视化模块，以便通过所述知识可视化模块将该学习资源再次呈现给所述学习者进行再记忆学习；
所述互动答疑模块，用于在获取由所述学习者输入的且针对所述已学知识点的疑难困惑问题时，从其他学习者的个人需求库中抽取出与所述已学知识点对应的且匹配所述疑难困惑问题的第一解答方案，并将所述第一解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一解答方案呈现给所述学习者进行解惑。
基于上述发明内容，提供了一种站在学习者立场以心理学为理论基础来构建区别于传统教学的自适应学习方案，即包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的，所述学习模块、所述知识关联模块、所述练习模块、所述互动答疑模块和所述知识可视化模块用于通过其具体功能，适配学习者在个性化学习过程中从需要学习环节到答疑环节这一个人心理变化，进而可助力学习者提升学习效果，便于实际应用和推广。
在一个可能的设计中，根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，包括：
根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及多个已掌握知识点，其中，所述学习风格偏好包含有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式；
针对所述多个已掌握知识点中的各个已掌握知识点，确定在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点；
将确定次数最多的未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点，或者将属于同一知识块的且具有最多总确定次数的多个未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点；
根据所述待学知识点和所述多个已掌握知识点，确定包含有所述待学知识点的且包含有最多个所述已掌握知识点的知识块；
从所述知识图谱库中抽取出为学习所述知识块而准备的且匹配所述学习风格偏好的课件资源，并将所述课件资源作为与所述待学知识点关联的且匹配所述学习风格偏好的第一学习资源。
在一个可能的设计中，根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，包括：
在学习先后顺序维度、学习重要性维度和/或内涵外延维度上分别对所述已掌握知识点和新学知识点进行直观形象化处理，得到所述已掌握知识点和所述新学知识点的形象化图标，然后根据所述形象化图标以及所述新学知识点与所述已掌握知识点之间的关联关系生成可点击关联的第一游戏文件。
在一个可能的设计中，所述学习模块，还用于在练习过程或答疑互动过程中产生新学习需求后，从所述知识图谱库中抽取出与用于满足所述新学习需求的待学知识点关联的且匹配所述学习风格偏好的第二学习资源，并将所述第二学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二学习资源呈现给所述学习者进行学习。
在一个可能的设计中，所述学习模块，还用于在获取由所述学习者输入的内在学习需求后，从所述知识图谱库中抽取出与用于满足所述内在学习需求的待学知识点关联的且匹配所述学习风格偏好的第三学习资源，并将所述第三学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第三学习资源呈现给所述学习者进行学习。
在一个可能的设计中，所述知识关联模块，还用于根据所述学习者的当前学习进程，将需要学习的待学知识点、需要重点学习的知识点和/或用于弥补所述学习者的现有知识体系的知识点散落在矿坑中，然后根据散落结果生成可挖矿/抓矿的第二游戏文件，最后将所述第二游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二游戏文件呈现给所述学习者进行游戏挖矿/抓矿操作，帮助所述学习者学习和关联新旧知识点。
在一个可能的设计中，所述练习模块，还用于在确定即将要学习的新知识点后，从所述知识图谱库中抽取出与所述新知识点关联的且匹配所述学习风格偏好的第四学习资源，然后将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源呈现给所述学习者进行提前预习，最后在学习完所述新知识点时启动计时器，并在所述计时器的计时到达预设的时长阈值时，再次将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源再次呈现给所述学习者进行提醒式复习。
在一个可能的设计中，所述练习模块，还用于针对已学习知识点，将对应的且用于理解练习、巩固练习、深入练习和/或新旧知识点融会贯通练习的习题传送至所述知识可视化模块，以便通过所述知识可视化模块将所述习题呈现给所述学习者进行练习。
在一个可能的设计中，所述互动答疑模块，还用于在所述学习者学习某个知识点时，从其他学习者的个人需求库中抽取出与所述某个知识点对应的且记录次数从高到低排序在前的至少一个第二解答方案，并将所述至少一个第二解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述至少一个第二解答方案呈现给所述学习者进行解惑。
在一个可能的设计中，所述互动答疑模块，还用于根据新旧知识点融会贯通练习结果，对所述学习者的已学知识体系进行空间结构重构，并自主创作新学习需求、新练习题或新考卷。
有益效果：
(1)本发明创造提供了一种站在学习者立场以心理学为理论基础来构建区别于传统教学的自适应学习方案，即包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的，所述学习模块、所述知识关联模块、所述练习模块、所述互动答疑模块和所述知识可视化模块用于通过其具体功能，适配学习者在个性化学习过程中从需要学习环节到答疑环节这一个人心理变化，进而可助力学习者提升学习效果；
(2)所述自适应学习系统还具有可学习闭环、可自主选择学习、可提升学习积极性、可提供温习方案、可测试学习效果和可主动积极解惑等特点，便于实际应用和推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的自适应学习系统的结构示意图。
图2为本发明提供的多个知识点与知识块的对应关系示例图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
应当理解，尽管本文可能使用术语第一和第二等等来描述各种对象，但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象，同时不脱离本发明的示例实施例的范围。
应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A、单独存在B或者同时存在A和B等三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A或者同时存在A和B等两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。
实施例一：
如图1所示，本实施例提供的所述自适应学习系统，包括但不限于有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块等，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的(例如针对学习者A，会创建有对应的个人需求库、个性认知库和个人知识空间图谱库等；而针对学习者B，也会创建有对应的个人需求库、个性认知库和个人知识空间图谱库等)；所述知识图谱库，用于存储具有空间结构的知识体系，其中，所述知识体系包含但不限于有知识点、两知识点间的关联关系(例如两个单词为同义词关系、反义词关系或上下位关系等)、两知识点间的学习先后顺序(例如针对两单词“bookstore”和“book”，需先学习“book”，再学习“bookstore”)和与知识点关联的学习资源(例如关于“book”的动画视频)等；所述个人需求库，用于存储所述学习者在历史学习过程中所产生的学习疑难困惑信息，其中，所述学习疑难困惑信息包含但不限于有疑难困惑知识点及对应的解答方案等；所述个性认知库，用于存储所述学习者的已学知识点掌握程度以及喜好资源风格方式、学习偏好方式和/或优劣认知模式；所述个人知识空间图谱库，用于存储所述学习者的且具有空间结构的已学知识体系，其中，所述已学知识体系包含但不限于有已学知识点、知识点间的关联关系和知识点间的学习先后顺序等。此外，所述知识体系还可包含但不限于有两知识点的相互依存度和/或重次要程度(即两知识点中哪一个知识点更为重要)等；所述个人需求库还用于存储所述学习者的学习需求；所述个人知识空间图谱库还用于存储所述学习者的知识体系学习过程；所述已学知识体系还包含但不限于有两已学知识点的相互依存度和/或重次要程度等。
所述学习模块，用于根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，最后将所述第一学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一学习资源呈现给所述学习者进行学习，其中，所述待学知识点是指在所述知识体系中学习先后顺序位于所述已掌握知识点之后的知识点，所述学习风格偏好包含但不限于有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式。
具体的，根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，包括但不限于有如下步骤S101～S105。
S101.根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及多个已掌握知识点，其中，所述学习风格偏好包含但不限于有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式。
在所述步骤S101中，所述学习风格偏好可以根据所述个性认知库中的当前库信息常规确定，所述多个已掌握知识点可以根据所述个性认知库和所述个人知识空间图谱库中的当前库信息常规确定。
S102.针对所述多个已掌握知识点中的各个已掌握知识点，确定在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点。
在所述步骤S102中，举例的，如图2所示有15个知识点，其中，知识点1、知识点2、知识点3、知识点4、知识点5、知识点6、知识点7、知识点8、知识点9、知识点14和知识点15为已掌握知识点，其余知识点为未学知识点，如此针对知识点1、知识点2、知识点4、知识点5、知识点7、知识点8和知识点15，分别确定无在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点；针对知识点3、知识点6和知识点9，可以分别确定在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点为知识点10；针对知识点14，可以确定在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点为知识点12，依次类推。
S103.将确定次数最多的未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点。
在所述步骤S103中，举例的，如图2所示，知识点10的确定次数为3，知识点12的确定次数为1，其余未学知识点的确定次数为0，如此可将知识点10作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点。
S104.根据所述待学知识点和所述多个已掌握知识点，确定包含有所述待学知识点的且包含有最多个所述已掌握知识点的知识块。
在所述步骤S104中，举例的，如图2所示，知识块A包含有知识点2、知识点3、知识点5和知识点6，知识块B包含有知识点5、知识点6、知识点8和知识点9，知识块C包含有知识点6、知识点9、知识点10和知识点14，知识块D包含有知识点10、知识点11、知识点12和知识点13，由此可以在学习知识块A和知识块B后，将知识块C作为最佳学习路径的下一步，以便新学知识点10，同时复习知识点6、知识点9和知识点14，进而有效提升学习者的学习效果。此外，如果所述学习者的学习能力强，也可以直接将知识块D(因为其包含的多个未学知识点具有最多的总确定次数：3+1＝4)作为学习路径的下一步，以便新学知识点10、知识点11、知识点12和知识点13，同时复习知识点15，进而可跳过学习知识块C，节约学习时间，即先将属于同一知识块的且具有最多总确定次数的多个未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点，然后根据所述待学知识点和所述多个已掌握知识点，确定包含有所述待学知识点的且包含有最多个所述已掌握知识点的知识块。
S105.从所述知识图谱库中抽取出为学习所述知识块而准备的且匹配所述学习风格偏好的课件资源，并将所述课件资源作为与所述待学知识点关联的且匹配所述学习风格偏好的第一学习资源。
在所述步骤S105中，由于一般是以知识块为单位准备课件资源(即单个课件资源会涉及多个不同知识点)，因此可举例将为学习所述知识块C或所述知识块D而准备的且匹配所述学习风格偏好的课件资源，作为与所述待学知识点关联的且匹配所述学习风格偏好的第一学习资源。
所述知识关联模块，用于根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，然后将所述可游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述可游戏文件呈现给所述学习者进行游戏化操作，帮助所述学习者理解并学会所述新学知识点。所述新学知识点即为刚通过所述学习模块完成学习的待学知识点，其与所述已掌握知识点之间的关联关系，可根据所述知识图谱库或所述个人知识空间图谱库的当前库信息常规得到。具体的，根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，包括但不限于：在学习先后顺序维度、学习重要性维度和/或内涵外延维度上分别对所述已掌握知识点和新学知识点进行直观形象化处理，得到所述已掌握知识点和所述新学知识点的形象化图标，然后根据所述形象化图标以及所述新学知识点与所述已掌握知识点之间的关联关系生成可点击关联的第一游戏文件，如此在将所述第一游戏文件传送至所述知识可视化模块后，可通过所述知识可视化模块将所述第一游戏文件呈现给所述学习者进行游戏点击关联操作(类似连连看游戏的点击关联操作)，进而帮助所述学习者理解并掌握所述新学知识点。
所述练习模块，用于根据所述学习者的年龄层次参数，确定用于进行再记忆已学知识点的至少一个时间节点，并在所述至少一个时间节点中的各个时间节点到达时，将与所述已学知识点关联的学习资源再次传送至所述知识可视化模块，以便通过所述知识可视化模块将该学习资源再次呈现给所述学习者进行再记忆学习。所述已学知识点可以是所述新学知识点，也可以是之前学习的知识点。所述至少一个时间节点可以但不限于基于不同年龄段的艾宾浩斯记忆曲线(即遗忘曲线，其描述了人类大脑对新事物遗忘的规律)来确定，由此可以得到一个巩固记忆方案，以便在经过几轮再记忆学习后达到半永久甚至永久记忆。
所述互动答疑模块，用于在获取由所述学习者输入的且针对所述已学知识点的疑难困惑问题时，从其他学习者的个人需求库中抽取出与所述已学知识点对应的且匹配所述疑难困惑问题的第一解答方案，并将所述第一解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一解答方案呈现给所述学习者进行解惑。由此当所述学习者针对所述已学知识点存在疑惑不清楚地方时，可以发起帮助请求，然后由系统自动匹配解答方案。此外，在通过所述知识可视化模块将所述第一解答方案呈现给所述学习者进行解惑时，可以根据所述学习风格偏好匹配一个虚拟讲解人物，然后由该虚拟讲解人物来讲解所述第一解答方案，以便助力所述学习者解惑。
由此基于前述自适应学习系统的详细描述，提供了一种站在学习者立场以心理学为理论基础来构建区别于传统教学的自适应学习方案，即包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的，所述学习模块、所述知识关联模块、所述练习模块、所述互动答疑模块和所述知识可视化模块用于通过其具体功能，适配学习者在个性化学习过程中从需要学习环节到答疑环节这一个人心理变化，进而可助力学习者提升学习效果，便于实际应用和推广。
优选的，所述学习模块，还用于在练习过程或答疑互动过程中产生新学习需求后，从所述知识图谱库中抽取出与用于满足所述新学习需求的待学知识点关联的且匹配所述学习风格偏好的第二学习资源，并将所述第二学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二学习资源呈现给所述学习者进行学习。由此还可以实现学习闭环，确保学习者能够持续性的自适应学习下去。
优选的，所述学习模块，还用于在获取由所述学习者输入的内在学习需求后，从所述知识图谱库中抽取出与用于满足所述内在学习需求的待学知识点关联的且匹配所述学习风格偏好的第三学习资源，并将所述第三学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第三学习资源呈现给所述学习者进行学习。由此在前述的系统推荐学习模式的基础上，还提供了一种自主选择学习模式，进一步提升了实用性。
优选的，所述知识关联模块，还用于根据所述学习者的当前学习进程，将需要学习的待学知识点、需要重点学习的知识点和/或用于弥补所述学习者的现有知识体系的知识点散落在矿坑中，然后根据散落结果生成可挖矿/抓矿的第二游戏文件，最后将所述第二游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二游戏文件呈现给所述学习者进行游戏挖矿/抓矿操作，帮助所述学习者学习和关联新旧知识点。前述的游戏挖矿/抓矿操作类似于在黄金矿工游戏中的游戏操作，如此可以将个性化学习融入到游戏中，提升学习者的学习积极性。
优选的，所述练习模块，还用于在确定即将要学习的新知识点后，从所述知识图谱库中抽取出与所述新知识点关联的且匹配所述学习风格偏好的第四学习资源，然后将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源呈现给所述学习者进行提前预习，最后在学习完所述新知识点时启动计时器，并在所述计时器的计时到达预设的时长阈值时，再次将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源再次呈现给所述学习者进行提醒式复习。由此可以提供一套预习与温习相结合的温习方案，并安排好时间节点进行提醒，进一步提升学习者的学习效果。
优选的，所述练习模块，还用于针对已学习知识点，将对应的且用于理解练习、巩固练习、深入练习和/或新旧知识点融会贯通练习的习题传送至所述知识可视化模块，以便通过所述知识可视化模块将所述习题呈现给所述学习者进行练习。由此还可以主动测试学习者的知识点掌握情况(即在测试完后，可根据习题答复结果更新所述个性认知库中所述学习者的已学知识点掌握程度)，以便后续继续进行系统推荐学习。
优选的，所述互动答疑模块，还用于在所述学习者学习某个知识点时，从其他学习者的个人需求库中抽取出与所述某个知识点对应的且记录次数从高到低排序在前的至少一个第二解答方案，并将所述至少一个第二解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述至少一个第二解答方案呈现给所述学习者进行解惑。所述记录次数是指同一解答方案在不同学习者的个人需求库中的存储次数，如此可以针对其他学习者在学习所述某个知识点的过程中所经常遭遇的困难疑惑问题，积极主动地进行解惑，进一步提升实用性。
优选的，所述互动答疑模块，还用于根据新旧知识点融会贯通练习结果，对所述学习者的已学知识体系进行空间结构重构，并自主创作新学习需求、新练习题或新考卷。
综上，采用本实施例所提供的自适应学习系统，具有如下技术效果：
(1)本实施例提供了一种站在学习者立场以心理学为理论基础来构建区别于传统教学的自适应学习方案，即包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的，所述学习模块、所述知识关联模块、所述练习模块、所述互动答疑模块和所述知识可视化模块用于通过其具体功能，适配学习者在个性化学习过程中从需要学习环节到答疑环节这一个人心理变化，进而可助力学习者提升学习效果；
(2)所述自适应学习系统还具有可学习闭环、可自主选择学习、可提升学习积极性、可提供温习方案、可测试学习效果和可主动积极解惑等特点，便于实际应用和推广。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种自适应学习系统，其特征在于，包括有知识图谱库、个人需求库、个性认知库、个人知识空间图谱库、学习模块、知识关联模块、练习模块、互动答疑模块和知识可视化模块，其中，所述个人需求库、所述个性认知库和所述个人知识空间图谱库是分别针对单个学习者而单独建立的；
所述知识图谱库，用于存储具有空间结构的知识体系，其中，所述知识体系包含有知识点、两知识点间的关联关系、两知识点间的学习先后顺序和与知识点关联的学习资源；
所述个人需求库，用于存储所述学习者在历史学习过程中所产生的学习疑难困惑信息，其中，所述学习疑难困惑信息包含有疑难困惑知识点及对应的解答方案；
所述个性认知库，用于存储所述学习者的已学知识点掌握程度以及喜好资源风格方式、学习偏好方式和/或优劣认知模式；
所述个人知识空间图谱库，用于存储所述学习者的且具有空间结构的已学知识体系，其中，所述已学知识体系包含有已学知识点、知识点间的关联关系和知识点间的学习先后顺序；
所述学习模块，用于根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，最后将所述第一学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一学习资源呈现给所述学习者进行学习，其中，所述待学知识点是指在所述知识体系中学习先后顺序位于所述已掌握知识点之后的知识点，所述学习风格偏好包含有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式；
所述知识关联模块，用于根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，然后将所述可游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述可游戏文件呈现给所述学习者进行游戏化操作，帮助所述学习者理解并学会所述新学知识点；
所述练习模块，用于根据所述学习者的年龄层次参数，确定用于进行再记忆已学知识点的至少一个时间节点，并在所述至少一个时间节点中的各个时间节点到达时，将与所述已学知识点关联的学习资源再次传送至所述知识可视化模块，以便通过所述知识可视化模块将该学习资源再次呈现给所述学习者进行再记忆学习；
所述互动答疑模块，用于在获取由所述学习者输入的且针对所述已学知识点的疑难困惑问题时，从其他学习者的个人需求库中抽取出与所述已学知识点对应的且匹配所述疑难困惑问题的第一解答方案，并将所述第一解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第一解答方案呈现给所述学习者进行解惑；
所述互动答疑模块，还用于在所述学习者学习某个知识点时，从其他学习者的个人需求库中抽取出与所述某个知识点对应的且记录次数从高到低排序在前的至少一个第二解答方案，并将所述至少一个第二解答方案传送至所述知识可视化模块，以便通过所述知识可视化模块将所述至少一个第二解答方案呈现给所述学习者进行解惑，其中，所述记录次数是指同一解答方案在不同学习者的个人需求库中的存储次数。
2.根据权利要求1所述的自适应学习系统，其特征在于，根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及已掌握知识点，然后从所述知识图谱库中抽取出与待学知识点关联的且匹配所述学习风格偏好的第一学习资源，包括：
根据所述个人需求库、所述个性认知库和所述个人知识空间图谱库中的当前库信息，确定所述学习者的学习风格偏好以及多个已掌握知识点，其中，所述学习风格偏好包含有所述喜好资源风格方式、所述学习偏好方式和/或所述优劣认知模式中优的认知模式；
针对所述多个已掌握知识点中的各个已掌握知识点，确定在所述知识体系中学习先后顺序位于对应知识点之后的未学知识点；
将确定次数最多的未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点，或者将属于同一知识块的且具有最多总确定次数的多个未学知识点作为在所述知识体系中学习先后顺序位于所述多个已掌握知识点之后的待学知识点；
根据所述待学知识点和所述多个已掌握知识点，确定包含有所述待学知识点的且包含有最多个所述已掌握知识点的知识块；
从所述知识图谱库中抽取出为学习所述知识块而准备的且匹配所述学习风格偏好的课件资源，并将所述课件资源作为与所述待学知识点关联的且匹配所述学习风格偏好的第一学习资源。
3.根据权利要求1所述的自适应学习系统，其特征在于，根据新学知识点与所述已掌握知识点之间的关联关系生成可游戏文件，包括：
在学习先后顺序维度、学习重要性维度和/或内涵外延维度上分别对所述已掌握知识点和新学知识点进行直观形象化处理，得到所述已掌握知识点和所述新学知识点的形象化图标，然后根据所述形象化图标以及所述新学知识点与所述已掌握知识点之间的关联关系生成可点击关联的第一游戏文件。
4.根据权利要求1所述的自适应学习系统，其特征在于，所述学习模块，还用于在练习过程或答疑互动过程中产生新学习需求后，从所述知识图谱库中抽取出与用于满足所述新学习需求的待学知识点关联的且匹配所述学习风格偏好的第二学习资源，并将所述第二学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二学习资源呈现给所述学习者进行学习。
5.根据权利要求1所述的自适应学习系统，其特征在于，所述学习模块，还用于在获取由所述学习者输入的内在学习需求后，从所述知识图谱库中抽取出与用于满足所述内在学习需求的待学知识点关联的且匹配所述学习风格偏好的第三学习资源，并将所述第三学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第三学习资源呈现给所述学习者进行学习。
6.根据权利要求1所述的自适应学习系统，其特征在于，所述知识关联模块，还用于根据所述学习者的当前学习进程，将需要学习的待学知识点、需要重点学习的知识点和/或用于弥补所述学习者的现有知识体系的知识点散落在矿坑中，然后根据散落结果生成可挖矿/抓矿的第二游戏文件，最后将所述第二游戏文件传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第二游戏文件呈现给所述学习者进行游戏挖矿/抓矿操作，帮助所述学习者学习和关联新旧知识点。
7.根据权利要求1所述的自适应学习系统，其特征在于，所述练习模块，还用于在确定即将要学习的新知识点后，从所述知识图谱库中抽取出与所述新知识点关联的且匹配所述学习风格偏好的第四学习资源，然后将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源呈现给所述学习者进行提前预习，最后在学习完所述新知识点时启动计时器，并在所述计时器的计时到达预设的时长阈值时，再次将所述第四学习资源传送至所述知识可视化模块，以便通过所述知识可视化模块将所述第四学习资源再次呈现给所述学习者进行提醒式复习。
8.根据权利要求1所述的自适应学习系统，其特征在于，所述练习模块，还用于针对已学习知识点，将对应的且用于理解练习、巩固练习、深入练习和/或新旧知识点融会贯通练习的习题传送至所述知识可视化模块，以便通过所述知识可视化模块将所述习题呈现给所述学习者进行练习。
9.根据权利要求1所述的自适应学习系统，其特征在于，所述互动答疑模块，还用于根据新旧知识点融会贯通练习结果，对所述学习者的已学知识体系进行空间结构重构，并自主创作新学习需求、新练习题或新考卷。
CN202210793038.3A 2022-07-05 2022-07-05 一种自适应学习系统 Active CN115129895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210793038.3A CN115129895B (zh) 2022-07-05 2022-07-05 一种自适应学习系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210793038.3A CN115129895B (zh) 2022-07-05 2022-07-05 一种自适应学习系统

Publications (2)

Publication Number Publication Date
CN115129895A CN115129895A (zh) 2022-09-30
CN115129895B true CN115129895B (zh) 2023-05-23

Family

ID=83382553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210793038.3A Active CN115129895B (zh) 2022-07-05 2022-07-05 一种自适应学习系统

Country Status (1)

Country Link
CN (1) CN115129895B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118098515A (zh) * 2024-04-25 2024-05-28 徐州医科大学 一种基于退火算法的记忆增强方法及课程学习系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106777127A (zh) * 2016-12-16 2017-05-31 中山大学 基于知识图谱的个性化学习过程的自动生成方法及系统
CN106991197A (zh) * 2017-05-30 2017-07-28 海南大学 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
CN107092706A (zh) * 2017-05-31 2017-08-25 海南大学 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
CN113742586A (zh) * 2021-08-31 2021-12-03 华中师范大学 一种基于知识图谱嵌入的学习资源推荐方法及系统
CN114491057A (zh) * 2021-12-15 2022-05-13 三盟科技股份有限公司 基于知识图谱的学习路径推荐方法、系统、计算机及介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102346976A (zh) * 2011-03-03 2012-02-08 郭华 基于知识结构及效果反馈的电子设备辅助学习方法
CN107085618A (zh) * 2017-06-01 2017-08-22 海南大学 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
CN110991645B (zh) * 2019-11-18 2024-03-29 广东宜学通教育科技有限公司 一种基于知识模型的自适应学习方法、系统及存储介质
CN112016767A (zh) * 2020-10-09 2020-12-01 北京高思博乐教育科技股份有限公司 学习路线的动态规划方法及装置
CN113342986A (zh) * 2021-03-25 2021-09-03 曼汉教育科技(上海)有限公司 一种基于知识图谱的个性化知识服务推荐系统
CN113516574A (zh) * 2021-07-27 2021-10-19 北京爱学习博乐教育科技有限公司 基于大数据与深度学习的自适应学习系统及其构建方法
CN113886567A (zh) * 2021-08-31 2022-01-04 安徽商贸职业技术学院 一种基于知识图谱的教学方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106777127A (zh) * 2016-12-16 2017-05-31 中山大学 基于知识图谱的个性化学习过程的自动生成方法及系统
CN106991197A (zh) * 2017-05-30 2017-07-28 海南大学 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
CN107092706A (zh) * 2017-05-31 2017-08-25 海南大学 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
CN113742586A (zh) * 2021-08-31 2021-12-03 华中师范大学 一种基于知识图谱嵌入的学习资源推荐方法及系统
CN114491057A (zh) * 2021-12-15 2022-05-13 三盟科技股份有限公司 基于知识图谱的学习路径推荐方法、系统、计算机及介质

Also Published As

Publication number Publication date
CN115129895A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN106023693B (zh) 一种基于虚拟现实技术和模式识别技术的教育系统及方法
Chapman Classroom practices for context of mathematics word problems
Lokse et al. Teaching information literacy in higher education: Effective teaching and active learning
Mahinpo Kagan cooperative learning model: The bridge to foreign language learning in the third millennium
CN106651698A (zh) 网络培训系统
Kahn Writing about Literature.
Schneider et al. Individual differences in the ability to process information
CN115129895B (zh) 一种自适应学习系统
CN108256094A (zh) 一种学科知识表达方法及设备
Pyers Constructing the social mind: Language and false-belief understanding
Halbach The literacy approach to teaching foreign languages
Sanchez The education revolution: How to apply brain science to improve instruction and school climate
Greene Making connections
Fancourt Teaching about Christianity: a configurative review of research in English schools
Dunn Toward a psychoanalytic way of teaching psychoanalysis
Cox et al. Making Every RE Lesson Count: Six principles to support religious education teaching
Khdihr et al. Pedagogy of English language through literary texts to non-Native learners of English Language
Dunn Utilization of semantic networks in the teaching of vocabulary
Vagale et al. The organization of topics sequence in adaptive e-learning systems
Lewis Encouraging reflexive teacher research
Silver et al. Inference: Teaching students to develop hypotheses, evaluate evidence, and draw logical conclusions
Glanville The architecture of the computable
Ning A study of English intelligent classroom model based on artificial intelligence and emotion judgment
Gudjonsson Teacher learning and language: subtitle a pragmatic self-study
McCrory INQUIRY-BASED LESSON SEQUENCES

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 101, 1st Floor, Building B14, Phase II, Financial Back-office Service Center Base Construction Project, No. 77, Optics Valley Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Applicant after: Wuhan DaVinci Technology Co.,Ltd.

Address before: Room 101, 1st Floor, Building B14, Phase II, Financial Back-office Service Center Base Construction Project, No. 77, Optics Valley Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Applicant before: Wuhan DaVinci Education Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant