基于知识图谱和游戏化的教学管理平台研究与应用

发布时间：2020-07-09 07:15

【摘要】：伴随着工业4.0时代的到来,传统工业更新迭代的脚步加快,各行各业中起到决定性作用的已经不再是相应的业务了,而是庞大的数据信息,数据对各个行业都有着重要影响,例如教育行业和其他经济行业,数据已是国家最为重要的资源。目前,大数据发展和应用方面存在众多问题,如数据共享不完善,数据的真实性质疑,数据信息不全面等。教育数据具有数据量大,数据增长速度快,非结构化,价值大等典型的大数据特征。同时,教育大数据来源广泛且分散,数据之间的关联度高,高速变化等特性,这便加大了教育数据的整合、分析和预测的难度。人机交互在课堂中的教学对高等院校有很强的教学意义[1]。不仅调动了学生在课堂上的积极性,也产生了大量的教学交互数据,让老师可以根据学生学习数据跟踪学生学习状态,及时的提供教学帮助。同时,游戏化课堂也为学生提供了个性化学习模式,提高学生自身学习效率。本文通过对其他高校的调研来证实研究方法,调研大学对学生学习数据和交互数据的如何分析和应用,包括学生课上学习数据,慕课学习行为数据和一卡通活动数据等,这些多源化数据在分析处理上仍没有达到智能化的要求。因此,本文通过使用更多的人机交互智能设备和游戏化机制来获取学生课堂上和学习中的教学交互数据,做到了真正的实时数据采集和实时反馈,颠覆了传统的课堂模式。在课堂上,使用智能手机向老师PPT发送“弹幕”和“摇一摇”操作,学生在课上使用手机与老师进行数据交互和行为交互,同时记录下了学生的交互数据和疑惑知识点;课后,使用笔记本电脑登陆游戏化平台,平台使用对知识点的“拆分”和“组合”两种卡片方式为学生提供个性化的预和习复习学习模式,学生可以根据自身情况去选择符合自己的学习方式。通过这两种交互方式,获取到了学生大量的过程行为数据,再加上为满足实验要求而做的问卷调查,调查学生基本信息和相关生活数据。基于这些数据,教学管理平台将数据用仪表盘的方式展现给用户,通过学生的问卷数据刻画学生用户画像,通过学习数据设计支持多源异构数据的元数据模型,构建基于实体关系的知识图谱,平台也运用到了大数据处理算法和多种分析模型。在知识点知识库和学生知识库中使用距离模型将实体与关系结构化表示,在实体和各个属性之间有了明确的权重比较,同时方便了学生与学生,学生与课程之间的智能推荐。通过数据的分析结果,将反馈数据和权重最大的属性重新带回课堂,改善学生学习方法[2]。本文主要分六个部分做总体的介绍。首先分享了国内游戏化在课堂中的使用和教学数据的应用情况,证实了教学数据对学生学习的重要程度,在此基础上表述了人机交互结合游戏化平台和数据处理技术。此后本文介绍了智能设备在课堂上和课后的使用实现过程,包括平台系统的需求,设计与开发。最后对学生的交互数据进行数据处理,结合知识图谱为学生构建用户画像和智能推荐。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.52;G647
【图文】：

标签,画像,用户信息

逡逑是用户画像的体现，即用户信息标签化，如图２．２所示：逡逑Ａ邋Ａ逡逑ｌ逦１逡逑图２．邋２用户信息标签化逡逑用户画像的存在为大数据的处理提供了便利，用户画像将用标签化，标签在逡逑计算机处理大数据的同时扮演催化剂的角色，可以让计算机通过算法更容易“认逡逑识”用户ＰＵ。当把用户从—个抽象集体碎片化之后，将提升大数据分析的精准度逡逑和大数据处理的效率。逡逑构建用户画像需要用户的相关数据，对于课堂学生来说，产生的数据可分静逡逑态数据和动态交互数据。静态数据则是学生的固有信息，如图２．３所示，主要包逡逑括学生基本信息、选课信息和社交信息，固定属性越多对学生的刻画越精准。动逡逑态交互数据则是学生在课堂中不断变化的数据，学生课匕对智能设备的使用和课逡逑后对游戏化平台的操作都是学生动态数据的来源。逡逑１１逡逑

画像,学生用户,标签,计算机

模式图,教育实体,元数据,模式

知识图谱旨在描述真实世界中各种实体和概念，其中包括实体、实体的属性逡逑及其之间的关系。知识图谱就像是人体内的细胞一样，每个细胞就表示实体或概逡逑念，而细胞之间的神经元则由属性或关系构成，如下图３．１所示，展示教育交互逡逑数据中部分知识图谱［２４］。逡逑在教育大数据中，存在着多种实体，如学生、课程、职业等。首先将教育实逡逑体进行分类。展示了教育实体部分实体分类。一级教育实体主要分为五大类，职逡逑业、学生、课程。其中“职业”包括Ｃ语言、外向、北京、二级实体；“学生”逡逑包括北京，外向，同学１，成绩等二级实体；“课程”包括Ｃ语言，学习Ｃ语言逡逑１４逡逑

【参考文献】