教育知识图谱的概念模型与构建方法研究

发布时间：2021-11-21 21:13

　　自适应学习系统是实现个性化学习的重要突破口,而领域知识建模一直是困扰该系统发展的一大难题。目前,以深度学习、知识图谱为核心的新一代人工智能技术的回归,为其提供了新的发展契机。文章首先对已有的教育领域知识建模方法进行了梳理与总结,对其现存问题进行了对比分析;在此基础上,针对通用知识图谱迁移应用于教育领域所面临的知识粒度模糊、领域适应性不强两大问题,构建了一种教育知识图谱概念模型——EKGCM模型,该模型包括知识图示、认知图式两个层次,以及知识节点、知识关联、认知状态、学习路径四个基本要素;然后,针对图谱构建自动化程度不高的问题,文章提出一种基于智能处理技术的构建方法,具体包括知识元抽取、前驱后继关系挖掘、认知状态诊断、学习路径生成四个步骤;最后,采用理想智慧教育云平台中的教学资源和学习行为数据验证了上述方法的可行性。研究对于开展数据智能驱动的个性化自适应学习具有重要意义。 

【文章来源】：电化教育研究. 2019,40(08)北大核心CSSCI

【文章页数】：10 页

【部分图文】：

教育知识图谱中的认知状态诊断过程（四）学习路径生成学习路径生成的本质是根据学习者的学习目标和模型观察层（答题行为）

【参考文献】：
期刊论文
[1]基于人工智能的育人助理系统——“AI好老师”的体系结构与功能[J]. 余胜泉,彭燕,卢宇.  开放教育研究. 2019(01)
[2]我国教育大数据的研究现状、问题与对策——基于CNKI学术期刊的内容分析[J]. 李振,周东岱,董晓晓,黄雪娇.  现代远距离教育. 2019(01)
[3]区域性教育大数据总体架构与应用模型[J]. 余胜泉,李晓庆.  中国电化教育. 2019(01)
[4]人工智能时代教育创新发展的方向与路径研究[J]. 钟绍春,唐烨伟.  电化教育研究. 2018(10)
[5]人工智能应用背景下的教育人工智能研究[J]. 李振,周东岱,刘娜,欧阳猛.  现代教育技术. 2018(09)
[6]基于知识图谱的翻转课堂教学模式及其应用——以小学语文古诗词教学为例[J]. 崔京菁,马宁,余胜泉.  现代教育技术. 2018(07)
[7]自适应学习:溯源、前景与误区[J]. 佩特·约翰内斯,拉里·拉格斯多姆,张永胜,肖俊洪.  中国远程教育. 2018(07)
[8]试论一种新型在线教育资源大数据组织框架[J]. 张波,金玉鹏,张倩,赵勤,王娇燕.  中国电化教育. 2018(03)
[9]大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析[J]. 姜强,赵蔚,李松,王朋娇.  电化教育研究. 2018(02)
[10]教育大数据的平台构建与关键实现技术[J]. 李振,周东岱,刘娜,董晓晓,钟绍春.  现代教育技术. 2018(01)

硕士论文
[1]基于流程图法的高中生良好数学认知结构特征研究[D]. 曲兆华.山东师范大学 2018
[2]基于潜在语义分析的学科知识图谱构建[D]. 孙小欣.华中师范大学 2013
[3]基于本体的教育领域学科知识建模方法研究[D]. 刘春雷.重庆大学 2008



本文编号：3510255