基于概念图的个性化教学系统领域知识模型自动化构建研究

发布时间：2017-05-13 04:03

  本文关键词：基于概念图的个性化教学系统领域知识模型自动化构建研究，由笔耕文化传播整理发布。

【摘要】：当今科学技术的突飞猛进促使远程教育逐渐成为信息化教育行业一个重要的分支。随着国民生活水平的提高及网络教学资源的不断丰富,个性化教学系统逐渐成为众多不同文化背景、不同年龄层次的学习者开展学习活动的场所。然而当前远程教育面临的一个实际问题是：进入同一网络教学环境的学习者在文化知识背景、原有认知结构及学习能力上的偏差日益增大。为适应不同学习者可能产生的巨大个体学习需求的差异,个性化教学系统结合人工智能技术和自然语言处理方法进行学科领域知识模型的自动化构建,并将该建模方法用于构建学习者概念知识模型。通过使用认知建模、语义分析等方法比较领域专业知识模型和学习者知识模型之间的差异来确定学习者的个性化学习需求,并由此开展相应的教学设计和教学策略,以求达到更佳的学习效果。 本文在分析当前个性化教学系统中领域知识模型构建的现状及存在问题的基础上,以三论、认知主义教学理论及知识工程学等作为理论指导,提出基于概念图的领域知识模型的自动化构建方法,依据该方法进行算法设计与实现,并对实现效果进行验证及分析,旨使该建模方法能够自动化提取各学科的领域知识模型,使其可以在不同知识领域和网络学习环境的教学活动中推广,更大发挥个性化教学系统的功效。 主要内容如下： 第一章首先探讨本文的研究背景和意义,并着重界定关键概念及其之间的逻辑关联。最后详细介绍本文的研究目标和研究内容。 第二章引入相关理论的基础上分析其对本文研究的指导作用,并介绍本研究中的关键技术支持和相关指导原则。 第三章着重阐述基于概念图的领域知识模型自动化构建的方法。提出结合文本挖掘技术及语义分析等方法进行领域概念术语提取、概念关系的挖掘,并贯穿着笔者的算法设计思路及其理论依据。 第四章是领域知识模型自动化构建的算法实现。该实现过程分为四部分：领域文本资源获取、领域概念术语抽取、概念关系挖掘及概念图自动生成。其中笔者结合应用案例对各阶段算法实现效果进行深入分析和探讨。 最后,为搜集更多的实验数据,笔者基于该研究方法进行构建不同学科的领域知识模型,并分析应用情况以及过程中出现的问题,总结出算法设计与实现当中存在不足,提出进一步的研究工作。
【关键词】：个性化教学系统 领域知识模型 自动化构建 概念图概念术语 概念关系
【学位授予单位】：四川师范大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：G424
【目录】：

• 摘要3-5
• Abstract5-10
• 第1章 绪论10-22
• 1.1 研究背景及意义10-13
• 1.1.1 个性化教学系统中领域知识模型构建的意义10-11
• 1.1.2 个性化教学系统中传统领域知识模型构建方法存在的不足11-12
• 1.1.3 概念图作为领域知识模型的表征方式在教学领域的兴起12-13
• 1.2 相关概念阐述13-16
• 1.2.1 个性化教学系统13-14
• 1.2.2 领域知识模型及其自动化构建14-15
• 1.2.3 概念图15-16
• 1.3 领域知识模型自动化构建的国内外研究现状及趋势16-20
• 1.3.1 国外研究现状16-18
• 1.3.2 国内研究现状18-20
• 1.4 本文的研究目标和研究内容20-21
• 1.5 研究方法21-22
• 第2章 个性化教学系统领域知识模型自动化构建研究的基础22-33
• 2.1 相关理论对本研究的指导作用22-28
• 2.1.1 三论22-24
• 2.1.2 认知主义教学理论24-26
• 2.1.3 知识工程学与人工智能的研究为领域知识模型的自动化构建提供了直接的指导26
• 2.1.4 本体知识论对基于概念图的领域知识模型构建的理论指导26-28
• 2.2 领域知识模型自动化构建的技术支持28-31
• 2.2.1 人工智能技术28-29
• 2.2.2 自然语言处理29-30
• 2.2.3 Java语言30-31
• 2.3 基于概念图的领域知识模型自动化构建研究的指导原则31-33
• 2.3.1 领域知识模型自动化构建的算法设计研究原则32
• 2.3.2 领域知识模型自动化构建的实验测试与分析原则32-33
• 第3章 基于概念图的领域知识模型自动化构建方法33-56
• 3.1 领域文本资源自动获取方法34-37
• 3.1.1 专业领域站点文本资源获取算法设计34-36
• 3.1.2 文献资源文本集获取方法36-37
• 3.2 领域概念术语提取方法37-49
• 3.2.1 文本预处理方法37-39
• 3.2.2 文本向量表示与特征项提取算法39-45
• 3.2.3 潜在语义分析(LSA)方法45-49
• 3.3 概念关系挖掘方法49-56
• 3.3.1 词条关联矩阵构建方法50
• 3.3.2 基于知识库的预定义关系标签匹配算法50-56
• 3.3.3 领域知识模型表征方法56
• 第4章 基于概念图的个性化教学系统领域知识模型自动化构建的设计与实现56-72
• 4.1 领域文本资源获取程序设计与实现56-60
• 4.1.1 领域专业站点文本资源获取57-60
• 4.1.2 文献资源获取实现60
• 4.2 领域概念术语抽取算法实现60-70
• 4.2.1 文本预处理60-62
• 4.2.2 向量空间模型(VSM)的构建62-64
• 4.2.3 基于潜在语义分析的特征项矩阵构建64-70
• 4.3 概念关系挖掘70
• 4.4 概念图自动生成70-72
• 第5章 基于概念图的领域知识模型自动化构建研究成果的应用及评价72-81
• 5.1 将成果应用于构建各学科领域知识模型72-77
• 5.1.1 成果应用前的准备72-73
• 5.1.2 研究成果应用案例73-76
• 5.1.3 研究成果应用效果分析与评价76-77
• 5.1.4 运用该方法进行建模时需注意的问题77
• 5.2 总结与反思77-79
• 5.2.1 研究总结77-78
• 5.2.2 本研究存在的不足之处78-79
• 5.3 下一步的工作重点79-80
• 5.4 对未来的展望80-81
• 参考文献81-84
• 附录84-99
• 致谢99-100
• 研究生在校期间的科研成果100-101

【参考文献】

中国期刊全文数据库 前10条

1 刘风新,王寒光;基于Java技术实现交互式个性化的远程教学系统[J];北京化工大学学报(自然科学版);2003年02期

2 张亚斌;;媒体学习情境结构:从行为主义到认知主义——远程教育的媒体教学思想比较研究[J];中国远程教育;2007年10期

3 黄荣怀,李茂国,沙景荣;知识工程学:一个新的重要研究领域[J];电化教育研究;2004年10期

4 顾连忠;刘建军;张丽萍;;一种适于Web的概念图评估和学习工具[J];电化教育研究;2010年10期

5 卢侃;;从Shannon信息论到认知信息论[J];哈尔滨工程大学学报;2011年08期

6 李善平,尹奇椺,胡玉杰,郭鸣,付相君;本体论研究综述[J];计算机研究与发展;2004年07期

7 刘庆和;梁正友;;一种基于信息增益的特征优化选择方法[J];计算机工程与应用;2011年12期

8 高全泉;;Java语言特点及其对人工智能技术的影响和促进[J];计算机科学;2000年05期

9 盖杰,王怡,武港山;基于潜在语义分析的信息检索[J];计算机工程;2004年02期

10 张宇翔;知识工程中的本体综述[J];计算机工程;2005年S1期

中国硕士学位论文全文数据库 前2条

1 徐文海;文本单元向知识单元转化的模型与映射算法[D];西安电子科技大学;2008年

2 马宁;历史概念教学的策略研究[D];华东师范大学;2008年

  本文关键词：基于概念图的个性化教学系统领域知识模型自动化构建研究，由笔耕文化传播整理发布。

，

本文编号：361506