面向智慧教育的课程知识图谱抽取方法研究

发布时间：2021-07-25 00:14

　　近年来,MOOC（Massive Open Online Course,大规模开放在线课程）与在线教育（e-Learning）在智慧教育领域被热门讨论。在智慧教育平台,随着用户的注入,积累了海量教学行为数据与知识资源。对这两类重要的教育数据的分析挖掘和分析为智慧教育的发展注入了新的动力。学生在进行在线教育学习的时候,会遇到许多课程概念。目前的在线教育平台大多是以课程为主体进行组织,根据课程信息按照学科领域、大学、年份进行分类。课程概念却隐含在课程中,需要学习者在学习的探索过程中进行组织、分类和整理。如何利用大数据的手段自动抽取出一门课程中的课程概念是当今智慧教育研究中的热点和难点之一。同时,课程概念之间存在许多的关系:课程概念先修关系、课程概念上下位关系和课程概念的包含关系等。但是在MOOC在线教育平台这些课程概念的关系也需要学习者通过整理得到。如何利用大数据分析的手段自动抽取出一门课程中课程概念的关系也是当今智慧教育研究中的热点和难点之一。抽取课程概念和课程概念的关系实际上也是抽取出课程概念的知识图谱。针对课程知识图谱抽取中课程概念抽取的问题,本文对课程大纲的语料和课程字幕的语料提出... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

主要研究内容

哈尔滨工业大学工学硕士学位论文10图1-2研究的框架图1.3.2章节安排本文的章节围绕课程知识图谱从数据获娶课程概念抽取和课程概念的关系抽取的几个方面进行展开，具体组织安排如下所示：第1章，绪论：介绍本文的研究问题和意义，同时介绍本文进行研究所包含的一些国内外研究现状，其中主要包括：智慧教育、教育知识图谱、课程知识图

哈尔滨工业大学工学硕士学位论文12第2章MOOC在线课程源数据的抓取与处理方法在大规模在线教育平台MOOC中包含许多信息，本课题进行课程概念抽取和课程概念关系抽取的第一步就是要根据MOOC中信息表现的特点，对MOOC中不同的源数据进行处理，进而获得MOOC中为我们提供概念和关系抽取的语料。数据源获取的基本研究方法如图2-1所示。MOOC中的源数据主要包括：课程视频字幕、课件文本数据、MOOC平台结构化信息。由于MOOC中的源数据规模不是很大，为了更充分的挖掘相关信息，我们还需要借助维基百科等知识库中的数据信息进行处理。处理之后获得的文本文件通常要根据任务类型，借助自然语言处理相关工具进行分词、词性标注等处理。图2-1数据源的整体处理框架2.1MOOC中课程视频、大纲等数据的获取2.1.1爬虫的基本介绍当传输大量数据时，互通网络会对人们的生活产生更深的影响，并成为人们的主要信息来源。互联网在给用户提供大量数据的同时引发问题，如何及时获取有效信息是研究的重点。搜索引擎根据定义的策略从Internet检测和检索数据，并将其存储在本地。它对数据进行去噪，提取和索引，最后为用户提供信息检索服务，并在用户的系统上显示相关信息。爬虫是搜索引擎体系结构中最底层的模块。它使用某种策略从Internet检索

【参考文献】：
期刊论文
[1]教育知识图谱的概念模型与构建方法研究[J]. 李振,周东岱.  电化教育研究. 2019(08)
[2]智慧教育研究现状与发展趋势[J]. 郑庆华,董博,钱步月,田锋,魏笔凡,张未展,刘均.  计算机研究与发展. 2019(01)
[3]面向智慧教育的学习大数据分析技术[J]. 吴文峻.  电化教育研究. 2017(06)
[4]智慧教育推动教学创新变革的研究[J]. 赵志刚,赵志方.  电脑与电信. 2016(03)
[5]基于MOOC数据的学习行为分析与预测[J]. 蒋卓轩,张岩,李晓明.  计算机研究与发展. 2015(03)
[6]大数据与智慧教育[J]. 柯清超.  中国教育信息化. 2013(24)
[7]从数字学习环境到智慧学习环境——学习环境的变革与趋势[J]. 黄荣怀,杨俊锋,胡永斌.  开放教育研究. 2012(01)



本文编号：3301715