基于知识图谱的智能测评数据挖掘研究与应用

发布时间：2023-04-20 06:12

　　随着互联网的发展变革,数据挖掘应运而生,为教育大数据挖掘提供了基础和平台,数据挖掘分析数据之间的内在关联,提供更优化的前进方向。在线教育为教育大数据挖掘提供充分的数据支持,解决了传统教育中无法准确定位学生学习程度的问题,为教师的教学提供有针对性的指导建议,为因材施教的实施提供有效的途径。教育数据挖掘通过分析教育过程中产生的数据,生成提高教学质量的指导方法,提高学生学习兴趣,调动学生学习积极性。为了促进教育的信息化、可视化、智慧化发展,本文以个性化学习系统中重要的可视化工具——知识图谱为研究对象,分析学生在线测评数据,主要从以下几个方面进行研究:(1)为提高在线教育的分析能力,将具有相同特征的学生联系起来,本文提出了一种基于文本分类和聚类分析的学生知识图谱构建模型。该模型利用文本分类算法将测评试题自动分类到知识点,简化了繁杂的手动分类工作,充分分析在线测评中产生的数据,提取学生的学习特征,并使用聚类算法将学习特征相同的学生聚类,根据学生的学习特征抽取学生之间的关系,生成学生知识图谱,利用可视化工具——知识图谱将相关学生展示出来,为个性化教学在实际教学中的应用提供方法。(2)为了更深入的挖...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状及分析
    1.3 研究内容及创新点
        1.3.1 知识图谱构建
        1.3.2 知识点推荐路线生成
        1.3.3 原型系统的设计与开发
    1.4 本文的组织结构
第二章 研究进展及相关技术介绍
    2.1 知识图谱研究进展
    2.2 本文涉及的主要方法
        2.2.1 文本分类
        2.2.2 德尔菲法(Delphi)
        2.2.3 聚类分析
    2.3 本章小节
第三章 基于文本分类和聚类分析的知识图谱构建模型
    3.1 知识图谱构建模型思想
    3.2 知识图谱构建模型构建步骤
        3.2.1 测评试题文本分类
        3.2.2 学生特征提取
        3.2.3 聚类分析
        3.2.4 知识图谱构建
    3.3 实验及结果分析
        3.3.1 数据来源和实验环境
        3.3.2 测评试题文本分类实验
        3.3.3 学生特征提取
        3.3.4 聚类分析
        3.3.5 基于聚类分析的知识图谱构建
    3.4 本章小结
第四章 基于知识图谱的知识点推荐路线自动生成模型
    4.1 知识点推荐路线自动生成模型
        4.1.1 知识点推荐路线自动生成模型思想及符号定义
        4.1.2 全面知识点推荐路线生成
        4.1.3 精炼知识点推荐路线生成
    4.2 基于性别差异的知识点推荐路线自动生成模型
    4.3 实验及结果分析
        4.3.1 数据来源及实验环境
        4.3.2 测评试题与知识点之间的关系
        4.3.3 学生特征提取
        4.3.4 聚类分析
        4.3.5 知识图谱构建
        4.3.6 知识点推荐路线自动生成
    4.4 基于性别差异的知识点推荐路线自动生成模型
    4.5 本章小结
第五章 原型系统设计
    5.1 软件开发环境与实验数据
    5.2 系统结构设计
        5.2.1 逻辑结构设计
        5.2.2 功能结构设计
    5.3 系统展示
    5.4 本章小结
第六章 总结与展望
    6.1 主要研究成果
    6.2 进一步工作
参考文献
攻读硕士学位期间的主要工作
致谢



本文编号：3795049