基于学科知识图谱的高校教学模式研究

为了使高校教学工作更智能化,提出一种基于学科知识图谱的高校教学模式,尝试挖掘和构建学科内在的知识关联结构,构建面向教育信息化和智能化的学科知识图谱,以辅助传统课堂教学,提高高等教育的教学质量,并以计算机学科为例,从智能化的在线微课教学、考核评估、学习资源推荐等方面阐述了学科知识图谱在高校教学中的应用.     

基于学科知识图谱的高校教学模式研究

为了使高校教学工作更智能化,提出一种基于学科知识图谱的高校教学模式,尝试挖掘和构建学科内在的知识关联结构,构建面向教育信息化和智能化的学科知识图谱,以辅助传统课堂教学,提高高等教育的教学质量,并以计算机学科为例,从智能化的在线微课教学、考核评估、学习资源推荐等方面阐述了学科知识图谱在高校教学中的应用.     

自适应算法在网络学习系统的应用研究

随着现代信息技术与教育产业的深度融合,建设远程开放式的网络学习平台已成为构建智慧校园网的核心;同时也为构建学习型社会,实现终身教育提供了环境支撑和技术保障。主要着手于自适应算法研究,以网络学习者为对象,针对网络学习平台中存在的问题,设想将自适应算法引入到网络学习平台中,设计一个包含自适应网络学习模型、学习者信息模型、智能学习诊断模型的网络学习系统。以期系统能够有效地完善现有网络学习在动态导航、智能诊断、师生交互、因材施教等方面存在的不足,并从根本上改变传统按部就班式的学习模式,实现将资源按照学习者的个体特征和学习需求自动地生成学习内容序列,从而实现个性化的学生学习与教师辅导,以此来提升远程教育的服务质量。     

基于自适应学习的小学英语本体构建方法研究

目前中国的小学英语学习资源非常丰富,学习者想要找到适合自身的学习资源的难度也明显提升。自适应学习系统可以依据不同的学习者特征和学习路径,推送出符合学习者的学习资源和测试题目,因此自适应学习系统的数据组织结构是非常重要的。而关系数据库无法体现出知识之间的内在关联,所以本研究提出使用本体技术将小学英语教材的相关知识有机关联的方法,为项目提供数据支持,以实现学习者的自适应学习,且希望对其他自适应系统的知识库构建起到借鉴作用。     

智慧教育环境下开放学习者个性化学习模式探究

新时代要有新作为,智慧教育是新时代教育的一种新境界和新热点,其发展目标之一是为学习者提供个性化学习服务。本文旨在培养开放学习者的个性化学习能力,在文献梳理的基础上,阐明了智慧教育环境和个性化学习的内涵与特征,分析了个性化学习的研究现状和开放学习者个性化学习的现状,探讨了开放学习者在智慧教育环境下个性化学习的需求及必要性,从而构建了智慧教育环境下的开放学习者个性化学习模式,以期为以后的研究提供借鉴。     

基于贝叶斯网络的自适应系统建构

以认知学习理论为依据,运用贝叶斯网络建立学习者模型,提出了一种学习内容自适应呈现算法。学习内容的呈现适合学习者认知发展水平及个性特征,实现了一种智能化、个性化网络学习的自适应系统,为学习者提供一种更优化的学习途径。     

智慧教育推动教学创新变革的研究

随着互联网+时代的到来,数字化教育将会向智慧教育的方向发展,智慧教育将会变革和创新以往的学习方 式、教学方式和评价方式,智慧教育为学习者提供了个性化的混合式教育模式。本文介绍了我院“计算机网络”课程在思科网 院、百度云课堂、Blackboard 系统中开展在线智慧教学的相关实践,特别指出了借助智能化的学习分析技术来收集、处理教学 数据,分析评估学习者的学习行为并进行必要的干涉,以便及时提高和改进教学效果。随着系统中教学数据的不断丰富,可借 助大数据分析平台进行进一步地分析以促进智慧学习。     

基于学习风格的自适应式虚拟交互方法的研究

新工科教育的改革推进了自适应学习的发展,以往的自适应方式对学习者的主观能动性的重视不足,且大部分已有研究无法提供个性化程度较高的交互体验。针对这些问题,该研究基于学习风格模型提出了一种自适应式虚拟现实交互的新方法。该方法设计了适用于虚拟交互环境的学习风格判断方式,通过分析学习者的主客观数据来判断其学习风格,由此对交互环境进行持续的自适应调整,从而有的放矢地对学习者实施差异化教学,达到“因材施教”的目的。为了验证该方法的可行性,该研究构建了一套面向工科教育的虚拟现实交互系统,并开展了对照实验。实验结果显示,新方法改善了判断学习风格的精准度,对学习者的学习动机和学习成绩有着积极的影响。     

基于数据挖掘的智能性个性化网络学习系统设计

目前基于web的学习系统已经不能满足不同背景的学习者在不同时间、以不同目的、不同方式的学习需求。本文在利用以知识点为导向的数据挖掘技术,运用多种数据挖掘算法,构建一种智能化的个性化网络学习系统用以满足对学习者有针对性的教育需求,提高教学质量。     

探讨基于教育大数据实现自主学习模式的挖掘技术

在教育大数据的挖掘过程中,从技术角度分析了在大数据下实现自适应自主学习模式.学习者有目的性在教育大数据环境下进行搜寻信息和知识,呈现出的是根据其个性定制的学习空间.有用的学习数据如何在挖掘处理后的应用模式作用于系统,在知识库中挑选适合于学习者解决问题的知识和技能,并获得如何应用知识的能力.     

基于网络的自适应超媒体学习支持系统的研究

针对现有网络学习支持系统不能很好满足学习者个性化学习的需要,我院构建了基于网络的自适应超媒体学习支持系统模型,它是在现有的网络学习支持系统上增加了自适应交互处理模块、自适应教学处理模块、本体推理模块和规则推理模块。本文详细探讨了此模型的自适应支持功能,如为学习者创设动态的自适应学习环境,提供自适应的导航系统和自适应的内容支持等,并给出了自适应学习处理过程。     

“互联网+”背景下自适应学习系统的研究

分析"互联网+"背景下的自适应学习及自适应学习系统的特点,介绍自适应学习系统的开发过程,以移动应用开发课程为例,说明自适应系统的结构特点,并以几个章节知识点为示例介绍自适应学习系统的工作方式及学习者的学习方式。     

基于知识图谱的个性化学习平台研究与实现——以学科交叉课程应用为例

“新工科”背景下，为科学落实“创新型、应用型、复合型”的人才培养目标，学科交叉融合课程是重要建设内容之一。然而，学科交叉融合课程通常具有概念多且零散、理论抽象、实践性强、前瞻性强、涉及知识面广等特点，如何帮助学习者建立合理且清晰的知识体系是实现优质学习效果的关键。以个性化学习与知识图谱研究为切入点，阐述了相关概念及研究现状，基于动态规划思想设计了一种个性化学习路径规划模型，以及借助思维导图结构，从实体抽取和关系抽取研究了构建知识图谱的方法。在此基础上，以《计算机网络》课程为例，设计了一种基于知识图谱的个性化学习平台，实现了知识图谱结构存储及可视化、个性化学习路径搜索以及相关的学习功能模块。最后给出了局限性分析与改进建议。     

知识图谱构建技术综述

知识图谱在医疗、金融、农业等领域得到快速发展与广泛应用,其可以高效整合海量数据的有效信息,为实现语义智能化搜索以及知识互联打下基础。随着深度学习的发展,传统基于规则和模板的知识图谱构建技术已经逐渐被深度学习所替代。梳理知识抽取、知识融合、知识推理3类知识图谱构建技术的发展历程,重点分析基于卷积神经网络、循环神经网络等深度学习的知识图谱构建方法,并归纳现有方法的优劣性与发展思路。此外,深度学习虽然在自然语言处理、计算机视觉等领域取得了较大成果,但自身存在依赖大规模样本、缺乏推理性与可解释性等缺陷,限制了其进一步发展。为此,对知识图谱应用于深度学习以改善深度学习自身缺陷的相关方法进行整理,分析深度学习的可解释性、指导性以及因果推理性,归纳知识图谱的优势以及发展的必要性。在此基础上,对知识图谱构建技术以及知识图谱应用于深度学习所面临的困难和挑战进行梳理和分析,并对该领域的发展前景加以展望。     

基于知识图谱和图嵌入的个性化学习资源推荐

面对海量的在线学习资源,学习者往往面临“信息过载”和“信息迷航”等问题,帮助学习者高效准确地获取适合自己的学习资源来提升学习效果,已成为研究热点.针对现有方法存在的可解释性差、推荐效率和准确度不足等问题,提出了一种基于知识图谱和图嵌入的个性化学习资源推荐方法,它基于在线学习通用本体模型构建在线学习环境知识图谱,利用图嵌入算法对知识图谱进行训练,以优化学习资源推荐中的图计算效率.基于学习者的学习风格特征进行聚类来优化学习者的资源兴趣度,以获得排序后的学习资源推荐结果.实验结果表明,相对于现有方法,所提方法能在大规模图数据场景下显著提升计算效率和个性化学习资源推荐的准确度.     

基于大数据分析的计算机网络课程自适应学习系统构建

大数据时代数字化的学习资源将呈现爆炸式的增长,面对海量的学习资源,学习者如何选择,或者如何向学习者推送合适的学习资源将成为未来面临的主要问题。针对计算机网络课程授课内容多、知识更新快的问题,通过收集教育过程中的学习行为数据,利用大数据的学习分析技术构建了一个计算机网络自适应学习系统,该系统包含自适应、预测、干预等六大模块,可以针对性地推送学习内容,及时反馈学习者的学习效果,并推荐下一步的学习策略,从而达到因材施教和培养学生自主学习能力的效果。     

教育测评知识图谱的构建及其表示学习

知识图谱旨在描述现实世界中存在的实体以及实体之间的关系.自2012年谷歌提出“Google Knowledge Graph”以来，知识图谱在学术界和工业界受到广泛关注.针对教育领域中信息缺乏系统性组织的不足，本文构建了面向高中的教育测评知识图谱（Educational Assessment Knowledge Graph，EAKG），其中EAKG的构建包括基于本体技术的知识图谱模式层构建和依托于模式层结构的知识图谱数据层构建.与传统通过网页爬虫等技术手段构建的知识图谱相比，本文构建的知识图谱优点在于逻辑结构清晰，实体间关系的刻画遵循知识图谱模式层的定义.EAKG为领域内知识共享，知识推理，知识表示学习等任务提供了良好的支撑.在真实模考数据上的实验结果表明：在试卷得分预测，知识点得分预测的实体链接预测和三元组分类嵌入式表示学习任务上，引入领域本体作为模式层构建的EAKG的性能优于没有领域本体模式层单纯由数据事实构成的EAKG，实验表明，领域本体的引入对知识图谱的表示学习具有一定的指导意义.     

智慧课堂学习平台的设计与应用

网络技术的日新月异,为学习者提供了各种各样的平台,技术的发展带动教育的进步,使教育形式和教学方法发生了重大变革,有效地促进了教育改革。本研究所阐述的智慧课堂学习平台是在高校教育信息化的具体解决方案,具有一定的创新性。此平台是一个由智能移动终端、交互式电子白板和计算机组成课堂教学互动系统,采用B/S与C/S的混合架构模式,以此构建基于学习平台的教学模式,并开展教学实施,实践证明,平台帮助授课教师管理课程、课堂提问、实现了师生互动,生生互动,有推广价值。     

有效智慧学习环境的设计框架

随着信息技术的深入发展，使学习系统智能化是计算机科学和教育领域许多研究人员的共同目标。近年来， 智慧教室、智慧学习环境、下一代学习空间成为研究热点。文章系统梳理了智慧学习环境的定义、功能要素，站在认知学习视 角，提出了有效智慧学习环境的设计理念与技术模块设计框架。     

基于知识图谱的多策略组卷系统研究

信息时代背景下,海量的知识正在快速地融入学科体系.学习对象除了单个知识点外,还有知识框架以及知识点间的隐含关联.在人工智能的推动下,不少知识图谱的研究成果成为了当下有利的辅助工具,这使得更多智能化的教学平台在学科领域内具有新的应用前景.论文以计算机学科为例,从构建和分析学科型知识图谱入手,结合目前新的教学需求,介绍一款基于知识图谱的多策略组卷系统.