[發明專利]一種自適應學習系統中領域知識建模及知識水平估測方法

有效

• 申請號: 201910116245.3
• 申請日: 2019-02-13
• 公開（公告）號: CN109902298B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 周東岱;李振
• 申請（專利權）人: 東北師范大學
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F16/36;G06N3/0464
• 代理公司: 深圳紫晴專利代理事務所(普通合伙) 44646
• 代理人: 雒盛林

本發明公開了一種自適應學習系統中領域知識建模及知識水平估測方法，具體涉及自適應學習領域。其解決了現有教育領域班級化教育服務難以滿足個性化教育需求的問題。具體包括基于知識圖譜的領域知識建模和基于深度學習技術的知識水平估測兩方面的內容。基于知識圖譜的領域知識建模包括確定學科知識圖譜框架；收集數字教學資源，并分析數字教學資源的文本的結構特點和語言特點，構建用于學科知識圖譜抽取的教育語料庫：教育語料庫包括分詞和詞性標注、句法分析、命名實體、實體關系四個語料；學科知識圖譜構建。基于深度學習技術的知識水平估測包括領域數據預處理與向量化，采用CNN對領域特征進行自動提取，特征向量降維，基于LSTM模型的深度知識追蹤。

技術領域

本發明涉及自適應學習領域，具體涉及一種自適應學習系統中領域知識建模及知識水平估測方法。

背景技術

我國古代偉大的思想家、教育家孔子在公元前就提出了“因材施教”的教育思想，美國哈佛大學心理學教授霍華德·加德納也再三強調學校教育改革必須重視“學生個體的差異”。然而，傳統教學中，由于班級學生眾多，教師憑個人能力很難做到“因材施教”。實踐表明，在傳統的規模化、流水線教學模式下，教師是知識的傳授者，學生是知識的灌輸對象，學生的學習主動性、創造性受到很大限制，不利于培養滿足21世紀需要的個性化、創新型人才。

自適應學習系統是實現個性化學習的主要技術手段，主要包括領域模型、學習者模型和自適應模型三個核心組件。其中：領域知識模型的核心是領域知識建模，一般采用知識圖對主題、概念、知識點、學習活動等內容及其關系進行表征；學習者模型作為自適應學習系統的基礎，其實質是對學習者的知識水平進行測評。

領域知識建模方面，目前的主要方法包括概念圖、知識地圖、認知地圖等。研究表明，知識圖譜相比概念圖、知識地圖和認知地圖，能夠表達更加廣泛的實體內容以及豐富的語義關聯關系，而且能夠基于大數據、機器學習技術進行自動化的構建。知識水平估測方面，主要方法有項目反應理論、認知診斷模型、貝葉斯知識追蹤等。隨著新一代人工智能的發展，基于深度學習的知識水平估測方法成為新的突破口。

因此，以知識圖譜為基礎對領域知識進行建模，以深度學習為手段對學習者學科知識水平進行精準估測，對于開展自適應學習、提供個性化學習服務和學習體驗，解決我國教育供給中存在的個性化學習服務能力不足問題，具有重大的理論意義和現實的應用價值。

發明內容

本發明的目的是整合領域知識模型和相應的估測方法，以學科知識圖譜為基礎，以深度學習技術為手段對學習者知識水平進行精準估測，為應用技術提供個性化學習服務和學習體驗的自適應學習系統提供更加精準的學習者知識水平估測方法。

本發明具體采用如下技術方案：

一種自適應學習系統中領域知識建模及知識水平估測方法，所述領域知識建模采用知識圖譜實現，具體包括以下步驟：

步驟Ⅰ：確定學科知識圖譜框架

學科知識圖譜采用式(1)表示：

G＝(E,R,S)?(1)

其中，E＝{e₁,e₁,...,e_|E|}表示學科知識圖譜中的知識實體集合，共包含|E|種不同實體；R＝{r₁,r₁,...,r_|R|}表示學科知識圖譜中的知識關系集合，共包含|R|種不同關系；表示學科知識圖譜中的實體及其關系組成的三元組集合；

步驟Ⅱ：對教育語料進行標注；

步驟Ⅲ：學科知識圖譜構建。優選地，所述步驟Ⅱ具體包括：

2-1)數據收集與分析：收集數字教學資源，并分析數字教學資源的文本結構特點和語言特點，為語料庫的構建提供數據基礎；