一种基于知识图谱的自适应学习平台制造技术

本发明专利技术提供了一种基于知识图谱的自适应学习平台。该方案包括学生用户端和学习管理端；其中，所述学生用户端，为所述学生用户提供交互信息，包括查看学习历史、查看个人评价；分析所述学生用户学习风格，进行学生学习行为学习，推荐适宜风格的学习资源；收集所述学生用户学习行为，进行知识重难点内容推荐和动态学习路径规划；其中，所述学习管理端，定向调整学习资源，所述定向调整学习资源为学习管理者根据学生个体的学习情况为单个学生提供学习建议，进行动态学习路径规划。该方案通过对于学习风格学习的基础上，结合对于重点掌握程度的提取，实现随着个体的不同进行针对性学习。实现随着个体的不同进行针对性学习。实现随着个体的不同进行针对性学习。

【技术实现步骤摘要】
一种基于知识图谱的自适应学习平台


[0001]本专利技术涉及线上教育
，更具体地，涉及一种基于知识图谱的自适应学习平台。

技术介绍

[0002]在线上教育如火如荼的今天，“互联网+教育”的学习模式确实具有很多传统线下教育不可比拟的优势，例如丰富而广泛的学习资源，不受时空限制的学习方式，个性化的学习方法等。线上教育仍然尚不完善，存在很多需要改进的问题，尤其是教学内容的设置方面。
[0003]在本专利技术技术之前，线上教育时通常采用照搬线下教育，并在此基础上进行内容稀释的模式。因此，最后线上教育将海量的教学资源堆砌在学习者面前。这种方式，在实际使用过程中，会使得学习者陷入迷航，面对资源无从下手，很难根据学习者学习习惯完成个性化的学习。此外，由于传统线下教学知识之间的关联关系是由老师在不动声色的控制着，而在线上学习中，知识之间缺乏明显的关联性，学生在学习很难形成系统性的知识结构，极易出现知识漏洞。这些都导致了线上学习并不能达到令人满意的效果。
[0004]针对上述线上教育的不足之处，目前较好地解决办法是使用自适应学习系统进行线上学习。自适应学习系统是指通过收集和分析学生在进行学习活动时与线上系统的交互数据来建立学习者模型，并以此动态地适应学习者的学习需求。它将学习者由客体变成主体，变被动学习为主动学习，实现个性化学习；同时自适应学习系统还能够有效化解线上教育所固有地“总体资源无限”和“个体资源需求有限”之间的矛盾，使线上教育资源的利用最大化。自适应学习系统一般由知识模型、学生模型、结构模型和自适应引擎四部分组成，其中知识模型用于描述知识结构，表达知识概念之间的联系，是自适应学习系统进行学习适配和资源推荐的重要依据。因此，知识模型的质量直接决定了自适应学习系统的有效性。但传统教学中的知识往往是以半结构化或非结构化的数据形式存在的，这样的数据很难直接应用于构建模型。现有的大部分知识模型或基于教学目录直接搭建或只进行简单的分类，忽略了知识概念之间的关联，故模型均存在知识表现离散、系统性不强等问题。

技术实现思路

[0005]鉴于上述问题，本专利技术提出了一种基于知识图谱的自适应学习平台，通过对于学习风格学习的基础上，结合对于重点掌握程度的提取，实现随着个体的不同进行针对性学习。
[0006]根据本专利技术实施例第一方面，提供一种基于知识图谱的自适应学习平台。
[0007]在一个或多个实施例中，优选地，所述一种基于知识图谱的自适应学习平台包括：
[0008]该平台包括学生用户端和学习管理端；
[0009]其中，所述学生用户端，具体实施为：
[0010]为学生用户获取线上学习所需的学习条件，所述学习条件包括学习平台、学习资
源、考试测评、论坛讨论；
[0011]为所述学生用户提供与所述基于知识图谱的自适应学习平台的交互信息，所述交互信息包括查看学习历史、查看个人评价；
[0012]分析所述学生用户学习风格，进行学生学习行为学习，进而推荐适宜风格的学习资源；
[0013]收集所述学生用户学习行为，进行知识重难点内容推荐和动态学习路径规划；
[0014]其中，所述学习管理端，具体实施为：
[0015]执行所述学生用户管理功能，所述学生用户管理功能包括学生基本信息查看、学生学习情况查看；
[0016]修改知识图谱，所述修改知识图谱具体为学习管理者根据学生整体的学习情况对学科知识图谱进行增加、删除、修改、查询和批量导入；
[0017]定向调整学习资源，所述定向调整学习资源为学习管理者根据学生个体的学习情况为单个学生提供学习建议，并定向地添加或调整学习资源，提供学习资源的批量导入，学习管理者对学生整体大批量地添加或调整学习资源，在定向调整学生资源过程中，进行动态学习路径规划；
[0018]其中，所述定向调整学习资源通过对知识重难点内容推荐实现。
[0019]在一个或多个实施例中，优选地，所述学生用户端的工作流程具体功能包括：
[0020]步骤一、所述学生用户登陆后，判断是否进行过学习风格测试，若已进行过学习风格测试，则直接执行步骤二，若未进行过，则利用量表获得所述学生用户的学习风格的初测结果，再进行步骤二；
[0021]步骤二、判断所述学生用户是否有学习历史，若存在学习历史，则直接执行步骤三；若不存在学习历史，则将课程第一个知识点设置为当前知识点，根据所述学生用户的学习风格推送当前知识点对应风格的学习资源，同时收集所述学生用户的学习数据，对所述学生用户的学习风格进行修正；
[0022]步骤三、判断所述学生用户是否处于学习章节完成状态，若处于所述学习章节完成状态，则调取对应的习题资源，测试学生的学习成果，之后根据学生的学习效果情况，结合所述学科知识图谱，为学生规划学习路径，进行知识的查漏补缺；若未处于所述学习章节完成状态，则执行步骤四；
[0023]步骤四、判断所述学生用户是否满足知识难点推荐条件，是否已进行过超过一定量的学习，若满足知识重难点推荐条件，则根据协同推荐算法给所述学生用户进行个性化的标注难点知识，将重点学习推荐给所述学生用户；若不满足知识重难点推荐条件，则继续进行当前未完成的学习任务。
[0024]在一个或多个实施例中，优选地，所述学习管理端的工作流程，具体包括：
[0025]查看所述学生用户的当前的学习进度和学习效果；
[0026]根据整体学生的学习进度和学习效果，对所述学科知识图谱进行适应性修改，添加或调整当前的学习资源；
[0027]针对所述学生用户的个体学习情况，根据薄弱和未掌握知识点给出针对性建议，添加针对性的习题或学习资源，帮助所述学生用户提高知识掌握程度。
[0028]在一个或多个实施例中，优选地，所述分析所述学生用户学习风格，具体为：学习
风格测量，生成量表，通过所述量表从四个维度进行学生的学习风格学习，生成的所述学生用户对应的学习风格，所述学习风格共有八种类型；
[0029]其中，所述四个维度分别是：信息加工、感知、信息输入、内容理解；
[0030]其中，所述八种类型分别是：活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型、综合型；
[0031]其中，所述量表共有44道问卷测试题，其中，所述四个维度中每个维度分别对应11道题所述问卷测试题，所述问卷测试题均只有a，b两个选项，学生用户答题完成后，统计每个维度对应的a选项和b选项个数，以个数的差值的绝对值作为所述学生学习风格的所述量表的计算值。
[0032]在一个或多个实施例中，优选地，所述学生学习行为学习，包括利用贝叶斯网络挖掘学生的学习行为，并根据学生学习风格判断指标的计算公式对所述学生用户对应的成绩影响指标，并对所述学生学习风格做动态调整，具体包括：
[0033]确定出能够记录到的跟学习风格有关的所述学生学习行为，作为过程学习行为；以所述过程学习行为作为参数，将所述过程学习行为代入贝叶斯网络计算公式，推断所述学生用户在对应维度上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的自适应学习平台，其特征在于，该平台包括学生用户端和学习管理端；其中，所述学生用户端，具体实施为：为学生用户获取线上学习所需的学习条件，所述学习条件包括学习平台、学习资源、考试测评、论坛讨论；为所述学生用户提供与所述基于知识图谱的自适应学习平台的交互信息，所述交互信息包括查看学习历史、查看个人评价；分析所述学生用户学习风格，进行学生学习行为学习，进而推荐适宜风格的学习资源；收集所述学生用户学习行为，进行知识重难点内容推荐和动态学习路径规划；其中，所述学习管理端，具体实施为：执行所述学生用户管理功能，所述学生用户管理功能包括学生基本信息查看、学生学习情况查看；修改知识图谱，所述修改知识图谱具体为学习管理者根据学生整体的学习情况对学科知识图谱进行增加、删除、修改、查询和批量导入；定向调整学习资源，所述定向调整学习资源为学习管理者根据学生个体的学习情况为单个学生提供学习建议，并定向地添加或调整学习资源，提供学习资源的批量导入，学习管理者对学生整体大批量地添加或调整学习资源，在定向调整学生资源过程中，进行动态学习路径规划；其中，所述定向调整学习资源通过对知识重难点内容推荐实现。2.如权利要求1所述的一种基于知识图谱的自适应学习平台，其特征在于，所述学生用户端的工作流程具体功能包括：步骤一、所述学生用户登陆后，判断是否进行过学习风格测试，若已进行过学习风格测试，则直接执行步骤二，若未进行过学习风格测试，则利用量表获得所述学生用户的学习风格的初测结果，再进行步骤二；步骤二、判断所述学生用户是否有学习历史，若存在学习历史，则直接执行步骤三；若不存在学习历史，则将课程第一个知识点设置为当前知识点，根据所述学生用户的学习风格推送当前知识点对应风格的学习资源，同时收集所述学生用户的学习数据，对所述学生用户的学习风格进行修正；步骤三、判断所述学生用户是否处于学习章节完成状态，若处于所述学习章节完成状态，则调取对应的习题资源，测试学生的学习成果，之后根据学生的学习效果情况，结合所述学科知识图谱，为学生规划学习路径，进行知识的查漏补缺；若未处于所述学习章节完成状态，则执行步骤四；步骤四、判断所述学生用户是否满足知识难点推荐条件，是否已进行过超过预设的一定量的学习，若满足知识重难点推荐条件，则根据协同推荐算法给所述学生用户进行个性化的标注难点知识，将重点学习推荐给所述学生用户；若不满足知识重难点推荐条件，则继续进行当前未完成的学习任务。3.如权利要求1所述的一种基于知识图谱的自适应学习平台，其特征在于，所述学习管理端的工作流程，具体包括：查看所述学生用户的当前的学习进度和学习效果；
根据整体学生的学习进度和学习效果，对所述学科知识图谱进行适应性修改，添加或调整当前的学习资源；针对所述学生用户的个体学习情况，根据薄弱和未掌握知识点给出针对性建议，添加针对性的习题或学习资源，帮助所述学生用户提高知识掌握程度。4.如权利要求1所述的一种基于知识图谱的自适应学习平台，其特征在于，所述分析所述学生用户学习风格，具体为：学习风格测量，生成量表，通过所述量表从四个维度进行学生的学习风格学习，生成的所述学生用户对应的学习风格，所述学习风格共有八种类型；其中，所述四个维度分别是：信息加工、感知、信息输入、内容理解；其中，所述八种类型分别是：活跃型、沉思型、感悟型、直觉型、视觉型、言语型、序列型、综合型；其中，所述量表共有44道问卷测试题，其中，所述四个维度中每个维度分别对应11道题所述问卷测试题，所述问卷测试题均只有a，b两个选项，学生用户答题完成后，统计每个维度对应的a选项和b选项个数，以个数的差值的绝对值作为所述学生学习风格的所述量表的计算值。5.如权利要求4所述的一种基于知识图谱的自适应学习平台，其特征在于，所述学生学习行为学习，包括利用贝叶斯网络挖掘学生的学习行为，并根据学生学习风格判断指标的计算公式对所述学生用户对应的成绩影响指标，并对所述学生学习风格做动态调整，具体包括：确定出能够记录到的跟学习风格有关的所述学生学习行为，作为过程学习行为；以所述过程学习行为作为参数，将所述过程学习行为代入贝叶斯网络计算公式，推断所述学生用户在对应维度上的学习风格为何种类型；设置成绩影响指标，测试结果为优则计所述成绩影响指标为100％，测试结果为良则计所述成绩影响指标为70％，测试结果为差则计所述成绩影响指标为...

【专利技术属性】
技术研发人员：张准，王一辰，黄俊鹏，苏俊杰，马琼雄，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：