一种基于自扩展知识库和多模态画像的个性化学习平台制造技术

本发明专利技术涉及教学平台领域，具体涉及一种基于自扩展知识库和多模态画像的个性化学习平台，该个性化学习平台包括自扩展知识库构建模块、学习者画像模型构建模块和个性化学习任务规划模块。本发明专利技术可以实现互联网中各平台知识数据的统一汇总管理，共享，同时可以依据学习者自身的基本情况、学习目标、性格特征、情绪、心理状态、兴趣特点以及学习过程等数据，实时动态地构建多维度的学习者画像，能够为学习者提供更加个性化、更加有针对性的学习内容推荐和学习过程规划等服务，大大的提高了高职教育质量和效率。质量和效率。质量和效率。

【技术实现步骤摘要】
一种基于自扩展知识库和多模态画像的个性化学习平台


[0001]本专利技术涉及教学平台领域，具体涉及一种基于自扩展知识库和多模态画像的个性化学习平台。

技术介绍

[0002]互联网中的知识呈现体量爆炸增长、内容飞速更新的态势，各类领域知识迭代频率高且涉及范围广。然而这些散落的知识无法在互联网中自组织，建立关联关系，同时同一知识实体会存在于多个社区中，普遍会存在信息重复或歧义或异构表示的问题。因此如何汇聚互联网中高质量知识信息，规避信息异构、重复的问题，形成知识的统一管理是目前需解决的难题。
[0003]传统的教学模式主要是以老师为中心的“一对多”形式，虽然近些年由于信息技术的发展，传统的教学模式已经取得了一定程度的信息化，教学过程中已经渗透了诸多基于网络的辅助工具，然而教学内容无差别输送、学生群体同步调前进的事实并无本质上的改变，自古以来所倡导的“因材施教”的教学理念还远未到达。事实上，每一个学习者均有自身的独特需求，对于不同的知识体系和知识点会展现出不同的兴趣；此外，每一个学习者的学习状态也不尽相同，对于特定知识点的掌握程度和认知深度存在差异。因此，依据学习者自身的基本情况、学习目标、性格特征、情绪、心理状态、兴趣特点以及学习过程等数据，实时动态地构建多维度的学习者画像，能够为学习者提供更加个性化、更加有针对性的学习内容推荐和学习过程规划等服务。
[0004]传统的模板式线性教育模式使得群体学生只能按部就班地完成既定的学习任务，教师无法也不可能针对性地为每一个学生制定相应的学习计划，而学习者也没有能力根据自身的状态和多样化的学习资源为自己规划学习任务。另一方面，传统的学习过程缺乏必要的引导，在如今大力倡导自主学习的时代，带有学业压力的学习者如何去理性地调整自己的学习节奏和巩固自己的知识点是一个巨大的挑战；其次，学习者的学习效果缺乏及时反馈，只有在特定的考试中学习者才能对自身的水平有个相对全面的了解，不利于及时地对自己的知识体系进行查漏补缺和对学习精力的针对性平衡。因此，根据学习者的自身状况和知识库内容的等级属性，利用信息技术和人工智能技术，以一种自动化的、智能的形式为学习者制定学习场景、规划学习任务、评估学习效果以及推荐改进意见是提高高职教育质量和效率的重要手段。

技术实现思路

[0005]本专利技术的目的在于提供一种基于自扩展知识库和多模态画像的个性化学习平台。
[0006]为实现上述目的，本专利技术采取的技术方案为：
[0007]一种基于自扩展知识库和多模态画像的个性化学习平台，包括：
[0008]自扩展知识库构建模块，用于基于网络爬虫模块在预设的网络基站上爬取对应的知识数据，并基于异构数据知识图谱实现这些知识数据的加工、处理、融合，构建形成问答
形式关联的自扩展的动态知识库；
[0009]学习者画像模型构建模块，用于通过实证研究和用户调查，挖掘学习者在学习过程中产生的数据类型并建立学习者画像模型，然后，考虑时间维度下，用户各模态下关联属性的变化情况及属性关联程度，从各项数据中提取特征值，生成学习者画像实例；
[0010]个性化学习任务规划模块，用于通过对学习者画像模型和知识库资源的双向关联分析，识别学生的学习关注点、学习状态以及候选资源集，并利用智能学习引擎为学习者自动化地生成学习任务规划，以及在必要时机进行过程引导。
[0011]进一步地：还包括：
[0012]动态知识库完善模块，用于通过挖掘问题与回答之间的关联属性，利用机器学习、深度学习的方法构建自动化答案生成模型，形成对专家知识库的自主扩充和完善。
[0013]进一步地：所述学习者画像模型通过以下方法构建：
[0014]首先，首先需通过实证研究和用户调查的方式建立画像模型，探索模型中应该包含的主要特征集合，使特征多元化；
[0015]其次，获取画像特征集合，具体的：收集学习者的个人信息，包括学习者的年龄、性别、学习背景等；学习数据，包括学习者历史上曾经学习过的知识点集合等；测试数据，包括学习者曾经接受过的测试内容以及测试结果；交互数据，包括学习者在学习、测试、讨论的过程中与平台、工具以及其它学习者所发生的文字、语音、视频等交互历史；现场数据，包括学习者各项参与行为中所实时记录的响应、反馈等；基于这些异构数据，通过文本分析技术、语义分析技术、情感分析技术以及机器学习算法等技术手段提取出关于学习者的多模态特征值；
[0016]再次，使用结构化、层次化的形式对画像特征集合进行组织，实现画像特征集合的深度操作和挖掘，采用数值型数据、标签文本型数据等混合数据形式对画像特征进行表示；
[0017]最后，采用多因子融合的手段以实现学习者画像的动态演化，具体的，首先通过弹性控制的手段以不同的粒度设置时间窗口，以限制画像的数据口径；其次，我们通过设置衰减尺寸参数对不同时期的数据设置不同累积效果；另外，基于迭代效果探测并优化各特征的融合权重，实现动态、更精准的特征刻画，以判断学习者是否适合继续学习，定位学习阶段和规划学习路径等；最终，我们通过可视化的形式对学习者的画像进行展示，并提供基于场景的交互式互操作。
[0018]进一步地：所述个性化学习任务规划模块的工作流程如下：
[0019]a)基于数据驱动和事件触发的学习场景感知
[0020]当学习者开启新一轮的学习任务后，首先对学习者的场景进行主动感知，通过读取并解析学习者的画像，确定学习者的个性特征；其次通过实时监测学习者的各项参与行为，利用模式识别等技术判断其参与状态和行为走向；另一方面，检索知识库中的知识点体系和知识点分布情况，利用数据挖掘等技术评估学习者的学习进度并推荐本次学习内容的广义范围；综合以上信息，为学习者确定本次的学习场景；
[0021]b)基于路径的学习任务规划与过程引导
[0022]对于选定的学习场景，从广泛的学习内容中按照学习路径为学习者进行任务规划与过程引导。首先，依据知识点的复杂度和难度，把本次的学习内容划分为难度递增的不同的学习阶段；其次，按照知识的依赖性和关联性，把同一个知识体系下的不同知识点进行关
联；在学习者的学习过程中，要根据学习者的实际学习情况适时调整学习内容。
[0023]c)面向可持续参与的学习效果评估与建议
[0024]对于学习者的每一次具体学习，以可持续参与为目标驱动给出具体评估和建议，首先，我们以层级化、结构化的形式输出可解释型的评估结果，每一个细粒度的衡量指标以及总的评估结果都有对应的评估值以及一段解释性的文字说明，以便于学习者理解评估结果；其次，我们针对实际的学习情况，参考其他学习者的学习历史，利用大数据分析、关联匹配等技术对学习者提出针对性的改进与提升建议，以易于接受的形式建议学习者需要查漏补缺以及需要继续保持的各个方面。
[0025]进一步地，还包括：系统更新模块，用于通过用户行为数据和测试数据的搜集，分析学习者的学习效果，迭代调整个性化学习任务规划模块内载的个性化智能学习引擎。
[0026]本专利技术可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自扩展知识库和多模态画像的个性化学习平台，其特征在于：包括：自扩展知识库构建模块，用于基于网络爬虫模块在预设的网络基站上爬取对应的知识数据，并基于异构数据知识图谱实现这些知识数据的加工、处理、融合，构建形成问答形式关联的自扩展的动态知识库；学习者画像模型构建模块，用于通过实证研究和用户调查，挖掘学习者在学习过程中产生的数据类型并建立学习者画像模型，然后，考虑时间维度下，用户各模态下关联属性的变化情况及属性关联程度，从各项数据中提取特征值，生成学习者画像实例；个性化学习任务规划模块，用于通过对学习者画像模型和知识库资源的双向关联分析，识别学生的学习关注点、学习状态以及候选资源集，并利用智能学习引擎为学习者自动化地生成学习任务规划，以及在必要时机进行过程引导。2.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台，其特征在于：还包括：动态知识库完善模块，用于通过挖掘问题与回答之间的关联属性，利用机器学习、深度学习的方法构建自动化答案生成模型，形成对专家知识库的自主扩充和完善。3.如权利要求1所述的一种基于自扩展知识库和多模态画像的个性化学习平台，其特征在于：所述学习者画像模型通过以下方法构建：首先，首先需通过实证研究和用户调查的方式建立画像模型，探索模型中应该包含的主要特征集合，使特征多元化；其次，获取画像特征集合，具体的：收集学习者的个人信息，包括学习者的年龄、性别、学习背景；学习数据，包括学习者历史上曾经学习过的知识点集合；测试数据，包括学习者曾经接受过的测试内容以及测试结果；交互数据，包括学习者在学习、测试、讨论的过程中与平台、工具以及其它学习者所发生的文字、语音、视频交互历史；现场数据，包括学习者各项参与行为中所实时记录的响应、反馈；基于这些异构数据，通过文本分析技术、语义分析技术、情感分析技术以及机器学习算法提取出关于学习者的多模态特征值；再次，使用结构化、层次化的形式对画像特征集合进行组织，实现画像特征集合的深度操作和挖掘，采用数值型数据、标签文本型数据形式对画像特征进行表示，完成后，基于这些画像特征建立学习者画像模型；最后，采用多因子融合的手段以实现学习者画像的动态演化，具体的，首先通过弹性控制的手段以不同的粒度...

【专利技术属性】
技术研发人员：张群慧，
申请(专利权)人：湖南科技职业学院，
类型：发明
国别省市：