科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统教育以预设课程内容为主进行教学,缺乏对知识点之间关系和学习状态的动态建模和评估,难于实现个性化学习路径规划和自适应学习。近几年,人工智能技术不断发展,使得对知识体系的海量数据检索分析和对学习者的状态评估成为了可能,每个领域的知识都可以抽象地表示为连接众多相关概念的复杂网络,精确地使用概念关系网络有助于制定高效的学习路径。本文提出了一种基于知识概念网络拓扑结构优化学习路径的建模方法,充分考虑了所学新知识与学习者已掌握知识之间的相互作用,同时根据知识的基础性和重要性程度差别提供不同的复习间隔。通过对生成的学习路径在全面性、一致性和准确性三个方面的实验评估,验证了提出的学习路径优化策略对所需掌握的知识点涵盖率达到85%以上,生成的学习序列与专家设计的合理序列的吻合程度最高达到95%,并且通过学习者的实际测试显示了良好的学习效果。
-
单位国家新闻出版广电总局; 中国科学院软件研究所; 中国科学院大学
