CN111831831A - 一种基于知识图谱的个性化学习平台及其构建方法 - Google Patents
一种基于知识图谱的个性化学习平台及其构建方法 Download PDFInfo
- Publication number
- CN111831831A CN111831831A CN202010694378.1A CN202010694378A CN111831831A CN 111831831 A CN111831831 A CN 111831831A CN 202010694378 A CN202010694378 A CN 202010694378A CN 111831831 A CN111831831 A CN 111831831A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- knowledge point
- data
- learning
- recommending
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000005728 strengthening Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种基于知识图谱的个性化学***台构建方法。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于知识图谱的个性化学习平台及其构建方法。
背景技术
当今社会，互联网的发展促使教育行业的发展趋向于网络化和智能化。在在线教学中，许许多多的课程只能做到视频教学和在线答题，老师并不能像线下教学一样很方便的了解学生对一些知识点的掌握程度和针对训练。在线教学的上课内容也只能用视频传达和题海战术，其不仅无法针对不同层次的学生进行差异化教学，还不能对个别学生对某知识点熟悉度进行鉴别而采取有针对性的强化训练，给教学工作带来很大的不便。
发明内容
为了克服现有在线教学不仅无法针对不同层次的学生进行差异化教学，还不能对个别学生对某知识点熟悉度进行鉴别而采取有针对性的强化训练的问题，本发明提供了一种基于知识图谱的个性化学习平台及其构建方法，其具体技术方案如下：
一种基于知识图谱的个性化学习平台，包括服务器以及客户端，所述服务器与客户端通信连接，所述服务器包括：
知识题库，包括至少一门学科的知识点数据以及试题题目数据；
知识图谱，基于知识题库中的知识点数据以及试题题目数据构建而成；
知识点推荐模块，用于根据知识图谱中的知识点的熟悉程度计算知识点的学习资源推荐指数，并将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户；
其中，学习资源推荐指数
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数。
可选的，所述服务器还包括针对训练模块，用于将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户。
可选的，所述客户端包括教师端、学生端以及管理员端，所述教师端用于任务发布、作业发布、试题管理以及活动管理，所述学生端用于签到、接收任务、***通知以及题目训练，所述管理员端用于账号管理、班级管理、作业管理、试卷管理、文件管理、题库管理以及通知管理。
相应地，本发明还提供一种基于知识图谱的个性化学习平台构建方法，其包括如下步骤：
步骤1，获取至少一门学科的知识点数据以及试题题目数据，对知识点数据进行处理，建立知识题库；
步骤2，根据步骤1获取的知识点数据以及试题题目数据，构建知识图谱；
步骤3，计算学习资源推荐指数R，其中，
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数；
步骤4，将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户。
可选的，所述个性化学习平台构建方法还包括：
步骤5，将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户；
其中，第二预设指数阈值大于第一预设指数阈值。
可选的，在步骤2中，根据步骤1获取的知识点数据以及试题题目数据构建知识图谱的具体方法为：
步骤2a，对知识点数据进行知识抽取以及对试题题目数据进行数据整合，形成初步知识表示；
步骤2b，对初步知识表示进行实体对齐，形成知识图谱。
可选的，所述知识抽取包括实体抽取、关系抽取以及属性抽取。
可选的，所述实体对齐包括实体消歧和共指消解。
相应地，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现上述所述的个性化学习平台构建方法。
本发明所取得的有益效果为：利用知识点与常识的相似度、题目与知识点的关联度、题目的难度系数、题目总分计算知识点的熟悉程度，然后通过知识点的熟悉程度、自然常数以及遗忘时间来计算学习资源推荐指数，可以针对不同层次的学生进行差异化教学，为不同学习层次的学生推荐与其匹配的学习资源和习题，还能对个别学生对某知识点熟悉度进行鉴别，然后采取有针对性的强化训练。与此同时，老师也可以深刻了解全体学生的知识点掌握程度。
附图说明
从以下结合附图的描述可以进一步理解本发明，将重点放在示出实施例的原理上。
图1是本发明实施例中一种基于知识图谱的个性化学习平台的整体结构示意图；
图2是本发明实施例中客户端的结构示意图；
图3是本发明实施例中一种基于知识图谱的个性化学习平台构建方法的整体流程示意图。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明。
本发明为一种基于知识图谱的个性化学习平台及其构建方法，根据附图所示讲述以下实施例：
如图1所示，一种基于知识图谱的个性化学习平台，包括服务器以及客户端，所述服务器与客户端通信连接。所述服务器基于B/S架构并以SpringBoot为核心搭建而成，其包括知识题库、知识图谱以及知识点推荐模块。知识题库包括至少一门学科的知识点数据以及试题题目数据，知识图谱基于知识题库中的知识点数据以及试题题目数据构建而成，知识点推荐模块用于根据知识图谱中的知识点的熟悉程度计算知识点的学习资源推荐指数，并将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户。其中，学习资源推荐指数
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数，正确为正数，错误为负数。知识点和常识的相似度以及某一题目与知识点的关联度通过初始预设而得。
通过计算学习资源推荐指数，可以针对不同层次的学生进行差异化教学，为不同学习层次的学生推荐与其匹配的学习资源，方便老师深刻了解全体学生的知识点掌握程度。
在一些实施例中，在刚搭建个性化学习平台之中，利用服务器对某一题目的难度系数进行初始预设，而后通过统计学生做题次数以及正确解答次数决定，比如学生做题次数为N，正确解答次数为M，则难度系数l＝(1-N/M)。
在一些实例中，某一题目的难度系数通过统计学生做过某一题目所得分数的平均分与该题目的总分计算而得。若某一题目总分为W，学生该题目得分平均分为X，则难度系数l＝(1-X/W)。
在一些实施例中，所述服务器还包括针对训练模块，用于将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户。通过针对训练模块，能对个别学生对某知识点熟悉度进行鉴别，然后采取有针对性的强化训练，加深学生对知识点的理解。
在一些实施例中，如图2所示，所述客户端包括教师端、学生端以及管理员端，所述教师端用于任务发布、作业发布、试题管理以及活动管理，所述学生端用于签到、接收任务、***通知以及题目训练，所述管理员端用于账号管理、班级管理、作业管理、试卷管理、文件管理、题库管理以及通知管理。
相应地，如图3所示，本发明还提供一种基于知识图谱的个性化学习平台构建方法，其包括如下步骤：
步骤1，获取至少一门学科的知识点数据以及试题题目数据，对知识点数据进行处理，建立知识题库。
在建立知识题库后，开始对数据进行结构化以及数据包清洗等工作，以便于进行步骤2。
步骤2，根据步骤1获取的知识点数据以及试题题目数据，构建知识图谱；
步骤3，计算学习资源推荐指数R，其中，
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数；
步骤4，将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户。
在一些实施例中，所述个性化学习平台构建方法还包括步骤5，将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户。其中，第二预设指数阈值大于第一预设指数阈值。
在一些实施例中，在步骤2中，根据步骤1获取的知识点数据以及试题题目数据构建知识图谱的具体方法为：
步骤2a，对知识点数据进行知识抽取以及对试题题目数据进行数据整合，形成初步知识表示。
知识点数据包括半结构化的知识点数据以及对非结构化的知识描述数据。把步骤1收集到的数据集进行处理，如结构化的试题题目数据进行数据整合，对半结构化的知识点数据以及对非结构化的知识描述数据进行三元组抽取(知识抽取)，并对数据集进行句法分析，标注词性等，对于小部分不能识别的专业名词数据集进行标注，最后整理成三元组，形成初步知识表示。
步骤2b，对初步知识表示进行实体对齐，形成知识图谱。
在一些实施例中，所述知识抽取包括实体抽取、关系抽取以及属性抽取。
在一些实施例中，所述实体对齐包括实体消歧和共指消解。
利用知识点与常识的相似度、题目与知识点的关联度、题目的难度系数、题目总分计算知识点的熟悉程度，然后通过知识点的熟悉程度、自然常数以及遗忘时间来计算学习资源推荐指数，可以针对不同层次的学生进行差异化教学，为不同学习层次的学生推荐与其匹配的学习资源和习题，还能对个别学生对某知识点熟悉度进行鉴别，然后采取有针对性的强化训练。与此同时，老师也可以深刻了解全体学生的知识点掌握程度。
相应地，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现上述所述的个性化学习平台构建方法。
综上所述，本发明公开的一种基于知识图谱的个性化学习平台及其构建方法，所产生的有益技术效果为：利用知识点与常识的相似度、题目与知识点的关联度、题目的难度系数、题目总分计算知识点的熟悉程度，然后通过知识点的熟悉程度、自然常数以及遗忘时间来计算学习资源推荐指数，可以针对不同层次的学生进行差异化教学，为不同学习层次的学生推荐与其匹配的学习资源和习题，还能对个别学生对某知识点熟悉度进行鉴别，然后采取有针对性的强化训练。与此同时，老师也可以深刻了解全体学生的知识点掌握程度。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (9)
1.一种基于知识图谱的个性化学习平台，包括服务器以及客户端，所述服务器与客户端通信连接，其特征在于，所述服务器包括：
知识题库，包括至少一门学科的知识点数据以及试题题目数据；
知识图谱，基于知识题库中的知识点数据以及试题题目数据构建而成；
知识点推荐模块，用于根据知识图谱中的知识点的熟悉程度计算知识点的学习资源推荐指数，并将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户；
其中，学习资源推荐指数
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数。
2.如权利要求1所述的一种基于知识图谱的个性化学习平台，其特征在于，所述服务器还包括针对训练模块，用于将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户。
3.如权利要求2所述的一种基于知识图谱的个性化学习平台，其特征在于，所述客户端包括教师端、学生端以及管理员端，所述教师端用于任务发布、作业发布、试题管理以及活动管理，所述学生端用于签到、接收任务、***通知以及题目训练，所述管理员端用于账号管理、班级管理、作业管理、试卷管理、文件管理、题库管理以及通知管理。
4.一种基于知识图谱的个性化学习平台构建方法，其特征在于，包括如下步骤：
步骤1，获取至少一门学科的知识点数据以及试题题目数据，对知识点数据进行处理，建立知识题库；
步骤2，根据步骤1获取的知识点数据以及试题题目数据，构建知识图谱；
步骤3，计算学习资源推荐指数R，其中，
s表示知识点熟悉程度，t表示遗忘时间，e表示自然常数，a表示知识点和常识的相似度，r表示某一题目与知识点的关联度，l表示某一题目的难度系数，n表示某一题目总分，c表示某一题目得到的实际分数；
步骤4，将学习资源推荐指数大于第一预设指数阈值的知识点推荐给用户。
5.如权利要求4所述的一种基于知识图谱的个性化学习平台构建方法，其特征在于，还包括：
步骤5，将学习资源推荐指数大于第二预设指数阈值的知识点相关联的试题题目推荐给用户；
其中，第二预设指数阈值大于第一预设指数阈值。
6.如权利要求5所述的一种基于知识图谱的个性化学习平台构建方法，其特征在于，在步骤2中，根据步骤1获取的知识点数据以及试题题目数据构建知识图谱的具体方法为：
步骤2a，对知识点数据进行知识抽取以及对试题题目数据进行数据整合，形成初步知识表示；
步骤2b，对初步知识表示进行实体对齐，形成知识图谱。
7.如权利要求6所述的一种基于知识图谱的个性化学习平台构建方法，其特征在于，所述知识抽取包括实体抽取、关系抽取以及属性抽取。
8.如权利要求7所述的一种基于知识图谱的个性化学习平台构建方法，其特征在于，所述实体对齐包括实体消歧和共指消解。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求4至8中任何一项所述的个性化学习平台构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694378.1A CN111831831A (zh) | 2020-07-17 | 2020-07-17 | 一种基于知识图谱的个性化学习平台及其构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010694378.1A CN111831831A (zh) | 2020-07-17 | 2020-07-17 | 一种基于知识图谱的个性化学习平台及其构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111831831A true CN111831831A (zh) | 2020-10-27 |
Family
ID=72923488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010694378.1A Pending CN111831831A (zh) | 2020-07-17 | 2020-07-17 | 一种基于知识图谱的个性化学习平台及其构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111831831A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112612909A (zh) * | 2021-01-06 | 2021-04-06 | 杭州恒生数字设备科技有限公司 | 一种基于知识图谱的智能试卷质量评测方法 |
| CN112905660A (zh) * | 2021-02-05 | 2021-06-04 | 广东金融学院 | 一种中高职及本科人才培养管理***及方法 |
| CN112966121A (zh) * | 2021-03-02 | 2021-06-15 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
| CN113793239A (zh) * | 2021-08-13 | 2021-12-14 | 华南理工大学 | 融合学习行为特征的个性化知识追踪方法与*** |
| CN113851020A (zh) * | 2021-11-04 | 2021-12-28 | 华南师范大学 | 一种基于知识图谱的自适应学习平台 |
| CN114020929A (zh) * | 2021-11-03 | 2022-02-08 | 北京航空航天大学 | 一种基于课程知识图谱的智慧教育***平台设计方法 |
| CN116340625A (zh) * | 2023-03-15 | 2023-06-27 | 武汉博奥鹏程教育科技有限公司 | 结合学习状态适合度和课程搭配度的课程推荐方法及装置 |
| CN116662578A (zh) * | 2023-08-02 | 2023-08-29 | 中国标准化研究院 | 一种基于端到端的大型知识图谱构建和存储方法和*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512214A (zh) * | 2015-11-28 | 2016-04-20 | 华中师范大学 | 一种知识数据库、构建方法及学情诊断*** |
| CN108596472A (zh) * | 2018-04-20 | 2018-09-28 | 贵州金符育才教育科技有限公司 | 一种理科学习的人工智能教学***及方法 |
| CN109255031A (zh) * | 2018-09-20 | 2019-01-22 | 苏州友教习亦教育科技有限公司 | 基于知识图谱的数据处理方法 |
| CN109388744A (zh) * | 2017-08-11 | 2019-02-26 | 北京龙之门网络教育技术股份有限公司 | 一种自适应学习推荐方法及装置 |
| CN109903617A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化练习方法和*** |
| CN110197452A (zh) * | 2019-06-11 | 2019-09-03 | 合肥明信软件技术有限公司 | 一种基于人工智能技术的智适应在线学***台 |
| CN110378818A (zh) * | 2019-07-22 | 2019-10-25 | 广西大学 | 基于难度的个性化习题推荐方法、***及介质 |
-
2020
- 2020-07-17 CN CN202010694378.1A patent/CN111831831A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512214A (zh) * | 2015-11-28 | 2016-04-20 | 华中师范大学 | 一种知识数据库、构建方法及学情诊断*** |
| CN109388744A (zh) * | 2017-08-11 | 2019-02-26 | 北京龙之门网络教育技术股份有限公司 | 一种自适应学习推荐方法及装置 |
| CN109903617A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化练习方法和*** |
| CN108596472A (zh) * | 2018-04-20 | 2018-09-28 | 贵州金符育才教育科技有限公司 | 一种理科学习的人工智能教学***及方法 |
| CN109255031A (zh) * | 2018-09-20 | 2019-01-22 | 苏州友教习亦教育科技有限公司 | 基于知识图谱的数据处理方法 |
| CN110197452A (zh) * | 2019-06-11 | 2019-09-03 | 合肥明信软件技术有限公司 | 一种基于人工智能技术的智适应在线学***台 |
| CN110378818A (zh) * | 2019-07-22 | 2019-10-25 | 广西大学 | 基于难度的个性化习题推荐方法、***及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 中公教育研究生考试研究院: "《考研轻松学 英语（二）的奥秘 2020中公版》", 31 August 2019, pages: 11 - 12 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112612909B (zh) * | 2021-01-06 | 2022-06-07 | 杭州恒生数字设备科技有限公司 | 一种基于知识图谱的智能试卷质量评测方法 |
| CN112612909A (zh) * | 2021-01-06 | 2021-04-06 | 杭州恒生数字设备科技有限公司 | 一种基于知识图谱的智能试卷质量评测方法 |
| CN112905660A (zh) * | 2021-02-05 | 2021-06-04 | 广东金融学院 | 一种中高职及本科人才培养管理***及方法 |
| CN112905660B (zh) * | 2021-02-05 | 2022-12-20 | 广东金融学院 | 一种中高职及本科人才培养管理***及方法 |
| CN112966121A (zh) * | 2021-03-02 | 2021-06-15 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
| CN112966121B (zh) * | 2021-03-02 | 2023-01-03 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
| CN113793239A (zh) * | 2021-08-13 | 2021-12-14 | 华南理工大学 | 融合学习行为特征的个性化知识追踪方法与*** |
| CN113793239B (zh) * | 2021-08-13 | 2023-12-19 | 华南理工大学 | 融合学习行为特征的个性化知识追踪方法与*** |
| CN114020929A (zh) * | 2021-11-03 | 2022-02-08 | 北京航空航天大学 | 一种基于课程知识图谱的智慧教育***平台设计方法 |
| CN114020929B (zh) * | 2021-11-03 | 2024-05-28 | 北京航空航天大学 | 一种基于课程知识图谱的智慧教育***平台设计方法 |
| CN113851020A (zh) * | 2021-11-04 | 2021-12-28 | 华南师范大学 | 一种基于知识图谱的自适应学习平台 |
| CN116340625A (zh) * | 2023-03-15 | 2023-06-27 | 武汉博奥鹏程教育科技有限公司 | 结合学习状态适合度和课程搭配度的课程推荐方法及装置 |
| CN116340625B (zh) * | 2023-03-15 | 2024-04-05 | 武汉博奥鹏程科技投资有限公司 | 结合学习状态适合度和课程搭配度的课程推荐方法及装置 |
| CN116662578A (zh) * | 2023-08-02 | 2023-08-29 | 中国标准化研究院 | 一种基于端到端的大型知识图谱构建和存储方法和*** |
| CN116662578B (zh) * | 2023-08-02 | 2023-10-31 | 中国标准化研究院 | 一种基于端到端的大型知识图谱构建和存储方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111831831A (zh) | 一种基于知识图谱的个性化学习平台及其构建方法 | |
| Colace et al. | Chatbot for e-learning: A case of study | |
| CN112508334B (zh) | 融合认知特性及试题文本信息的个性化组卷方法及*** | |
| CN112784608B (zh) | 试题推荐方法、装置、电子设备和存储介质 | |
| WO2022170985A1 (zh) | 选题方法、装置、计算机设备和存储介质 | |
| CN109754349B (zh) | 一种在线教育智能师生匹配*** | |
| Dowden | Challenging, integrated, negotiated and exploratory curriculum in the middle years of schooling: Designing and implementing high quality curriculum integration | |
| CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
| CN111737427A (zh) | 融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法 | |
| Agarwal et al. | Autoeval: A nlp approach for automatic test evaluation system | |
| CN116010569A (zh) | 在线答疑方法、***、电子设备及存储介质 | |
| CN115640368A (zh) | 一种智能诊断推荐题库的方法及其*** | |
| CN113283488A (zh) | 一种基于学习行为的认知诊断方法及*** | |
| Li | English teaching information feedback system based on internet of things | |
| CN110390050B (zh) | 一种基于深度语义理解的软件开发问答信息自动获取方法 | |
| CN116776855A (zh) | 基于LLaMA模型解决职业教育机器自主学习方法和装置及设备 | |
| CN116777694A (zh) | 基于自适应学习的教学辅助***及方法 | |
| Lakho et al. | Development of an integrated blended learning model and its performance prediction on students’ learning using Bayesian network | |
| Öksüz et al. | The review of the effects of realistic mathematics education on students' academic achievement in Turkey: A meta-analysis study | |
| Thomas et al. | Automatically assessing graph‐based diagrams | |
| CN114240705A (zh) | 一种题库信息处理方法 | |
| CN113888021A (zh) | 一种基于知识图谱的智能化学习评测方法及*** | |
| Zhou | Research on teaching resource recommendation algorithm based on deep learning and cognitive diagnosis | |
| CN112287115A (zh) | 基于知识掌握程度图的个性化教学方法、***及装置 | |
| Weaver et al. | Work in Progress: Developing Disambiguation Methods for Large-Scale Educational Network Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |