基于知识结构图的个性化学习内容生成算法

　第44卷第3期　2010年3月

上海交通大学学报

JO U RN A L O F SH AN G HA I JIA O TO N G UN IV ERSIT Y

Vol .44No .3　M ar .2010　

收稿日期:2009-10-10

基金项目:国家十一五支撑项目(2007BAH09B05)

作者简介:林海平(1969-),女,浙江瑞安人,教授,研究方向:远程教学与智能控制.E -m ail :lhpxypa @ .

文章编号:1006-2467(2010)03-0418-05

基于知识结构图的个性化学习内容生成算法

林海平

1,2

,　檀晓红1,　申瑞民

1

(1.温州职业技术学院,浙江温州325000;2.上海交通大学计算机科学与工程系,上海200030)摘　要:在结构化知识图的基础上,根据不同学生的学习状态,提出了网络学习环境的个性化学习内容生成算法.在课程本体知识结构图的基础上,经过动态评估学习过程而形成基于不同学生的个

性化知识结构图,结合其子空间及有向无环图的拓扑排序方法,设计并实现了基于目标知识点的学习路径和个性化学习内容生成算法,以及在线学习环境中个性化学习内容生成机制.经网络学习课程实例验证表明,该算法可以满足学生个性化学习的需求.关键词:知识结构图;有向无环图;拓扑排序;个性化学习中图分类号:TP39177 文献标志码:A

A Building Algorithm for Individual Learning Content Based

on Structural Knowledge Graph

LI N H ai -ping

1,2

,　T A N X iao -hong 1,　S H E N Rui -min

1

(1.Wenzhou Vocational and Technical College ,Wenzhou 325000,Zhejiang ,China ;

2.Department of Computer Scienc e and Engineering ,Shanghai Jiaotong University ,Shanghai 200030,China )Abstract :Individual learning content retrieved from know ledge domain repo sito ries for diffe rent learners is necessary in e -leaning environment fo r independent learning .This paper proposed an alg orithm to pro duce individual learning content based on structural know ledge g raph (SKG ).T he onto logy dom ain structural graph of course is the foundation .Individual SKG is a result fro m course 's SKG during students 'learning pro cess .A subspace of SKG is co me o ut after learner choosing an o bject point to learn .The learning know ledg e points and the relative learning objects are assembled thro ug h the topolo gical sort algorithm and the individual SKG .

Key words :structural know ledge graph (SKG );directed acyclic graph (DAG );topological sort ;individual learning

在基于网络、计算机等技术的在线学习环境中,自主学习是众多网络学生的主要学习模式.学生在网络学习过程中所表现出的孤独、无助以及面对海量的网络学习资源无从下手的现状已被计算机、网络和教育等领域研究者所关注;而如何根据学生的学习目标和知识水平,从海量的课程知识库中提取不同的学习内容,为目标学习人群构建一个有效的

导学模型,实现“自主学习”模式中所需“教师的科学指导”,已成为近年网络学习(e -learning )研究者关注的研究课题.例如:Ka ram piperis 等[1-2]提出了一种自适应的动态课程生成方法,即基于本体论生成学习对象系列而构建学习计划;H uan 等[3]提出基于粒子群优化算法而动态产生在线学习的辅助资料

方法;文献[4]中讨论了基于网络(WEB )的课程中

如何通过语义等方法而智能和自适应地提供学习服

务;文献[5]中提出了一种基于不同学生的概念图,利用最小生成树算法构建教学内容的调整模型;杨

帆等[6]

利用协作组织学习社区算法构建学习环境而进行分享资源的相关研究;Gaeta 等[7]通过基于网格技术的个性化学习经验得到了面向用户的可适性个性化学习经验.另外,文献[8-9]中通过网上学生学习跟踪技术研究不同的学生模型,并给出了一定的导学策略.

本文针对上述问题和需求,采用本体论并结合知识结构图(SKG )[3]

,在文献[5-6,10-11]的基础上,提出了一种基于在线学习过程动态评估及拓扑排序技术的个性化学习内容生成算法,并通过网络学习课程实例验证了其有效性.

1　课程的知识结构

依据中国网络教育标准(Chinese E -Learning TechnologiesS tandardization ,C ELTS )的信息规范

模型[10-11]建立课程的知识结构模型和学习对象模型,根据领域专家的分析结果,将课程体系分解为知识点,并定义其从属关系或先决关系.在从属关系中,不包含任何其他知识点的称为元知识点;而包含其他知识点的称为复合知识点.通过先决关系构建的知识点关系图是一个有向无环图(DAG ),将课程中的实例、解说等学习对象统称为学习资源,并将每个学习对象用“隶属”关系隶属于某个知识点,由此构成图1所示的某课程知识结构分解图.其中,课程知识域数据库(KDDB )包含了课程中所有的知识点,并定义各知识点之间的关系;学习对象数据库(LODB )包含此课程的所有学习资源对象O ,并定义每个学习对象与知识点的隶属关系.根据知识点划分颗的粒度不同,可分为复合知识点CK (Com -pound Know ledge )和元知识点AK (A tom Kno w l -edge ),相对于复合知识点,元知识点的划分粒度更细

.

图1　课程的部分知识结构分解图

Fig .1　P art o f hierar chy of the know ledge fo r co ur se

2　个性化知识状态图的生成

在自主学习过程中,根据不同学生的知识基础、学习进度和学习时间等因素推荐个性化的学习内容和实施个性化的导学,并实时动态评估其学习过程,

了解学生学习状态和现有的知识水平.2.1　基于不同特征学习对象的评估算法

首先,由课程领域专家定义每一关系的权值,即对图1中的每个知识点定义权值w 和分值属性S .例如,在“从属”关系中,知识点A 从属于知识点B ,

A 的权值用于权衡A 在

B 中的重要地位;在“先学”关系中,A 是B 的先学知识点,A 的权值用于权衡A 对于B 的先学重要性.图1中学习对象O “隶属”于知识点K (CK 或AK ),O 的权值用于权衡O 对K 的作用,而分值则用于定量分析该知识点被掌握的状态.例如,S =5表示该知识点已被某学生完全掌握.

然后,由领域专家根据课程学习特点及其学习方法,为每一类不同特征的学生定义不同的评估方法,得到每位学生的分值S .例如,在视频课件的学

419

　第3期

林海平,等:基于知识结构图的个性化学习内容生成算法