拓扑知识网络构建与个性化学习路径规划关键技术研究

Recently, Educational informatization develops rapidly under the background of “Internet plus”. The number of online-learning platforms of diverse forms such as MOOC is increasing continuously. These platforms accumulate lots of learning resources. However, the relevances among these resources are not expressed effectively, leading to that it is hard to build learning path for users to utilize these resources to proceed self-learning. This situation limits development of online-learning in aspects of autonomy and individuation.This project plans to extract knowledge points of learning resources as well as their topological relation using deep learning and to build topological knowledge network based on knowledge points related, thus to indicate the relevance among these resources. At the same time, knowledge background and learning objectives of user are set both as subsets of knowledge points in knowledge network and status of knowledge network. In this way, the problem of building learning path is specified as status transition process of knowledge network. Since the structure of knowledge network is similar to manifold in geometry, the calculation of optimal process of status transition will help realize path planning. Topological knowledge network plans to build relations between different courses and different platforms. The process to specify learning procedure to status transition of knowledge network can realize the calculation of learning procedure, which will enhance the level of autonomy and individuation of online-learning, and realize the potential of it.

近年来，“互联网+”背景下的教育信息化持续发展，以MOOC为主要形式的在线学习平台数量不断增加，形式趋于丰富，积累了大量学习资源。但这些资源间的关联性未能有效表示，无法为用户提供如何使用这些资源开展自主学习的路径规划，这一现状限制了在线学习在自主化、个性化方面的发展。.本项目利用深度学习方法抽取学习资源所对应的知识点及其拓扑关系，并扩展建立包含所涉及知识点的拓扑知识网络，从而有效表示资源间的关联性。同时将用户的知识背景和学习目标表示为知识网络所涉及知识点的子集，并映射为知识网络的状态，从而将学习路径规划问题规约为知识网络的状态转移过程。知识网络的结构类似于几何中的流形，故基于流形上的计算求解状态转移的最优过程，实现路径规划。拓扑知识网络拟建立资源间跨课程和平台的联系，而将学习过程规约到知识网络的状态转移过程，实现了学习过程的可计算化，拟提高在线学习的自主化、个性化水平，发挥在线学习的潜力。

大数据、并行计算和深度学习驱动人工智能技术飞速发展，并重塑教育新形态。人工智能教育应用现状与发展趋势研究有助于推动技术与教育的深度融合发展。人工智能与教育的结合不仅有利于个性化学习的相关研究，有利于教育方式的多样化、内容的全面化和知识的系统化，也有利于促进教育的繁荣发展，培养社会需要、顺应时代发展潮流的新型高素质人才。本项目对现有的在线学习系统进行扩展研究，通过拓扑知识网络构建与个性化学习路径规划关键技术研究推动在线学习系统全面升级。项目主要研究内容包括基于知识资源的拓扑知识网络构建以及个性化学习资源推荐与路径规划两个方面，项目具体研究目标为：(1)基于现有多模态学习资源数据，通过特征提取、实体识别、实体抽取等人工智能手段，建立知识点间的拓扑关系。(2)以流形的相关理论为基础，构建所涉及知识点及其关系的拓扑知识网络，该网络的本质是流形,知识网络上代表知识点的部分被称为知识结点，可与具体学习资源相关联。(3)将用户的学习目标背景知识均表示成网络涉及知识点的集合，并映射到网络的状态，将用户学习一系列知识点达到学习目标的过程，抽象为网络状态转移过程，并用知识点列表来表示学习路径，通过推荐算法为用户推荐个性化学习资源。.项目在学科知识图谱构建与补全、自适应导学推荐系统领域取得了大量研究进展，解决了知识抽取、关系抽取、基于非欧空间的知识表示等关键科学问题，提出了可行可操作的知识网络构建方案，进一步基于拓扑知识网络进行融合知识图谱的推荐算法、在流形空间上的最短路径研究，取得显著效果。此外，项目组成员深耕一线教学，在程序设计教学方面引入本项目研究成果，进行了反向课堂、自适应导学方面的教学改革研究，取得一定的示范作用。项目研究成果可以广泛应用于教育技术领域，推动本领域发展。