检索结果-南通市图书馆

先决条件关系信息增强的课程知识图谱关系预测方法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第10期51卷 162-169页

作者：杨佳琦贺超波官全龙林晓凡梁卓明罗辉琼华南师范大学计算机学院广州510631 暨南大学信息科学技术学院广州510632 华南师范大学教育信息技术学院广州510631 华南师范大学网络信息中心广州510631

大量课程知识图谱在自动答疑、学习路径规划及学习资源推荐等智能化教学应用中发挥着重要的支撑作用,然而实体间关系缺失导致的不完整问题显著降低了它们的应用价值。关系预测是自动化补全课程知识图谱缺失关系的主要手段,但现有方法仅... 详细信息

大量课程知识图谱在自动答疑、学习路径规划及学习资源推荐等智能化教学应用中发挥着重要的支撑作用,然而实体间关系缺失导致的不完整问题显著降低了它们的应用价值。关系预测是自动化补全课程知识图谱缺失关系的主要手段,但现有方法仅直接使用稀疏的拓扑结构信息,未能挖掘利用其特有的先决条件关系信息进一步提升预测性能。针对该问题,设计了一种先决条件关系信息增强的课程知识图谱关系预测方法PRIERP。该方法首先设计基于语义路径计算的先决条件关系信息提取机制,然后分别基于拓扑结构信息和先决条件关系信息构建双视图,并设计有向图Transformer从双视图学习课程知识图谱的低维表征,最后基于多层感知机分类模型实现端到端的关系预测。在两个典型课程知识图谱HhsMath和ML上进行相关实验,结果表明PRIERP优于其他代表性方法。在HhsMath中,PRIERP在MRR,Hits@1,Hits@3和Hits@10评价指标上相比基线方法至少分别提升2.43%,5.93%,4.73%和1.72%。此外,关系预测的典型案例分析结果也证明了PRIERP的有效性。

关键词：课程知识图谱关系预测先决条件关系图Transformer

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于核心课程知识图谱的学习路径推荐研究

基于核心课程知识图谱的学习路径推荐研究

作者：单佩佩云南师范大学

学位级别：硕士

信息化高速发展,推动着教育行业发展,随着教育信息化的快速发展推动在线教育技术的不断成熟和广泛应用,学习者不再拘泥于传统课堂的学习,而将目光转向互联网络的学习。相比之下,网络学习更注重学生学习的自主性,尽管学习资源丰富,但仍... 详细信息

信息化高速发展,推动着教育行业发展,随着教育信息化的快速发展推动在线教育技术的不断成熟和广泛应用,学习者不再拘泥于传统课堂的学习,而将目光转向互联网络的学习。相比之下,网络学习更注重学生学习的自主性,尽管学习资源丰富,但仍需要学习者自己去搜索、挖掘和梳理。因此,在面对层出不穷、琳琅满目的网络学习资源时,尤其是在缺乏明确学习任务、课程及知识点内在关系的情况下,网络学习中碎片化、信息迷航等问题越来越突显。近年来,知识图谱被越来越多人关注,因其在表达知识点内容、关系和结构方面明显优势,逐渐在教育领域开始崭露头角。因此本文结合教育技术专业特点,重点开展了基于核心课程知识图谱的学习路径推荐研究。主要研究工作如下:（1）核心课程知识图谱构建研究。本文参考多所师范大学教育技术学本科专业课程开设,选取了《教育技术学》、《教学系统设计》、《学习科学与技术》三门课程,依据课程教学大纲及培养方案,在分析课程知识结构的基础上,采用爬虫技术,获得课程知识实体概念定义,利用Protégé本体编辑工具构建了核心课程知识图谱,并采用Neo4j图数据库技术实现了对知识图谱的存储。（2）基于知识图谱的学习路径推荐算法研究。基于课程知识图谱,本文首先构建了学习者基本情况、认知水平、学习风格、历史学习记录四个维度的学习者模型,其次根据学习者历史学习数据采用Apriori All算法预测学习者的目标知识点,并将其映射于知识图谱中,然后使用自然语言处理相关技术,求得知识点间概念相似度,并提出了基于知识图谱相关关系的深度推荐策略;最后,依据知识点掌握情况,提出了基于知识图谱混合关系的广度推荐策略,进行学习路径的推荐。（3）基于知识图谱的课程学习平台设计与开发。设计并开发了针对教育技术学专业核心课程在线学习平台。该平台可展示核心课程可视化知识图谱,学习课程知识内容及相关的网络资源链接,同时为学习者规划并推荐适合的学习路径。通过访谈问卷调查,验证平台对学习结果的有效性。

关键词：课程知识图谱 Apriori All算法个性化学习学习路径

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的课程知识图谱研究与实现

基于深度学习的课程知识图谱研究与实现

作者：燕忠正西安电子科技大学

学位级别：硕士

随着互联网的快速发展和人工智能领域的兴起,“互联网+教育”的持续深化,顺其自然地催生了教育智能化。经过多年的信息化发展,教育行业已经几乎具备了基本技术和数据基础。面对当下互联网教育的知识量爆炸式地增长,海量的教学内容让学... 详细信息

随着互联网的快速发展和人工智能领域的兴起,“互联网+教育”的持续深化,顺其自然地催生了教育智能化。经过多年的信息化发展,教育行业已经几乎具备了基本技术和数据基础。面对当下互联网教育的知识量爆炸式地增长,海量的教学内容让学生难以迅速且精准地定位自己所需的知识。另外,开放的线上教育资源具有很大的重复性,缺少体系化的组织。目前,教育智能化的发展不在于知识的信息化,而在于知识的模块化、体系化。如何让学生在有限的时间内获取高效的、有课程体系加持的知识是现今研究的关键。在当下的教育智能化研究中,知识图谱被看作“认知智能”的关键技术基础,在教育智能化走向“认知智能”这一更高级的阶段中,起着决定性作用。为了解决上述问题,本文从垂直领域中的课程知识图谱出发,对课程知识图谱的构建技术展开多方面的研究。知识图谱在逻辑上,一般划分为模式层和数据层。本文的研究工作主要围绕以下三点展开:(1)课程知识图谱模式层构建方法。模式层是知识图谱构建的核心,它可以被看作知识图谱的骨架。模式层的构建有利于课程知识体系的模式化,便于学生加深理解课程体系。本文借助本体构建工具Protégé,结合具体课程知识的概念和内容,通过通用本体构建的流程,实现了对课程知识图谱的模式层构建。(2)课程知识图谱数据层构建方法。数据层可以看作知识图谱的血肉,表示了具体的课程内容和知识。本文依照数据层构建的通用流程,主要对数据获取,命名实体识别,关系抽取,知识融合与加工,知识存储等展开研究。针对以往的命名实体识别方法中缺少上下文敏感性的问题,本文提出基于BiLSTM-Attention-CRF的模型,有效地提升上下文知识的关联性,提高对课程文本数据的命名实体识别准确率。针对以往模型对同词多义处理的不足,本文在关系抽取中加入BERT实现预训练,强化对实体关系的分类能力,提出了BERT-BiLSTM-Attention的关系抽取模型。通过上述两个模型提取的知识信息和关系,结合知识融合和知识存储等辅助流程以及模式层的构建研究,本文完成了对课程知识图谱的完整构建流程。(3)基于课程知识图谱的模式层和数据层的构建,设计并实现了基于课程知识图谱的可视化交互系统,系统以《数据结构》课程作为构建样例。该系统包含自动问答,文本知识抽取,知识图谱可视化,知识图谱管理等功能模块。经过一系列功能测试,验证了系统运行的稳定性和有效性。综合上述对模型和课程知识图谱构建流程的研究,结合实验的对比和分析,本文所提出的模型具有良好的表现,有效提高了课程知识图谱构建中知识的准确性、稳定性。本文的内容为教育智能化的研究和应用提供借鉴,以期望在教育智能走向认知智能的过程中做出贡献。

关键词：课程知识图谱深度学习命名实体识别关系抽取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生物医学类专业课程知识图谱构建与应用

生物医学类专业课程知识图谱构建与应用

作者：周航吉林大学

学位级别：硕士

信息化时代与COVID-19新冠疫情双重背景作用下,各行各业在进行智能化变革,其中教育领域正在从线下教育模式向在线教育(e-Leaning)转变,仅2020年在线教育平台学习量已达到5.4亿人次。同时,课程信息的主要存储方式也由纸质教材、教师板书... 详细信息

信息化时代与COVID-19新冠疫情双重背景作用下,各行各业在进行智能化变革,其中教育领域正在从线下教育模式向在线教育(e-Leaning)转变,仅2020年在线教育平台学习量已达到5.4亿人次。同时,课程信息的主要存储方式也由纸质教材、教师板书等转化为图文及视频方式发布于互联网上。作为教育领域的大数据资源,智慧教育平台所包含大量知识存在海量的隐藏信息,这些信息是促进智慧教育发展的重要基础。如何利用信息化技术完成提高教学质量、优化教学计划、促进教育创新依然是智慧教育发展过程中的热点问题。在线教育平台的主要使用者主要为学生与教师,学生通过自主方式学习感兴趣的知识点;教师则负责MOOC课程的更新与优化。在生物医学类专业中,课程知识点之间的关系比其他课程形式单一的“包含”关系更加复杂。学生学习网课时往往是以初学者的身份,但目前的教育平台对课程内容的分类仅停留在学科、教育资源类型、课程名称的方式,忽视了对课程知识点关系的提取与建模,学生在学习时并不能有效且正确地构建课程的知识体系;生物医学类专业的知识点在很多方面具有相似性与共通性,教师需要依靠个人经验进行教学计划优化,当课程知识量增多时,基于人力的方式容易忽视一些底层知识点的联系。基于上述问题,本文的主要工作有以下几点:(1)利用电子教材构建生物医学类专业课程知识图谱。本文的知识图谱构建顺序为:首先从教材目录中抽取概念知识点及概念间层级关系,构建课程知识图谱的框架;然后使用基于BERT-Bi LSTM-CRF的模型从大量教材文本中抽取知识点实体,构建生物医学类专业知识库;最后使用基于Ro BERTa-LSTM的关系抽取模型抽取教材中实例知识点之间复杂的关系,将实例知识点和关系与概念知识点层级结构相结合构建课程知识图谱。经实验验证本文使用的实体抽取模型与关系抽取模型优于Bi Lstm+Attention等方法。本文利用Neo4j图数据库存储抽取到的节点与关系,知识图谱总规模为:概念节点1083个,实例节点总数22296个。(2)设计了基于特征融合的FR-GCN链接预测模型,对关联知识点进行挖掘。该模型综合考虑图数据的全局特征与局部特征,实现对传统R-GCN模型的改进,并通过实验验证了本文模型的优越性。(3)基于本文构建的课程知识图谱与关联知识点发现方法构建在线教育平台。该平台具备知识图谱可视化、节点搜索、节点增删改查等主要功能,面向学生群体辅助构建知识体系、面向教学人员操作友好,有较好的鲁棒性与可扩展性。经测试本文的系统稳定性较好、具有可维护性与可扩展性,可以达到使用标准。

关键词：智慧教育生物医学类专业课程知识图谱图表示学习链接预测

基于Web文档资源的课程知识图谱构建及应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Web文档资源的课程知识图谱构建及应用研究

作者：朱鹏云南师范大学

学位级别：硕士

随着信息技术的不断发展,互联网在人们的学习、工作和生活中扮演着日益重要的角色。互联网通信打破了时空的限制,给教育方式带来了全新的模式,并且孕育出了碎片化学习、远程教育、移动学习等一系列的全新概念,但是这些学习模式仍然只是... 详细信息

随着信息技术的不断发展,互联网在人们的学习、工作和生活中扮演着日益重要的角色。互联网通信打破了时空的限制,给教育方式带来了全新的模式,并且孕育出了碎片化学习、远程教育、移动学习等一系列的全新概念,但是这些学习模式仍然只是简单地把传统学习资源搬到互联网中,虽然增加了形象生动的富媒体等内容,但仍然需要学习者自己去对学习资源进行解构,梳理知识点之间的内在关联,才能形成自身对课程内容的整体理解。该过程提供的学习支持与传统学习并无太大的差异,仍停留在学习内容的篇章级别上,并没有深入到知识点上,更没有建立知识点之间的相互关联,使得学习过程并没有太大的改变。新技术的发展给当前的教育方式带来了新机遇,Google于2012年5月推出了“知识图谱”(Knowledge Graph,KG)技术,其创新了表示、管理和组织知识的方式,赋予了传统互联网技术新的能力。如果将传统的课程篇章学习(网页互联)转换为对知识点及其相互之间关系(知识互联)的学习,这无疑能够解决部分传统学习方式中存在的问题。本文围绕课程知识图谱构建中的课程知识数据获取、课程本体构建和课程知识抽取,以及课程知识图谱的应用开展了如下研究工作:(1)获取课程知识内容。本文基于Python的scrapy爬虫框架开发了课程语料采集程序,从优质的在线平台中采集学习资源。然后采用Python库BeautifulSoup中提供的接口和工具,对采集的课程语料文档进行数据清洗。再利用哈工大开发的语言技术平台,结合清华大学开放中文词库的IT类词库,对清洗过的课程语料进行分词与词性标注。最后将清洗后的数据文件作为基础语料库,为课程知识图谱的构建工作奠定数据基础。(2)应用统计的方法开展课程知识图谱的构建研究。首先通过对TF-IDF算法进行加权优化和MI权值相结合的方法,发现并抽取课程内容中的概念词汇。然后运用相似度和细化度相结合的方法,科学地量化课程概念间的层次关系并完成课程知识图谱模式层的本体构建。再利用DOM树技术将课程语料中的语料文档内容分解并分别处理,完成课程知识实例的抽取。充分利用现有工具和技术,在兼顾知识实例描述的简明性和内容的完整性的同时,也保证了课程知识图谱构建过程的客观性和可量化的科学性。(3)在传统的以网页互联的形式为学习者提供学习资源的方案中,因复杂的链接跳转,加上实际网络学习环境的复杂性,容易导致学习者出现“信息迷航”的问题。对此,本文以大学计算机编程课程为例,设计并开发了基于课程知识图谱的课程知识导航服务平台。应用知识图谱的可视化技术,将以网页互联提供在线学习资源的传统方式转为以知识互联的新形式,为学习者提供更直观和直接的知识服务。同时,课程知识图谱也可作为一种教学辅助手段,可帮助教师组织好系统而精准的授课内容,改变传统授课方式。本文着眼于目前教育信息化的大趋势,利用知识图谱技术先进性和应用优势,开展课程知识图谱的构建与应用研究。充分利用知识图谱的技术特点与优势,完成了将课程知识导航服务从网页互联到知识互联的转换。验证了知识图谱技术可有效应用于课程知识的建构和管理中,为课程知识学习提供更好的服务支持,改进教师教学和学生学习的方式。

关键词：课程知识图谱知识服务知识图谱应用

融合多模态资源的课程知识图谱构建与应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合多模态资源的课程知识图谱构建与应用研究

作者：高茂内蒙古师范大学

学位级别：硕士

近年来,随着“互联网+教育”模式的普及,教育领域逐渐积累了海量具有应用价值的课程资源。但不同来源的课程资源之间结构不同、没有建立起相应的联系,难以直观地服务于教学。此外,现有的教材、学习网站等课程知识组织方式单一,多数面向... 详细信息

近年来,随着“互联网+教育”模式的普及,教育领域逐渐积累了海量具有应用价值的课程资源。但不同来源的课程资源之间结构不同、没有建立起相应的联系,难以直观地服务于教学。此外,现有的教材、学习网站等课程知识组织方式单一,多数面向文本,很少整合不同模态间的课程资源去发挥更大的效果,迫切需要人工智能、大数据等新兴技术采集并处理相关的课程资源,为教师、学生群体提供智能服务,持续促进教育应用的智能化。本研究围绕数据结构课程的“多模态课程知识图谱构建”这一核心问题,结合课程知识抽取、多模态课程资源融合、问答系统搭建三部分,开展基于知识图谱的智能教育应用研究,给予学习者多模态的课程资源,降低学习者的学习难度,为教师的教学提供便利。主要研究内容如下:(1)课程知识抽取。以字为切分单位的BERT预训练模型在课程知识抽取的子任务实体识别中表现优异,但其忽略了粗粒度的领域词汇作为整体的语义表示信息,对于数据结构文本中存在大量嵌套实体的识别效果并不好,不利于课程知识抽取任务的实现。针对上述问题,提出动态融合字、词级别词向量的LEBERT-CRF实体识别方法,利用词典适配器将领域词典特征高效地融入BERT模型中,以提升BERT模型对实体词边界的识别效果,更好地适应于课程知识抽取任务。经实验结果证明,LEBERT-CRF模型相较其它主流的实体识别模型表现更好,F1值达到95.47%。(2)多模态课程资源融合。已有研究多利用基于相似度计算的方法对齐百度百科、互动百科知识社区的实体,进而扩充知识图谱的数据来源。但上述方法需要人工设定阈值、语言模型无法学习到深层次的领域语义知识。为了解决上述问题,提出微调BERT词嵌入的实体对齐方法,对齐百度百科、互动百科的多模态资源。首先,通过下游的分类任务微调BERT模型,提升模型预测正确结果的能力;其次,针对数据集正负样本比例不均衡的问题,提出负采样策略,提升模型的准确程度与泛化性能,实验结果证明分类任务性能明显提升,AUC值提升0.29;最后,将优化后的模型应用于实体对齐任务中,利用输出概率进行排序并预测最终对齐的实体对,实验结果优于基于相似度计算的实体对齐方法,F1值达到95.9%。(3)问答系统搭建。如何有效结合问答技术,向学习者提供知识反馈并展示知识点相关的多模态课程资源,是亟需解决的关键问题。基于此,构建基于课程知识图谱的问答系统,通过系统自动化地分析与理解,为学习者提供基于问答的知识反馈支持服务,辅助学习者学习数据结构课程。

关键词：课程知识图谱多模态资源深度学习实体识别实体对齐

基于众包的课程知识图谱纠错补全研究及系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于众包的课程知识图谱纠错补全研究及系统实现

作者：夏川哈尔滨工业大学

学位级别：硕士

以人工智能、大数据等技术为基础的智慧教育是当今教育的发展方向,智慧教育的核心是个性化教育,即以学生为中心,围绕学生的学习需求开展教学工作。但是目前个性化教育在导学、推荐等方面存在技术性难题,例如:预测学习者的知识盲点和学... 详细信息

以人工智能、大数据等技术为基础的智慧教育是当今教育的发展方向,智慧教育的核心是个性化教育,即以学生为中心,围绕学生的学习需求开展教学工作。但是目前个性化教育在导学、推荐等方面存在技术性难题,例如:预测学习者的知识盲点和学习者学习路径规划,一个完善的课程知识图谱是解决这些问题的基石。大规模的课程知识图谱往往利用机器学习等自动化方法进行构建,效果却不理想,所以课程知识图谱的补全就显得重要,但是现在主流的知识图谱补全研究往往忽略了群体智慧,补全效果不理想。针对以上问题,本文利用学习者和对课程的了解程度对课程知识图谱进行完善,并设计实现了一套基于众包的课程知识图谱补全纠错系统。本文根据智慧教育的需求,对课程知识图谱的进行了定义与构建,并分析了课程知识图谱的正确性和完整性,明确了课程知识图谱纠错补全重点。本文利用众包的方式对课程知识图谱进行纠错补全,对学习者的答题准确度进行了建模,并改进了众包任务分配算法。本文采用众包任务文本相似度的图估计理论,依据众包任务之间相关度和学习者历史回答质量,估算学习者对尚未回答众包任务的答题准确度。改进的众包任务分配算法考虑了以下四个因素:（1）为能够最大程度的了解学习者,即学习者每回答一次众包问题,算法对学习者的回答质量好坏进行判断,进而根据学习者回答质量更新学习者对其它众包任务的答题准确度;（2）众包任务能够最快完成;（3）众包任务分配给具有最高答题准确度学习者;（4）考虑了学习者对分配的众包任务不愿作答的情况。经过实验验证,众包准确度有大幅提高。最后本文设计并实现了一套基于众包的课程知识图谱纠错补全系统,核心功能包括课程知识图谱可视化,课程知识图谱的补全,课程知识图谱纠错和众包任务详情统计等。一方面为课程知识图谱完善工作提供了强有力的工具;另一方面,也让学习者在对课程知识图谱补全的过程中,对本门课程进行了复习,加深了他们对本门课程的理解。

关键词：课程知识图谱众包任务分配算法纠错补全系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多模态课程知识图谱构建与应用研究

多模态课程知识图谱构建与应用研究

作者：祁晓慧吉林大学

学位级别：硕士

多随着人工智能的快速发展以及人们对于教育的重视,创新教学方式受到越来越多的关注。大学课堂中,教师的教学方式不再是传统黑板板书,而是转变为包含文本、课件、视频、语音等多种形式的多媒体教学。然而,课程知识的大体框架在课本中主... 详细信息

多随着人工智能的快速发展以及人们对于教育的重视,创新教学方式受到越来越多的关注。大学课堂中,教师的教学方式不再是传统黑板板书,而是转变为包含文本、课件、视频、语音等多种形式的多媒体教学。然而,课程知识的大体框架在课本中主要以目录章节的形式展现,而章节中包含的细小知识点以及各知识点之间的关系却不能一目了然,不利于学生的学习。因此,如何对多种形式的课程资源进行有效的自动整合以及对知识进行更好的组织呈现成为具有重要意义的研究课题。面对以上问题,知识图谱提供了有效的解决方法。本文以大学计算机专业数据结构课程为例,整合不同来源不同结构的数据,提炼出数据中包含的实体及实体间语义关系,构建多模态课程知识图谱,提供一个基于知识图谱的课程多模态检索平台。一方面将知识点以直观清晰的知识图谱形式展现出来,有利于对知识的掌握。另一方面,本文构建的多模态课程知识图谱使得文本和语音模态课程资源之间相互补充,实现多模态资源整合以及课程更底层的知识点的学习路径检索,帮助学生高效学习。本文主要的研究内容及贡献有:1.本文定义了多模态课程知识图谱的数据模式,即实体类型及实体之间关系的定义。将知识点实体定义为结构、算法、相关术语三类,并将语音也定义为一类实体,并在实体之间定义了六种语义关系。2.本文采用融合双向长短期记忆网络和卷积神经网络的命名实体识别模型,将文本的局部信息和全局信息进行结合,采用条件随机场算法对特征序列进行标注,并结合了领域词典,通过对比实验证明该模型F1值有所提高,具有较好的命名实体识别效果。3.在关系分类工作中,本文将词法和句法特征向量结合,作为分类器模型输入,采用基于注意力的双向长短期记忆网络处理关系分类任务。通过与其他模型对比,证明该模型表现最佳,并对提升模型效果的注意力进行了可视化分析。4.本文提出了一个多模态实体链接方法,主要解决知识图谱中的多模态问题。首先通过语音识别技术将老师讲课语音识别成文本,其次通过文本匹配实现语音与知识点实体的匹配链接,并将二者间关系定义为关联,从而完成多模态实体链接工作。实验结果表明,本文的命名实体识别算法和关系分类算法具有较好的效果,可以使得构建的知识图谱具有较高的质量。本文最终基于Neo4j图数据库存储知识,构建出完整的多模态课程知识图谱。为了探究本文构建的多模态课程知识图谱具有很好的应用价值,本文搭建了基于知识图谱的课程多模态检索平台,提供基于知识点的多模态搜索案例,引导学生通过知识间关系进行学习。同时能够提供老师对特定知识点的课堂讲解语音,充分调动学生多种感官,提高学生的学习效果。

关键词：多模态课程知识图谱实体识别关系识别文本匹配

初中数学课程知识图谱的构建与应用——以《平行四边形》为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

教育进展 2024年第9期14卷 1-6页

作者：邱柏凤熊志平秦莹莹五邑大学数学与计算科学学院广东江门

课程知识图谱是教育知识图谱中的一种类型,是用可视化的图谱方式来呈现课程中的知识点间的丰富关系,它可以整合大量的课程数据,为学习者提供个性化学习的技术手段。八年级下册数学在初中数学中扮演着重要的角色。这一阶段的学习不仅可... 详细信息

课程知识图谱是教育知识图谱中的一种类型,是用可视化的图谱方式来呈现课程中的知识点间的丰富关系,它可以整合大量的课程数据,为学习者提供个性化学习的技术手段。八年级下册数学在初中数学中扮演着重要的角色。这一阶段的学习不仅可以对之前所学知识进行巩固和深化,更可以为后续的学习打下基础,通过八年级下册数学课程的学习,学生可以提高解题能力和逻辑思维能力。课程知识图谱不仅可以辅助教师去完成备课、教研、试卷分析等工作,还能反映学生当前的知识掌握情况,为他们提供个性化的学习路径规划,助力他们更有效地学习。文章以人教版八年级下册数学课程中的《平行四边形》为例,构造了课程知识图谱,探讨了课程知识图谱在教学中的应用。Curriculum knowledge mapping is a type of educational knowledge mapping, which is a visual mapping to present the rich relationships between knowledge points in a curriculum, and it can integrate a large amount of curriculum data to provide learners with technical tools for personalised learning. Lower 8th grade mathematics plays an important role in middle school mathematics. This stage of learning can not only consolidate and deepen the knowledge learned before, but also lay the foundation for subsequent learning, through the learning of the eighth grade lower mathematics course, students can improve their problem solving ability and logical thinking ability. Curriculum knowledge mapping can not only assist teachers in preparing lessons, conducting research, and analyzing test papers, but also reflect students’ current knowledge mastery, providing them with personalized learning path planning and helping them learn more effectively. The article takes the Parallelogram in the second book of the eighth grade mathematics curriculum of the Renjiao version as an example, constructs a curriculum knowledge map, and discusses the application of the curriculum knowledge map in teaching.

关键词：课程知识图谱个性化学习平行四边形