网络学习资源深度聚合及个性化服务机制研究

With the development of information technology, there are a huge number of online learning resources. However, these resources are distributed and come from different sources. Besides, these resources lack semantic description and organization. This may cause serious “lost in network” and “cognitive overload” problems. Aimed at these issues, this project try to study the key methods of knowledge representation and content aggregation of online educational resources and strive to provide learners with multi-granularity and individualized resources services. The main research content includes: first, we will propose a topic semantic space description model based on semantic tags. These social semantic tags are used to expand the topics in order to form a semantic space. Then we will focus on the key technologies of deep aggregation methods of web learning resources based on the topic semantic space description model. We will mine the semantic relations between the tags, then merge and disambiguate these tags in order to construct the domain knowledge graph and the deep aggregation of resources. Third, we will do research on the student-oriented individualized learning resources service mechanism. We will build the personalized knowledge graphs for the students to describe their cognitive structure and status. Then we can provide individualized resource recommendation and navigation service based on the personalized knowledge graph. At last, based on these key technologies, we will develop an online domain-oriented learning resources aggregation system and carry out empirical research. The research results can be used in MOOC, encyclopedia knowledge base, network course, online learning community and other online learning resources. So this project has a very good theoretical value and application prospect.

针对网络学习资源数量巨大，但来源各异、分布零散、缺乏语义描述和组织所导致的“网络迷航”和“认知过载”的问题，本课题旨在突破网络学习资源的语义表征与内容聚合关键技术，为学习者提供多粒度、个性化的资源服务。其主要研究内容包括：首先，拟研究基于语义标签拓展的资源主题语义空间描述模型，通过社会化标签构建语义空间，表征学习资源的内容特征。然后，研究面向主题语义空间的学习资源深度聚合方法，通过挖掘标签的语义关系、融合与消歧，构建领域知识图谱，实现资源的深度聚合。第三，研究面向学习者的个性化学习资源服务机制，通过建立学习者个人知识图谱，表征学习者的认知结构与状态，向学习者提供个性化资源推荐及资源导航服务。最后研制面向领域的在线教育资源聚合服务原型系统并开展实证研究。项目的研究成果可以应用于MOOC、百科知识库、网络课程、在线学习社区等各类在线学习资源的组织与管理，具有良好的理论价值和应用前景。

课题针对网络学习资源数量巨大，但分布零散、缺乏统一的组织和分析模型的问题，从资源语义描述、资源的组织与聚合方法，个性化与智能化服务与应用三个方面展开研究，具体研究内容包括：1）基于知识图谱的网络学习资源表征方法；2）面向课程的领域知识图谱构建；3）网络学习资源的深度聚合方法和相关分析工具；4）面向学习者的的网络资源自动分析与推荐等自动化服务机制，具体包括：评论的语义分析与聚合、基于研修计划的研修需求分析、在线反思的分析与聚合、学习资源的语义推荐等。.课题的具体研究成果包括：1）对当前的文本资源挖掘与分析的关键技术进行了综述，并对其教育应用进行了总结与展望；2）提出了基于语义网的课程资源组织模型和基于知识图谱的慕课资源组织模式；3）研发了面向在线讨论的自动化语义分析工具；4）提出了基于认知网络分析的在线反思自动分析方法；5）开展了基于课程知识图谱的教育资源个性化推荐；6）开展了基于语义分析的慕课论坛智能分析；7）开展了基于认知网络分析的教师研修计划分析和学习者元认知分析。上述研究成果围绕教育资源组织及其智能化应用展开，可广泛于数字化学习的各类相关教育情景中。.经过三年研究，课题组超额完成了预期任务。课题组共发表学术论文22篇，其中SSCI期刊论文2篇、EI期刊论文2篇、EI会议论文2篇、CSSCI期刊论文16篇；申请软件著作权2个，培养硕士研究生7人、本科生5人；获得第十一届湖北省社会科学优秀成果奖三等奖和第十二届湖北省社会科学优秀成果奖三等奖。