基于教育知识图谱的个性化学习路径自动生成研究

The automated generation of personalized learning path refers to the dedicated learning sequence that can be dynamically and automatically generated based on the learner's current knowledge states and learning objectives. A personalized learning path can provide an individual learner with a clear learning route so that to help the learner avoid learning confusion, reduce learning mistakes and eventually improve learning efficiency. Therefore, the construction and automated generation of personalized learning path is an important research topic for the intelligent education/smart learning. By adopting the data-driven based methodology and utilizing the artificial intelligence techniques, this project intends to build a model for the automated generation of personalized learning path using educational knowledge graph. Specifically, the project will first systematically collect educational data from different dimensions. Based on the demands of personalized learning path design, it will then define the desired knowledge graph schema, conduct the knowledge acquisition and knowledge fusion with data mining and machine learning algorithms, and accordingly construct the educational knowledge graph. After that, by leveraging on the educational knowledge graph and learner's performance data, a knowledge tracing model utilizing deep learning techniques will be constructed. This model will help to estimate knowledge status of learners. Finally, based on the constructed educational knowledge graph and estimated learner's knowledge status, a learning path generating model will be investigated to derive personalized learning path for individual learners.

个性化学习路径的自动生成是指根据学习者的不同知识状态和学习目标，自动生成的学习内容序列。个性化学习路径可以为学习者提供明晰的学习路线，避免学习迷航，减少学习失误，提高学习效率。因此，个性化学习路径的构建与自动生成是智能化教育的重要研究内容。本项目拟采取数据驱动的研究方法，基于教育知识图谱，利用人工智能领域的算法模型，研究个性化学习路径的自动生成。具体而言，本项目将首先系统采集不同维度的教育数据。然后，根据个性化学习路径的需求，定义教育知识图谱模式，利用人工智能的技术算法对数据进行分析与挖掘，进行知识获取与图谱融合，从而构建所需的知识图谱。然后，结合教育知识图谱与学习者的测评数据，构建基于深度学习算法的知识跟踪模型，对学习者的知识状态进行准确评估。最后，基于所构建的知识图谱和学习者的知识状态，利用学习路径自动生成模型得出适合个体学习者的个性化学习路径。

个性化学习是指根据学习者的知识状态和认知状态，选取适合的学习内容与资源，有效提升学习效率。个性化学习的重要前提是对学习者知识状态和认知状态的精准评估以及学习内容资源的有效组织。本项目利用教育知识图谱和学习者的学习行为数据，结合教育学的相关理论，针对学习者的动态知识状态和静态认知状态评估与解释进行建模研究。具体而言，本项目首次提出了结合认知状态的教育认知图谱，为个性化的学习提供了知识和资源基础。在此基础上，针对动态的知识状态分析，本项目创新性的提出了结合知识地图信息的知识追踪模型，有效提升了动态知识状态评估的准确性，同时也提升了评估过程与教育理论的一致性；针对静态的认知状态评估，本项目创新性的提出了显性关联学习者的作答时间数据与学习者作答结果的模型，实现了更为精准的认知状态评估。动态知识状态和静态认知状态的有效评估为个性化学习提供了有力支撑。为了更好的理解学习者知识状态的评估过程，本项目首次提出了基于后向传播解释思想的深度知识追踪模型解释方案，揭示了深度知识追踪模型的决策过程与依据，从而提升了深度知识追踪模型的透明性和可信性，为深入的智能教育应用提供了支持。在资源推荐方面，本项目有效探索了基于序列数据进行推荐的算法研究，为后继研究提供了基础。基于教育认知图谱和学习者建模分析的研究，本项目进一步扩展应用研究成果到育人问题解决领域，构建了育人教育知识图谱以及学习者育人问题诊断分析模型，实现了育人问题的自动诊断分析，服务于一线的教育教学，形成了良好的教育实践。