基于有向超图的大型个性化e-learning学习过程模型的自动生成与优化

In order to develop a practical learning program for a learner according to the long-term goals background knowledge, study habits, learning methods of the learner and the dynamic resource environment in the web, this project intends to give a directed hypergraph-based, large-scale and personalized learning process automatic modeling and optimizing method. First, according to the dependencies between the knowledge elements, it models the relevant domain and builds the appropriate knowledge map by using directed hypergraph. Next, according to the learner's background knowledge and objective knowledge, it processes the knowledge map. Personalized learning paths are extracted from the map by using the directed hypergraph theory and the semantics attached on the model. Third, the personalized learning process framework is obtained by mapping from the knowledge model. Fourth, according to the relationship between learning resources, learners and learning activities properties, and learner's goals, it generates the optimized learning process. Fifth, according to the learner's available time, taking into account the characteristics of the learner's ability and memory, it gives the appropriate and optimized learning programs. This method can automatically generate large-scale personalized model of the learning process.

为了能根据学习者的长远目标、知识背景、学习能力、学习方式等个性化特点以及其所处的资源环境状况制定切实可行的学习方案，本项目拟给出一种基于有向超图的、大型个性化e-learning学习过程模型的自动生成与优化方法。首先，根据知识元之间的依赖关系、利用有向超图理论对相关领域进行知识建模，获得相应的知识地图。接下来，根据学习者的知识背景和知识目标对知识地图进行相应的处理；利用超图的性质和模型上所附加的过程语义，找到从开始知识元到学习目标的个性化学习路径集。第三，根据学习者的学习能力、学习习惯和学习方式转化为相应的学习过程框架。第四，根据学习资源、学习者和学习活动属性的关系，以及学习者的个性化目标，生成优化的学习过程。第五，根据学习者的可用时间、学习能力与记忆特点，给出优化的学习方案。该方法有望自动地生成大型个性化学习过程模型；并有望给出知识元粒度层的个性化优化的学习方案。

为了能根据学习者的长远目标、知识背景、学习能力和学习方式等个性化特点及其所处资源环境为其推荐优化的学习过程、制定切实可行的学习方案，本项目给出了“大型个性化e-learning学习过程模型的自动生成与优化”的完整理论体系，并开发了对理论进行支持与验证的原型系统。首先，给出基于教材目录和有向超图的路径适应性知识图谱自动生成方法；该方法通过对教材目录进行解析，根据目录项之间的关系，利用现有教材目录自动生成某个学科的路径适应性知识图谱；其次，给出基于有向超图的个性化学习路径抽取与拼接方法；该方法基于上述的知识图谱，根据学习者的知识背景和知识目标构建个性化知识图谱；利用超图的性质和模型上所附加的知识语义，通过逆向回溯找到从开始知识元集到学习目标的个性化学习路径集；再次，给出大型个性化e-learning学习过程自动生成方法:方法一、在上述知识路径基础上，根据学习者的学习性能目标、学习能力、学习方式等个性化特点自动生成相应学习过程框架；基于此框架，根据学习者的个性化目标，学习资源、学习者和学习活动属性之间的关系及活动属性与过程属性之间的关系，进行过程结构和资源优选，生成优化的学习过程；方法二、首先对教学资源进行支持个性化教学过程自动生成的教学资源建模，主要是应用超图对知识分类及聚集性进行描述和应用活动对知识表达进行描述；之后，根据知识路径和资源模型的映射及资源中活动属性与教学过程属性之间的关系进行资源优选，从而生成优化的教学过程；最后，进行应用验证，分别给出支持自学的个性化知识元表自动生成方法及群体教学内容量化优化方法；其中，前者能根据学习者的具体情况自动地给出知识元粒度层的、动态的、个性化的、优化的学习方案。后者可以根据群体中个体知识目标和知识背景，给出优化的群体知识目标、知识背景及教学内容，并给出个体需要补充的知识元及冗余知识元，解决了传统教学计划制定中教学内容无法进行量化优化的难题。