基于kgir的学生知识现状与趋势分析.docxVIP

基于kgir的学生知识现状与趋势分析 摘要：随着互联网行业的日渐更新，在线学习、上网课已经成为多数家庭不可或缺的一部分。随着计算机辅助学习系统的发展，对知识诊断的研究增加，其中随着时间的推移可以预测学生在课程作业中的表现。由于迫切需要带有知识图谱的教育应用程序，文中开发了一个名为KGIRT的系统。其具体功能如下：1)构建面向初中、高中数学课程的知识图谱(KG),与传统教育领域知识图谱相比，文中创建的数学学科知识图谱以知识本身为重点，不限于年级与书本，将初中和高中的数学知识点按照逻辑关系关联在同一个知识图谱中，学生通过使用本系统可以判断出相关知识点的掌握情况；2)在系统诊断模型中对题目的难度进行分级设置，并且通过在诊断模型中引入专家法，使得对题目难度的判定更准确、更客观、更系统；3)将知识图谱和认知诊断模型结合，采用基于知识图谱的认知诊断模型得到用图表和矩阵直观表示的学生知识现状；4)在知识图谱的图数据库Neo4j和认知诊断模型的联合应用的基础上，开发了一个在线学习的微信小程序KGIRT,实现了从理论到应用的转化。 1 引言近年来，知识图谱由于其强大的语义处理能力和灵活的互连能力而在学术界和工业界引起了广泛的关注。知识图谱提供了一种更有效的方式来度量、组织、管理和利用大数据，使网络更加智能，并能够推理出更接近人类的网络大量的教育系统(例如大规模的在线公开课程)提供了一系列计算机辅助应用程序，以进行更好的辅导，例如计算机自适应测试作为教育环境中的主要参与者，通常将不同情况下的学习者作为建模分析或分析的对象。例如，基于考试数据对应试者进行建模，以发现其知识状态和认知水平与现有工作相比，本文为了在教育系统中应用起来能够得到较好的本文，将知识图谱和认知诊断进行融合，并对认知诊断模型进行了改进，在题目难度定义上使用专家法，这样不仅使题目难度更科学，还能减轻系统的负担。最后得到了较好的实验结果。本文的主要贡献可以归纳为：(1)本文首先创建一个知识图谱，将初、高中知识点在知识图谱上呈现出来。(2)然后，为了诊断学生对特定知识点的熟悉程度，在基于知识图谱的基础上使用改进的认知诊断模型。(3)最后，构建一个基于知识图谱的认知诊断算法应用系统来演示一个示例案例。通过认知诊断模型的参数，可以通过项目相应函数预测学生对知识点的掌握程度。2 知识图谱的构建图1概述了本系统的架构，该架构由两个主要模块组成。与其他系统不同，本文系统尝试构建关于主题概念而不是课程的知识图谱，其目标是帮助教学和学习，而不是查找课程依存关系。此外，本文采用学生的做题数据而不是课程描述数据来确定关系。从图1可以看出，本系统由两个模块组成：教育概念提取模块和认知诊断模块。教育概念提取的主要目的是提取给定学科的教育概念。数据源主要来自教育领域，通常包括课程标准、教科书和课程手册。这样的数据有印刷文本、手写文本等格式，因此通常需要将数据转换为机器编码。利用产生的机器编码，可以采用多种信息提取技术来识别教育概念，在此过程中将利用教育数据的独特特征和特性。该模块的主要输出是提取的教育概念。Neo4j是Neo Technology开发的开源图形数据库。它是当前主流的图形数据库之一，具有高性能、高抵抗力、可扩展性和对事务的支持。知识图的本质是一种图结构，其表示形式主要分为两种：RDF图和属性图知识提取主要是从百科全书站点和各种垂直站点的结构化数据中进行的。知识提取主要涉及网络爬虫、机器学习和自然语言处理等技术。知识图谱可以有效地组织多源数据源，并且可以显示其中隐含的单层甚至多层关系。通过当前流行的图数据库在网页上进行显示。它可以使知识更具凝聚力，内容也更加明显，有利于整理资源本文基于微信小程序上教育平台的学生作答数据和提取的知识点数据，构建了一套知识图谱。在数据收集(教学与数据)功能模块，使用的数据是用户在微信小程序上的做题结果，如图3所示。在数据收集(教育资源数据)功能模块，将关系数据库中的数据源解析为CSV文件，并自动生成LOAD语句，以在图数据库Neo4j中生成图形节点。概念提取功能模块先解析MySQL关系数据库以获取数据库表名和字段名；然后解析OWL文件并通过Jena API解析内置的本体文件，以获得类名和类之间的关系。通过语义映射算法获取关系数据库中表之间的关系，用于自动生成用于图数据库Neo4j中生成关系节点的MATCH语句。3 认知诊断模块研究与建立首先使用熟练度矢量来表示学生对知识概念的熟练程度，并通过密集嵌入来表示问题文本和知识概念。然后，利用深度学习，通过利用问题文本以及问题文本与知识概念之间的关系来增强对学生和问题参数的诊断过程。在教育心理学中，已经开发出许多认知诊断模型来挖掘应试者的技能水平假设在学