趙剛 初潔 朱文娟 尹江華 楊麗君 蔣姝凡 吳林靜

[摘? ?要] 戶外學習要求其學習資源具有碎片化、動態(tài)性與強交互等特點，而現(xiàn)有學習資源構建模式存在高成本、低效率、適應性差等問題，且缺乏系統(tǒng)性的知識結構，無法滿足智能戶外學習需求。因此，文章結合大數(shù)據(jù)和人工智能技術，提出了一種基于知識圖譜的戶外動態(tài)學習資源智能生成與服務模型，利用多種數(shù)據(jù)源信息構建戶外學習領域知識圖譜，基于推理規(guī)則智能獲取戶外學習場景的實體與屬性關系，然后對網(wǎng)頁上的關聯(lián)資源進行動態(tài)提取與組織，生成多樣化、輕量化、碎片化、交互性強的動態(tài)學習資源，為不同認知風格的學習者提供具有差異性的動態(tài)情境化學習內容。同時，對模型加以應用分析，研究結果顯示，動態(tài)情境化的學習資源與傳統(tǒng)網(wǎng)頁資源在學習資源內容、結構和學習體驗方面均存在顯著性差異，且視覺型、聽覺型與動覺型學習者在學習資源內容和結構方面差異更為顯著。研究表明，基于知識圖譜的戶外動態(tài)學習資源能夠滿足不同類型學習者的智能戶外學習需求，為智能戶外學習資源開發(fā)研究提供了新路徑。

[關鍵詞] 知識圖譜; 智能戶外學習; 動態(tài)學習資源; 智能生成; 動態(tài)本體

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 趙剛（1981—），男，江西奉新人。教授，博士，主要從事多媒體技術與處理、智能學習分析研究。E-mail：zhaogang@mail.ccnu.edu.cn。初潔為通訊作者，E-mail：chujie@mails.ccnu.edu.cn。

一、引? ?言

人工智能技術的發(fā)展為全民終身學習教育體系構建提供了技術支撐，學習者能夠突破時空限制進行學習，真正賦予學習者自主學習的權利[1]。戶外學習指學生置身于戶外環(huán)境的學習，通過增加學習者與環(huán)境的交互， 以彌補傳統(tǒng)課堂單向知識傳遞的缺陷，有利于實現(xiàn)終身教育價值理念?，F(xiàn)有學習資源具有開發(fā)成本高、效率低、適應性差等問題，雖然部分戶外學習資源具有碎片化等特點，但缺乏系統(tǒng)性的知識結構，無法滿足智能戶外學習知識需求。知識圖譜可以對繁雜無序的網(wǎng)絡資源進行重新構建，合理組織領域知識體系?；诖?，文章聚焦戶外學習對戶外學習資源的要求，深入分析當前戶外學習資源開發(fā)模式存在的問題，結合大數(shù)據(jù)、自然語言處理等人工智能技術，提出一種新型的基于知識圖譜的戶外動態(tài)學習資源智能生成與服務模型，實現(xiàn)戶外學習資源的動態(tài)生成，為學習者提供戶外學習智能服務，滿足智能戶外學習需求。

二、相關研究

（一）戶外學習資源

戶外學習思想來源于自然學習，關注人與自然的關系問題[2]。隨著戶外學習定義的發(fā)展[3-7]，戶外學習場景變得豐富多樣。目前戶外學習研究集中在戶外探索式學習和戶外體驗式學習[8]。教師創(chuàng)建固定教學資源并提供腳手架，學生通過移動終端基于資源進行學習[9-10]，本質是將傳統(tǒng)課堂學習資源遷移至戶外進行學習。余日季等人設計了博物館文化教育體驗系統(tǒng)[11]，學習者可通過多種感官進行人機交互，但其為學習者提供的數(shù)字化資源一成不變。趙剛等人設計的戶外增強現(xiàn)實工具[12]增加了學習者戶外學習體驗，但其需要手動構建資源庫，開發(fā)成本高、效率低。

目前的戶外學習資源呈靜態(tài)化特點，開發(fā)成本高，效率低，適應性差，存在交互方式單一等問題。有些需要手動更新資源庫[13]，能夠結合學習者特征實現(xiàn)半自動化資源推薦[14]，見表1。本文的戶外學習強調學習的情境性、學習過程的動態(tài)性和學習者的主體性，因此，戶外動態(tài)學習資源應具有多樣化、碎片化、輕量化、交互方式豐富、動態(tài)生成以及知識的完整性等特征，以適應不同學習者的戶外學習需求，提高戶外學習體驗。

（二）領域知識圖譜

谷歌公司于2012年首次提出知識圖譜是由具有多個屬性的實體通過關系聯(lián)結而成的網(wǎng)狀知識結構[15]。領域知識圖譜是以某一領域問題的邏輯關系為核心，與相應的知識體系和能力體系建立映射關系的工具[16]。教育知識圖譜作為領域知識圖譜的典型代表，是教育信息化時代的重要資源。我國《新一代人工智能發(fā)展規(guī)劃》中指出，要關注教育知識圖譜，重點研究知識圖譜構建與學習技術[17]。北京師范大學構建了育人領域的知識圖譜[18]以及能夠進行個性化知識呈現(xiàn)的數(shù)學智能教學系統(tǒng)[19]。這些知識圖譜能夠有效表示學科領域知識，支持學習導航、認知診斷等智能教育應用。此外，教育知識圖譜還能夠對在線教育資源進行有效組織[20]?，F(xiàn)有學習資源適應性差且缺乏完整的知識結構，無法滿足智能戶外學習需求。因此，將領域知識圖譜引入戶外學習中，能夠對戶外學習知識與網(wǎng)絡學習資源實體進行規(guī)范化語義標引，進而實現(xiàn)戶外學習資源的有效動態(tài)組織，提高戶外學習知識完整性。

三、基于知識圖譜的戶外動態(tài)學習資源智能生成與服務模型

要解決當前戶外學習資源開發(fā)成本高、效率低、適應性差等問題，需要結合戶外學習資源特征，遵循情境性、服務性、動態(tài)性和交互性等原則，從學習資源開發(fā)和應用的主要環(huán)節(jié)進行創(chuàng)新和改進。因此，本文基于大數(shù)據(jù)、人工智能、知識圖譜等技術，從學習資源需求分析、學習資源組織、學習資源生成、學習資源服務與應用反饋等環(huán)節(jié)出發(fā)，構建全新的戶外學習資源生成與服務模型。首先，通過數(shù)據(jù)采集和學習者建模來實現(xiàn)戶外學習場景感知并確定戶外學習需求;其次，通過構建戶外學習領域知識圖譜實現(xiàn)學習資源的知識融合與高效組織;再次，結合學習者特征與領域知識圖譜智能動態(tài)生成與呈現(xiàn)學習資源;最后，通過為學習者提供個性化智能服務與資源應用反饋，提高學習資源應用效率。因此，本文提出的戶外動態(tài)學習資源智能生成與服務模型包含數(shù)據(jù)采集、學習者模型、戶外學習領域知識圖譜構建、戶外動態(tài)學習資源智能生成、戶外學習智能服務與戶外學習資源反饋六個部分， 如圖1所示。

（一）數(shù)據(jù)采集

戶外學習情境是由學習者、戶外學習時空、戶外學習設備、戶外學習環(huán)境等因素組成的戶外場景[21]。要為學習者提供適合當前學習情境的學習資源，可以基于移動智能設備，利用全球定位系統(tǒng)（GPS）等傳感器技術獲取學習者時空信息，結合學習者需求與個性化特征，通過無線網(wǎng)絡與人工智能技術為學習者提供動態(tài)學習資源。

（二）學習者模型

學習者在戶外學習中居于主體地位。學習者對周圍環(huán)境的掌控有利于激發(fā)其內在學習動力和探索欲望，發(fā)現(xiàn)適合于自身的獨特認知風格，促進和改善學習[22]。由于學習者具有個性化特點，因此，需要結合學習者先驗知識水平、學習習慣、學習偏好等靜態(tài)特征數(shù)據(jù)以及學習興趣、學習路徑[23]、學習方式等動態(tài)特征數(shù)據(jù)，綜合分析挖掘學習需求，為學習者提供動態(tài)學習資源及智能學習服務。

（三）戶外學習領域知識圖譜構建

學習資源作為學習過程的主要支撐材料，服務于學習者知識建構，因此，對學習資源的組織應該圍繞知識展開[24]。戶外學習的隨機性、情境性與開放性要求戶外學習資源具有多樣性、靈活性與動態(tài)性等特點，而通過網(wǎng)絡獲取的資源存在繁雜冗余、聚合不足等問題。領域知識圖譜作為知識表示的一種重要方式，是實現(xiàn)戶外動態(tài)學習資源智能生成的基礎，能夠為學習者反饋結構化的戶外學習知識。圖2為戶外學習領域知識圖譜構建與動態(tài)學習資源智能生成過程。

1. 戶外學習知識獲取

網(wǎng)絡資源是領域動態(tài)本體和領域知識圖譜構建的重要數(shù)據(jù)來源[25]。本文通過數(shù)據(jù)采集工具實時抓取戶外學習領域知識，通過分詞、關鍵詞提取等處理得到戶外學習領域信息數(shù)據(jù)集，并以此作為戶外學習領域動態(tài)本體和領域知識圖譜構建的數(shù)據(jù)基礎。

2. 戶外學習領域動態(tài)本體構建

領域知識本體是領域知識圖譜的模式結構，突出領域內概念間的關聯(lián)關系。動態(tài)本體以自動構建為主，能夠降低時間成本[26]。本文利用機器學習等技術從多種數(shù)據(jù)源中自動抽取戶外學習領域知識概念和術語，結合學習者戶外場景感知需求，使用專用工具對戶外學習概念關系和規(guī)則進行挖掘，智能解析數(shù)據(jù)，從而自動化構建戶外學習領域動態(tài)本體，為戶外學習領域知識圖譜的構建奠定基礎。

3. 戶外學習知識抽取與表示

知識抽取包括實體抽取、關系抽取和屬性抽取[27]。首先，通過面向開放域的實體抽取方法[28]實現(xiàn)戶外學習領域的實體抽取;然后，將獲取的結構化數(shù)據(jù)訓練實體屬性標注模型用于關系與屬性抽取。戶外學習知識采用三元組描述實體間的關系，包括（實體1，關系，實體2）和（實體，屬性，屬性值）。實體是戶外學習領域知識圖譜的最基本元素，如綠蘿、辛亥革命博物館;關系存在于不同實體之間，如生長于、坐落于;屬性指戶外學習場景對象具有的特征，如顏色、建設周期;屬性值指對象屬性的值，如黃色、2年。

4. 戶外學習知識融合

戶外學習知識抽取與表示獲取的實體、關系及屬性可能包含冗余和錯誤，知識融合可以剔除冗余、消除錯誤，從而建立更加清晰完善的戶外學習領域知識體系。戶外學習知識融合包括實體對齊和實體鏈接。首先，從各類數(shù)據(jù)源中進行戶外學習領域實體抽取，然后，通過實體消歧與共指消解等操作，對戶外學習知識庫中的各個同名實體是否指向同一戶外場景、多個實體是否存在含義相同等情況進行判斷;最后，將該實體與戶外學習知識庫中相應的正確實體進行鏈接。

5. 戶外學習知識推理

知識圖譜在構建過程中可能有關系或屬性的缺失，使知識圖譜存在不完備性和不正確性。知識推理可以基于已經(jīng)建構的知識圖譜，通過一些推理算法得到該領域新的事實[29]。由于戶外學習知識多樣化，且其數(shù)據(jù)收集方式缺乏整體性，因此，可以通過知識推理方法擴展戶外學習領域知識圖譜[30]。例如，戶外學習領域知識圖譜中存在由不同數(shù)據(jù)源得到的兩個三元組：（含笑花，屬于，常綠灌木）和（含笑花，又名，白蘭花），可以利用知識推理來獲取新的事實知識（白蘭花，屬于，常綠灌木）。

（四）戶外動態(tài)學習資源智能生成

戶外學習場景種類豐富且具有多種屬性，直接從網(wǎng)絡獲取的資源可能存在分散無序、缺乏關聯(lián)性等問題，導致學習者耗費大量時間提取學習內容。因此，本文通過戶外學習領域知識圖譜對戶外學習相關網(wǎng)絡資源進行知識標引，結合戶外學習領域知識圖譜的推理規(guī)則智能獲取戶外學習場景的實體與屬性關系，基于實體與屬性對網(wǎng)頁上的關聯(lián)資源進行動態(tài)提取并做碎片化處理，結合學習者個性化特征將獲取到的資源動態(tài)組織并呈現(xiàn)給學習者，以滿足其智能戶外學習需求。

1. 戶外學習資源知識標引

戶外學習領域知識圖譜將匹配的戶外學習知識元以標簽的形式標引到網(wǎng)絡資源內容上，通過在網(wǎng)絡資源的不同位置添加標簽，建立網(wǎng)絡資源內容與標簽的關聯(lián)關系[31]，進而將戶外學習領域知識圖譜與網(wǎng)絡資源緊密結合，使網(wǎng)絡學習資源成為有語義關聯(lián)關系的結構化知識。

2. 戶外學習資源提取與碎片化處理

利用規(guī)則+機器學習相結合的方法，建立實體、關系、屬性等訪問約束和推理規(guī)則，結合學習者對特定戶外學習場景的動態(tài)感知確定學習需求，實現(xiàn)基于戶外學習領域知識圖譜的資源智能檢索與提取。對資源進行碎片化處理，如網(wǎng)絡視頻可通過視頻處理工具自動截取關鍵部分形成微視頻，網(wǎng)頁文本可直接進行關鍵內容截取，以滿足戶外學習資源短小精悍、簡明扼要的需求。

3. 戶外學習資源動態(tài)組織與呈現(xiàn)

不同戶外學習場景需要的資源類型不同，將獲取的大量碎片化網(wǎng)絡資源無序地呈現(xiàn)給學習者會增加認知負荷，根據(jù)學習者個性特征將無序資源進行有序組織，可以幫助學習者迅速準確地得到所需要的資源。

認知風格作為學習者個性特征的重要組成部分，是學習過程中穩(wěn)定的行為表現(xiàn)方式[32]。Neil Fleming開發(fā)的VARK認知風格模型，是基于學習者個人的信息接收和感知方式對認知風格進行的分類，包括視覺型、聽覺型、讀寫型和動覺型[33]。在對戶外學習資源進行動態(tài)組織時，需要根據(jù)學習者認知風格設計不同的資源組織方式，基于學習者認知風格的媒體偏好總結戶外學習資源頁面設計規(guī)則，為戶外學習資源動態(tài)組織提供依據(jù)，如圖3（a）所示。以菊花為例設計不同的頁面呈現(xiàn)方式，示例如圖3（b）所示。

（五）戶外學習智能服務

基于知識圖譜的戶外動態(tài)學習資源智能生成與服務模型滿足服務型原則，能夠結合學習者需求提供戶外學習個性化推薦服務、智能檢索服務與知識可視化服務。

1. 個性化推薦服務

戶外學習領域知識圖譜作為一種戶外學習知識表征工具，能夠反映戶外知識間的先后關系。基于該知識圖譜，結合戶外學習情境，根據(jù)學習者對戶外學習資源的需求、學習者的認知風格與知識狀態(tài)等靜態(tài)和動態(tài)個性化特征，通過有效的推薦算法，能夠精準實現(xiàn)學習資源的個性化推薦服務[34-35]。

2. 智能檢索服務

基于知識圖譜的智能檢索能夠根據(jù)學習者查詢的戶外學習情境，結合學習者意圖進行推理，基于知識圖譜實現(xiàn)對術語概念的檢索，且其檢索結果具有層次化與結構化等特征。比如，學習者檢索郁金香，基于知識圖譜的搜索引擎就會結構化呈現(xiàn)郁金香的形態(tài)特征、品種分類等場景屬性信息。

3. 知識可視化服務

戶外學習知識可視化服務表現(xiàn)在知識結構的可視化和知識內容的可視化。知識結構的可視化是通過圖表等視覺表征手段為學習者展現(xiàn)戶外學習領域知識的內在關聯(lián)，并為學習者提供腳手架。知識內容的可視化表現(xiàn)為系統(tǒng)提供可視化三維資源以增加學習者的交互體驗。

（六）戶外學習資源反饋

戶外動態(tài)學習資源的開發(fā)以學習者需求為中心，因此，需要對其進行有效的評價反饋。一方面，學習者可以通過自主探討板塊與其他學習者交流自己的想法;另一方面，可以通過小范圍系統(tǒng)試用調查，對動態(tài)學習資源的內容、結構以及學習者的學習體驗效果等方面進行分析，并基于此迭代修正戶外動態(tài)學習資源智能生成與服務模型。

四、基于知識圖譜的戶外動態(tài)學習資源

智能生成與服務模型應用分析

（一）實驗設計

為了驗證模型的適用性，本研究以武漢某學校的72名學生作為調查對象，將其隨機分為實驗組和對照組，以學校草坪作為戶外學習場景進行學習。對于實驗組（38人），我們提供了動態(tài)情境化學習資源，其可根據(jù)不同學習者的認知風格及學習情境進行學習內容和頁面布局的動態(tài)調整與呈現(xiàn)。對于對照組（34人），我們提供傳統(tǒng)網(wǎng)頁作為學習資源，其內容在任何情況下都是相同的。在學習之前，研究人員為每位學習者講解學習資源的使用方法;學習之后，借助問卷星平臺對每位學習者進行后測問卷調查。實驗過程中所有學習者均使用平板設備進行學習。

（二）問卷的信效度

戶外學習資源使用情況調查問卷由學習者對學習資源的期望、學習資源內容、學習資源結構以及學習體驗四個維度構成，借鑒了前人有關學習資源問卷的部分題項[36]，共20個題目，其中個人基本信息3題，學習者期望3題，學習資源內容6題，學習資源結構4題，學習體驗4題。該問卷基于李克特量表進行編制?？寺“秃咋料禂?shù)作為問卷信度的度量，當α系數(shù)值大于0.7時表明問卷信度良好。學習者期望、學習資源內容、學習資源結構以及學習體驗維度的信度分別為0.907、0.859、0.803和0.830，α均大于0.7，且問卷整體信度為0.882，表明此問卷所測得的結果具有較高的穩(wěn)定性和一致性。通過探索性因素分析方法檢驗該問卷的結構效度，其KMO為0.782，明顯大于0.6，說明問卷整體具有良好的建構效度。

（三）實驗結果分析

1. 兩組學習者的學習資源使用情況

本研究采用獨立樣本T檢驗對數(shù)據(jù)進行分析，結果見表2，兩組學習者在學習資源內容、學習資源結構、學習體驗三個維度均存在顯著性差異，而學習者對學習資源的期望方面無顯著性差異。

結果表明，使用動態(tài)情境化學習資源的學習者相較于使用傳統(tǒng)網(wǎng)頁的學習者，在學習資源內容、學習資源結構、學習體驗三個維度都有明顯的差異。相比于對照組，實驗組學習者對學習資源內容的滿意程度較高（t=-4.710，p=0.000<0.001），學習者認為學習資源能夠動態(tài)生成，不會產(chǎn)生重復（M對照=2.68，M實驗=3.74，t=-4.742），且能夠滿足其個性化學習需求（M對照=2.71，M實驗=3.79，t=-4.088）;實驗組學習者對學習資源結構的滿意度也高于對照組（t=-6.807，p=0.000<0.001），實驗組普遍認為學習資源具有良好的結構性，能夠實現(xiàn)獨立自主的學習（M對照=3.06，M實驗=4.13，t=-5.717）。此外，實驗組學習者認為學習資源導航清晰、容易使用，可以交流互動，對學習體驗的滿意度較高（t=-3.072，p=0.003<0.01）。兩組學習者在學習前對學習資源的期望沒有差異，且在總體上對學習資源充滿期待（M對照=4.03，M實驗=4.08，t=-2.60）。

2. 四種認知風格學習者的學習資源使用情況

戶外動態(tài)學習資源智能生成與服務模型可以根據(jù)學習者的認知風格提供不同的學習資源，通過問卷統(tǒng)計，視覺型學習者最多，占61%，其他三種類型比例相當，如圖4所示。為對比四種認知風格的學習者對動態(tài)學習資源和傳統(tǒng)網(wǎng)頁學習資源的使用態(tài)度，本研究進行了實驗分析，結果見表3。

結果表明，四種學習者在學習期望維度沒有顯著性差異，每類學習者對學習資源都抱有較高期待。除讀寫型學習者外，其他三類學習者在學習資源內容和結構方面均有顯著性差異，證明本研究的動態(tài)情境化學習資源較傳統(tǒng)網(wǎng)頁能夠為學習者提供較好的資源內容和結構，而傳統(tǒng)網(wǎng)頁以文本為主，符合讀寫型學習者學習特點，因此，兩種學習資源對兩組學習者差異性不大。聽覺型（t=-5.220，p=0.002<0.001）和動覺型（t=-3.101，p=0.017<0.05）學習者的學習體驗差異較大，可能因為這兩種動態(tài)情境化的學習資源具有較強的交互性，使得學習者體驗較好。

五、結? ?語

本文針對戶外學習資源開發(fā)模式存在的問題，基于戶外學習資源特點，結合學習者的戶外學習需求，提出一種基于知識圖譜的戶外動態(tài)學習資源智能生成與服務模型，并初步嘗試了該模型的戶外應用。實驗結果表明，相較于傳統(tǒng)網(wǎng)頁資源，動態(tài)情境化的學習資源在學習資源內容、學習資源結構和學習體驗方面均有顯著性差異，且視覺型、聽覺型與動覺型學習者差異較大，讀寫型學習者僅在學習資源內容方面有差異。該資源基本能夠滿足不同類型學習者的戶外學習需求。后續(xù)，我們將繼續(xù)擴大應用對象與范圍，以驗證并完善戶外動態(tài)學習資源智能生成與服務模型的適用性，以期為戶外學習資源的研究提供一些參考。

[參考文獻]

[1] 中共中央，國務院.中國教育現(xiàn)代化2035[EB/OL].（2019-02-23）[2021-06-20].http：//www.gov.cn/xinwen/2019-02/23/content_53679 87.htm.

[2] ADKINS C， SIMMON B. Outdoor， experiential， and environmental education： converging or diverging approaches？[EB/OL]. （2002-08-04）[2021-06-21]. https：//files.eric.ed.gov/fulltext/ED467713.pdf.

[3] ROUSSEAU J J. Emile： or on education [M]. New York： Basic Books，1979.

[4] AGASSIZ L. The structure and growth of domesticated animals[J]. The American naturalist，1873，7（11）：641-657.

[5] CHUCK W. Boy scouts of America： a centennial history[M]. Dorling Kindersley：DK Publishing， 2013.

[6] LEWIS C. The Administration of outdoor education programs[M]. Dubuque： Kendall Hunt Publishing Company， 1975.

[7] DONALDSON G W， DONALDSON L E. Outdoor education a definition[J]. Journal of health physical education recreation， 1958， 29（5）：17-63.

[8] STYMNE J. Mobile learning in outdoor settings： a systematic review [C]//16th International Conference on Mobile Learning. Portugal：Iadis Digital Library， 2020：63-70.

[9] JONG M， LUK E. Adopting eagleeye in outdoor exploratory learning from the teacher perspective[C]//International Conference on Advanced Learning Technologies. Greece： IEEE Press， 2014：617-21.

[10] 周東波，趙瓊，鐘正.構建基于泛在學習理論的地理戶外探究學習系統(tǒng)[J].中國遠程教育，2013（2）：80-85.

[11] 余日季，蔡敏，蔣帥.基于移動終端和AR技術的博物館文化教育體驗系統(tǒng)的設計與應用研究[J].中國電化教育，2017（3）：31-35.

[12] ZHAO G， LIU S， ZHU W J， QI Y H. A lightweight mobile outdoor augmented reality method using deep learning and knowledge modeling for scene perception to improve learning experience[J]. International journal of human-computer interaction， 2021，37（9）：884-901.

[13] 王小根，鄧烈君，王露露，范水娣.基于知識元的移動學習資源組織模式研究[J].電化教育研究，2017，38（1）：86-93.

[14] 李寶，張文蘭.智慧教育環(huán)境下學習資源推送服務模型的構建[J].遠程教育雜志，2015（3）：41-48.

[15] 李振，周東岱，王勇.“人工智能+”視域下的教育知識圖譜：內涵，技術框架與應用研究[J].遠程教育雜志，2019（4）：42-53.

[16] 范佳榮，鐘紹春.學科知識圖譜研究：由知識學習走向思維發(fā)展[J].電化教育研究，2022，43（1）：32-38.

[17] 國務院.新一代人工智能發(fā)展規(guī)劃[EB/OL].（2017-07-20）[2021-07-10].http：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

[18] 余勝泉，彭燕，盧宇.基于人工智能的育人助理系統(tǒng)——“AI好老師”的體系結構與功能[J].開放教育研究，2019，25（1）：27-38.

[19] 萬海鵬，余勝泉.基于學習元平臺的學習認知地圖構建[J].電化教育研究，2017，38（9）：83-88，107.

[20] 張波，金玉鵬，張倩，趙勤，王嬌燕.試論一種新型在線教育資源大數(shù)據(jù)組織框架[J].中國電化教育，2018（3）：41-46.

[21] CHEN M， YU S Q， CHIANG F K. A dynamic ubiquitous learning resource model with context and its effects on ubiquitous learning[J]. Interactive learning environments， 2017， 25（1）：127-141.

[22] QUINN J. New learning worlds： the significance of nature in the lives of marginalised young people[J]. Discourse studies in the cultural politics of education， 2013， 34（5）：716-730.

[23] AHMAD A， KARDAN， MOLOOD， et al. A new personalized learning path generation method： ACO-MAP[J]. Indian journal of scientific research， 2014， 5（1）：17-24.

[24] 王萌，龍樂思，朱嘉麒.我國圖情檔學科關于文化信息數(shù)字資源整合的研究——以博物館研究為視角[J].圖書館雜志，2020，39（4）：80-91.

[25] PENG Z， EL-GOHARY N. Ontology-based automated information extraction from building energy conservation codes[J]. Automation in construction， 2017， 74：103-117.

[26] 高桓，漆桂林.動態(tài)本體（Dynamic Ontology）[EB/OL].（2017-11-07）[2021-07-22].https：//zhuanlan.zhihu.com/p/30799669.

[27] 翟社平，馬蒙雨，馬傳賓，高山，郭琳.一種多策略的中文領域本體概念抽取方法[J].西安郵電大學學報，2017，22（1）：94-98.

[28] 劉嶠，李楊，段宏，劉瑤，秦志光.知識圖譜構建技術綜述[J].計算機研究與發(fā)展，2016，53（3）：582-600.

[29] 官賽萍，靳小龍，賈巖濤，王元卓，程學旗.面向知識圖譜的知識推理研究進展[J].軟件學報，2018，29（10）：2966-2994.

[30] 郭琳.面向Web數(shù)據(jù)的知識圖譜學習與推理關鍵技術研究[D].西安：西安郵電大學，2018.

[31] 張曾昱，徐坤.基于手機終端的免費網(wǎng)絡資源知識元標引實踐探討[J].圖書館工作與研究，2015（12）：106-109，112.

[32] 譚頂良.學習風格論[M].南京：江蘇教育出版社，1995.

[33] POONAM K， PARAMITA S P， MANISHA J， et al. The learning styles and the preferred teaching-learning strategies of first year medical students[J]. Journal of clinical & diagnostic research jcdr， 2013，7（6）：1089-92.

[34] 師亞飛，彭紅超，童名文.基于學習畫像的精準個性化學習路徑生成性推薦策略研究[J].中國電化教育，2019（5）：84-91.

[35] 丁繼紅，劉華中.大數(shù)據(jù)環(huán)境下基于多維關聯(lián)分析的學習資源精準推薦[J].電化教育研究，2018，39（2）：53-59，66.

[36] 王瑞霞.基于知識地圖的移動學習資源設計與實現(xiàn)——以“媒介素養(yǎng)”學習資源為例[D].南京：南京師范大學，2016.