沈林豪 唐海 李貴榮 許睿

文章編號：1003?6180（2023） 03?0035?06

摘? 要：提出個(gè)性化認(rèn)知結(jié)構(gòu)的構(gòu)建方法，為學(xué)習(xí)者主動推送合適的學(xué)習(xí)目標(biāo).形式化定義靜態(tài)學(xué)科知識結(jié)構(gòu)，通過屬性擴(kuò)展的方式表示學(xué)習(xí)者的認(rèn)知結(jié)構(gòu)；根據(jù)知識點(diǎn)前后有序、由易到難的特點(diǎn)和規(guī)律，對個(gè)性化認(rèn)知結(jié)構(gòu)進(jìn)行層次劃分；綜合分析認(rèn)知結(jié)構(gòu)中節(jié)點(diǎn)的層次信息和關(guān)聯(lián)強(qiáng)度，提出節(jié)點(diǎn)之間的學(xué)習(xí)影響程度計(jì)算方法，計(jì)算結(jié)果按照新知識點(diǎn)可學(xué)習(xí)期望值排序，循序漸進(jìn)地為學(xué)習(xí)者主動推送合適的新知識點(diǎn).

關(guān)鍵詞：在線學(xué)習(xí)；個(gè)性化；認(rèn)知結(jié)構(gòu)

[? ?中圖分類號? ? ]TP391 [? ? 文獻(xiàn)標(biāo)志碼? ?]? A

Online Learning System：

Construction of Personalized Cognitive Structure

SHEN Linhao，TANG Hai*，LI Guirong，XU Rui

（College of Electrical & Information，Hubei University of Automotive Technology，Shiyan 442002，China）

Abstract：Propose the construction method of personalized cognitive structure to actively push appropriate learning objectives for learners. Formally define the static subject knowledge structure，and express the cognitive structure of learners through attribute expansion； according to the characteristics and rules of orderly knowledge points，from easy to difficult，the personalized cognitive structure is divided into levels； by comprehensively analyzing the hierarchical information and correlation strength of nodes in the cognitive structure，a calculation method for the degree of learning influence between nodes is proposed. The calculation results are sorted according to the learnable expected value of new knowledge points，and appropriate new knowledge points are actively pushed for learners step by step.

Key words：Online learing；personalized；cognitive structur

個(gè)性化教學(xué)是網(wǎng)絡(luò)教學(xué)實(shí)施的核心之一，也是網(wǎng)絡(luò)教學(xué)發(fā)展的目標(biāo)之一.[1]北京師范大學(xué)國際合作項(xiàng)目《AI Teacher》把個(gè)性化教學(xué)和個(gè)性化學(xué)習(xí)內(nèi)容生成作為核心研究內(nèi)容[2]，教育環(huán)境中的個(gè)性化需要對學(xué)習(xí)者和學(xué)習(xí)目標(biāo)有一定程度的了解，優(yōu)秀的系統(tǒng)應(yīng)該以學(xué)習(xí)者為中心，主動提供智能化、個(gè)性化的服務(wù)，減少用戶不必要的學(xué)習(xí)負(fù)擔(dān).人們嘗試構(gòu)建個(gè)性化、智能化的網(wǎng)絡(luò)教學(xué)系統(tǒng)，其中的關(guān)鍵問題在于個(gè)人的學(xué)習(xí)情況在網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)中的表示及準(zhǔn)確的量化分析.根據(jù)奧蘇貝爾的有意義接受理論，不受學(xué)習(xí)者原有認(rèn)知結(jié)構(gòu)影響的學(xué)習(xí)是不存在的[3]，通常情況下學(xué)習(xí)并不是止步不前的，學(xué)習(xí)者的認(rèn)知能力也在不斷發(fā)生變化，這要求個(gè)性化學(xué)習(xí)系統(tǒng)也必須是實(shí)時(shí)動態(tài)更新的.學(xué)習(xí)情況紛繁復(fù)雜，影響學(xué)習(xí)效率的因素眾多，比如性格偏好、理解能力、知識基礎(chǔ)、學(xué)習(xí)場景等，個(gè)人的認(rèn)知結(jié)構(gòu)是影響學(xué)習(xí)效率的最重要的因素.[4]認(rèn)知結(jié)構(gòu)是一種語義框架，是個(gè)人已經(jīng)具備的知識的內(nèi)容和組織方式，用以感知、處理外界信息以及進(jìn)行推理活動，學(xué)習(xí)就是新舊知識間建立各種關(guān)聯(lián)的過程.[5]本文以建構(gòu)主義學(xué)習(xí)理論為指導(dǎo)，為在線學(xué)習(xí)系統(tǒng)構(gòu)建學(xué)習(xí)者個(gè)性化認(rèn)知結(jié)構(gòu)，提出相應(yīng)算法，循序漸進(jìn)地為學(xué)習(xí)者推送合適的新知識點(diǎn)，提高在線學(xué)習(xí)效率.

1 認(rèn)知結(jié)構(gòu)的形式化表示

學(xué)習(xí)者擁有的知識多種多樣，若構(gòu)建學(xué)習(xí)者完整認(rèn)知結(jié)構(gòu)，數(shù)據(jù)量會非常龐大，學(xué)習(xí)新知識時(shí)，通常是以新知識所在學(xué)科范圍為界限，把學(xué)習(xí)者的認(rèn)知結(jié)構(gòu)按照學(xué)科來劃分，可以有效降低運(yùn)算維度，減輕系統(tǒng)負(fù)擔(dān)，提高運(yùn)行效率.

1.1 學(xué)科知識結(jié)構(gòu)的形式化定義

學(xué)科知識的組織形式通常是有序的多個(gè)章節(jié)，每個(gè)章節(jié)由若干知識點(diǎn)構(gòu)成，知識點(diǎn)是有前后順序的，是相互關(guān)聯(lián)并相互影響的.周東波等從認(rèn)知過程出發(fā)分析了學(xué)科知識結(jié)構(gòu)，闡明認(rèn)知過程與地理空間認(rèn)知過程的層次相似性，運(yùn)用地理空間化方法建立學(xué)科知識結(jié)構(gòu).[6]李艷燕等分析了面向智慧教育的學(xué)科知識圖譜構(gòu)建、應(yīng)用以及面臨的挑戰(zhàn).[7]牛建軍等對知網(wǎng)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，揭示其研究發(fā)展的內(nèi)在規(guī)律，構(gòu)建知識圖譜進(jìn)行分析.[8]

對知識及知識點(diǎn)之間的關(guān)系作形式化定義，然后在此基礎(chǔ)上度量知識點(diǎn)之間的關(guān)聯(lián)和影響.

定義1 元知識點(diǎn).不能再分割的知識點(diǎn).比如中學(xué)物理中質(zhì)量、距離、時(shí)間等.

定義2 復(fù)合知識點(diǎn).由某些相關(guān)知識點(diǎn)構(gòu)成的知識點(diǎn).比如加速度、能量、動量等是復(fù)合知識點(diǎn).元知識點(diǎn)和復(fù)合知識點(diǎn)統(tǒng)稱為知識點(diǎn).

定義3 前導(dǎo)關(guān)系.對于學(xué)科全體知識點(diǎn)集合∑，假定[ti∈∑]，[tj∈∑]，序偶[ti，tj]表示在學(xué)會[ti]之后才允許學(xué)習(xí)[tj].若存在[tk]，使得[ti，tk]與[ti，tj]同時(shí)滿足，則稱序偶[ti，tj]為祖孫前導(dǎo)關(guān)系，即[ti，tj∈RGC].反之，若不存在[ tk]，使得[ti，tk]與[ti，tj]同時(shí)滿足，則稱序偶[ti，tj]為父子前導(dǎo)關(guān)系，即[ti，tj∈RPC].

定義4 前導(dǎo)知識點(diǎn)集.若有知識點(diǎn)集[T?∑]，對于[?ti∈T]，[?tj∈∑]，使得[ti，tj]成立，則稱T為[tj]的前導(dǎo)知識點(diǎn)集，記為P（tj）.若[ti，tj][∈RPC]，則稱T為tj的1級前導(dǎo)知識點(diǎn)集，記為1_P（tj）；若[ti，tj][∈RGC]，那么，稱T為tj的k級前導(dǎo)知識點(diǎn)集，記為k_P（tj）.其中，k為[ti]和[tj]之間最短路徑長度.

定義5 后繼知識點(diǎn)集.若存在集合[T?∑]，對于[?ti∈T]，[?tj∈∑]，使序偶[ti，tj]成立，則稱T為tj的后繼知識點(diǎn)集，記為S（tj）.若[ti，tj][∈RPC]，那么，稱T為tj的1級后繼知識點(diǎn)集；若[ti，tj][∈RGC]，則稱T為tj的k級后繼知識點(diǎn)集，其中，k為[ti]和[tj]之間最短路徑長度.

認(rèn)知結(jié)構(gòu)作為知識點(diǎn)及其關(guān)聯(lián)，本質(zhì)上是一種知識的有向圖表示形式，知識點(diǎn)作為圖的節(jié)點(diǎn)，關(guān)系作為有向圖的邊，以有向圖的形式表示學(xué)習(xí)者認(rèn)知結(jié)構(gòu)中己有知識以及相互關(guān)系并定義.

定義6 知識點(diǎn)序列圖.知識點(diǎn)序列圖是一個(gè)DAG（Directed acyclic graph）G=（V，E，R），V和E分別是圖中節(jié)點(diǎn)和邊的集合，R是知識點(diǎn)之間直接關(guān)系構(gòu)成的序列，表示學(xué)習(xí)的方向和路徑.

1.2 個(gè)性化認(rèn)知結(jié)構(gòu)的定義

知識點(diǎn)序列圖以學(xué)科知識結(jié)構(gòu)為內(nèi)容構(gòu)建.學(xué)科知識結(jié)構(gòu)是十分穩(wěn)定的，短時(shí)間內(nèi)不會發(fā)生大的變化，這種穩(wěn)定性對于領(lǐng)域?qū)＜覙?gòu)建知識點(diǎn)序列圖非常有利.學(xué)習(xí)并不是止步不前的，個(gè)人的認(rèn)知能力也不是一成不變，所以認(rèn)知結(jié)構(gòu)需要不斷更新.對知識點(diǎn)序列圖中節(jié)點(diǎn)和節(jié)點(diǎn)之間的關(guān)系以語義框架形式表示，使認(rèn)知結(jié)構(gòu)的構(gòu)建符合個(gè)性化學(xué)習(xí)的要求.[9]

定義7 個(gè)性化認(rèn)知結(jié)構(gòu)PCS（Personalized cognitive structure）是以學(xué)科知識點(diǎn)序列圖為基礎(chǔ)，通過為節(jié)點(diǎn)和節(jié)點(diǎn)之間關(guān)系設(shè)置屬性構(gòu)成的知識框架，學(xué)習(xí)者的動態(tài)變化可以通過各個(gè)屬性值實(shí)時(shí)更新來實(shí)現(xiàn).

節(jié)點(diǎn)的語義框架屬性包括：

●節(jié)點(diǎn)名稱，通常是學(xué)科知識術(shù)語或概念名稱.

●認(rèn)知層級，按照布盧姆的教育目標(biāo)分類法，將認(rèn)知領(lǐng)域的目標(biāo)分為六個(gè)層級，即記憶、理解、應(yīng)用、分析、綜合和評價(jià).通過這種方式對節(jié)點(diǎn)進(jìn)行劃分，使系統(tǒng)明了學(xué)習(xí)者掌握該知識點(diǎn)所應(yīng)達(dá)到的認(rèn)知層級，由領(lǐng)域?qū)＜腋鶕?jù)教學(xué)大綱的相關(guān)要求給出.

●習(xí)題集，圍繞本知識點(diǎn)，按照認(rèn)知層級的要求所生成的習(xí)題集，用于練習(xí)和測試.

●評分標(biāo)準(zhǔn)，對習(xí)題集中的各習(xí)題給出一個(gè)標(biāo)準(zhǔn)答案，包括得分點(diǎn)和分值.

●成績，完成習(xí)題后的得分情況，隨著學(xué)習(xí)過程的進(jìn)行，每一次測試得分會不斷發(fā)生變化.

●可學(xué)習(xí)閾值，當(dāng)知識點(diǎn)的前導(dǎo)知識的成績加權(quán)平均值不小于此閾值才建議學(xué)習(xí)該知識點(diǎn)，用于指導(dǎo)學(xué)習(xí)進(jìn)程（權(quán)值的計(jì)算在第三節(jié)闡述）.可通過閾值，當(dāng)知識點(diǎn)測試成績不小于該閾值才建議離開本知識點(diǎn)，用于指導(dǎo)學(xué)習(xí)進(jìn)程.

節(jié)點(diǎn)之間關(guān)系的語義框架設(shè)置以下兩個(gè)屬性：

●關(guān)系名稱，用于節(jié)點(diǎn)之間關(guān)系的簡要概括.比如熊貓“是一種”哺乳動物，它“吃”竹子等.

●影響程度，是指人們在學(xué)習(xí)過程中，其已有知識的掌握情況對新知識的學(xué)習(xí)會有多少影響.知識點(diǎn)之間影響程度如何表示和計(jì)算是個(gè)性化在線學(xué)習(xí)系統(tǒng)的重點(diǎn)和難點(diǎn).

知識點(diǎn)序列圖的每一個(gè)知識點(diǎn)是節(jié)點(diǎn)框架的一個(gè)實(shí)例，每一個(gè)序偶則是關(guān)系框架的一個(gè)實(shí)例.

2 個(gè)性化認(rèn)知結(jié)構(gòu)節(jié)點(diǎn)的分層

學(xué)習(xí)的過程應(yīng)符合人們的認(rèn)知規(guī)律，即前后有序、由淺入深、層層推進(jìn)等.這種規(guī)律表現(xiàn)在PCS中，就是要求每個(gè)節(jié)點(diǎn)和前導(dǎo)知識節(jié)點(diǎn)、后繼知識節(jié)點(diǎn)處于不同的層次，每個(gè)節(jié)點(diǎn)總是指向后繼節(jié)點(diǎn).個(gè)性化認(rèn)知結(jié)構(gòu)表示的是知識點(diǎn)及其之間的關(guān)聯(lián)，本質(zhì)上是有向無環(huán)圖.為了使個(gè)性化認(rèn)知結(jié)構(gòu)符合學(xué)習(xí)過程的有序性，每個(gè)知識節(jié)點(diǎn)需要分布在合適的層次，這種層次結(jié)構(gòu)信息對知識點(diǎn)之間的影響程度的度量非常重要，需要對節(jié)點(diǎn)進(jìn)行分層.

定義8 層次圖.令有向無環(huán)圖DAG（directed acyclic graph）G=（V，E），當(dāng)且僅當(dāng)：

（1） [V=L1?L2?...?Ln? ? ? ? ? ?Li?Lj=?，i≠j]；

（2） For each[（u，v）∈E]，if [u∈Li，v∈Lj， ][i

則圖G被稱為層次圖.其中，n是層次圖的高度，寬度則是統(tǒng)計(jì)每一層的節(jié)點(diǎn)數(shù)，然后取其中最大值.

目前，廣泛應(yīng)用的DAG分層算法包括LPL算法（Longest Path Layering）、Coffman-Graham算法以及NSA算法（Network Simplex Algorithm）.[10，11]LPL算法確保了節(jié)點(diǎn)分層的最小高度，Coffman-Graham算法在給定寬度的約束條件下盡量優(yōu)化高度.NSA算法的優(yōu)化目標(biāo)是在節(jié)點(diǎn)分層時(shí)添加最少的輔助節(jié)點(diǎn)（亦稱啞節(jié)點(diǎn)）.

表1是實(shí)驗(yàn)原始數(shù)據(jù)為隨機(jī)生成的1 000幅有向無環(huán)圖，結(jié)果顯示，三種算法各有優(yōu)缺點(diǎn).

從運(yùn)行時(shí)間來看，LPL算法最快，該算法實(shí)質(zhì)上是圖的深度優(yōu)先遍歷，保證了線性運(yùn)行時(shí)間，復(fù)雜度為O（|V|）.Coffman-Graham算法的思想是盡量把長邊置于底層，其時(shí)間復(fù)雜度為O（|V|2）.NSA在最壞情況下運(yùn)行需要指數(shù)時(shí)間，但是目前尚未證明NSA平均運(yùn)行時(shí)間不是多項(xiàng)式時(shí)間.[12]在算法效果方面，以增添的啞節(jié)點(diǎn)數(shù)目以及層次圖所占面積為標(biāo)準(zhǔn)[10]，在添加啞節(jié)點(diǎn)方面，網(wǎng)絡(luò)單純形法表現(xiàn)最好.三種算法對于分層的高度和寬度乘積的比較結(jié)果表明，得益于添加了最少的啞節(jié)點(diǎn)，盡管對于層次圖的高和寬未作明顯約束，網(wǎng)絡(luò)單純形算法表現(xiàn)最好.綜合來看，NSA算法節(jié)點(diǎn)分布最為合理，分層效果較好.

系統(tǒng)根據(jù)每一次學(xué)習(xí)者獲得的分?jǐn)?shù)實(shí)時(shí)更新PCS數(shù)據(jù)，并將其以層次圖的形式呈現(xiàn)，以便學(xué)習(xí)者時(shí)刻掌握學(xué)習(xí)進(jìn)程.

3 學(xué)習(xí)目標(biāo)的主動推送

在構(gòu)建PCS及分層處理之后，在線學(xué)習(xí)系統(tǒng)按照下述方法對學(xué)習(xí)者的學(xué)習(xí)目標(biāo)進(jìn)行預(yù)測分析，主動為在線學(xué)習(xí)者推送合適的學(xué)習(xí)目標(biāo).

3.1 知識節(jié)點(diǎn)的可學(xué)習(xí)期望

將PCS中的節(jié)點(diǎn)劃分為三個(gè)互不相交的子集，即：

定義9 已學(xué)習(xí)節(jié)點(diǎn)子集SoL （Subset of learnability），個(gè)人已掌握的知識點(diǎn)構(gòu)成的集合.

定義10 可學(xué)習(xí)節(jié)點(diǎn)子集SwL （Subset within learnability），以學(xué)習(xí)者當(dāng)前的認(rèn)知水平可以學(xué)習(xí)的知識點(diǎn)構(gòu)成的集合.按照循序漸進(jìn)的學(xué)習(xí)規(guī)律，可學(xué)習(xí)節(jié)點(diǎn)是已學(xué)習(xí)節(jié)點(diǎn)的后繼.

定義11 不可學(xué)習(xí)節(jié)點(diǎn)子集SbL （Subset beyond learnability），學(xué)習(xí)者當(dāng)前的認(rèn)知水平不適合學(xué)習(xí)的知識點(diǎn)構(gòu)成的集合.

從以上三個(gè)子集的定義可知，在線學(xué)習(xí)系統(tǒng)推送的學(xué)習(xí)目標(biāo)在可學(xué)習(xí)節(jié)點(diǎn)子集里.子集劃分的依據(jù)是個(gè)性化認(rèn)知結(jié)構(gòu)分劃的關(guān)鍵所在，為此作如下定義：

定義12? 可學(xué)習(xí)期望值.以學(xué)習(xí)者當(dāng)前的認(rèn)知結(jié)構(gòu)在正常學(xué)習(xí)情況下學(xué)會新知識點(diǎn)的可能性度量，當(dāng)可學(xué)習(xí)期望值不小于設(shè)定的“可學(xué)習(xí)閾值”，則建議進(jìn)入該知識點(diǎn)學(xué)習(xí).

要計(jì)算出可學(xué)習(xí)期望值及實(shí)現(xiàn)PCS的節(jié)點(diǎn)分劃，必需考慮已學(xué)習(xí)知識節(jié)點(diǎn)對尚未學(xué)習(xí)知識的影響程度，這種影響包括兩方面因素：一方面是PCS中知識節(jié)點(diǎn)的層次結(jié)構(gòu)信息，即節(jié)點(diǎn)之間的前導(dǎo)和后繼關(guān)系，通常情況下直接前導(dǎo)節(jié)點(diǎn)比間接前導(dǎo)節(jié)點(diǎn)的影響大，這部分影響可以參考基于層次的語義相關(guān)度的計(jì)算方法.[13-14]另一方面是知識點(diǎn)之間的關(guān)聯(lián)強(qiáng)度.建構(gòu)主義認(rèn)為，學(xué)習(xí)過程就是新舊知識間建立各種關(guān)聯(lián)的過程，而每個(gè)前導(dǎo)知識點(diǎn)對于同一后繼知識點(diǎn)的關(guān)聯(lián)強(qiáng)度是不一樣的.例如“牛頓第二定律”的直接前導(dǎo)知識節(jié)點(diǎn)是“加速度”“作用力”和“質(zhì)量”，若只考慮層次性信息，那么，三者對該定律的學(xué)習(xí)影響是一樣的.可按照人們的學(xué)習(xí)經(jīng)驗(yàn)，對于“牛頓第二定律”的學(xué)習(xí)來說，掌握“加速度”這個(gè)知識點(diǎn)顯然比掌握“質(zhì)量”更關(guān)鍵，前者關(guān)聯(lián)度更大一些.

3.2 節(jié)點(diǎn)間的學(xué)習(xí)影響程度

由PCS的定義可知，每個(gè)知識點(diǎn)都有“認(rèn)知層級”這一屬性，從低到高劃分為六個(gè)級別.從認(rèn)知學(xué)的角度來看，這些級別對應(yīng)學(xué)習(xí)者掌握知識點(diǎn)所要付出的勞動代價(jià)，即認(rèn)知負(fù)荷.就個(gè)人而言，知識點(diǎn)的認(rèn)知級別越高，對應(yīng)的認(rèn)知負(fù)荷就越大.

定義13? 知識點(diǎn)ci的認(rèn)知層級所對應(yīng)的認(rèn)知負(fù)荷，記為load（ci），按照節(jié)點(diǎn)的“認(rèn)知層級”從1到6進(jìn)行量化表示.例如“牛頓第二定律”的認(rèn)知層級設(shè)置為“評價(jià)”，那么，load（牛頓第二定律） = 6，“作用力”的認(rèn)知層級設(shè)置為“應(yīng)用”，那么，load（作用力） = 3.

當(dāng)人們學(xué)習(xí)某個(gè)新知識點(diǎn)時(shí)，其前導(dǎo)知識點(diǎn)中認(rèn)知層級越高的知識點(diǎn)對應(yīng)所需的認(rèn)知負(fù)荷越大，它和新知識點(diǎn)的關(guān)聯(lián)度就越高.

假設(shè)有知識節(jié)點(diǎn)cj，ci是其k級前導(dǎo)知識點(diǎn)集k_P（cj）中的一個(gè)元素，那么，兩節(jié)點(diǎn)之間的學(xué)習(xí)關(guān)聯(lián)度由公式（1）計(jì)算：

其中，[n=1kloadn_Pcj]是[cj]的k級及k級以內(nèi)的前導(dǎo)知識節(jié)點(diǎn)所需的認(rèn)知勞動總和.

3.3 可學(xué)習(xí)期望的計(jì)算

綜合考慮節(jié)點(diǎn)的層次信息和關(guān)聯(lián)度這兩方面的因素，提出公式（2），計(jì)算任意前導(dǎo)節(jié)點(diǎn)[ci]和后繼知識節(jié)點(diǎn)[cj]之間的學(xué)習(xí)影響程度.

其中，[con（ci，cj）]是前導(dǎo)節(jié)點(diǎn)[ci]和后繼節(jié)點(diǎn)[cj]之間的學(xué)習(xí)關(guān)聯(lián)強(qiáng)度，depth（c）是節(jié)點(diǎn)c在PCS中的深度，DCP（Deepest Common Predecessor，最近同一前導(dǎo)節(jié)點(diǎn)）是指PCS中要計(jì)算影響程度的兩個(gè)結(jié)點(diǎn)，它們是同一前導(dǎo)節(jié)點(diǎn)之中距離最近的節(jié)點(diǎn).

對于新知識點(diǎn)，由公式（3）計(jì)算可學(xué)習(xí)期望：

其中，[infk_num=i=1ninfpcsci，ck]，n是[ck]的前導(dǎo)節(jié)點(diǎn)數(shù)，[ci]是[ck]的任一前導(dǎo)節(jié)點(diǎn)（直接前導(dǎo)或間接前導(dǎo)），[Si]是學(xué)習(xí)者通過習(xí)題集得到的關(guān)于知識點(diǎn)[ci]的分?jǐn)?shù).

4 結(jié)語

本文從認(rèn)知心理學(xué)學(xué)習(xí)理論出發(fā)，把學(xué)習(xí)的最重要因素——學(xué)習(xí)者的認(rèn)知結(jié)構(gòu)——以形式化的方法構(gòu)建，作為在線學(xué)習(xí)系統(tǒng)主動推送新知識點(diǎn)的算法基礎(chǔ).定義了學(xué)科知識點(diǎn)序列圖，表示學(xué)習(xí)者的知識體系結(jié)構(gòu).按照知識表示的框架理論，對學(xué)科知識點(diǎn)序列圖通過設(shè)置屬性的方式擴(kuò)展為框架，這樣學(xué)習(xí)者的動態(tài)變化可以通過屬性值的實(shí)時(shí)更新實(shí)現(xiàn)，以此構(gòu)建符合學(xué)習(xí)者認(rèn)知水平的、可實(shí)時(shí)更新的、個(gè)性化的認(rèn)知結(jié)構(gòu).

筆者對個(gè)性化認(rèn)知結(jié)構(gòu)進(jìn)行分層處理，實(shí)現(xiàn)學(xué)習(xí)過程的有序性，建立知識點(diǎn)之間的層次結(jié)構(gòu)信息.在個(gè)性化認(rèn)知結(jié)構(gòu)的具體應(yīng)用方面，提出PCS中節(jié)點(diǎn)之間的學(xué)習(xí)影響程度度量方法，使在線學(xué)習(xí)系統(tǒng)可以根據(jù)學(xué)習(xí)者當(dāng)前的認(rèn)知水平，對新知識點(diǎn)的學(xué)習(xí)期望值進(jìn)行計(jì)算，把新知識點(diǎn)按照計(jì)算結(jié)果排序，從而為學(xué)習(xí)者主動推送合適的下一步學(xué)習(xí)目標(biāo)，提高在線學(xué)習(xí)效率.

參考文獻(xiàn)

[1]沈軍.網(wǎng)絡(luò)教學(xué)中個(gè)性化策略研究[J].計(jì)算機(jī)研究與發(fā)展，2003（04）：589-595.

[2]余勝泉.人工智能教師的未來角色[J].開放教育研究，2018，24（01）：16-28.

[3]段春和.引發(fā)認(rèn)知沖突? 優(yōu)化學(xué)生物理認(rèn)知結(jié)構(gòu)[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2007（01）：64-65.

[4]溫彭年，賈國英. 建構(gòu)主義理論與教學(xué)改革一一建構(gòu)主義學(xué)習(xí)理論綜述[J]. 教育理論與實(shí)踐，2002（5）：17-22.

[5]趙國慶，陸志堅(jiān). “概念圖”與“思維導(dǎo)圖”辨析[J]. 中國電化教育，2004（08）：42-45.

[6]李德文，郭勝均. 中國煤礦粉塵防治的現(xiàn)狀及發(fā)展方向[J]. 金屬礦山，2009（增刊）：747?752.

[7]周東波，劉三女牙，鐘正，等.基于層次認(rèn)知過程的學(xué)科知識結(jié)構(gòu)地理空間化方法研究[J]. 華中師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2017，51（06）：873-880.

[8]李艷燕，張香玲，李新，等.面向智慧教育的學(xué)科知識圖譜構(gòu)建與創(chuàng)新應(yīng)用[J].電化教育研究，2019，40（08）：60-69.

[9]牛建軍，李存國.基于CNKI的1992-2018年群眾體育研究知識圖譜分析[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2019（02）：62-66.

[10]謝深泉. 知識點(diǎn)及其網(wǎng)絡(luò)的特性分析[J]. 軟件學(xué)報(bào)，1998（10）：785-789.

[11] Graph visualization and navigation in information visualization[J]. IEEE Transactions on Visualization and Computer Graphics，2000，6（1）：24-43.

[12]Eden C. On the nature of cognitive maps[J]. Journal of Management Studies，2002，29：261-265.

[13]Eades P，Mutzel P. Graph drawing algorithms[M]. Part of Algorithms and Theory of Computation Hand-book，2010.65-87.

[14]許云，樊孝忠，張鋒. 基于知網(wǎng)的語義相關(guān)度計(jì)算[J]. 北京理工大學(xué)學(xué)報(bào)，2005，25（5）：411-414.

[15]Jovanovic J，Gasevic D. Ontology-based automatic annotation of learning content [J].International Journal on Semantic Web and Information Systems，2006，2（2）：91-119.

編輯：琳莉