基于概念图和权重优化的智能学习模型

doi:10.3969/j.issn.1000-3428.2013.08.059

计算机工程 ›› 2013, Vol. 39 ›› Issue (8): 270-273,280. doi: 10.3969/j.issn.1000-3428.2013.08.059

基于概念图和权重优化的智能学习模型

王昌达，石廷娟

(江苏大学计算机科学与通信工程学院，江苏镇江 212013)

收稿日期:2012-05-16 出版日期:2013-08-15 发布日期:2013-08-13
作者简介:王昌达(1971－)，男，副教授、博士、CCF会员，主研方向：信息安全，智能学习；石廷娟，硕士研究生
基金资助:
国家自然科学基金资助项目(61003288)；教育部博士点基金资助项目(20093227110005)；江苏省自然科学基金资助项目(BK2010192)；江苏省六大人才高峰基金资助项目(1631170006)；江苏省高校自然科学研究计划基金资助项目(07KJB520016)；江苏大学高级人才基金资助项目(07JDG053)

Intelligent Learning Model Based on Concept Map and Weight Optimization

WANG Chang-da, SHI Ting-juan

(School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang 212013, China)

Received:2012-05-16 Online:2013-08-15 Published:2013-08-13

摘要/Abstract

摘要： 提出一种基于概念图和权重优化的智能学习方法。通过将教学内容中的知识点抽象为概念图，在学生学习后，利用测试栈依据权重优化的方法进行有针对性的测试题目抽取，根据测试的结果向学生个性化地投放教学内容，以此实现智能化、个性化的学习。通过模型分析可知，与传统智能教学系统相比，基于概念图和权重优化的智能学习可提高学生的学习效率。

关键词: 概念图, 知识表示, 权重优化, 测试栈, 测试题目, 智能学习

Abstract: A method of intelligent learning based on the concept map and weight optimization is proposed. By the knowledge in teaching content abstract concept map, the use of test stack based on weight optimization exacts targeted test questions after students learning, and according to test results, personalize teaching content is displayed to the students in order to realize intelligent and personalized learning. Model analysis shows that, compared with traditional intelligent tutoring systems, intelligent learning based on concept map and weight optimization improves the efficiency of students learning.

Key words: concept map, knowledge representation, weight optimization, test stack, test question, intelligent learning

中图分类号:

TP311

王昌达, 石廷娟. 基于概念图和权重优化的智能学习模型[J]. 计算机工程, 2013, 39(8): 270-273,280.

WANG Chang-Da, DAN Ting-Juan. Intelligent Learning Model Based on Concept Map and Weight Optimization[J]. Computer Engineering, 2013, 39(8): 270-273,280.

http://www.ecice06.com/CN/Y2013/V39/I8/270

参考文献

[1] 宋云娴, 白鹏. 智能教学系统设计与实现[M]. 北京: 电子工业出版社, 1995.
[2] 许高攀, 曾文华, 黄翠兰. 智能教学系统研究综述[J]. 计算机应用研究, 2009, 26(11): 4019-4022.
[3] 唐言, 徐沛娟. 利用数据挖掘技术实现远程教学系统的个性化教学[D]. 长春: 吉林大学, 2008. (下转第280页)
(上接第273页)

[4] Yang Yaojung, Wu Chuni. An Attribute-based Ant Colony System for Adaptive Learning Object Recommendation[J]. Expert Systems with Applications, 2009, 36(2): 3034-3047.
[5] 杨建, 杨邓奇, 秦祖启. 智能教学系统中基于案例推理的教学策略研究[J]. 计算机工程与设计, 2008, 29(15): 4006- 4008.
[6] 刘昌明, 张琢. 自适应学习系统中个性化学习方案的制定[D]. 长春: 东北师范大学, 2010.
[7] 潘雄飞, 龚沛曾. 智能教学分析系统的设计与研究[J]. 计算机工程, 2007, 33(1): 262-264.
[8] 希建华, 赵国庆. “概念图”解读: 背景、理论、实践与发展——访教育心理学国际著名专家约瑟夫?D?诺瓦克教授[J]. 开放教育研究, 2006, 12(1): 4-8.
[9] Hay D, Kinchin I. Using Concept Mapping to Measure Learning Quality[J]. Education & Training, 2008, 50(2): 167-182.
[10] Jong Bin-Shyan, Lin Tsong-Wuu, Wu Yu-Lung, et al. Diagnos- tic and Remedial Learning Strategy Based on Conceptual Graphs[J]. Journal of Computer Assisted Learning, 2004, 20(5): 377-386.
[11] Lee Chun-Hsiung, Lee Gwo-Guang, Leu Y. Application of Automatically Constructed Concept Map of Learning to Conceptual Diagnosis of E-learning[J]. An International Journal of Expert Systems with Applications, 2009, 36(2): 1675-1684.
[12] Grundspenkis J. Development of Concept Map Based Adaptive Knowledge Assessment System[C]//Proc. of International Conference on E-learning. Amsterdam, the Netherlands: [s. n.], 2008: 395-402.
[13] 任剑洪, 肖南峰. 基于Web的网络智能教学系统设计与实现[D]. 广州: 华南理工大学, 2011.
[14] 王万森. 人工智能原理及其应用[M]. 北京: 电子工业出版社, 2006.
[15] 王军, 蒋运承. 基于描述逻辑的语义Web知识表示和推理[D]. 桂林: 广西师范大学, 2008.
[16] 张量, 邢科云. 基于概念图的智能教学系统研究[J]. 杭州师范大学学报: 自然科学版, 2009, 8(4): 308-312.
编辑顾逸斐

选择文件类型/文献管理软件名称

选择包含的内容

基于概念图和权重优化的智能学习模型

Intelligent Learning Model Based on Concept Map and Weight Optimization

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	高峰, 姚光涛, 顾进广. 基于改进多嵌入空间的实时语义数据流推理[J]. 计算机工程, 2022, 48(2): 55-64.
[2]	张晓明, 孙维雅, 王会勇. 基于知识表示学习的知识可信度评估[J]. 计算机工程, 2021, 47(7): 44-54.
[3]	陶天一, 王清钦, 付聿炜, 熊贇, 俞枫, 苑博. 基于知识图谱的金融新闻个性化推荐算法[J]. 计算机工程, 2021, 47(6): 98-103,114.
[4]	金婧, 万怀宇, 林友芳. 融合实体类别信息的知识图谱表示学习[J]. 计算机工程, 2021, 47(4): 77-83.
[5]	康雁, 李涛, 李浩, 钟声, 张亚钏, 卜荣景. 融合知识图谱与协同过滤的推荐模型[J]. 计算机工程, 2020, 46(12): 73-79,87.
[6]	鲍开放,顾君忠,杨静. 基于结构与文本联合表示的知识图谱补全方法[J]. 计算机工程, 2018, 44(7): 205-211.
[7]	商雄伟,张志祥,邱舒婷. 一种通用的限定领域智能语音导学系统设计方法[J]. 计算机工程, 2016, 42(6): 299-304.
[8]	徐建强, 崔慧洁, 李小平, 梁春绘, 陈思. 一种新型学位论文智能评价系统[J]. 计算机工程, 2013, 39(7): 224-227,232.
[9]	霍华, 赵刚. 基于改进视觉词袋模型的图像标注方法[J]. 计算机工程, 2012, 38(22): 276-278.
[10]	王璐, 张仰森, 吴林. 基于多知识源的语义搭配知识获取及表示方法[J]. 计算机工程, 2012, 38(20): 109-112.
[11]	江利萍, 张再跃. 社会群体角色本体建模及其公理获取[J]. 计算机工程, 2012, 38(10): 41-44.
[12]	杨鹤标, 陈力. 自然语言向SQL代码的转化方法[J]. 计算机工程, 2011, 37(23): 72-74.
[13]	孟祥朋, 李决龙, 张炎文. 基于专家系统的建筑自动化系统故障诊断[J]. 计算机工程, 2011, 37(21): 273-275,278.
[14]	卜文娟, 张蕾. 基于概念图的中文FAQ问答系统[J]. 计算机工程, 2010, 36(14): 29-31.
[15]	安素芳;柴变芳;傅玥;才秀凤. 基于Pareto强度值演化的FPRs知识表示参数优化[J]. 计算机工程, 2008, 34(8): 218-220.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于概念图和权重优化的智能学习模型

Intelligent Learning Model Based on Concept Map and Weight Optimization

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价