生物医学类专业课程知识图谱构建与应用
这是一篇关于智慧教育,生物医学类专业,课程知识图谱,图表示学习,链接预测的论文, 主要内容为信息化时代与COVID-19新冠疫情双重背景作用下,各行各业在进行智能化变革,其中教育领域正在从线下教育模式向在线教育(e-Leaning)转变,仅2020年在线教育平台学习量已达到5.4亿人次。同时,课程信息的主要存储方式也由纸质教材、教师板书等转化为图文及视频方式发布于互联网上。作为教育领域的大数据资源,智慧教育平台所包含大量知识存在海量的隐藏信息,这些信息是促进智慧教育发展的重要基础。如何利用信息化技术完成提高教学质量、优化教学计划、促进教育创新依然是智慧教育发展过程中的热点问题。在线教育平台的主要使用者主要为学生与教师,学生通过自主方式学习感兴趣的知识点;教师则负责MOOC课程的更新与优化。在生物医学类专业中,课程知识点之间的关系比其他课程形式单一的“包含”关系更加复杂。学生学习网课时往往是以初学者的身份,但目前的教育平台对课程内容的分类仅停留在学科、教育资源类型、课程名称的方式,忽视了对课程知识点关系的提取与建模,学生在学习时并不能有效且正确地构建课程的知识体系;生物医学类专业的知识点在很多方面具有相似性与共通性,教师需要依靠个人经验进行教学计划优化,当课程知识量增多时,基于人力的方式容易忽视一些底层知识点的联系。基于上述问题,本文的主要工作有以下几点:(1)利用电子教材构建生物医学类专业课程知识图谱。本文的知识图谱构建顺序为:首先从教材目录中抽取概念知识点及概念间层级关系,构建课程知识图谱的框架;然后使用基于BERT-Bi LSTM-CRF的模型从大量教材文本中抽取知识点实体,构建生物医学类专业知识库;最后使用基于Ro BERTa-LSTM的关系抽取模型抽取教材中实例知识点之间复杂的关系,将实例知识点和关系与概念知识点层级结构相结合构建课程知识图谱。经实验验证本文使用的实体抽取模型与关系抽取模型优于Bi Lstm+Attention等方法。本文利用Neo4j图数据库存储抽取到的节点与关系,知识图谱总规模为:概念节点1083个,实例节点总数22296个。(2)设计了基于特征融合的FR-GCN链接预测模型,对关联知识点进行挖掘。该模型综合考虑图数据的全局特征与局部特征,实现对传统R-GCN模型的改进,并通过实验验证了本文模型的优越性。(3)基于本文构建的课程知识图谱与关联知识点发现方法构建在线教育平台。该平台具备知识图谱可视化、节点搜索、节点增删改查等主要功能,面向学生群体辅助构建知识体系、面向教学人员操作友好,有较好的鲁棒性与可扩展性。经测试本文的系统稳定性较好、具有可维护性与可扩展性,可以达到使用标准。
基于课程画像的在线教育课程推荐方法研究
这是一篇关于课程画像,特征工程,课程推荐,在线课程,智慧教育的论文, 主要内容为近年来智慧教育获得快速发展,使得学习者可以获得丰富的学习资源以及自由的学习时间,也使平台积累了海量的在线教学和学习数据,这些数据进一步被用于优化教学质量,从而受到广泛的关注。然而,当前在线教育平台仍然存在以下问题:(1)在线课程质量良莠不齐,评价标准亟需规范;(2)同类型课程数量众多,使得学习者难以区分不同课程之间的优劣,无法真正为学习者推荐个性化的课程资源。因此,在线教育亟需规范在线课程评价标准确保课程质量,其次,需要从利于学习者的角度,提高不同课程之间的区分度以及推荐个性化学习课程。因此,有必要对在线课程评价方法进行优化和创新。为实现这一目标,本文提出了一套课程画像指标体系,即一种新的针对课程内容的在线课程评价指标体系,该指标体系包含4个一级指标和14个二级指标,其中有5个指标是课程的隐式特征。本文首先利用三个算法进行指标特征的抽取:使用改进的Fast Text算法对课程介绍文本进行分类,抽取了与课程难度相关的三个特征;使用SVM算法对课程评价进行情感分析,抽取了与课程好评度相关的特征;使用Jaccard相似度对同类课程进行细粒度聚类,计算出了每门课程的知识点覆盖度。进一步地,本文结合AHP层次分析法和熵权法确定了课程画像各级指标的权重,最后,通过使用一种能够反映课程画像突出指标的线性加权模型计算出了课程画像的各指标值,实现了课程画像的构建。综合而言,在课程资源推荐方面,本文基于当前在线教育的场景分析了现有教育资源推荐方法的优缺点,将课程画像和学习者画像进行结合,提出了融合学习者特征和课程特征的基于深度置信网络的课程资源推荐方法。通过使用在线教育平台的真实数据集对实验构想进行了验证,结果表明:课程画像的定义、课程特征的抽取、课程画像指标值的计算方法具有良好的合理性;相对于传统推荐算法,本文提出的融合学习者特征和课程特征的推荐模型在性能上获得了显著的提升。本文提出的研究方法被成功用于构建课程画像及推荐系统并获得初步应用,这对于规范在线课程质量,提高个性化在线教学,提供了有力的参考。
基于蓝牙通信的学生考勤系统的设计与实现
这是一篇关于智慧教育,蓝牙考勤,消息推送的论文, 主要内容为2013年被称为“中国智慧教育元年”。各类智慧教育产品广泛应用于教育教学、教育科研和教育管理等方面,促进了现代教育的发展。学生考勤作为教育管理的一个子模块,同时也是校风建设中的一项重要工作。建立完善的考勤制度,对于促进学生上学积极性,保证教学秩序,提高人才培养质量具有重要的作用。教师点名、校领导视察等传统的考勤方式不仅效率低下,而且耗费了大量的时间和人力成本,亟需现代信息技术对其进行变革。针对智慧校园管理的需求,采用德州仪器开发的CC2460蓝牙微控制器实现了一款学生考勤系统,根据iBeacon RSSI与距离呈正相关的特点,设计了一个单双阀值考勤状态判定方案。学生通过考勤卡发送广播,中转服务器再将考勤信息转发给后台服务器,后台服务器一方面执行考勤信息的持久化工作,另一方面将考勤信息发送给消息推送组件,最终由消息推送组件将考勤信息推送给学生家长。论文首先对智慧教育理念与应用研究进行了介绍,然后对当前主要的考勤方式进行了对比分析,针对蓝牙低功耗,短距离通信、成本低等优势,最终选择蓝牙作为学生考勤的实现方式。后台服务器端采用Spring5架构,提供考勤信息的批量处理功能;采用JAVA NIO实现了一款简易的消息推送组件。PC浏览器端页面采用Bootstrap架构进行页面布局,通过AJAX与后台交互以实现局部刷新效果。数据库采用双机热备机制,有效避免了单点故障。经测试,该学生考勤系统能够明显提高考勤效率,后台业务处理功能完备,消息推送实时性强。
基于云的智慧教育平台设计与实现
这是一篇关于智慧教育,云服务,SOA的论文, 主要内容为随着信息技术发展步入云时代,当前我国的教育信息化建设存在很多隐患:学校、教育机构等教育单位的教育信息系统通常都是小型的,独立的,异构的系统,难以应付大量用户的高并发访问与数据量的井喷式增长,更严重的是,各种信息资源相对分散,形成信息孤岛,不利于教育资源的分配与共享,此外,环境各异、扩展困难也加重了运营与维护的负担。本研究针对教育领域,运用云服务工程的理论方法与SOA设计模式,设计和实现了一种基于云计算的,大规模的,可灵活配置、扩展的智慧教育平台,其特征是高效稳定,海量数据共享,学习者、教育者、教育管理者、服务资源等多方协同。基于云的智慧教育平台部署在高可用性的,负载均衡的服务器集群环境下,通过Hadoop管理的大规模计算与存储集群作为数据存储中心,在业务分层、数据格式、接口规范等统一封装的服务中间件基础上,构建了教育存储服务、远程课程服务、教务管理服务、教育门户服务等基础教育服务,为扩展丰富多样的教育资源、教育教学、教育管理、教育评价等教育服务应用提供支持,所有的服务都交付教育云服务中心中进行统一的访问与管理。平台结合需求分析模型与设计方案,通过Java Spring MVC框架开发实现,在实验室环境下进行了部署与测试,从理论与实践两方面证明了其研究价值与现实意义。基于云的智慧教育平台为云时代下的教育信息化建设提供参考,依据本研究的分析与设计方法,运用现有的云开发技术,可以构建多方协同,资源共享的智慧教育数字化生态环境,灵活地部署各种教育云应用,实现海量教育云资源的集中管理,使多方用户能够透明地获取所需的教育云服务,解决教育资源分配不均和共享困难的实际问题。
基于多源异构数据的计算机学科知识图谱构建
这是一篇关于智慧教育,学科知识图谱,知识图谱构建,本体,知识融合的论文, 主要内容为教育信息化与教育智能化是教育未来的趋势。教育知识图谱的构建是实现教育信息化的重要工具和手段。手工构建知识图谱将耗费大量的人力和时间。而自动构建的知识图谱往往质量较低。以往的半自动化构建方法也是针对学科领域的知识图谱构建。由于学科领域广,概念多,建设成本高。因此,本文从课程出发,自底向上构建学科知识图谱,提出了一套从数据采集到学科知识融合的方法,并设计开发了一个实现知识共享和支撑老师教学与答疑的系统。最后通过实验评价证明,本文提出的方法构建的计算机学科知识图谱在构建效率、准确性和专业性方面表现良好。本文的研究工作主要有以下几点:(1)本文针对计算机学科特点,提出了一种结合多种技术的计算机学科知识图谱构建方法。其中分为三个部分:数据获取、计算机学科知识图谱构建、知识融合。首先,设计爬虫框架从复杂多样的网络中获取和计算机学科相关的数据,结合不同数据源的特点,设计数据清洗方法,利用结构化数据监督构建计算机学科本体初步框架。为了丰富学科知识图谱,从“思知知识图谱”中抽取计算机学科概念的属性信息,以及为了降低从非结构化数据中获取到学科概念的描述信息所要付出的人力成本,提出一种基于模板的标注策略TB-KPALS,结合主动学习标注数据,实验证明该方法能够有效降低人工标注。(2)其中,本文提出的知识融合方法,分为数据预处理、知识点创建约束、科目下知识点自动融合,首先对来自慕课网站的数据进行相应的处理,使其没有重复值出现,然后在知识点导入数据库时,设计约束算法KPCA,系统将自动判重,并将知识点插入到正确的路径下,最后针对具有语义重复的知识点,本文提出了科目下自动融合的算法SFAJED,该算法使用改进后的Jaccard结合编辑距离计算知识点之间相似度,系统判定到相似节点时将自动进行节点之间关系的转移,重新建立科目下的知识网络。(3)本文设计并开发了知识共享平台,接入上海市高等学校计算机基础教学资源平台,并与水杉百科答疑系统打通。老师可以方便快捷的在系统中创建课程大纲并将其应用在水杉百科答疑系统中,以支撑老师的教学与答疑活动,该系统更是为未来更高层的应用提供了数据支撑和技术支撑。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码海岸 ，原文地址：https://m.bishedaima.com/lunwen/47691.html
