學(xué)習指導的設計與實(shí)現

第25卷第10期計算機仿真2008 年10月文章編號:1006 - 9348(2008)10-0275 -05學(xué)習指導的設計與實(shí)現陳清華,丁鵬,金晶(_上海交通大學(xué)計算科學(xué)與工程系,上海200240)摘要:針對遠程教育平臺中,因缺乏有效的學(xué)習控制、個(gè)性化的引導、調節等而導致平均學(xué)習效率低下的問(wèn)題,提出了一種基于知識點(diǎn)架構的個(gè)性化課程導學(xué)模型。該模型根據課程中知識點(diǎn)的本體結構、資源檔案以及學(xué)習者的檔案和學(xué)習行為等，通過(guò)知識點(diǎn)本體結構與圖的轉換、路徑權值更新、路松搜索內容篩選、本體更新等步驟,實(shí)時(shí)地定制出適合于學(xué)習者個(gè)體的學(xué)習內容。在實(shí)驗中,方法應用于上海交通大學(xué)網(wǎng)絡(luò )教育學(xué)院的《數據結構》課程。經(jīng)分析與研究說(shuō)明,算法不僅能夠幫助學(xué)習者完成課程的學(xué)習,并能有效地控制引導學(xué)習者對資源的訪(fǎng)向和課程的學(xué)習,達到了提高學(xué)習者學(xué)習質(zhì)量和學(xué)習興趣的月的;同時(shí),該方法也能夠發(fā)現課程初始本體結構中不合理的關(guān)系。關(guān)鍵詞:遠程教育;個(gè)性化服務(wù);課程編例;學(xué)習控制;學(xué)習路徑;本體中圈分類(lèi)號:TP391.7文獻標識碼:ADesign and Implementation of Learning GuidanceCHEN Qing - hua , DING Peng,JIN Jing(Depl. of Computer Sci, and Eng. ，Shanghai Jjiaotong Univ. , Shanghai 200240, China)ABSTRACT: 'This paper describes a novel methodology to generate personalized learning guidance content for e-learners according to course ontology and their profiles. Through ontology - graph transformnation, weight updating al-gorithm, content customization and ontology update, the methodology implements an automatic - adapted relationshipwith gradually enhanced leaning control. After a period of learning, the ontology can be updated to achieve a moreaccurate personalization. The proposed methodology is applied to the implementation of a web based leaming systembased upon the course‘Data Structure' . Experimental results show that the model can not only help the e - learmersfinish their course , but also can achieve the purpose of increasing learming eficiency and quality through the way ofcotrlling their access to leaning resources and giving them efective guidance.KEYWORDS: E - learning; Personalized service; Course 8equencing; Lerming control; Learming path; Ontology問(wèn)題。1引盲根據對上海交通大學(xué)網(wǎng)絡(luò )教育學(xué)院的專(zhuān)項調查顯示,具隨著(zhù)計算機、多媒體技術(shù)的飛速發(fā)展和廣泛應用,遠程有相似學(xué)習興趣的學(xué)員趨向于需求相同的學(xué)習資源,并對它教育(E - Learning)突破了傳統教學(xué)方式的物理限制,為更多們有類(lèi)似的評 分;而具有相近學(xué)習順序的學(xué)員在同等成績(jì)的人提供了豐富的學(xué)習資源和方便、靈活的教學(xué)環(huán)境。然下,花費的時(shí)間 相近。學(xué)習材料的選擇學(xué)習順序的制定影而,在享受遠程教育帶來(lái)的優(yōu)勢的同時(shí),也伴隨著(zhù)新的需求響學(xué)習質(zhì)量,如果學(xué)員能夠對內容的學(xué)習有一個(gè)合理的組織和問(wèn)題。目前，很多遠程教育機構都只注重資源的宣傳,缺和安排,可大大提高 學(xué)員的學(xué)習效率。在相關(guān)研究中, Py-乏學(xué)習控制"和個(gè)性化的學(xué)習指導。面對學(xué)生數目龐大、學(xué)thagoras 等[23提出了一-種基于本體( Ontology)的課程編例['3生之間水平參差不齊學(xué)生缺乏教師直接指導的遠程教育環(huán)通用體系,該方法通過(guò)將學(xué)習者檔案作為參數對學(xué)習對象進(jìn)境，如何利用學(xué)習者在網(wǎng)絡(luò )課堂中的學(xué)習活動(dòng)記錄、測試記行過(guò)濾產(chǎn)生虛擬學(xué)習對象池,最后根據領(lǐng)域Ontology和教學(xué)錄及學(xué)習者的留言等反饋信息指導學(xué)習者并進(jìn)行有效的學(xué)計劃從她中洗取對爭并產(chǎn)生個(gè)姓化理程;Roberto等[4]提出習控制"、引導和調節成了遠程課程教學(xué)方式中亟待解決的中國煤化工成方法,將課程架構成三層|YHC N M H G文檔) ,先將Ontology基金項目:國家自然科學(xué)基金項目(60372078)轉換成權重圖,并從圖中搜索達到特定目標的學(xué)習路徑。收稿日期:2007 -09-17修回日期:2007 -10-03Shen Ip等0則提出了一-種基于Ontology的智能化學(xué)習內容-275-推薦算法。上述方法以Onlology()]) 為基礎,通過(guò)知識挖掘、發(fā)現潛在RoquiresRequiresLeaming的關(guān)系的過(guò)程以達到適應性學(xué)習的目的。然而,上述方法尚Is-forResources處在理論階段,缺乏有效的實(shí)驗數據來(lái)證實(shí)其可用性。另外/CompoundAlE-方面,雖然它們都考慮了適應性學(xué)習,但是方法的輸人都Knowledge ftIs part of -Points是片面的,并未考慮在多變、動(dòng)態(tài)的學(xué)習環(huán)境中,各種因素對1s-forExer學(xué)習者形成的影響和變化。如:上述方法都缺乏對學(xué)習者在Is part of學(xué)習中的變化(學(xué)習行為)進(jìn)行實(shí)時(shí)分析。本文針對上述問(wèn)題和需求,采用本體,結合知識狀態(tài)空圖2課程中的主要構件及構件間的關(guān)系間9]、機器學(xué)習的概念,在文獻[2]、[4]以及相關(guān)遠程教育技術(shù)標準( CELTS)的基礎上,提出了一種實(shí)時(shí)、動(dòng)態(tài)引導的相對于掌握d的貢獻程度;同時(shí)μ又表示，任何p中存在隱式( implicit)預備知識關(guān)系R ,且任何習路徑以達到學(xué)習控制、引導的目的，并通過(guò)路徑上的內容p中存在m。且,以上二元關(guān)系都滿(mǎn)足傳過(guò)濾篩選完成學(xué)習內容的智能化生成。篩選器的核心思想遞性。是:最初根據知識點(diǎn)的基本結構建立全局可行路徑;而后在2.2 元知識點(diǎn)及其關(guān)系學(xué)習者學(xué)習的過(guò)程中實(shí)時(shí)地反饋信息動(dòng)態(tài)更新路徑權值,并元知識點(diǎn)是知識點(diǎn)劃分的“原子”單位,這些知識點(diǎn)間不依據權值產(chǎn)生學(xué)習路徑,最后,在選定路徑的基礎上依據學(xué)存在復合知識點(diǎn)中類(lèi)似的包含關(guān)系。元知識點(diǎn)間的關(guān)系相習者的檔案過(guò)濾、選擇學(xué)習內容來(lái)產(chǎn)生個(gè)性化課件。課程結對比較清晰簡(jiǎn)單,主要是預備知識關(guān)系及隱式預備知識關(guān)束后,依據全局路徑圖,動(dòng)態(tài)更新初始Ontology結構中的系(此點(diǎn)同復合知識點(diǎn))。它的主要作用是為學(xué)習對象組織關(guān)系。結構,并為其所隸屬的復合知識點(diǎn)建立不同的知識實(shí)體構成,亦即學(xué)習材料。2.3其它概念及連接復合知識點(diǎn)與元知識點(diǎn)間只存在- -種包含關(guān)系。且與_任意元知識點(diǎn)A有包含關(guān)系p的復合知識點(diǎn)C必Coune onologie須滿(mǎn)足:不存在復合知識點(diǎn)X有p或者p。0-學(xué)習對象( Learming Objecte)作為學(xué)習者直接接觸并發(fā)Secector揮實(shí)效的元素,主要有學(xué)習資源和練習題(含測試題)。為將學(xué)習對象達到很好的復用率,必須要有很好的組織結構。文圈1產(chǎn)生導學(xué)內容的框架中將其與元知識點(diǎn)相掛鉤,建立導引,形成- -種 比較清晰、直接的層次關(guān)系。定義元知識點(diǎn)與其相持鉤的學(xué)習對象構成2基于知識點(diǎn) 的課程架構了一種“支持”的偏序關(guān)系(Is- For)。若知識點(diǎn)k與學(xué)習對本文依據領(lǐng)域專(zhuān)家對課程內容的劃分方案將課程中的象1存在支持r,則表示1為k服務(wù)、提供支持。知識以知識點(diǎn)( knowledge point)為單位劃分成不同的單元。在該種結構下,學(xué)習對象作為一個(gè)個(gè)體,與其它學(xué)習對根據劃分粒度粗細和學(xué)習過(guò)程中的作用不同,把知識點(diǎn)分為象相互獨立。新增的任何學(xué)習對象變得非常簡(jiǎn)單,只需與元復合知識點(diǎn)( compound knowledge points) 和元知識點(diǎn)( atomic知識點(diǎn)之間建立支持關(guān)系即可,而無(wú)須與其它學(xué)習對象產(chǎn)生knowledge points)兩種?；谖墨I[ 6]的框架,將課程中的主任何聯(lián)系。要構件及其關(guān)系形成的本體結構如圖2所示。下面,將對圖領(lǐng)域Ontology描述的是特定領(lǐng)域中的概念及概念之間中的主要概念及概念間關(guān)系進(jìn)行詳解。的關(guān)系。借助Ontology分析可獲取領(lǐng)域的本質(zhì)概念結構,并2.1復合知識點(diǎn)及其關(guān)系為知識庫的建立提供- -個(gè)基本的結構,形成領(lǐng)域知識表示系復合知識點(diǎn)的主要作用是導航、并為課程建立索引。預統的核心。同時(shí),可以根據特定領(lǐng)域的具體情況定義相應的先定義的關(guān)系主要是兩對相互對應的偏序關(guān)系:包含關(guān)系關(guān)系,以滿(mǎn)足不同應用的需要。不難看出,如何建立-一個(gè)合(Is-Part-Of和Has-Par)和預備知識關(guān)系(Requires和ls理、適用的Ontology結構是在文中顯得非常關(guān)鍵。目前,此- Required -By)。其中,包含關(guān)系p表示,a是b的類(lèi)結析中國煤化工著(zhù)Onoley知識挖掘手段三在自動(dòng)建立知識庫方一部分,而a與b之間的關(guān)系權值則表示a和b之間的隸屬面將MHCNM H G所示的就是<數據結度。預備知識關(guān)系n表示，在學(xué)習知識點(diǎn)c之前,必構》課程的部分知識點(diǎn)的典型Ontology整體結構實(shí)例。須先掌握有關(guān)d的知識,而c與d之間的關(guān)系權值則表示c一276一DataI 1. i paurt of-has partIs-for●p%《中b)(Amplani.2 pplicen...O●量(0)(d復合知風(fēng)點(diǎn)元知訊點(diǎn)學(xué)習雞串圈4原始結構與其對應的原始路徑圈原始路徑圖的建立依據以下原則:圈3 <敷榍結構》課程的部分架構1)保留預備知識關(guān)系與隱式關(guān)系,去掉包含關(guān)系箭頭所3.學(xué)習對象的設計與制作指向的所有結點(diǎn)。例如,圖4(a)所示的原始Ontology結構將為適應基于知識點(diǎn)的學(xué)習路徑的挖掘和達到較高的資得到圖4(b)中的中間結果。源復用率,如上所述,以元知識點(diǎn)作為知識內容的最終劃分2)將預備知識關(guān)系轉向,并以分支為單位建立“知識單位,并對學(xué)習對象的制作做了如下兩個(gè)限制:-是規定學(xué)圈"。如圖4(c)的中間結果中的集合{C, C|就是一一個(gè)知識習對象元數據中的內容本身屬于且僅屬于某-一個(gè)知識點(diǎn),且圈。顯然每個(gè)知識圈至少有一個(gè)入口和-個(gè)出口,且出口與這個(gè)知識點(diǎn)必須是知識庫中的元知識點(diǎn)。那么,每個(gè)學(xué)習對人口可以同一個(gè)結點(diǎn)。其中入口是指知識圈內不存在以該象都必將掛靠在某個(gè)知識點(diǎn)上,而對學(xué)習者的學(xué)習控制、指結點(diǎn)為箭尾的結點(diǎn),而出口是指不存在以該結點(diǎn)為箭頭的導就可以以知識點(diǎn)為單位進(jìn)行;二是規定每個(gè)學(xué)習對象所含結點(diǎn)。的學(xué)習內容所需耗費的平均時(shí)間跨度不能太長(cháng),最好不超過(guò)3)生成知識圈間的邊集,而這些邊集中包含所有這樣的15分鐘。邊:箭頭是一知識圈的出口,而箭尾是另一知識圈的入口。此外,對學(xué)習對象模型的其它設置主要依據的是CELTS如邊集<{F}, {H,I, E}>表示{, 1.最(Chinese E - Leamning Technologies Standardization)中學(xué)習對后生成的原始路徑圖如圖4(d)所示。象元數據的信息模型規范。特別需要提到的是,為了實(shí)時(shí)獲第2步:路徑權值的初始化得學(xué)習者對知識的掌握情況，每個(gè)學(xué)習對象必不可少地將與If A require H implcity requree B, then weight(B- +A)特定的試題相關(guān)聯(lián),以得到學(xué)習者對該對象的掌握程度。= to,由于每個(gè)知識點(diǎn)下的學(xué)習對象可能不止一個(gè),每個(gè)學(xué)習Else weight(A→B) = 0者篩選或者推薦得到的學(xué)習資源( Learmning Resources,LR)各其中A、B屬于不同的知識圈,5。取決于箭頭結點(diǎn)離知識不相同,因此設定得到的LR都對應了相應的預期得分( Ex-圈出口的距離,距離越遠,值越大。通過(guò)權值初始化,算法優(yōu)pected Score)。如果LR是推薦得到,則預期得分為推薦者指先選擇人口處的結點(diǎn),以滿(mǎn)足預定義的“預備知識”關(guān)系的定的推薦評分,如果是學(xué)習者自主選擇的學(xué)習資源，則預期需求。得分為學(xué)習者當前所有知識點(diǎn)的加權平均得分。第3步:全局路徑的權值更新方法(學(xué)習算法)假設當前全局路徑圖(有向加權圖)為:D = (V,A),其4學(xué)習對象的設計 與制作中V是結點(diǎn)集,A是有向邊集,某個(gè)學(xué)習者當前的學(xué)習軌跡4.1學(xué)習路徑的生成圖(有向無(wú)權圖)D' = (V', A'),易知:V'CV。當學(xué)習者個(gè)體學(xué)習路徑的搜尋主要依據復合知識點(diǎn)的Ontology選擇學(xué)習知識點(diǎn)B,其預期得分為ExpectedScore，實(shí)際得分為結構、學(xué)習者實(shí)時(shí)的學(xué)習數據,應用機器學(xué)習的一般方法得Score,則將全局路徑中相關(guān)的與B之間的路徑權值進(jìn)行更到。通過(guò)創(chuàng )建原始路徑圖、路徑權值的初始化、權值的不斷新,更新值Oweight和權值進(jìn)行如下設置。同時(shí),取得V'中更新路徑推薦和結構更新來(lái)達到引導學(xué)習的目的。整個(gè)過(guò)最近加人的結點(diǎn)X,將結點(diǎn)B與邊加入到A'中用程中,系統維護兩種圖,-是全局路徑圖,二是學(xué)習者的個(gè)體以更新個(gè)休軌冰圖學(xué)習軌跡圖。全局路徑圖維護的是整體路徑的狀態(tài)。而個(gè)中國煤化工一般學(xué)習法則,定義體軌跡記錄的是學(xué)習者的歷史學(xué)習軌跡和評估。下面對該閾值|YHCNMHG果學(xué)員的此次的相應搜尋算法(如何生成下一個(gè)學(xué)習結點(diǎn))進(jìn)行詳細描述。高位或低位偏離,則說(shuō)明此條路徑非?！斑m用”或者“不適第1步:從Ontology轉化生成原始路徑圖用”。一277一Score - ExpectedScore >0重要度來(lái)確定學(xué)習對象的比重等。={ 0 Score - ExpectedScore =0l-1 Score - ExpectedScore <05導學(xué)模型的實(shí)現及分析若8> 0,稱(chēng)此次推薦得到了正響應;若a= 0,則為零響將該導學(xué)模型模擬于上海交通大學(xué)網(wǎng)絡(luò )教育學(xué)院的《數應;否則為負響應。據結構》課程的“樹(shù)與二叉樹(shù)”章節,實(shí)現的學(xué)生客戶(hù)端如圖此外,如果0> 0, 更大的差異引起權值上更大的上升,6所示。左邊的面板是根據“父子”關(guān)系建立的知識結構，用而8< 0時(shí),更大的差異引起更大的權值下降。因此,定義O戶(hù)可以從中選擇- -個(gè)目標知識點(diǎn),得到推薦路徑;右邊面板以強調此影響。提供的實(shí)時(shí)引導可以幫助學(xué)習者循序漸進(jìn)地學(xué)習或者復習;如果為正響應,令:右下角是相應的目標知識點(diǎn)相關(guān)的資源，包括當前用戶(hù)的歷0= IScore = ExpectedScorel X AverageTime史學(xué)習資源和推薦的學(xué)習資源等。LearningTime如果為零響應,令: O=0如果為負響應,令:廣97△= .IScore = ExpectedScorel x LeamingTimeAverageTime,"其中AverageTime和LeaningTime分別表示學(xué)習B知識r點(diǎn)下的課件所需要耗費的平均時(shí)間和實(shí)際用時(shí)。更新過(guò)程包含以上兩個(gè)因素,此外,需要一個(gè)參數η作為學(xué)習速率調整新過(guò)程,它與X和B的學(xué)習起始時(shí)間間隔成反比。因此,對所有的結點(diǎn)XεV',且有向邊(X-→B)∈A的全局路徑中的邊權值設置為:weight(X-→+B) = weight(X→B) +0xηxO。第4步:為學(xué)習者推薦學(xué)習路徑團5客戶(hù)端示意圈及下一 一個(gè)學(xué)習的知識點(diǎn):二叉樹(shù)遍歷過(guò)程作為學(xué)習者的下一個(gè)學(xué)習目標的知識點(diǎn)集Y(候選池)中的元素y,必須滿(mǎn)足如式(1):50.9.Max| 2 weight(x,y), weight(y,x)1∈A}(1)其中,Vi= {h| k∈V", and k. Score≥k. ExpectedScore}當Y中的元素不止一一個(gè)時(shí),從中隨機抽取一-個(gè) y滿(mǎn)足:C時(shí)刻學(xué)習路徑A的學(xué)習軌跡T+1時(shí)刻學(xué)習路徑Vx∈φ(y),! 3 ,其中φ(y)表示y所屬的知識圈。圈6學(xué)習路徑的學(xué)習過(guò)程并將y作為下一個(gè)學(xué)習的目標。如果Y為空,則課程結束。第5步:更新原始Ontology結構實(shí)驗中,將2007 年上半年報名《數據結構>課程的201在課程的最后,增加了關(guān)系更新規則,以刪除沒(méi)有必要名學(xué)員中隨機抽取的半數學(xué)員對“樹(shù)與二叉樹(shù)”的學(xué)習行為的預備知識關(guān)系和增加有效的關(guān)系:進(jìn)行引導和控制,幫助學(xué)習者完成“樹(shù)與二叉樹(shù)”的學(xué)習。與IfA requires I implicily require B and weight (B- →A)往年沒(méi)有導學(xué)模塊的傳統平臺相比學(xué)習者在該章節上花費<= to, then delete ( )的平均時(shí)間有明顯的減少,約減少20%,而平均測驗成績(jì)則If A not requires II not implicidly requirse B and weight (B提高了8.4%。學(xué)習者在各個(gè)知識點(diǎn)上花費時(shí)間的比較如圖→A) >= nro, then add( )7(a)所示,各個(gè)知識點(diǎn)的測驗成績(jì)比較如圖7(b)所示。n取決于知識圈內的平均權值。從圖中可以看出,隨著(zhù)學(xué)習的深人,采用具有導學(xué)模塊4.2學(xué)習內容的生成根據選定的復合知識點(diǎn)下的元知識點(diǎn)結構學(xué)習者的當的平臺進(jìn)行學(xué)習的學(xué)生在知識點(diǎn)上花費的時(shí)間明顯少于使前數據和檔案從學(xué)習對象庫中篩選生成實(shí)時(shí)的學(xué)習內容。用傳統平臺學(xué)習的學(xué)習者他們的測試成績(jì)也能夠在不同難學(xué)習對象的選撣主要采用基于既定規則的決策樹(shù)來(lái)取舍。易的知識點(diǎn)之間保持相對的穩定。因此,導學(xué)模塊提高了學(xué)習者中國煤化工文中根據學(xué)習者的水平來(lái)確定的難度值、學(xué)習者喜好來(lái)確定學(xué)習對象的屬性,如語(yǔ)言、星現形式等。同時(shí),依據靜態(tài)元知IYHCNMHG-組不合理的預備知識點(diǎn)Ontology結構確定學(xué)習對象的組織順序，依據知識點(diǎn)的識關(guān)系和翻陳一些壩光定義的頂畬燦識關(guān)系,通過(guò)跟蹤網(wǎng)絡(luò )的學(xué)習過(guò)程和權值的不斷變化,該方法確實(shí)能夠發(fā)現大部分時(shí).真實(shí)的數據來(lái)更新全局路徑及原始Ontology的策略來(lái)提個(gè)高導學(xué)的效率。實(shí)驗證明該方法能夠很好地解決學(xué)習者在遠程教育環(huán)境中學(xué)習者缺乏導引、個(gè)性化等問(wèn)題,同時(shí)提高了學(xué)習者的學(xué)習積極性和學(xué)習質(zhì)量。在接下來(lái)的研究中,將從該模型在上海交通大學(xué)<數據結構>、《計算機應用基礎>課程的試驗過(guò)程中,以不斷改進(jìn)、完善該導學(xué)模型算法及系統功能。(知識點(diǎn))(知諷點(diǎn))參考文獻:圈7新舊平 臺的比較[1]鄒建梅， 劉成新.網(wǎng)絡(luò )課程的交互設計與控制策略[J].中國電化教育, 2003, 202; 61. .的不合理關(guān)系和小部分的合理關(guān)系。如圖5所示的是某學(xué)[2Pythagoras Karampiperis, Demetrois Sampson. Adaptive Instuc-習者A學(xué)習完知識點(diǎn)E后全局學(xué)習路徑的變化情況。此時(shí)，tional Planning using Ontologies[C]. In Proceedings of the IEEEA在E的得分Score = 3.12,預期得分ExpectedScore =IntemnationalConference orAdvancedLeaming3.46。由于Score > ExpectedScore ，那么此次A的學(xué)習過(guò)程Technologies, 2004.將得到負響應, Oweight <0。與E為箭尾的邊、<[3] P Brusilovskly and J Vassileva. Coure sequencing techniques forharge - sceale webbased education [ C]. Intemational Joumal of1, E>的權值將得到更新,權值將變小。倘若- -直得到負響Continuing Engineering Education and Lifelong Leaming, 2003,應,權值將不斷減小，直到不再進(jìn)入候選池而i被選中為止。13(1/2);75 -94.相反地,如果結點(diǎn)得到的是正響應,權值將不斷增加,成為優(yōu)4] Roberto Prone, et al. Leamning Path Ceneration by Domnain Ontol-先的相關(guān)候選對象。那么,在課程最后,這些高權值與低權ogy Transformation [ C ]. Lecture Notes In Computer值的關(guān)系將得到更新,具體結果記錄如表1。.Science, 2005.表1實(shí)驗數據-關(guān)系發(fā)現5] 申瑞民,等.基于概念圖的教學(xué)內容智能調整模型及算法實(shí)現結點(diǎn)數預備知識不合理 遺失的合 刪除的不 增加的合[J].上海交通大學(xué)學(xué)報，2002, 36(5) :698.關(guān)系對關(guān)系對 理關(guān)系對 合理關(guān)系對理關(guān)系對[6] Shen Ip, Shen m. Ontology - based Ieligent Leaming Contentecommendation Serice[J]. Intermational Joumnal of Continuing12111(78%) 2(40%)Engineering Education and Life - Long Learning, 2005, 15(3 -最后,據用戶(hù)體驗調查顯示,本文的方法在實(shí)驗的應用6): 308 -317.中得到了75. 3%試驗用戶(hù)的好評,20. 2%的一般評論,取得[7] 鄧志鴻,等. Ontology研究綜述[J].北京大學(xué)學(xué)報, 2002, 38了很好的試驗效果。同時(shí),將這種架構和導學(xué)模塊應用到了(5): 730.《計算機應用基礎>這門(mén)課程去進(jìn)一步驗證該導學(xué)方法的[8] 高尚, 常桂然,趙宏超文本學(xué)習狀態(tài)空間模型與學(xué)習控制效用。[J].計算機研究與發(fā)展，999 36(12): 1437.[9] 鄧靜，林筑英基于演化算法的學(xué)習路線(xiàn)生成與優(yōu)化[J].貴6總結州師范大學(xué)學(xué)報(自然科學(xué)版).2004, 22(2): 106.目前,Ontology主要應用于信息檢索、信息集成、知識獲[10]Vincenza Carchiolo, Alesandro Longheu, Michele Malgeri.Cournes Personalization in an E - leamning environment[C]. In取等方面。作為-一個(gè)較新的概念,在遠程教育中,基于Ontol-Proceding of the The 3rd IEEE International Conference onogy的數據挖掘也仍有很大的應用前景。本文以Ontology結Advanced Learming Technologies, 2003.構為基礎提出的個(gè)性化導學(xué)方法,為學(xué)習者在學(xué)習中缺乏個(gè)性化導引個(gè)性化學(xué)習內容的問(wèn)題提供了一種解決方案。在[作者簡(jiǎn)介]教學(xué)中,學(xué)習內容的組織和安排很大程度上決定了學(xué)習者的陳清華(1983.4-),女(漢族) ,浙江人,碩士研究學(xué)習效率。文中通過(guò)權值的不斷更新來(lái)形成一條較優(yōu)的“葉生,主要研究方向為數據挖掘、人工智能。子”知識點(diǎn)遍歷路徑,同時(shí)通過(guò)學(xué)習者檔案篩選學(xué)習對象并丁鵬(1972.7-),男(漢族) ,江蘇人,講師，主要以元知識點(diǎn)的結構確定學(xué)習對象呈現順序來(lái)制作實(shí)時(shí)課件。研究方向為數據挖掘。該方法,相比于文獻[9]提出的基于演化算法的路徑更新方金晶(1983.12-),女(漢族) ,安徽人,碩士研究法,考慮到了不同知識點(diǎn)間的潛在關(guān)系,避免學(xué)生”走彎路”;中國煤化工相比于文獻[ 10]等提出的學(xué)習內容智能化產(chǎn)生方法,采用實(shí)HCNMHG-279一