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(xí)指導(dǎo)的設(shè)計與實現(xiàn)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(xí)控制、個性化的引導(dǎo)、調(diào)節(jié)等而導(dǎo)致平均學(xué)習(xí)效率低下的問題,提出了一種基于知識點架構(gòu)的個性化課程導(dǎo)學(xué)模型。該模型根據(jù)課程中知識點的本體結(jié)構(gòu)、資源檔案以及學(xué)習(xí)者的檔案和學(xué)習(xí)行為等，通過知識點本體結(jié)構(gòu)與圖的轉(zhuǎn)換、路徑權(quán)值更新、路松搜索內(nèi)容篩選、本體更新等步驟,實時地定制出適合于學(xué)習(xí)者個體的學(xué)習(xí)內(nèi)容。在實驗中,方法應(yīng)用于上海交通大學(xué)網(wǎng)絡(luò)教育學(xué)院的《數(shù)據(jù)結(jié)構(gòu)》課程。經(jīng)分析與研究說明,算法不僅能夠幫助學(xué)習(xí)者完成課程的學(xué)習(xí),并能有效地控制引導(dǎo)學(xué)習(xí)者對資源的訪向和課程的學(xué)習(xí),達到了提高學(xué)習(xí)者學(xué)習(xí)質(zhì)量和學(xué)習(xí)興趣的月的;同時,該方法也能夠發(fā)現(xiàn)課程初始本體結(jié)構(gòu)中不合理的關(guān)系。關(guān)鍵詞:遠程教育;個性化服務(wù);課程編例;學(xué)習(xí)控制;學(xué)習(xí)路徑;本體中圈分類號:TP391.7文獻標(biāo)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問題。1引盲根據(jù)對上海交通大學(xué)網(wǎng)絡(luò)教育學(xué)院的專項調(diào)查顯示,具隨著計算機、多媒體技術(shù)的飛速發(fā)展和廣泛應(yīng)用,遠程有相似學(xué)習(xí)興趣的學(xué)員趨向于需求相同的學(xué)習(xí)資源,并對它教育(E - Learning)突破了傳統(tǒng)教學(xué)方式的物理限制,為更多們有類似的評 分;而具有相近學(xué)習(xí)順序的學(xué)員在同等成績的人提供了豐富的學(xué)習(xí)資源和方便、靈活的教學(xué)環(huán)境。然下,花費的時間 相近。學(xué)習(xí)材料的選擇學(xué)習(xí)順序的制定影而,在享受遠程教育帶來的優(yōu)勢的同時,也伴隨著新的需求響學(xué)習(xí)質(zhì)量,如果學(xué)員能夠?qū)?nèi)容的學(xué)習(xí)有一個合理的組織和問題。目前，很多遠程教育機構(gòu)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(xí)效率。在相關(guān)研究中, Py-乏學(xué)習(xí)控制"和個性化的學(xué)習(xí)指導(dǎo)。面對學(xué)生數(shù)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(dǎo)的遠程教育環(huán)通用體系,該方法通過將學(xué)習(xí)者檔案作為參數(shù)對學(xué)習(xí)對象進境，如何利用學(xué)習(xí)者在網(wǎng)絡(luò)課堂中的學(xué)習(xí)活動記錄、測試記行過濾產(chǎn)生虛擬學(xué)習(xí)對象池,最后根據(jù)領(lǐng)域Ontology和教學(xué)錄及學(xué)習(xí)者的留言等反饋信息指導(dǎo)學(xué)習(xí)者并進行有效的學(xué)計劃從她中洗取對爭并產(chǎn)生個姓化理程;Roberto等[4]提出習(xí)控制"、引導(dǎo)和調(diào)節(jié)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(gòu)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(zhuǎn)換成權(quán)重圖,并從圖中搜索達到特定目標(biāo)的學(xué)習(xí)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(xí)內(nèi)容-275-推薦算法。上述方法以O(shè)nlology()]) 為基礎(chǔ),通過知識挖掘、發(fā)現(xiàn)潛在RoquiresRequiresLeaming的關(guān)系的過程以達到適應(yīng)性學(xué)習(xí)的目的。然而,上述方法尚Is-forResources處在理論階段,缺乏有效的實驗數(shù)據(jù)來證實其可用性。另外/CompoundAlE-方面,雖然它們都考慮了適應(yīng)性學(xué)習(xí),但是方法的輸人都Knowledge ftIs part of -Points是片面的,并未考慮在多變、動態(tài)的學(xué)習(xí)環(huán)境中,各種因素對1s-forExer學(xué)習(xí)者形成的影響和變化。如:上述方法都缺乏對學(xué)習(xí)者在Is part of學(xué)習(xí)中的變化(學(xué)習(xí)行為)進行實時分析。本文針對上述問題和需求,采用本體,結(jié)合知識狀態(tài)空圖2課程中的主要構(gòu)件及構(gòu)件間的關(guān)系間9]、機器學(xué)習(xí)的概念,在文獻[2]、[4]以及相關(guān)遠程教育技術(shù)標(biāo)準(zhǔn)( CELTS)的基礎(chǔ)上,提出了一種實時、動態(tài)引導(dǎo)的相對于掌握d的貢獻程度;同時μ又表示，任何p中存在隱式( implicit)預(yù)備知識關(guān)系R ,且任何習(xí)路徑以達到學(xué)習(xí)控制、引導(dǎo)的目的，并通過路徑上的內(nèi)容p中存在m。且,以上二元關(guān)系都滿足傳過濾篩選完成學(xué)習(xí)內(nèi)容的智能化生成。篩選器的核心思想遞性。是:最初根據(jù)知識點的基本結(jié)構(gòu)建立全局可行路徑;而后在2.2 元知識點及其關(guān)系學(xué)習(xí)者學(xué)習(xí)的過程中實時地反饋信息動態(tài)更新路徑權(quán)值,并元知識點是知識點劃分的“原子”單位,這些知識點間不依據(jù)權(quán)值產(chǎn)生學(xué)習(xí)路徑,最后,在選定路徑的基礎(chǔ)上依據(jù)學(xué)存在復(fù)合知識點中類似的包含關(guān)系。元知識點間的關(guān)系相習(xí)者的檔案過濾、選擇學(xué)習(xí)內(nèi)容來產(chǎn)生個性化課件。課程結(jié)對比較清晰簡單,主要是預(yù)備知識關(guān)系及隱式預(yù)備知識關(guān)束后,依據(jù)全局路徑圖,動態(tài)更新初始Ontology結(jié)構(gòu)中的系(此點同復(fù)合知識點)。它的主要作用是為學(xué)習(xí)對象組織關(guān)系。結(jié)構(gòu),并為其所隸屬的復(fù)合知識點建立不同的知識實體構(gòu)成,亦即學(xué)習(xí)材料。2.3其它概念及連接復(fù)合知識點與元知識點間只存在- -種包含關(guān)系。且與_任意元知識點A有包含關(guān)系p的復(fù)合知識點C必Coune onologie須滿足:不存在復(fù)合知識點X有p或者p。0-學(xué)習(xí)對象( Learming Objecte)作為學(xué)習(xí)者直接接觸并發(fā)Secector揮實效的元素,主要有學(xué)習(xí)資源和練習(xí)題(含測試題)。為將學(xué)習(xí)對象達到很好的復(fù)用率,必須要有很好的組織結(jié)構(gòu)。文圈1產(chǎn)生導(dǎo)學(xué)內(nèi)容的框架中將其與元知識點相掛鉤,建立導(dǎo)引,形成- -種 比較清晰、直接的層次關(guān)系。定義元知識點與其相持鉤的學(xué)習(xí)對象構(gòu)成2基于知識點 的課程架構(gòu)了一種“支持”的偏序關(guān)系(Is- For)。若知識點k與學(xué)習(xí)對本文依據(jù)領(lǐng)域?qū)＜覍φn程內(nèi)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( knowledge point)為單位劃分成不同的單元。在該種結(jié)構(gòu)下,學(xué)習(xí)對象作為一個個體,與其它學(xué)習(xí)對根據(jù)劃分粒度粗細和學(xué)習(xí)過程中的作用不同,把知識點分為象相互獨立。新增的任何學(xué)習(xí)對象變得非常簡單,只需與元復(fù)合知識點( compound knowledge points) 和元知識點( atomic知識點之間建立支持關(guān)系即可,而無須與其它學(xué)習(xí)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(gòu)件及其關(guān)系形成的本體結(jié)構(gòu)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(jié)構(gòu),并2.1復(fù)合知識點及其關(guān)系為知識庫的建立提供- -個基本的結(jié)構(gòu),形成領(lǐng)域知識表示系復(fù)合知識點的主要作用是導(dǎo)航、并為課程建立索引。預(yù)統(tǒng)的核心。同時,可以根據(jù)特定領(lǐng)域的具體情況定義相應(yīng)的先定義的關(guān)系主要是兩對相互對應(yīng)的偏序關(guān)系:包含關(guān)系關(guān)系,以滿足不同應(yīng)用的需要。不難看出,如何建立-一個合(Is-Part-Of和Has-Par)和預(yù)備知識關(guān)系(Requires和ls理、適用的Ontology結(jié)構(gòu)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的類結(jié)析中國煤化工著Onoley知識挖掘手段三在自動建立知識庫方一部分,而a與b之間的關(guān)系權(quán)值則表示a和b之間的隸屬面將MHCNM H G所示的就是<數(shù)據(jù)結(jié)度。預(yù)備知識關(guān)系n表示，在學(xué)習(xí)知識點c之前,必構(gòu)》課程的部分知識點的典型Ontology整體結(jié)構(gòu)實例。須先掌握有關(guān)d的知識,而c與d之間的關(guān)系權(quán)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(fù)合知風(fēng)點元知訊點學(xué)習(xí)雞串圈4原始結(jié)構(gòu)與其對應(yīng)的原始路徑圈原始路徑圖的建立依據(jù)以下原則:圈3 <敷榍結(jié)構(gòu)》課程的部分架構(gòu)1)保留預(yù)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(xí)對象的設(shè)計與制作指向的所有結(jié)點。例如,圖4(a)所示的原始Ontology結(jié)構(gòu)將為適應(yīng)基于知識點的學(xué)習(xí)路徑的挖掘和達到較高的資得到圖4(b)中的中間結(jié)果。源復(fù)用率,如上所述,以元知識點作為知識內(nèi)容的最終劃分2)將預(yù)備知識關(guān)系轉(zhuǎn)向,并以分支為單位建立“知識單位,并對學(xué)習(xí)對象的制作做了如下兩個限制:-是規(guī)定學(xué)圈"。如圖4(c)的中間結(jié)果中的集合{C, C|就是一一個知識習(xí)對象元數(shù)據(jù)中的內(nèi)容本身屬于且僅屬于某-一個知識點,且圈。顯然每個知識圈至少有一個入口和-個出口,且出口與這個知識點必須是知識庫中的元知識點。那么,每個學(xué)習(xí)對人口可以同一個結(jié)點。其中入口是指知識圈內(nèi)不存在以該象都必將掛靠在某個知識點上,而對學(xué)習(xí)者的學(xué)習(xí)控制、指結(jié)點為箭尾的結(jié)點,而出口是指不存在以該結(jié)點為箭頭的導(dǎo)就可以以知識點為單位進行;二是規(guī)定每個學(xué)習(xí)對象所含結(jié)點。的學(xué)習(xí)內(nèi)容所需耗費的平均時間跨度不能太長,最好不超過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(xí)對象模型的其它設(shè)置主要依據(jù)的是CELTS如邊集<{F}, {H,I, E}>表示{, 1.最(Chinese E - Leamning Technologies Standardization)中學(xué)習(xí)對后生成的原始路徑圖如圖4(d)所示。象元數(shù)據(jù)的信息模型規(guī)范。特別需要提到的是,為了實時獲第2步:路徑權(quán)值的初始化得學(xué)習(xí)者對知識的掌握情況，每個學(xué)習(xí)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(xí)者對該對象的掌握程度。= to,由于每個知識點下的學(xué)習(xí)對象可能不止一個,每個學(xué)習(xí)Else weight(A→B) = 0者篩選或者推薦得到的學(xué)習(xí)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(jié)點離知識不相同,因此設(shè)定得到的LR都對應(yīng)了相應(yīng)的預(yù)期得分( Ex-圈出口的距離,距離越遠,值越大。通過權(quán)值初始化,算法優(yōu)pected Score)。如果LR是推薦得到,則預(yù)期得分為推薦者指先選擇人口處的結(jié)點,以滿足預(yù)定義的“預(yù)備知識”關(guān)系的定的推薦評分,如果是學(xué)習(xí)者自主選擇的學(xué)習(xí)資源，則預(yù)期需求。得分為學(xué)習(xí)者當(dāng)前所有知識點的加權(quán)平均得分。第3步:全局路徑的權(quán)值更新方法(學(xué)習(xí)算法)假設(shè)當(dāng)前全局路徑圖(有向加權(quán)圖)為:D = (V,A),其4學(xué)習(xí)對象的設(shè)計 與制作中V是結(jié)點集,A是有向邊集,某個學(xué)習(xí)者當(dāng)前的學(xué)習(xí)軌跡4.1學(xué)習(xí)路徑的生成圖(有向無權(quán)圖)D' = (V', A'),易知:V'CV。當(dāng)學(xué)習(xí)者個體學(xué)習(xí)路徑的搜尋主要依據(jù)復(fù)合知識點的Ontology選擇學(xué)習(xí)知識點B,其預(yù)期得分為ExpectedScore，實際得分為結(jié)構(gòu)、學(xué)習(xí)者實時的學(xué)習(xí)數(shù)據(jù),應(yīng)用機器學(xué)習(xí)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(quán)值進行更到。通過創(chuàng)建原始路徑圖、路徑權(quán)值的初始化、權(quán)值的不斷新,更新值Oweight和權(quán)值進行如下設(shè)置。同時,取得V'中更新路徑推薦和結(jié)構(gòu)更新來達到引導(dǎo)學(xué)習(xí)的目的。整個過最近加人的結(jié)點X,將結(jié)點B與邊加入到A'中用程中,系統(tǒng)維護兩種圖,-是全局路徑圖,二是學(xué)習(xí)者的個體以更新個休軌冰圖學(xué)習(xí)軌跡圖。全局路徑圖維護的是整體路徑的狀態(tài)。而個中國煤化工一般學(xué)習(xí)法則,定義體軌跡記錄的是學(xué)習(xí)者的歷史學(xué)習(xí)軌跡和評估。下面對該閾值|YHCNMHG果學(xué)員的此次的相應(yīng)搜尋算法(如何生成下一個學(xué)習(xí)結(jié)點)進行詳細描述。高位或低位偏離,則說明此條路徑非?！斑m用”或者“不適第1步:從Ontology轉(zhuǎn)化生成原始路徑圖用”。一277一Score - ExpectedScore >0重要度來確定學(xué)習(xí)對象的比重等。={ 0 Score - ExpectedScore =0l-1 Score - ExpectedScore <05導(dǎo)學(xué)模型的實現(xiàn)及分析若8> 0,稱此次推薦得到了正響應(yīng);若a= 0,則為零響將該導(dǎo)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(shù)應(yīng);否則為負響應(yīng)。據(jù)結(jié)構(gòu)》課程的“樹與二叉樹”章節(jié),實現(xiàn)的學(xué)生客戶端如圖此外,如果0> 0, 更大的差異引起權(quán)值上更大的上升,6所示。左邊的面板是根據(jù)“父子”關(guān)系建立的知識結(jié)構(gòu)，用而8< 0時,更大的差異引起更大的權(quán)值下降。因此,定義O戶可以從中選擇- -個目標(biāo)知識點,得到推薦路徑;右邊面板以強調(diào)此影響。提供的實時引導(dǎo)可以幫助學(xué)習(xí)者循序漸進地學(xué)習(xí)或者復(fù)習(xí);如果為正響應(yīng),令:右下角是相應(yīng)的目標(biāo)知識點相關(guān)的資源，包括當(dāng)前用戶的歷0= IScore = ExpectedScorel X AverageTime史學(xué)習(xí)資源和推薦的學(xué)習(xí)資源等。LearningTime如果為零響應(yīng),令: O=0如果為負響應(yīng),令:廣97△= .IScore = ExpectedScorel x LeamingTimeAverageTime,"其中AverageTime和LeaningTime分別表示學(xué)習(xí)B知識r點下的課件所需要耗費的平均時間和實際用時。更新過程包含以上兩個因素,此外,需要一個參數(shù)η作為學(xué)習(xí)速率調(diào)整新過程,它與X和B的學(xué)習(xí)起始時間間隔成反比。因此,對所有的結(jié)點XεV',且有向邊(X-→B)∈A的全局路徑中的邊權(quán)值設(shè)置為:weight(X-→+B) = weight(X→B) +0xηxO。第4步:為學(xué)習(xí)者推薦學(xué)習(xí)路徑團5客戶端示意圈及下一 一個學(xué)習(xí)的知識點:二叉樹遍歷過程作為學(xué)習(xí)者的下一個學(xué)習(xí)目標(biāo)的知識點集Y(候選池)中的元素y,必須滿足如式(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(dāng)Y中的元素不止一一個時,從中隨機抽取一-個 y滿足:C時刻學(xué)習(xí)路徑A的學(xué)習(xí)軌跡T+1時刻學(xué)習(xí)路徑Vx∈φ(y),! 3 ,其中φ(y)表示y所屬的知識圈。圈6學(xué)習(xí)路徑的學(xué)習(xí)過程并將y作為下一個學(xué)習(xí)的目標(biāo)。如果Y為空,則課程結(jié)束。第5步:更新原始Ontology結(jié)構(gòu)實驗中,將2007 年上半年報名《數(shù)據(jù)結(jié)構(gòu)>課程的201在課程的最后,增加了關(guān)系更新規(guī)則,以刪除沒有必要名學(xué)員中隨機抽取的半數(shù)學(xué)員對“樹與二叉樹”的學(xué)習(xí)行為的預(yù)備知識關(guān)系和增加有效的關(guān)系:進行引導(dǎo)和控制,幫助學(xué)習(xí)者完成“樹與二叉樹”的學(xué)習(xí)。與IfA requires I implicily require B and weight (B- →A)往年沒有導(dǎo)學(xué)模塊的傳統(tǒng)平臺相比學(xué)習(xí)者在該章節(jié)上花費<= to, then delete ( )的平均時間有明顯的減少,約減少20%,而平均測驗成績則If A not requires II not implicidly requirse B and weight (B提高了8.4%。學(xué)習(xí)者在各個知識點上花費時間的比較如圖→A) >= nro, then add( )7(a)所示,各個知識點的測驗成績比較如圖7(b)所示。n取決于知識圈內(nèi)的平均權(quán)值。從圖中可以看出,隨著學(xué)習(xí)的深人,采用具有導(dǎo)學(xué)模塊4.2學(xué)習(xí)內(nèi)容的生成根據(jù)選定的復(fù)合知識點下的元知識點結(jié)構(gòu)學(xué)習(xí)者的當(dāng)?shù)钠脚_進行學(xué)習(xí)的學(xué)生在知識點上花費的時間明顯少于使前數(shù)據(jù)和檔案從學(xué)習(xí)對象庫中篩選生成實時的學(xué)習(xí)內(nèi)容。用傳統(tǒng)平臺學(xué)習(xí)的學(xué)習(xí)者他們的測試成績也能夠在不同難學(xué)習(xí)對象的選撣主要采用基于既定規(guī)則的決策樹來取舍。易的知識點之間保持相對的穩(wěn)定。因此,導(dǎo)學(xué)模塊提高了學(xué)習(xí)者中國煤化工文中根據(jù)學(xué)習(xí)者的水平來確定的難度值、學(xué)習(xí)者喜好來確定學(xué)習(xí)對象的屬性,如語言、星現(xiàn)形式等。同時,依據(jù)靜態(tài)元知IYHCNMHG-組不合理的預(yù)備知識點Ontology結(jié)構(gòu)確定學(xué)習(xí)對象的組織順序，依據(jù)知識點的識關(guān)系和翻陳一些壩光定義的頂畬燦識關(guān)系,通過跟蹤網(wǎng)絡(luò)的學(xué)習(xí)過程和權(quán)值的不斷變化,該方法確實能夠發(fā)現(xiàn)大部分時.真實的數(shù)據(jù)來更新全局路徑及原始Ontology的策略來提個高導(dǎo)學(xué)的效率。實驗證明該方法能夠很好地解決學(xué)習(xí)者在遠程教育環(huán)境中學(xué)習(xí)者缺乏導(dǎo)引、個性化等問題,同時提高了學(xué)習(xí)者的學(xué)習(xí)積極性和學(xué)習(xí)質(zhì)量。在接下來的研究中,將從該模型在上海交通大學(xué)<數(shù)據(jù)結(jié)構(gòu)>、《計算機應(yīng)用基礎(chǔ)>課程的試驗過程中,以不斷改進、完善該導(dǎo)學(xué)模型算法及系統(tǒng)功能。(知識點)(知諷點)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(shè)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(xí)者A學(xué)習(xí)完知識點E后全局學(xué)習(xí)路徑的變化情況。此時，tional Planning using Ontologies[C]. In Proceedings of the IEEEA在E的得分Score = 3.12,預(yù)期得分ExpectedScore =IntemnationalConference orAdvancedLeaming3.46。由于Score > ExpectedScore ，那么此次A的學(xué)習(xí)過程Technologies, 2004.將得到負響應(yīng), 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(quán)值將得到更新,權(quán)值將變小。倘若- -直得到負響Continuing Engineering Education and Lifelong Leaming, 2003,應(yīng),權(quán)值將不斷減小，直到不再進入候選池而i被選中為止。13(1/2);75 -94.相反地,如果結(jié)點得到的是正響應(yīng),權(quán)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(quán)值與低權(quán)ogy Transformation [ C ]. Lecture Notes In Computer值的關(guān)系將得到更新,具體結(jié)果記錄如表1。.Science, 2005.表1實驗數(shù)據(jù)-關(guān)系發(fā)現(xiàn)5] 申瑞民,等.基于概念圖的教學(xué)內(nèi)容智能調(diào)整模型及算法實現(xiàn)結(jié)點數(shù)預(yù)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(jù)用戶體驗調(diào)查顯示,本文的方法在實驗的應(yīng)用6): 308 -317.中得到了75. 3%試驗用戶的好評,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,將這種架構(gòu)和導(dǎo)學(xué)模塊應(yīng)用到了(5): 730.《計算機應(yīng)用基礎(chǔ)>這門課程去進一步驗證該導(dǎo)學(xué)方法的[8] 高尚, 常桂然,趙宏超文本學(xué)習(xí)狀態(tài)空間模型與學(xué)習(xí)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(xí)路線生成與優(yōu)化[J].貴6總結(jié)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(yīng)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(shù)據(jù)挖掘也仍有很大的應(yīng)用前景。本文以O(shè)ntology結(jié)Advanced Learming Technologies, 2003.構(gòu)為基礎(chǔ)提出的個性化導(dǎo)學(xué)方法,為學(xué)習(xí)者在學(xué)習(xí)中缺乏個性化導(dǎo)引個性化學(xué)習(xí)內(nèi)容的問題提供了一種解決方案。在[作者簡介]教學(xué)中,學(xué)習(xí)內(nèi)容的組織和安排很大程度上決定了學(xué)習(xí)者的陳清華(1983.4-),女(漢族) ,浙江人,碩士研究學(xué)習(xí)效率。文中通過權(quán)值的不斷更新來形成一條較優(yōu)的“葉生,主要研究方向為數(shù)據(jù)挖掘、人工智能。子”知識點遍歷路徑,同時通過學(xué)習(xí)者檔案篩選學(xué)習(xí)對象并丁鵬(1972.7-),男(漢族) ,江蘇人,講師，主要以元知識點的結(jié)構(gòu)確定學(xué)習(xí)對象呈現(xiàn)順序來制作實時課件。研究方向為數(shù)據(jù)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(xí)內(nèi)容智能化產(chǎn)生方法,采用實HCNMHG-279一