“人工智能+”视域下的教育知识图谱:内涵、技术框架与应用研究

被引：161

作者：

李振 ^{[1
]}

周东岱 ^{[1
,2
]}

王勇 ^{[1
]}

机构：

[1] 东北师范大学信息科学与技术学院

[2] 吉林省“互联网+”教育科技创新中心

来源：

远程教育杂志 | 2019年 / 37卷 / 04期

关键词：

人工智能; 教育知识图谱; 认知智能; 知识本体; 个性化学习; 智能教育; 教育机器人; 知识追踪;

D O I：

10.15881/j.cnki.cn33-1304/g4.2019.04.006

中图分类号：

G434 [计算机化教学];

学科分类号：

040110 ;

摘要：

深度学习、知识图谱、增强学习等新一代人工智能技术的发展,正驱动着"互联网+教育"迈入"智能教育"新时代。知识图谱作为推动人工智能发展的核心驱动力,为教育信息化2.0时代的教育教学提供了新的赋能力量。从人工智能的研究范式来看,知识图谱是符号主义研究范式在大数据和人工智能时代的演变和发展;从人工智能的发展阶段来看,知识图谱是人工智能从"感知智能"向"认知智能"进阶的重要基础。对于教育知识图谱的认知,应从知识建模、资源管理、知识导航、学习认知、知识库等多维视角出发,当前的教育知识图谱可分为静态知识图谱、动态事理图谱两大类。构建教育知识图谱的关键技术,主要集中在知识本体构建技术、命名实体识别技术、实体关系挖掘技术、知识融合技术等方面。因此,从"人工智能+"视域来看,教育知识图谱在教育大数据智能化处理、教学资源语义化聚合、智慧教学优化、学习者画像模型构建、适应性学习诊断、个性化学习推荐、智能教育机器人等方面具有广阔的应用前景。

引用

页码：42 / 53

页数：12

共 46 条

[1]

基于语义网络的智能教学系统开发环境.[D].杨勇.中国科学院研究生院（计算技术研究所）.1998, 02

[2] An intensive case study on kernel-based relation extraction [J].

Choi, Sung-Pil ;

Lee, Seungwoo ;

Jung, Hanmin ;

Song, Sa-kwang .

MULTIMEDIA TOOLS AND APPLICATIONS, 2014, 71 (02) :741-767

[3]

Information extraction from research papers using conditional random fields.[J].Fuchun Peng;Andrew McCallum.Information Processing and Management.2005, 4

[4]

基于表示学习的领域实体消歧与链接预测.[D].马晓军.昆明理工大学.2018, 01

[5]

基于知识图谱的产品画像构建研究.[D].王颖.南京理工大学.2018, 01

[6]

基于潜在语义分析的学科知识图谱构建.[D].孙小欣.华中师范大学.2013, S2

[7] 基于学习画像的精准个性化学习路径生成性推荐策略研究 [J].