[发明专利]基于网络群体智能的教学知识点图谱系统有效

专利信息
申请号: 202011010505.8 申请日: 2020-09-23
公开(公告)号: CN112148890B 公开(公告)日: 2023-07-25
发明(设计)人: 杨颐;王健;黄卫星;郭朝晖 申请(专利权)人: 中国科学院自动化研究所;北京中科云泮智能科技有限公司
主分类号: G06F16/36 分类号: G06F16/36;G06F16/9535;G06Q50/20
代理公司: 北京市恒有知识产权代理事务所(普通合伙) 11576 代理人: 郭文浩;尹文会
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 网络 群体 智能 教学 知识点 图谱 系统
【说明书】:

发明属于智能教学技术领域,具体涉及了一种基于网络群体智能的教学知识点图谱系统,旨在解决现有教学知识点系统知识点来源单一、多样性差,存在知识重复创造以及知识点质量参差不齐的问题。本发明包括:自动提取教案关键词,输入到教学知识点图谱探索模块,用户交互式探索检索出的信息:若找到满意的知识,则直接更新教案;若没有,则通过人机协作的方式补充知识。人机协作是指用户和AI知识生产者同时构建新知识,并进行融合,结合人和AI的能力协同创建新知识。智能专家推荐系统通过分析知识和用户的评估数据,推荐专家参与新构建知识的验证,并将新知识与教学知识点图谱进行整合。本发明知识点来源多、质量高,且知识重复创造少。

技术领域

本发明属于智能教学技术领域,具体涉及了一种基于网络群体智能的教学知识点图谱系统。

背景技术

网络群体智能是新一代人工智能的重要研究方向,利用人工智能方法,将网络中的大众集体智慧进行融合和计算,实现具有众包特点的智能化服务。

在教育领域,教师备课时,最重要的核心内容是教学知识点的确定,在授课时讲解哪些知识点、如何表达知识点之间的顺序和关系等,都是教师准备教案时的重点。

中国幅员辽阔,优秀教师资源有限,一些老少边穷地区的教育资源严重缺乏。在准备教案时,经验不足的教师往往希望能够借鉴有经验的教师的教学经验。

现有的一些教学知识点体系主要是基于教学中用到的知识点建立教学知识点体系[1],这个体系一般由教师或者承担教师相关作用的人员或机构,针对学习者的某个学习科目、学习内容、学习目标或者学习阶段,从整体知识内容、知识结构出发,构建一个相对完备的知识点体系,但是这样的系统,其知识提供者只考虑了教学者或现有知识库,并未考虑AI知识生产者,并且未通过人工智能进行知识点探索以减少知识的重复创造以及对新知识的启发,同时,这样的系统也未对获取的知识点进行质量评估,因而系统中的知识点质量参差不齐,可能给使用者带来错误的引导。还有的一些系统提出通过众包模式进行知识图谱的构建[2],对知识的评估和教师的评估,也采用基于众包方式的群体智能评估方法。但是,这样的系统也并未引入AI知识生产者产生的知识点,同时,未通过人工智能进行知识点探索以减少知识的重复创造,知识重复率高。

为了解决现有教学知识点系统存在的一系列问题,本发明提出一种针对教学知识点的基于网络群体智能的知识图谱系统,面向教学备课中的核心信息“教学知识点”,通过“智能人机协同+众包计算”的知识获取方法构建教学知识点图谱。

以下文献是与本发明相关的技术背景资料:

[1]李军、刘劲松,知识点体系教学方法及基于知识点测度的自适应教学系统,20160314,CN105761183A.

[2]郭芳,基于众包的教育知识图谱的构建与研究,201705.

发明内容

为了解决现有技术中的上述问题,即现有教学知识点系统的知识点来源单一、多样性差,存在知识重复创造以及知识点质量参差不齐的问题,本发明提供了一种基于网络群体智能的教学知识点图谱系统,该系统包括以下子系统:

群智知识生产子系统,包括数据处理模块、知识图谱交互探索模块、用户产生数据库、用户知识构建模块、AI知识构建模块、人机知识融合模块、新知识点图、验证模块、整合模块和教学知识点资料库:

所述数据处理模块,用于导入用户的教案数据,并对其中的教学目标章节进行文本挖掘、词权重分析以及关键词提取,获取与知识点相关的关键词;

所述知识图谱交互探索模块,用于用户在可视交互的环境下对教学知识点图谱进行知识点搜索、获取推荐知识点以及进行知识点评价;

所述用户产生数据库,用于存储用户探索行为数据、评价数据以及用户探索过程中与本次备课相关的知识;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所;北京中科云泮智能科技有限公司,未经中国科学院自动化研究所;北京中科云泮智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011010505.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top