（电路与系统专业论文）基于关联规则的知识点智能导航的研究[电路与系统专业优秀论文].pdf

硕士学位论文 m a s t e r st h e s i s 摘要 目前，网络学习正在逐渐影响着高校大学生们传统的学习方式，然而，在网络 学习的过程之中，面对网络课程中大量的知识点，学习者有时会产生知识迷航、无 法获取隐性知识等问题。为了解决这些问题，有必要通过导航的方式来引导和辅助 学习者进行学习。因此，本文着重对知识点智能导航的设计理论和实现方法进行了 研究，将用户个性化模型和改进的关联规则算法运用于知识点的导航上，能在一定 程度上增强导航的功效性，从而提高学习者的学习效率和积极性。主要的研究工作 集中体现在以下几个方面： ( 1 ) 对知识点智能导航中知识点模型的构建前提和原理进行了研究；通过分 析知识点的划分关系，定义了知识点的关联结构，并提出了知识点语义网络组织方 法，从而构建了知识点模型的四层结构，为知识点智能导航的设计提供了理论支持。 ( 2 ) 针对知识点智能导航的需求分析和结构分析，同时考虑到学习者的知识 背景和学习信息对个性化导航的重要影响，设计了用户个性化模型，主要包括基本 信息、学习特征、认知水平和学习记录四大部分。在此基础上，构造了知识点智能 导航的模型，总结了智能导航的策略。 ( 3 ) 在知识点智能导航中运用了关联规则挖掘的方法，重点分析了其中的 f p g r o w t h 算法，针对该算法的不足进行了改进，并通过实验仿真将改进算法与原 算法进行了测试比较，提高了算法的性能。 ( 4 ) 最后对知识点智能导航系统的功能、数据表结构等进行了设计与实现， 并对系统导航的结果作了对比、测试和分析。同时对论文存在的不足做了说明，展 望下一步的工作。 关键词：知识点；知识点模型；用户个性化模型；关联规则；知识点智能导航 硕士学位论文 m a s t e r st h e s i s a b s t r a c t a tp r e s e n t ，w e b - b a s e dl e a r n i n gi sg r a d u a l l ya f f e c t i n gt h et r a d i t i o n a ll e a r n i n gm o d e o fc o l l e g es t u d e n t s h o w e v e r , w h e nl e a r n e r sf a c eal a r g en u m b e ro fk n o w l e d g ep o i n t si n t h ep r o c e s so fw e b - b a s e dc o u r s el e a r n i n g ，t h e ys o m e t i m e sm e e tk n o w l e d g en a v i g a t i o n l o s t ，u n a b l et oa c q u i r et a c i tk n o w l e d g ea n do t h e rp r o b l e m s i no r d e rt os o l v et h e s e p r o b l e m s ，t h i sp a p e rp r o p o s e sam e t h o dw h i c hc a ng u i d ea n dh e l pl e a r n e r st o l e a r n t h r o u g hn a v i g a t i o n t h e r e f o r e ，t h ep a p e rf o c u s e so nt h er e s e a r c ho fd e s i g nt h e o r ya n d i m p l e m e n t a t i o nm e t h o da b o u tk n o w l e d g ep o i n ti n t e l l i g e n tn a v i g a t i o n i tc a ne n h a n c et h e e f f e c t i v e n e s so fn a v i g a t i o n , b yw h i c ha p p l i e su s e rp e r s o n a l i z a t i o nm o d e la n di m p r o v e d a s s o c i a t i o nr u l e sa l g o r i t h mt o k n o w l e d g ep o i n tn a v i g a t i o n c o n s e q u e n t l y , t h a tc a n i m p r o v el e a r n i n ge f f i c i e n c ya n dp o s i t i v i t yo fl e a r n e r s r e s e a r c ho ft h i sp a p e rm a i n l y r e f l e c t si nt h ef o l l o w i n ga s p e c t s ： ( 1 ) t h ec o n s t r u c t i o np r e c o n d i t i o na n dp r i n c i p l eo fk n o w l e d g ep o i n tm o d e li s s t u d i e di nk n o w l e d g ep o i n ti n t e l l i g e n tn a v i g a t i o n t h r o u g ha n a l y z i n gt h er e l a t i o n s h i p a m o n gt h ed i v i s i o no fk n o w l e d g ep o i n t , t h ec o r r e l a t i o ns t r u c t u r eo fk n o w l e d g ep o i n ti s d e f i n e d a n di tp r o p o s e st h es e m a n t i cn e t w o r ko r g a n i z a t i o nm e t h o do fk n o w l e d g ep o i n t a c c o r d i n g l y , t h ef o u r - l a y e rs t r u c t u r eo fk n o w l e d g ep o i n tm o d e li sc o n s t r u c t e d ，w h i c h p r o v i d e sat h e o r e t i c a ls u p p o r tf o r t h ed e s i g no fk n o w l e d g ep o i n ti n t e l l i g e n tn a v i g a t i o n ( 2 ) a c c o r d i n gt or e q u i r e m e n ta n a l y s i sa n ds t r u c t u r a la n a l y s i so ft h en a v i g a t i o n , w i t hc o n s i d e r a t i o no ft h ei m p a c to fl e a r n e r s k n o w l e d g eb a c k g r o u n da n dl e a r n i n g i n f o r m a t i o nu p o np e r s o n a l i z e dn a v i g a t i o n ，t h eu s e rp e r s o n a l i z a t i o nm o d e li sd e s i g n e d t h em o d e lm a i n l yi n c l u d e sl e a r n e rb a s i ci n f o r m a t i o n ，l e a r n i n gc h a r a c t e r i s t i c s ，c o g n i t i v e l e v e la n dl e a r n i n gr e c o r d t h em o d e lo fk n o w l e d g ep o i n ti n t e l l i g e n tn a v i g a t i o ni s c o n s t r u c t e do nt h i sb a s i s ，a n dt h es t r a t e g yo ft h ei n t e l l i g e n tn a v i g a t i o ni ss u m m a r i z e d ( 3 ) t h ea s s o c i a t i o nr u l e sm i n i n ga l g o r i t h mi sa p p l i e dt ot h ei n t e l l i g e n tn a v i g a t i o n ， e m p h a t i c a l l ya n a l y z e sf p g r o w t ha l g o r i t h m i m p r o v et h ef p g r o w t ha l g o r i t h ma c c o r d i n g t ot h eo r i g i n a la l g o r i t h m ss h o r t a g e s a n dt h a tm a k e st h e mt e s ta n dc o m p a r et h r o u g h e x p e r i m e n t a ls i m u l a t i o n ，t h u si m p r o v e st h ep e r f o r m a n c eo fa l g o r i t h m ( 4 ) f i n a l l y , t h ei n t e l l i g e n tn a v i g a t i o ns y s t e m i sd e s i g n e da n di m p l e m e n t e d i n c l u d i n gi t sf u n c t i o n ，d a t a b a s ea n ds oo n m o r e o v e r , t h er e s u l t so fn a v i g a t i o ns y s t e ma r e c o m p a r e d ，t e s t e da n da n a l y z e d l o o kf o r w a r dt ot h en e x tp h a s eo fw o r ka tt h es a m et i m e k e y w o r d s ：k n o w l e d g ep o i n t ；k n o w l e d g ep o i n tm o d e l ；u s e rp e r s o n a l i z a t i o nm o d e l ； a s s o c i a t i o nr u l e s ；k n o w l e d g ep o i n ti n t e l l i g e n tn a v i g a t i o n 硕士学位论文 m a s t e r st h e s i s 华中师范大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作 所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在 文中以明确方式标明。本声明的法律结果由本人承担。 作者签名：列带 日期：弘d 7 年口5 月弓日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权华中师范大学可以将本学位论文的全部或部分内容编入有关数据库进 行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同意华中 师范大学可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 作者签名：宝1 1 传 日期枷宇年盯岁月弓日 锄叛艨 日期：叼年矿厂月弓7 日 本人已经认真阅读“c a l i s 高校学位论文全文数据库发布章程”，同意将本人的 学位论文提交“c a l i s 高校学位论文全文数据库”中全文发布，并可按“章程”中的 规定享受相关权益。回耋诠塞握童卮溢卮! 旦坐生；旦二生；旦三生筮查! 作者签名：主- i 伟 导师签名：菇仔 日期：动叩午9 岁月弓f 日日期：c 扣7 年眵月岁7 日 硕士学位论文 m a s t e r st h e s i s 第1 章绪论 1 1 研究背景和意义 随着知识经济与信息时代的快速发展，远程教育已经越来越受到重视，很多高 校制作了大量的网络课程，目的是让学习者不受传统教育中时空和地域的限制自主 的在网上学习，并充分的利用共享的网络教育资源以获取知识。然而，高校的学习 者们在进行网络课程的学习过程中，面对众多章节中的大量知识点，他们往往需要 花费许多时间去检索这些知识点，而且有时很难区分出知识点在整个学习过程中所 处的位置，对零散的知识点不知如何有效的组织联系起来，很容易遭遇认知过载、 信息迷航等学习障碍的问题【l 】【2 】，为此有必要为他们提供知识点的导航服务，帮助 他们提高学习的效率。但是，目前给学习者提供的导航服务的方式都是较为简单的， 要么是教师在网络课程上人为给学习者发布学习计划，要么就是在网络课程上提供 简单的知识链接导航，缺乏了学习者个性化和知识背景方面的考虑，学习者有时候 往往得不到很好的知识导航效果。 因此，为了解决这类知识导航服务方面的问题，本文设计的知识点智能导航， 运用了数据挖掘中的关联规则分析，根据学习者的知识背景，将学习者感兴趣的、 相关联的知识点挖掘出来呈现给学习者，给他们提供个性化的知识导航的功能。该 导航可用于高校的网络课程的学习之中，具有较高的理论与实践意义： ( 1 ) 传统的知识导航只是学习过程上给予引导，而本文的知识点智能导航不 同于此，考虑了学习者的不同的知识背景和学习兴趣，能够适应他们的学习风格， 为他们提供个性化的学习路线，起到r 定的学习指导作用，有助于学习者对网络课 程中知识结构的掌握，可以帮助学习者提高学习的效率与质量。 ( 2 ) 本文的知识点智能导航中引入了数据挖掘技术，该技术对网络课程中的 知识点的关联分析起到很好的效果，帮助学习者把更多的精力花在对知识点的理解 上，而不是在寻找下一个知识点的链接，为他们的学习提供了极大的便利，使他们 能够在知识导航系统下快速地获取知识。 ( 3 ) 本文的知识点智能导航能够清楚的呈现学习者在知识导航中对知识学习 达到的程度，使他们知道自己所处的知识层次和学习位置，而不像以往都是通过教 师的传达，这样有利于学习者在网络学习过程中对自己的学习有准确的认识和评 价，可以相应的调整自己的学习方法和学习路线，也有利于教师较好的安排下一个 学习目标。 硕士学位论文 m a s t e r st h e s i $ 综上所述，本文所研究的知识点智能导航不仅能够将导航的功能与网络课程的 某一课程的学习内容结合在一起，增强了网络课程的学习功能，而且可以根据学习 者的学习特征和学习兴趣，为学习者提供适合他们的不同类型的知识导航服务，帮 助学习者提高他们的学习兴趣和学习效率。 1 2 国内外研究现状 现在在网络学习过程中给学习者提供的知识导航服务，很多都是以w e b 页面的 形式构成的学习资源，然后对其中相关知识的链接通过文本、图标或热区的方式表 示；在超文本中采用层级式或图形化的方式呈现各个链接结点或描述各个知识点间 的关系，这些都是比较常用的导航方式【3 】。除此之外，一些比较专业的知识导航服 务方式能够更好的呈现知识点之间的关系和结构，主要有以下几种 4 1 0 1 ： ( 1 ) 树型目录导航：知识的层级关系是通过一棵倒立的树型结构来表示的， 类似文章的目录一样。根据这棵目录树的层次引导，学习者能够循序渐进地进行自 主学习。这种树型目录的导航方式较多的被大部分的网络学习系统所采用。然而， 这种树状目录并不能完全的把知识点之间的复杂联系清楚的表现出来。 ( 2 ) 概念图导航：把某一领域内相关的知识确定一个主题，将该主题中所包 含的概念放置于圆圈或者是方框中，通过连线( 直线或者弧线) 把相关的知识点的 概念、内容等连接起来，然后在它们的连线上标明相互关联的意义。一般来说，在 概念图中，高级别的概念是处在图中上面的层次，较低级别的概念放在下面的层次， 不同层次的概念之间的关系可以用适合的关联词或者关联权值来表示，不同概念分 支问的横向联系也能够被确定，所以概念图是具有一定层次结构的。 ( 3 ) 知识地图导航：以类似地图一样的结构形象的、主观的把知- 叭h 点的层次、 位置和关系表示出来，通过语义网络的结构层次来描述知识点模型，方便学习者快 速的学习知识点和组织知识点，把握知识学习的整体方法，实现知识点的学习导航 功能。同时，知识地图也可以用二维或多维图形的来表示知识点之问的关系结构。 从以上我们可以看出，网络学习中的导航服务不仅可以为学习者提供知识点学 习的链接路线，而且知识点之间的层次关系也被表示出来了，可以供学习者做为知 识点学习的参考。但是，这些并没有考虑到学习者在网络学习中的知识背景和学习 特征的不同( 这会导致他们各自的学习路径和学习方法不同) ，需要得到的导航帮 助也应该是不一样的。因此，当前网络学习中的知识点导航服务应该将学习者的知 识背景和学习特征考虑进去，建立符合学习者认知水平的知识点模型，从而为学习 者提供个性化的导航服务，使学习者在网络学习过程中提高自主学习的效果。 2 硕士学位论文 m a s t e r st h e s i $ 数据挖掘技术的引入可以将学习者的认知水平和知识点的内容关联起来，挖掘 符合学习者学习特征和学习兴趣的知识点，使知识点导航服务达到智能化、个性化 的效果。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取 隐含在其中的、事先未知而潜在有用的信息和知识的过程【6 】，也就是通过挖掘数据 仓库中存储的大量数据，从中发现有意义的新的关联模式和趋势的过程，提取的知 识表示为概念、规则、规律、模式等形式。根据数据挖掘的任务，数据挖掘技术可 以分为概念描述、聚类分析、关联规则分析、分类分析、回归分析、序列模式分析 等1 7 邪j 。其中关联规则分析是从大量数据中发现数据项之间有趣的关联或相关，从 而达到认识事务客观规律的技术方法。 关联规则挖掘最早提出于超市购物篮的分析【9 】，是数据挖掘领域里最为活跃的 研究方向之一【1 0 】。基本的关联规则挖掘算法是a p r i o r i 算法【1 1 】，该算法根据频繁项 集具有反单调性，在搜索频繁项集过程中进行剪枝，提高了频繁项集的挖掘效率。 在a p r i o r i 算法的分层搜索的基础上，文献【1 2 】【1 3 l 提出了d h p 算法，它是基于散列技 术和事务压缩技术，有效减少了候选项集的生成规模和扫描的事务数据量，它的挖 掘性能有很高的效用。为了更有效地处理大规模的数据集，文献l i4 j 将事务数量划分 为几个非重叠的部分，先找出局部的频繁数据项集合，然后扫描数据库，再找出全 局频繁数据项集，把该方法称为p a r t i t i o n 算法。p a r t i t i o n 算法可以很大程度上减少 扫描数据库所需要的i o 时间。文献【5 】【1 6 】是从数据库中选取随机样本s ，用较小的 支持度从s 中发现频繁数据项集l s ，并对p a r t i t i o n 算法的有效性作了具体分析，使 算法的效率和精度达到最佳。1 9 9 8 年l i u 等【1 7 1 提出了基于类关联规则的分类算法 c b a ，从此揭开了关联分类的序幕，相继出了一些新的关联分类算法，如a d t i l 引， c m a r 19 1 ，h a r m o n y 2 0 1 等和基于实例的关联分类d e e p s 2 1 1 ，l a c 2 2 1 。上述算法 都需要多次扫描数据库，从而进行分层搜索形成多个候选数据项集合，算法花费了 大量的时间，而且执行效率较低。2 0 0 0 年h a n 等【2 3 】提出了f p g r o w t h 算法，该算法 在挖掘频繁项集时，不产生候选项集，该算法的最大优点是只需要扫描一次数据库。 它先将数据库中的事务压缩到一棵树频繁模式树中，然后用最不频繁的数据项作为 后缀，递归寻找频繁数据项集，这虽然大大降低了搜索的开销，但是由于f p g r o w t h 算法在处理扫描排序后的频繁项f p t r e e 时，对时间和空间的要求比较高，当面对 不断增长的数据集时，构造基于内存的f p t r e e 是不现实的。 国内对f p g r o w t h 算法的研究主要注重在算法的改进方面，如对每一个频繁项 集建立约束条件，需要根据生成的约束项来生成f p t r e e ；利用相关支持度来挖掘频 繁项集以构造f p t r e e ；利用关键项抽取的频繁模式增长对f p g r o w t h 算法进行改进 硕士学位论文 m a s t e r st h e s l 8 等。这些研究到目前为止，都能够提高挖掘算法的效率，作为许多面向应用的数据 挖掘技术的基础，满足不同应用背景下的不同要求，提高f p g r o w t h 算法频繁项集 发现的性能，依然是一项值得研究的课题。 1 3 本文的主要内容 本论文主要是在知识点智能导航的设计基础上，结合知识点智能导航模型和关 联规则挖掘算法，设计与实现了知识点智能导航系统，本文所研究的主要内容有如 下几点： ( 1 ) 查阅了国内外相关的文献，提出本文研究知识点智能导航的背景和意义， 并对目前知识导航和关联规则的国内外研究现状进行了概述。 ( 2 ) 通过知识点智能导航的中知识点模型的设计原则，主要研究知识点间关 联的划分以及知识点问的九元组关联结构，提出了运用于知识点模型中的一种知识 点语义组织方法，从而构建了知识点智能导航的知识点模型。 ( 3 ) 完成知识点智能导航的需求分析和结构分析，在主要模型和算法的分析 与设计之后，总结了智能导航的策略，具体的研究工作有如下几个方面： 用户个性化模型的设计； 知识点智能导航模型的设计； 关联规贝o f p g r o w t h 算法的分析与不足； 改进f p g r o w t h 算法的设计； 改进f p g r o w t h 算法测试与比较。 ( 4 ) 分析知识点智能导航系统的技术路线，对系统的整体模块的框架、数据 库的设计以及系统中的关键功能模块的实现性| 廿j 题进行了研究，最后，对智能导航 的结果进行了实验分析。 4 硕士学位论文 m a s t e r st h e s i s 第2 章知识点模型的研究 在网络课程的学习过程中，同一门课程的不同章节的知识点与知识点之间有着 千丝万缕的联系，构成错综复杂的知识点网络，面对许多的知识点内容，学习者往 往会很难掌握，容易发生“知识迷航 现象。针对此种现象，就需要建立知识点的 智能导航服务，而本文的知识点智能导航的设计是依据学习者在网络学习的过程中 对知识点的认识和兴趣上的，是以知识点模型为基础去引导学习者学习，同时知识 点的关联结构和组织方法与智能导航中知识点模型的建立有密切的关系，所以知识 点模型的构建是智能导航的设计基础，下面我们从知识点模型的设计原则出发，对 知识点智能导航中的知识点的组成结构、组织方法和模型进行设计和研究。 2 1 知识点模型的设计原则 本文提出的知识点智能导航是在构造的知识点模型上应用关联规则方法，也就 是说知识点模型的组成结构是建立在学生对知识点的认识规律的基础上，而关联规 则方法可以从知识点模型中挖掘出适合学习者学习特征和学习兴趣的知识点内容， 将知识点之间的关系可视化呈现出来，同时还可以给学习者呈现不同类型的知识 点，可见，知识点模型的构造关系着智能导航功能的效果。因此，其模型的设计主 要基于以下原则： ( 1 ) 个性化原则 在网络课程的学习之中，由于学习者各自的知识背景存在差异，而且学习者的 学习风格不同，对想要的知识点导航方式会有所不同，有的喜欢文字型的知识点、 有的喜欢图形式的知识点等，因此知识点模型的构建应考虑学习者的兴趣爱好、已 有的知识背景、选择的知识点类型和学习内容等，为学习者呈现适应其个性化的知 识点网络结构，帮助学习者了解该学科知识所需要的知识水平、知识点的表示方式 和知识点之间的联系等，使知识点智能导航符合知识点模型中知识点存储的方式和 组成结构，以实现对学习者的个性化导航1 2 4 j 。 ( 2 ) 层次化原则 由于网络学习中学习内容的不断丰富，知识点也会不断的进行更新，这样会破 坏到原有的知识点结构，从而影响智能导航的功能，因此知识点模型的构成要尽量 的合理，具有一定的层次，可以使不同类型的知识点归为一类，例如有公式型知识、 概念型知识和实例型知识等，而且这种层次化的知识点模型也要符合学习者学习中 分布式认知的特点。这样不仅方便整理新录入的知识点，也能有效的管理整个知识 5 硕士学位论文 m a s t e r st h e s i $ 点模型的组成，有利于关联规则挖掘符合用户个性的知识类型或者知识学习的路 线，也可以激发学习者的学习兴趣和学习欲望。 ( 3 ) 可视化原则 学习者在进行网络课程的学习时，需要对知识点的结构有清楚的认识，使他们 在头脑中建立知识印象，记忆知识点之间的复杂关系，这样可以引导学习者进行自 主的学习，因此就需要让知识点的结构可视化的呈现给学习者。现代学习理论中的 某些观点认为：为学习者呈现一个清晰明确的学科知识结构图可以帮助学习者认识 知识点之间的联系，从而使学习者对当前所学知识的整体目标有个清楚的认识。所 以学科知识结构图需要反映出学习内容的知识点的层次结构和关联关系等，那么学 习者在学习学科知识的时候，能够清楚的明白自己所学习的知识点的位置，使学习 者可以很好的掌握学习的总体方向，并且可以根据自己的学习需求和问题来适当的 调整学习路线，防止学习者在错综复杂的知识结构中迷失方向，为实现个性化的知 识导航提供了基础【2 5 】【2 6 】。 2 2 知识点智能导航中知识点的结构 从知识点模型的设计原则中可以看到，知识点模型就是整个智能导航中知识点 一的组织结构，它的构成是实现智能导航的基础，也就是说无法有效的建立知识点模 型，智能导航的功能就不能很好的实现，它的组织方式也关系到学习者在知识点的 学习过程中导航的程度，所以很有必要研究知识点智能导航中知识点的结构。 本论文为设计方便，把知识点结构看成一个图论中的图：知识点结构由知识点 及知识点之问的关联组成，图中节点表示知识点，边表示知识点之间的关联。 2 2 1 知识点的描述 从一门网络课程的知识学习结构来看，知识点是知识学习的基本单位，根据学 习关联性课程划分成多个知识单元，知识单元由若干个不同而又相关的知识点组成 的，怎样有效的分析和描述这些知识点之间的联系是本节的关键所在。为了更好的 构造知识点之间的关联结构，本文在参考文献( 2 7 1 1 2 8 1 下给出知识点的有关描述： ( 1 ) 先行知识点，就是开始学习某一知识点的时候，最先准备要学习的知识 点，如果不学习先行知识点，后面的知识点学习就无法展开，所以学习这个知识点 时必须先学习这个知识点的先行知识点。后行知识点，就是学习完某个知识点后才 能学习的知识点，先行知识点是后行知识点的学习条件，只有学习完先行知识点， 后行知识点的学习才能开始。初始知识点，就是没有先行知识点的知识点；终止知 识点，就是没有后行知识点的知识点；中途知识点，就是既有先行知识点又有后行 6 硕士学位论文 m a s t e r st h e s i s 知识点的知识点。 ( 2 ) 知识点也可分为元知识点和复合知识点。元知识点就是最小的知识点， 它的知识内容是不能再分解，在学科知识结构图中处于最底层，是我们最先需要掌 握的知识点。复合知识点是由若干元知识点组成的，也可由其它复合知识点构成， 可以说复合知识点是元知识点的上层结构，是元知识点的学习目标，同时元知识点 也可以看作是最低一级的复合知识点。 2 2 2 知识点问关联的划分 知识点间的联系是复杂的，要掌握一个知识点的内容可能需要先掌握若干个知 识点的内容，而这个知识点又可能是其它若干个知识点的前提，可见知识点间的联 系不是完全呈线性的，而是一种网状的结构。因此，需要建立一个类似树状的而又 不完全局限于树状的知识点结构，以满足实际网络学习的要求。为此，我们首先要 考虑知识点间的层次联系，以满足领域知识树构造的需要，然后在知识树上的各个 分支之间建立必要的关联。图2 1 是描述知识点关系的一个知识领域树。 第二层 第三层 元知识点 图2 1 知识领域树图 知识点是构成整个知识点模型中知识结构的基本单位，包括概念、定义、原理、 例题和结论等多种类型的知识点。为了有利于学习者的认知习惯，本文按照教科书 的组织原则来划分知识点间的关系，同时保证知识点内容的完整性、连贯性和一致 性等，采用领域知识细化的思想。基本的划分方法如下：某一课程的一章可以化为 一个大的知识点，其中一节的内容又可细划为较小的知识点，一节中的概念、定理 和公式等还可以划分为更小的知识点。例如，以模拟电路中“半导体三极管及放大 7 硕士学位论文 m a s t e r st h e s i s 电路”一章为例，它属于第一层的大知识点，其中的“放大电路的求法 为下面的 第二层的小知识点，“图解法 和“小信号模型法”属于第三层的小知识点，里面 的公式和定理就属于最小的元知识点。上面的基本划分是把一个大的主题领域知识 逐步分成若干个小的、具体的知识点，但是划分后的知识点并不是杂乱无章的简单 堆积在一起的，它们之间有着内在的联系，这种知识点之间的联系对学习者掌握知 识点的内容起着重要的连贯性作用。文献【2 9 】【3 0 1 按照知识点间相互联系的实际情况， 考虑组织知识点的可行性以及学科知识库建立的需要，将知识点的关系分为父子关 系、先后关系和平行关系三大类。 ( 1 ) 父子关系 父子关系是根据复合知识点和元知识点之间的关系得到的，是知识点之间的一 种整体与部分的关系，由几个知识点组成的复合知识点称为这些知识点的父知识 点，组成复合知识点的这些知识点称为子知识点。父知识点是对其子知识点的整体 描述，子知识点则是对父知识点进行详细的解释和说明。通过上面的分析可知，父 知识点一定是复合知识点，子知识点可以是复合知识点也可以是元知识点( 也就是 最基本的知识点) 。根据这种父子关系，可以通过一棵知识结构树来表示学科知识 库，该树型的学科知识库具有层次越高( 知识点的内容越多) 、层次越低( 知识点 的内容越具体) 等特性。 ( 2 ) 先后关系 先后关系是通过先行知识点和后行知识点的概念衍生而成的。普遍情况下，知 识点之间都存在一定内在的先后联系，比如，先学习哪些知识点才能更好有助于的 后续知识点的学习，先行知识点的学习通过后才能考虑当前的知识点是否可以学习 等，学习者如果掌握了这种联系就能更好的认识知识的规律。同时，知识点之间的 这种先后关系反映了知识点内容之间前后相继的一种依赖关系，学科知识库也可以 根据先后关系用一个知识拓扑结构图来表示。 ( 3 ) 平行关系 平行关系是指知识点处于同一个水平、同一个层次上的，不存在依赖的关系， 没有父子关系和先后关系的特征，学习这类知识点的时候不用分先后次序，是三种 关系中最简单的一种。 本文中的知识点之间的关系主要是根据以上三种关系来展开研究的，把某一网 络课程中的知识内容逐步的划分为单个的知识点，并为各个知识点确定它们之间最 适合的内在关系。为了更好的使这种内在关系存储到学科知识库之中，我们按照各 知识点之间的先后关系建立了知识点关联结构图。 8 硕士学位论文 m a s t e r st h e s i s 2 2 3 知识点问的关联结构 为了能够让知识点的关联结构适应学习者的认知规律，有利于关联规则算法的 挖掘，并且更好的满足学习者对智能导航的要求，本文定义了知识点的九元组 ( 么，只蹦s ，s n , g ，e ，t ，珊) 的关联结构，如图2 2 所示。其中： 图2 2 知识点的九元组关联结构图 ( 1 ) 属性指针( 在九元组中用字母a 表示) 。此指针链接知识点属性，知识点 属性有： i d 编号。它是知识点的唯一标识号，按照知识点所在的章节层次进行编码。 如第a 章第n 节的第1 个知识点编码为a n i ，a 、n 和1 分别采用整数进行编码。 知识点标题。它是对知识点的整体内容进行选取或概括的一个具有代表性的 主题，通常用一个简短的字符串描述。例如，在模拟电路课程里的三极管放大 电路章节中，共射极放大电路、图解分析法、小信号分析法等等。 知识点类型。根据知识点的结构和表示，它具有公式型、概念型、实例型、 图解型等几种类型。 知识点的难度。它表示知识点的难易程度，可以用“容易”、“一般”、“较难”、 “难”等若干级别来表示，在知识库中以整数的形式来表示。例如，“容易”用整 数l 表示、“一般 用整数2 表示、“较难”用整数3 表示、“难”用整数4 表示。 重要程度。与“难度”属性类似，重要程度可以用“可选 、“普通”、“重要”、 “很重要”这四项指标来表示。也可以用整数的形式表示( 表示方法与上面的“难 度 类似) 。 掌握程度。它可分为知道、理解、掌握、运用等。也可以用整数的形式表示 ( 表示方法与上面的“难度”类似) 。 ( 2 ) 先行知识点指针，在九元组中用字母p 表示，用来链接本知识点的先行 知识点。 9 硕士学位论文 m a s t e r st h e s l s ( 3 ) 先行知识点个数，在九元组中用字母p n 表示，它记录了本知识点的先行 知识点的个数。 ( 4 ) 后行知识点指针，在九元组中用字母s 表示，用来链接本知识点的后行 知识点。 ( 5 ) 后行知识点个数，在九元组中用字母s n 表示，它记录了本知识点的后行 知识点的个数。 ( 6 ) 导航指针，在九元组中用字母g 表示，它描述本知识点与其他知识点之 间的关联，包括：与本知识点链接的基础知识点，与本知识点链接的上一层知识点， 与本知识点链接的同一层知识点。 ( 7 ) 示例指针，在九元组中用字母e 表示，链接与本知识点有关的一些应用 问题、实例、求解和图片等。 ( 8 ) 测试指针，在九元组中用字母t 表示，链接与学习本知识点后需要进行 测试的试题，用于测试学习者对本知识点的掌握程度。 ( 9 ) 测试阈值，在九元组中用字母t h 表示，用于将学习者进行测试后的结果 与该阈值比较，该阈值有四个范围值，每个阑值代表学习者对知识点掌握的不同程 度。例如学习者学习某知识点后的测试成绩大于最小的那个阈值，表示学习者“知 道”本知识点。 2 3 知识点的组织方法 知识点模型中的知识网络结构是由许多知识簇组成的，这些知识簇又是由相关 联的若干知识点组成的，所有的这些知识点都是按照一定的外在或内在的联系组织 在一起的，并不是杂乱无章的堆积在一起的。如何将这些知识点合理有效的组织在 一起呈现给学习者，是我们需要考虑的，目的是为了能更好地给学习者引导知识学 习的方向。一些研究表明，人脑中存储的知识结构是由知识点组成的网络结构。当 人们需要用到这些知识去分析问题和解决问题的时候，根据问题本身会联想起某些 相关的知识点，而不是胡乱的搜索头脑中的所有知识点，类似学习者在网络上搜索 知识点是一样的，因此，为了符合学习者的认知习惯，本文采用语义网络来组织知 识点。 语义网络的组成部分包括：节点、弧( 链) 以及权值。其中节点表示知识点， 弧表示它们之间的联系，弧上的权值表示它们之间联系的程度。我们知道知识点之 间的联系是复杂的，存在一些隐性的关联，不像书本上是按照线性的方式排列的。 只有掌握某些知识点，才能学习与这些知识点相关的其它知识点( 相关联的知识点 1 0 硕士学位论文 m a s t e r st h e s i s 可以相互跳转) ，也就是说需要具备一定的基础知识。这样，所有的知识点及知识 点之间的关联就构成了一个语义网络，使学习者在学习过程中可以任意改变学习的 顺序，不需要一页一页的查找知识点，能够灵活的进行非线性的自主学习。我们以 模拟电路中放大电路分析的知识为例构造了一个语义网络图，如图2 3 所示。 图2 3 语义网络组织示意图 2 4 知识点模型的构建 知识点智能导航要能适应学习者个性化的学习需求和认知能力，需要有效的组 织知识点模型中的知识点，上面已经介绍了知识点是描述知识的最基本单元。网络 课程中的知识点都是以w e b 页面的肜式旱现给学习者的，不同的页而存放着不同类 型的知识集合，课程存放章节的内容，章节存放知识点的内容，于是知识点集合构 成了章节，每个章节的知识簇组织起来就是课程。如果课程作为学习目标就需要掌 握下面章节的子目标，然后再具体学习其中的单个知识点目标，并且各知识之间的 关系是用相关性的参数来记录的。为实现知识点智能导航中知识点模型的构建，我 们参考文献 a l l 提出了课程知识点模型的四层结构： ( 1 ) 第一层是目标层：定义各门课程，需要学习的课程作为一个目标，课程 之间还有先行和后行的关系，也就是要先学习某门课程后，下一门课程的学习才能 展开。比如：课程信号与系统与数字信号处理之间的先后关系。课程之间 的关联属于整体目标的关系，利用它们之间的相关性，可以构成一个学科知识结构。 当一个学习者选择了某个学科知识时，系统就会让他清楚的知道自己的学习位置和 硕士学位论文 m a s t e r st h e s i s 学习内容。 ( 2 ) 第二层是子目标层：定义各个章节。学习者的学习实际上就是在头脑中 存储知识点，然后把相关的知识点联系起来的一个过程。由于同一章节的知识点的 相关性较大，所以该层的目的就是把知识点按照一定的联系组织起来，使知识点的 结构和层次清晰的呈现出来。有利于学习者在网络学习过程中理解不同章节的内 容，使导航的功能更灵活、更有效。 ( 3 ) 第三层是知识点层：是按照一定相关性的规律组成的知识点集合，是知 识点模型中的核心层。每个知识点的内容都被定义了一个相关的主题或者关键词， 而且每个知识点都具有两个重要的属性：掌握程度和认知程度，其中掌握程度包括： 知道、了解、理解、掌握、运用：认知程度包括：记忆、理解、应用、分析、评价、 创造。 ( 4 ) 第四层是材料层：用于把课程、章节和知识点以w e b 页面文件或者图形 的方式存储，便于学习者在网上进行访问和学习。每个w e b 页面或者图形至少与一 个知识点相关联，并且能够把知识点问的结构、相关联的层次呈现出来，为学习者 提供知识学习的导航。 该知识点模型的构建符合一般的学习过程：确定一个学习课程，通过课程之间 的关系、课程到章节的联系以及各个章节之间知识点的关联从整体的角度把握知识 点的结构，然后再分别对各章节中知识点逐一学习，掌握具体内容，从而为实现知 识点智能导航提供基础。 2 5 本章小结 本章就论文所涉及的知识点智能导航的设计基础进行了深入的研究，从知识点 模型的设计原则出发，重点描述了知识点智能导航中的知识点的结构，包括知识点 的描述，给出了知识点间的九元组关联结构。在此基础上提出了知识点的语义组织 方法，对知识点智能导航中的知识点模型进行了构建。这些都是知识点智能导航中 底层的研究，主要是为了能更好的实现适应学习者的导航功能，同时也考虑了学习 者的学习风格和偏好的，从而帮助他们提高学习的效果和质量，为接下来的用户个 性化模型的建立和知识点智能导航模型的构建提供了理论基础和方法途径。 1 2 硕士学位论文 m a s t e r st h e s i s 第3 章知识点智能导航的分析与设计 基于第二章所构建的知识点智能导航中知识点模型，这一章对知识点智能导航 的总体建构进行了分析与研究。从智能导航前期的需求分析以及结构分析出发，考 虑到上一章中设计的知识点的组织方法和结构都是需要基于用户的个性习惯来实 现的，所以进一步设计了用户个性化模型，最后给出了知识点智能导航的模型设计， 以及智能导航模型相关的导航方法和技术。 3 1 知识点智能导航的需求分析 随着网络课程资源的不断丰富，网络学习越来越成为高校大学生中最主要的一 种学习方式。而学习者在网络课程的学习之中，面对摆在学习者面前大量的知识信 息，他们往往不能组织好这些知识点，不知道下一步该学什么，导致学习者的学习 效率降低。同时教师和学生在网络课程中是处于分离状态的，教师很难认识到学习 者的学习状态，从而也无法准确的、有效的、个性化的为学习者提供知识导航服务， 可见没有引导的学习是很艰难的。因此我们需要构建一个智能化的知识导航，该导 航能够在学习者自主的学习过程中，不但能够让学习者自始至终的有明确的目标， 而且还能够根据他们的个性和知识认知的程度，智能化的给他们提供学习的路径， 让他们在网络学习的过程中少走弯路。因此基于这样的思考，知识点智能导航的需 求分析主要体现在三个方面，具体如下： ( 1 ) 构建的目的 知识点智能导航构建的主要目的就是帮助学习者在网络课程的学习之中，为学 习者提供一种关键性的引导服务，使学习者能够始终认清位胃、认清方向，并能引 导学习者及时纠正偏差，保证知识学习能沿着正确的方向前进。 ( 2 ) 构建的范围 知识点智能导航主要是针对高校大学生的网络课程的学习要求来考虑的，为他 们提供智能化的学习导航，该导航服务可以根据学习者的需求、兴趣、能力等，按 照学科的知识结构特点来为学习者确定认知目标和认知途径，较快地达到学习者所 期望的学习程度，对提高学习者的自主学习能力、学习效果会有很大的帮助。 ( 3 ) 功能的要求 在网络学习的过程中，针