基于知识图谱的个性化学习模型与支持机制研究

近年来以人工智能为代表的产业技术为学习方式变革提供了契机，如何促进个性化学习已然成为教育领域关注的重要话题之一。知识图谱作为知识可视化发展的最新技术，拥有较强的表达能力，不仅能在不同知识点之间建立非线性的语义联系，还能解决在线学习中推荐、监控、评价、反馈等个性化学习支持问题，可以助力学习者系统高效地建构知识体系、优化学习决策，为个性化学习支持研究提供了新的视角。以下研究在分析个性化学习及相关研究现状基础上，立足学习者导向视角，在自我决定理论等指导下，构建了基于知识图谱的个性化学习模型及“四位一体”协同支持机制，设计了基于知识图谱的个性化学习系统原型，为给个性化学习研究提供一定参考。

基于知识图谱的个性化学习模型构建

(一)设计理念

• 设计视角：学习者导向
• 理论指导：自我决定与自我调节
• 技术基础：知识图谱
• 运行机制：人机协同

(二)模型构建

基于上述设计理念，研究构建了如下图所示的基于知识图谱的个性化学习模型。该模型体现了知识图谱作为学习支持工具与学习者的个性化学习过程的深度融合，在记录与追踪学习者的基本信息、认知水平、能力水平、情感态度等个性特征基础上，将学习者个性特征与知识图谱中实体属性进行关联。知识图谱在学习者学习过程中一方面通过关系推理从路径推荐、资源推荐、同伴推荐、试题推荐、系统引导等方面提供个性化支持，另一方面则发挥其图示优势为学习者动态展示个人图谱建构情况。学习者在知识图谱的支持下，在目标设定、路径选择、资源选择、知识建构、监控评价、反馈调节等学习过程环节中发挥个人感知、决策判断与修正等主体作用，积极主导并完成学习活动。

基于知识图谱的个性化学习“四位一体”协同支持机制分析

在个性化学习模型指导下，研究立足为不同学习者提供适合的个性化学习，从学习者主体作用发挥与学习系统个性支持协同交互的角度出发，基于学习者动机激发、知识建构、意志增强、能力养成四个维度构建了基于知识图谱的个性化学习“四位一体”协同支持机制，具体如下图所示。

（一)多维度体验的个人图谱与自定规划协同提高动机水平

一方面，通过将学习者的学习表现与知识图谱建立关联，记录更新学习者知识点完成情况，并为学习者可视化动态展示个人图谱建构情况，激发学习者积极参与和深入探究的内在意愿，为学习者后续学习规划与目标的制定与修正提供直接参考依据。另一方面，为学习者提供制定个人学习规划的机会。学习者可以根据自身能力水平情况从目标设定、时间规划和预期绩效等维度动手设计学习规划。

(二)多目标优化的个性化推荐与自主决策协同促进知识建构

研究主要在知识图谱支持下通过学习系统个性化推荐和学习者自主决策协同支持方式，学习者在动态生成性路径中完成知识的系统建构，促进个体具身学习的发生。一方面，知识图谱可视化展示了知识体系，利用知识图谱学习有助于学习者对知识产生系统感知、记忆、思维和想象。同时，学习系统基于学习者初始能力、经验基础以及学习动机等个性特征，结合对学习时间、目标、绩效等多目标需求，在多模多目标优化算法支持下，通过知识图谱的图结构方式，动态为学习者提供适合的推荐结果，为其学习决策提供参考，助力学习者减负增效。另一方面，对决策过程和结果的体验能够有效促进学习者个体的元认知发展，帮助学习者在人机交互过程中掌握独立解决问题的有效方法和技巧。

(三)多模态感知的个性化评价与自我反思协同提升意志品质

研究一方面在借鉴学习仪表盘的成功经验基础上，将实时追踪、记录学习者学习过程表现与学习状态嵌入到知识图谱的知识元属性中，并在图谱上将知识点解锁、活动点完成、任务度达成以及学习满意度描述等个性化学习评价情况通过符号、颜色、形状等多模态可视化表征方式为学习者提供直观反馈。另一方面，自我反思和自我激励为个性化学习成功提供重要保障。

(四)多境脉融合的个性化引导与自主建构协同增强思维能力

研究采用个性化学习引导与自主建构相结合的方式协同支持学习者思维能力的养成。一方面，在知识图谱中嵌入个性化引导引擎，系统会融合学习、测试、会话等不同学习境脉下学习者决策情况和测试结果提供适当的个性化引导策略与辅导资源，并针对学习绩效情况提供相应的提示与激励机制，在不断优化的多境脉反馈中优化学习体验，帮助学习者在适切的人文关怀中增强思维能力，实现从“学”到“学会”的本质转变。另一方面，自主探究可以增强自主感，当学习者有意识地探索自身个性化学习的过程时，思维能力将得到有效训练与提升，有利于促进学习者由“主体”向“本我”作用发挥的跃进。同时，在个性化学习系统中，适当为学习者赋权，鼓励学习者进行知识共享，并提供相关生成性资源推动动态知识图谱的迭代升级，促进人机双向反馈。

基于知识图谱的个性化学习系统原型设计

下图所示的KGLDPLS(Knowledge Graph-Learner Dominant Personalized Learning System)主要通过基于外在知识图谱的个性化支持与基于内在自我决定的个性化调节之间的相互作用促进个性化学习发生。一方面，知识图谱通过图谱构建层、学习推荐层和个人图谱层为学习者提供显性或隐性个性化学习支持；另一方面，学习者则基于个人需求在个性化学习过程中通过个人表现促进个性发展目标的实现。

人工智能是推动规模化个性教育实现的重要技术基础，但目前的人工智能技术只是实现了人类的部分智能，对学习者学习需求等的识别精准度还不够。因此，现实中仍需要学习者发挥其主观能动性，才能确保学习者获得满意的学习体验。知识图谱不仅能够通过属性扩展和关系推理提高学习推荐的精准度，其图示形式也能为学习者建构知识体系、反馈调节提供直观依据，从而助力学习者学习潜能的激发，促进学习者个性全面发展。以上研究融合知识图谱与学习者自身智能优势构建个性化学习模型，探索知识图谱支持下个性化学习的实现机理，为加快推进教育从“产品生产模式”向以学习者为中心的量身定制模式的转变提供理论与现实参考，推进在线学习向大规模个性化学习变革发展进程。