技能背景下学习空间的判别方法和技能评估

技能背景是以问题为对象、技能为属性并体现问题与技能关系的一种特殊形式背景，在技能背景下，通过面向问题概念格和面向技能概念格分别得到知识空间和闭包空间.知识状态是知识空间理论的核心概念，它不仅体现个体当下的学习现状，还可以通过非空的内、外边缘指导下一步的学习.但在知识空间和闭包空间下，知识状态可能不存在非空的边缘，而在良级知识结构下，任意知识状态都存在非空边缘.良级知识空间是学习空间，而且良级知识空间和良级闭包空间都是程序性知识评估的重要工具.在技能背景下研究知识空间是学习空间的充要条件以及什么样的闭包空间是良级的问题.首先，基于知识状态的关系提出良好技能背景，并给出技能背景下学习空间的判别方法和良级的闭包空间的充要条件；其次，根据良好技能背景对个体进行技能评估，得到个体的能力范围；最后，提出技能推测关系，同时给出求解技能推测关系和寻找学习路径的方法 .     

基于知识点对象的个性化学习系统实施

提出了一套个性化学习系统实施方案.该方案以知识点对象为核心组织学习资源,通过数据挖掘等方法获取学习者在学习进度和学习风格两方面模型,并采用“学习内容提取算法”获取适合学习者知识水平的学习内容,再通过XSL技术,根据不同的学习风格模型,对相同的知识点对象进行不同表现和封装.     

基于改进蚁群算法的个性化学习路径推荐

目前已有的学习路径推荐领域多为学习资源推荐,而课程知识图谱应用率较低,与蚁群算法的结合普遍缺乏对学习者知识水平的精确建模.因此,提出将知识图谱技术、深度知识追踪模型以及蚁群算法三者相结合,同时分类蚁群改进传统的蚁群算法:首先,抽象出课程知识点图谱作为路径基础,将深度知识追踪应用于不同水平学习者的分类,并与知识点难度权重相结合;然后,采用蚁群算法进行相应的路径规划,将蚁群按照不同的学习者类别进行划分,在保障相对最短学习路径的同时考虑不同学习群体客观知识水平情况,从而得到个性化的高效率学习路径推荐;最后,在ASSISTment数据集上验证了本方法的有效性.     

基于知识结构图的个性化学习内容生成算法

在结构化知识图的基础上,根据不同学生的学习状态,提出了网络学习环境的个性化学习内容生成算法.在课程本体知识结构图的基础上,经过动态评估学习过程而形成基于不同学生的个性化知识结构图,结合其子空间及有向无环图的拓扑排序方法,设计并实现了基于目标知识点的学习路径和个性化学习内容生成算法,以及在线学习环境中个性化学习内容生成机制.经网络学习课程实例验证表明,该算法可以满足学生个性化学习的需求.     

基于知识状态的个性化学习资源推荐方法

针对现有的个性化学习资源推荐方法存在不能够从学习者的学习缺陷出发推荐学习资源的不足,提出一种基于知识状态的个性化学习资源推荐方法,它首先根据知识点之间的关联关系构建知识图谱,然后根据学习者知识状态进行推导生成待学习知识点向量,最后设计相似性迭代算法从学习资源库中匹配最适合学习者的学习资源.通过实验证明,该方法具有不错的推荐效果和性能.     

利用内容推荐和协同过滤算法实现个性化评估

针对教学评估中存在着仅用试卷分析表无法实现个性化学习和评估的情况,将人工智能中的推荐系统技术应用到期末教学评估中.将推荐系统中的基于内容推荐算法和协同过滤算法分别应用到学生薄弱知识点的个性化学习和期末评估分析中,根据学生的知识掌握情况推荐相应资源进行个性化辅导.通过实验案例验证,该方法可以得出学生对知识点的掌握程度,并根据题目之间的相似性进行推荐.     

自适应学习系统中开放性学习者模型实证研究

为帮助学习者掌握自适应学习系统为学习者所定义的个性特征和学习信息,设计并开发了开放性学习者模型MindOLM。MindOLM 采用思维导图可视化形式将学习者模型中课程知识状态呈现给学习者,帮助学习者了解、查看自己的学习进展,以及章、节、知识点之间的关联关系,并引发学习者元认知学习体验。在实证研究方面,通过实验研究法、问卷调查和面对面访谈等方式收集数据,结果表明: MindOLM 能引发学习者在学习规划和自我反思两个方面的元认知学习体验; MindOLM 能很好地表示学习者学习进展和知识水平; 学习者对MindOLM 在有用性、易用性和满意度3 个方面都表现出较高的认可度。     

搭线窃听下网络安全路径及安全网络编码的研究

利用有向图生成树算法思想,将寻找搭线窃听下单源单宿网络拓扑图中安全路径的算法推广到单源多宿网络情况。接着以线性网络编码的代数构造方法为背景,对多播网络下的搭线窃听攻击做了详细分析,并结合弱安全网络编码的思想,提出一种改进的线性网络编码代数构造方法,利用该方法,即使网络拓扑图中不存在从源到宿的安全路径,网络也能达到弱安全。     

一个智能自适应WWW软件系统的设计与实现方法

本文描述了一个建于ＷＷＷ之上的智能自适应软件系统，该系统基本结构类似通常的智能辅助教学系统，其个别化教学机制是通过适应性学习和掌握学习策略而实现的。本系统的主要特征是（１）学习者知识状态评估是建立在其选择知识内容节点的频率和评估分数之上；（２）基于学习历史适应性呈现和产生教学内容。     

基于学习者能力的注意力机制知识追踪方法

基于学习者能力,针对基于循环神经网络（RNN）和长短期记忆（LSTM）网络的深度知识追踪（DKT）算法对早期知识点关注的不足,提出一种加入注意力机制的DKT算法,并用时隙聚类的方法对不同能力学习者动态分组并赋予不同的注意力权值,以建立更平衡、更客观的知识记忆程度权重分布模型.常用公开数据集上的实验结果表明：该模型优于2种基准模型和2种消融实验模型,说明所提出的模型能更好地表现学习者的知识状态.     

几何对偶在电路分析课程中的应用探索

电路分析课程中的知识点较多且显得离散,课程知识点的融会贯通是学习的难点。为了提高学生学习的主观能动性并达到举一反三的学习效果,几何对偶的知识被引入教学中,并形成了知识闭环自证讲解方式。该讲解方式结合了对偶电路构造方法中的几何对偶构造法和对偶方程转换法。实践表明,学生在掌握了几何对偶之后,更加能够将离散的课程知识在对偶性中统一起来.利用对偶性不仅节约了教学工作量.对培养学生探索知识奥妙的主观能动性亦有重要价值。     

基于贝叶斯网络的学习者学习行为评估算法研究

针对现有大部分教学平台提供给学习者相同的学习资源,无法对学习者的学习情况、知识点掌握情况进行实时评测和评估的情况,提出基于贝叶斯网络的学习者学习行为评估模型,主要针对学习者在教学系统中的解题过程行为进行评估及预测.文中首先提出的解决方法是对于每一类题目根据学习者的解题过程分别构建贝叶斯网络模型,但这种方法也存在着一定的不足之处.在此基础上,根据题目之间的关联性进而提出链式贝叶斯网络模型.最后采用KDD 2010比赛中提供的智能辅导教学系统学生日志数据分别验证这两种方法的可行性及有效性.     

在个性化学习系统中艾宾浩斯遗忘曲线的应用

不同学习者对自己的学习情况有不同的期望。根据每个用户的学习期望以及该用户对知识点的掌握的情况给出相应的学习提示，是一个好的个性化学习系统的基本功能要求。在系统中，用户的学习期望是用户预设的。因此系统准确的评测用户对知识的掌握情况是实现功能的关键。由于人会随着时间对知识自然遗忘，因此系统对知识掌握情况评测并不能一次完成，这是一个动态的过程。艾宾浩斯遗忘曲线的数学模型和模糊数学评价方法给了我们新思路。     

谈高等数学习题课教学

在高等数学内容多、课时少的情形下，往往容易忽视习题课的作用，本文通过实例说明习题课有利于帮助学生正确理解基本概念和掌握数学基本方法，有利于引导学生对教学内容与问题进行分析，使在学习中正确掌握所学知识点，有利于提高分析问题和解决实际问题的能力。同时阐述了习题课教学中应注意的问题．     

形式背景下的多分知识结构与学习路径

基于问题解答的多分评估体系,运用形式概念分析的方法构建多分知识结构、寻找学习路径以及评估操作程序,其目的是为了能够有效指导学习。首先,提出由操作程序形式背景概念格构建多分知识结构的方法。其次,引入良好操作程序形式背景,在此背景下可进行逐步学习和有效评估操作程序。最后,设计析取模型下寻找学习路径的算法步骤,并举例说明算法步骤的有效性。     

基于概念图的网络学习导航应用

网络学习中的海量信息和超媒体结构使得学习者在学习过程中出现“迷航”和认知超载.分析了网络学习导航和概念图的概念与特点,探讨了概念图用于网络学习导航的几种方式,研究了在课程知识概念图的基础上针对不同网络学习用户生成最佳学习路径的算法,从而实现了个性化学习,使整个学习过程具备一定的自适应性和智能性.     

三元概念的增量式构造方法

三元概念的构造方法是三元概念分析的核心问题之一，当条件逐个增加时，研究三元概念的增量式构造方法 .首先，详细分析增加一个新的条件后原三元背景中三元概念的变化以及新增加的条件对新背景的三元概念的影响.分别针对下述四种情况给出充分必要条件：（1）新添加的条件对原背景的三元概念不影响，它仍旧是新三元背景的三元概念；（2）原背景的三元概念被替换掉，它不再是新三元背景的三元概念，替换后的三元概念的外延和内涵与原来一致，但是方式增加了新的条件；（3）原背景的三元概念与新的条件共同生成一个新的三元概念；（4）新增加的条件不借助任何原背景的三元概念生成新的三元概念.在此基础上给出基于条件的三元概念的增量式构造算法.最后，通过实例阐明增量式方法生成三元概念的详细过程.     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法，概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程，同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节，其一是确定变量集和变量域；其二是确定贝叶斯网络结构；其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式，是进行数据联合分析与预测的有力工具。     

基于 NA PG 模型的攻击增益路径预测算法

针对网络攻击行为很难预测, 网络中冗余路径导致攻击预测不准确以及攻击路径评估预测指标单一的问题, 提出一种NAPG(network attack profit graph)模型. 该模型通过攻击成本和攻击收益直观地反应攻击行为的可行性, 采用攻击可行性分析算法消除冗余路径, 并将攻击增益引入到评估预测指标中, 给出机会增益路径预测算法和最优增益路径预测算法. 仿真实验验证了该模型和算法的有效性.     

基于NAPG模型的攻击增益路径预测算法

针对网络攻击行为很难预测, 网络中冗余路径导致攻击预测不准确以及攻击路径评估预测指标单一的问题, 提出一种NAPG(network attack profit graph)模型. 该模型通过攻击成本和攻击收益直观地反应攻击行为的可行性, 采用攻击可行性分析算法消除冗余路径, 并将攻击增益引入到评估预测指标中, 给出机会增益路径预测算法和最优增益路径预测算法. 仿真实验验证了该模型和算法的有效性.