面向深度学习的动态知识图谱建构模型及评测

被引:25
作者
姜强 [1 ]
药文静 [1 ]
赵蔚 [1 ]
李松 [2 ]
机构
[1] 东北师范大学信息科学与技术学院
[2] 国家开放大学教育教学部
关键词
深度学习; 动态知识图谱; 协同知识建构; ARCS模型; 文本挖掘; 滞后序列分析;
D O I
10.13811/j.cnki.eer.2020.03.011
中图分类号
TP18 [人工智能理论]; G353.1 [情报资料的分析和研究]; G642 [教学理论、教学法];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 040102 ;
摘要
深度学习回应时代诉求,指向"核心素养"改革,回答了"培养什么样的人"的问题,回归了学习本质。知识图谱有助于促进学生深入思考,提高问题解决能力、批判性思维和创新能力,实现深度学习。但以往知识建构存在组织静态、孤立的局限,基于ARCS动机模型和知识建构理论,从协同知识建构、动机策略和学习环境建构面向深度学习的动态知识图谱模型,具有动态生成、及时反馈、交互共享等特点,突出学生的主体性、能动性,增强学习体验。以大学生为研究对象,利用文本挖掘、滞后序列分析等方法评测动态知识图谱建构模型。结果表明,实验组学生在学习成绩、注意力程度等方面均优于控制组,尤其对中低水平动机学习者产生积极影响,显著提高了学生在完成任务过程中的感知注意力、自信心和满意度。动态知识图谱建构发展思路可从重塑任务前计划、社会认知开放性、意义协商及生成性教学等方面寻找突破口,催生深层次认知能力与高阶思维。
引用
收藏
页码:85 / 92
页数:8
相关论文
共 12 条