面向深度学习的动态知识图谱建构模型及评测
姜强1; 药文静1; 赵蔚1; 李松2
2020-03-01
发表期刊电化教育研究
ISSN1003-1553
卷号41期号:03页码:85-92
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。
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
DOI10.13811/j.cnki.eer.2020.03.011
URL查看原文
收录类别北大核心 ; CSSCI ; AMI
语种中文
资助项目国家社会科学基金教育学一般课题“基于大数据的在线学习精准预警与干预机制研究”(课题编号:BCA170074)
原始文献类型学术期刊
文献类型期刊论文
条目标识符http://ir.library.ouchn.edu.cn/handle/39V7QQFX/1375
专题国家开放大学总部_教育教学部
国家开放大学总部_终身教育研究院
作者单位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
推荐引用方式
GB/T 7714
姜强,药文静,赵蔚,等. 面向深度学习的动态知识图谱建构模型及评测[J]. 电化教育研究,2020,41(03):85-92.
APA 姜强,药文静,赵蔚,&李松.(2020).面向深度学习的动态知识图谱建构模型及评测.电化教育研究,41(03),85-92.
MLA 姜强,et al."面向深度学习的动态知识图谱建构模型及评测".电化教育研究 41.03(2020):85-92.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
面向深度学习的动态知识图谱建构模型及评测(3333KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[姜强]的文章
[药文静]的文章
[赵蔚]的文章
百度学术
百度学术中相似的文章
[姜强]的文章
[药文静]的文章
[赵蔚]的文章
必应学术
必应学术中相似的文章
[姜强]的文章
[药文静]的文章
[赵蔚]的文章
相关权益政策
暂无数据
收藏/分享
相关推荐
基于大数据的学习分析仪表盘研究
能力导向的个性化学习路径生成及评测
个性化自适应学习研究——大数据时代数字化学习的新常态
智能同伴互评视角下深度学习过程中的干预机制及其作用研究
大数据时代基于学习分析的在线学习拖延诊断与干预研究
大数据背景下的精准个性化学习路径挖掘研究——基于AprioriAll的群体行为分析
MOOC低完课率现象背景下的设计质量有效规范实证研究
文件名: 面向深度学习的动态知识图谱建构模型及评测.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。