基于知識(shí)點(diǎn)題庫(kù)系統(tǒng)模型構(gòu)建及實(shí)現(xiàn)的研究

周顯春 魏爽 張晶 喬艷琰

摘? 要： 知識(shí)點(diǎn)是知識(shí)體系當(dāng)中最基本的單元，以它為基礎(chǔ)開(kāi)展教學(xué)活動(dòng)可以讓教師獲得職業(yè)成就感，讓學(xué)生克服自卑感。但是，學(xué)科知識(shí)點(diǎn)的提取仍然由人工完成，費(fèi)時(shí)費(fèi)力效率低，而且沒(méi)有考慮知識(shí)點(diǎn)之間的相關(guān)性。文章以教育技術(shù)的重要理論為依據(jù)，構(gòu)建學(xué)科知識(shí)點(diǎn)模型和知識(shí)思維導(dǎo)圖;利用jieba分詞工具和Apriori方法分別完成知識(shí)點(diǎn)及知識(shí)點(diǎn)關(guān)系的提取;最后，實(shí)現(xiàn)知識(shí)點(diǎn)題庫(kù)系統(tǒng)，為學(xué)習(xí)路徑的推薦提供了資源。

關(guān)鍵詞： 知識(shí)點(diǎn); 智能提取; 試題庫(kù); 實(shí)現(xiàn)

中圖分類(lèi)號(hào)：TP311? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1006-8228（2018）12-40-04

Abstract： The knowledge point is the most basic unit in the knowledge system. The knowledge point based teaching activities can enable teachers to get a sense of professional achievement and enable students to overcome their inferiority complex. But， at present， extraction of knowledge points by artificial method is time-consuming， laborious and low efficiency， and does not take into account the correlation between knowledge points. This paper， based on the important theory of education， constructs a model of subject knowledge point and a map of knowledge thinking， the Jieba segmentation tool and Apriori method are used to complete the extraction of knowledge points and the correlation between the knowledge points， respectively. On this basis， the knowledge point library system is implemented to provide the resources for the learning path recommendation.

Key words： knowledge point; intelligent extraction; test question bank; implementation

0 引言

知識(shí)點(diǎn)是知識(shí)體系當(dāng)中最基本的單元，它也是在教學(xué)過(guò)程中傳遞教學(xué)信息的最小單元[1]。知識(shí)是一種特別重要的生成資源特別是在高校，研究如何高效地獲取、傳播、使用知識(shí)是十分重要的工作。教育學(xué)、心理學(xué)的大量教學(xué)實(shí)踐已經(jīng)證明，將學(xué)科講授教學(xué)內(nèi)容劃分知識(shí)點(diǎn)以及知識(shí)點(diǎn)直接隱藏關(guān)聯(lián)關(guān)系，可幫助學(xué)生理清學(xué)習(xí)重點(diǎn)、難點(diǎn)以及所學(xué)知識(shí)的前后依賴關(guān)系，可以避免學(xué)生在學(xué)習(xí)中感到迷茫，提高教和學(xué)的效率和讓教師的成就感大幅提升，克服學(xué)生的自卑[2]。

隨著互聯(lián)網(wǎng)+、大數(shù)據(jù)技術(shù)、人工智能技術(shù)高速發(fā)展情況下，利用這些技術(shù)為教育行業(yè)服務(wù)，如何幫助大部分學(xué)生在有限的時(shí)間內(nèi)完成有用知識(shí)的獲取，或者說(shuō)找到一條高效的學(xué)習(xí)知識(shí)的路徑是一個(gè)值得研究的課題[3-4]。學(xué)科知識(shí)點(diǎn)是學(xué)習(xí)路徑推薦的資源的組成單位。但是，學(xué)科知識(shí)點(diǎn)的提取仍然人工完成，費(fèi)時(shí)費(fèi)力，而且效率低[5]，既沒(méi)有考慮知識(shí)點(diǎn)之間的相關(guān)性，也影響學(xué)習(xí)推薦路徑的優(yōu)化。

針對(duì)以上問(wèn)題，本研究以教育技術(shù)的重要理論為依據(jù)，構(gòu)建學(xué)科知識(shí)點(diǎn)模型、知識(shí)思維導(dǎo)圖;在此基礎(chǔ)上，利用jieba分詞工具、Apriori方法分別完成知識(shí)點(diǎn)、知識(shí)點(diǎn)關(guān)系的提取;最后，實(shí)現(xiàn)知識(shí)點(diǎn)題庫(kù)系統(tǒng)，為學(xué)習(xí)路徑的推薦提供了資源。

1 知識(shí)點(diǎn)與知識(shí)點(diǎn)關(guān)系的提取

首先利用布魯姆認(rèn)知目標(biāo)模型理論、思維導(dǎo)圖、jieba工具完成知識(shí)點(diǎn)的提取，接著采用Apriori分析知識(shí)點(diǎn)的前后關(guān)系或相關(guān)性。

1.1 知識(shí)點(diǎn)的提取

為了便于理解，知識(shí)點(diǎn)的提取以大學(xué)計(jì)算機(jī)基礎(chǔ)課程為例。首先構(gòu)建大學(xué)計(jì)算機(jī)基礎(chǔ)課程的知識(shí)體系，接著構(gòu)建該課程的思維導(dǎo)圖，最后采用jieba工具完成知識(shí)點(diǎn)提取。

1.1.1 學(xué)科知識(shí)體系的構(gòu)建

布魯姆教育認(rèn)知目標(biāo)可以分為：識(shí)記、領(lǐng)會(huì)、應(yīng)用、分析、綜合、評(píng)價(jià)[6]。本研究考慮到教學(xué)目標(biāo)的現(xiàn)實(shí)需要，將大學(xué)計(jì)算機(jī)基礎(chǔ)課程知識(shí)點(diǎn)的難度分為識(shí)記、領(lǐng)會(huì)、應(yīng)用[7]。以此為基礎(chǔ)，結(jié)合大學(xué)計(jì)算機(jī)基礎(chǔ)課程，將知識(shí)點(diǎn)劃分為起源、發(fā)展、定義、基本概念、分類(lèi)、功能、操作（基本操作）、設(shè)置、配置、管理。如圖1所示。

1.1.2 思維導(dǎo)圖的創(chuàng)建

以大學(xué)計(jì)算機(jī)基礎(chǔ)與實(shí)訓(xùn)教程的第一章信息表示內(nèi)容為例，建立思維導(dǎo)圖。如圖2所示。

1.1.3 利用jieba工具提取知識(shí)點(diǎn)

提取關(guān)鍵字的方法，目前可以分為基于字典和詞庫(kù)匹配、詞頻度統(tǒng)計(jì)、知識(shí)理解的分詞方法，是解決語(yǔ)義分析，文本分類(lèi)等問(wèn)題的前提條件。本文采用結(jié)巴分詞工具。

jieba分詞工具基于前綴字典分詞方法，先生產(chǎn)有向無(wú)環(huán)圖（DAG）。如果在DAG中，節(jié)點(diǎn)集V={0，…，n}，其中n表示節(jié)點(diǎn)序號(hào)。?（u，v）∈E其中u，v∈V，u<v，E表示圖的邊，其值為聯(lián)合概率的最大值。

接著采用動(dòng)態(tài)規(guī)劃求解最大路徑，di=max{dj+w（j，i）}

（j，i）∈E;對(duì)于未登錄詞識(shí)別，采用HMM模型，求最大的條件概率：max P{t1，…，tn|c1，…，cn}，ti表示ci對(duì)應(yīng)的狀態(tài)，接著采用Viterbi算法：Pt+1（i）=max[Pt（j）aji]bi（ct+1）求解狀態(tài)序列，改善分詞的結(jié)果。

為了更加貼近應(yīng)用，數(shù)據(jù)來(lái)源為國(guó)家計(jì)算機(jī)等級(jí)考試的要求相符的題庫(kù)。利用學(xué)科知識(shí)點(diǎn)、思維導(dǎo)圖建立自定義字典。

利用jieba提取關(guān)鍵的代碼如下：

jieba.load_userdict（dicname） # dicname為自定義詞典的

路徑，導(dǎo)入自定義的字典

jieba.analyse.extract_tags（text， topK=5，

withWeight= True， allowPOS=（）） # 提取關(guān)鍵字

[（'計(jì)算機(jī)'， 0.7804811569680808）， （'Word 2010'，

0.7121107125313131）， （'進(jìn)制'， 0.70363211136040404），

（'Windows '， 0.70023623445272729）， （'網(wǎng)絡(luò)'，

0.66168734917858588）] #排在前5位的輸出結(jié)果

1.2 知識(shí)點(diǎn)關(guān)系的提取

獲取的知識(shí)點(diǎn)之間存在上位、下位、關(guān)聯(lián)、同義等四種關(guān)系[8]，在知識(shí)點(diǎn)集合或在學(xué)生測(cè)試之后采用Apriori算法[9]對(duì)知識(shí)點(diǎn)之間關(guān)系進(jìn)行關(guān)聯(lián)分析。如果直接存在上述的四種關(guān)系，則在知識(shí)點(diǎn)之間建立關(guān)系，否則忽略。其知識(shí)點(diǎn)關(guān)系提取流程如圖3所示。

以大學(xué)計(jì)算機(jī)基礎(chǔ)課程為例建立知識(shí)點(diǎn)之間的關(guān)系。例如，掌握的進(jìn)制的概念才可以學(xué)習(xí)進(jìn)制直接的轉(zhuǎn)換，接著才可以學(xué)習(xí)字符編碼，而字符編碼，按照單、雙字節(jié)的難易先后順序，先要學(xué)習(xí)西文字符編碼，再學(xué)習(xí)漢字編碼，其知識(shí)點(diǎn)關(guān)系如圖4所示。

2 基于知識(shí)點(diǎn)的題庫(kù)系統(tǒng)模型構(gòu)建及實(shí)現(xiàn)

根據(jù)上面建立的知識(shí)點(diǎn)、知識(shí)點(diǎn)之間的關(guān)系，建立知識(shí)點(diǎn)到考試題目的對(duì)應(yīng)管，為后面的個(gè)性化知識(shí)點(diǎn)的推薦打下基礎(chǔ)。

2.1 數(shù)據(jù)庫(kù)表的設(shè)計(jì)

為了存儲(chǔ)已經(jīng)獲得知識(shí)點(diǎn)、知識(shí)點(diǎn)之間關(guān)系的信息，需要建立5張數(shù)據(jù)庫(kù)表。其中，知識(shí)點(diǎn)總表，包括知識(shí)點(diǎn)序號(hào)、知識(shí)點(diǎn)名稱、前后關(guān)系（自動(dòng)生成）、難易程度（自動(dòng)生成）;知識(shí)點(diǎn)信息表，包括知識(shí)點(diǎn)序號(hào)、課程名稱、章號(hào)、節(jié)號(hào)、知識(shí)點(diǎn)名稱、試題類(lèi)型;學(xué)生信息表，學(xué)號(hào)、姓名、班級(jí)、手機(jī)號(hào)、Email;教師信息表，職工號(hào)、姓名、單位、手機(jī)號(hào)、Email;試題表，包括試題序號(hào)、章節(jié)號(hào)、知識(shí)點(diǎn)序號(hào)、試題內(nèi)容、試題答案、試題分?jǐn)?shù)。管理員信息表，包括序號(hào)，姓名，單位[8]，角色，權(quán)限（自動(dòng)生成）。

2.2 基于知識(shí)點(diǎn)的題庫(kù)系統(tǒng)功能設(shè)計(jì)及實(shí)現(xiàn)

除了以知識(shí)點(diǎn)為基礎(chǔ)組織學(xué)生學(xué)習(xí)、教師開(kāi)展教學(xué)，還可以通過(guò)課前預(yù)習(xí)、課間練習(xí)、課后測(cè)試等環(huán)節(jié)對(duì)學(xué)生的掌握知識(shí)點(diǎn)的情況進(jìn)行分析，根據(jù)分析結(jié)果調(diào)整學(xué)習(xí)和教學(xué)內(nèi)容，或者結(jié)合學(xué)生信息（如學(xué)習(xí)風(fēng)格、基本信息）進(jìn)行個(gè)性化學(xué)習(xí)內(nèi)容、自評(píng)內(nèi)容的專題推薦。根據(jù)上述需求，將題庫(kù)管理系統(tǒng)安裝用戶的角色劃分為三個(gè)基本子模塊。各個(gè)模塊的具體內(nèi)容如圖5所示。

本系統(tǒng)界面采用PyQt5工具，它是作為一套Python模塊實(shí)現(xiàn)的，非常適合開(kāi)發(fā)GUI可視化界面。其中，前后關(guān)系生成的代碼如下[10]。

#生成前后關(guān)系，即知識(shí)點(diǎn)關(guān)系的代碼

def generateRules（dataSet， supportedData，

minConfidence=0.7）：

# 函數(shù)參數(shù)分別表示頻繁項(xiàng)集列表、帶有支持度的頻繁項(xiàng)

集、最小可信度的指標(biāo)值

RelationRuleList=[] #定義了關(guān)聯(lián)規(guī)則的列表

for item in range（1， len（dataSet））： #從1開(kāi)始，單個(gè)元素的

項(xiàng)集不存在關(guān)聯(lián)

for freqenceSet in L[item]：

H=[frozenset（[i]） for i in freqenceSet]

#遍歷L中的頻繁項(xiàng)集

if （j>=2）： #如果頻繁項(xiàng)集元素?cái)?shù)目大于等于2，那么一定要

對(duì)它合并

rulesFromConseq（freqSet， H， supportedData，

RelationRuleList， minConfident）? #生成候選關(guān)聯(lián)知識(shí)關(guān)系集

else： #如果元素個(gè)數(shù)為1

computerConfidence（freqenceSet， H， supportedData，

RelationRuleList， minConfident） #計(jì)算可信度值，評(píng)估規(guī)則

return bigRuleList

3 總結(jié)

本文以教育技術(shù)的重要理論為依據(jù)，構(gòu)建學(xué)科知識(shí)點(diǎn)模型、知識(shí)思維導(dǎo)圖。在此基礎(chǔ)上，利用jieba分詞工具、Apriori方法分別完成知識(shí)點(diǎn)、知識(shí)點(diǎn)關(guān)系的提取，完成知識(shí)點(diǎn)題庫(kù)系統(tǒng)，為學(xué)習(xí)路徑的推薦提高資源。但是，仍然存在很多需要進(jìn)一步研究的內(nèi)容。例如，結(jié)巴分詞工具需要字典，尤其對(duì)于專業(yè)知識(shí)點(diǎn)提取，需要專家的參與，采用人工方法建立專業(yè)字典，導(dǎo)致知識(shí)點(diǎn)沒(méi)有完全智能化提取。與深度神經(jīng)網(wǎng)絡(luò)結(jié)合研究，讓字典庫(kù)智能化是未來(lái)的研究方向之一。

參考文獻(xiàn)（References）：

[1] Georgiev T. M-Learning-a new stage E-Learning[C]//International Conference on Computer Systems and Technologies， Compsystech'2004 of E-Learning，2004.

[2] 李剛.基于知識(shí)點(diǎn)及關(guān)聯(lián)的個(gè)性化教學(xué)系統(tǒng)研究[D].西北大學(xué)，2011.

[3] 劉萌，閻高偉，續(xù)欣瑩.基于知識(shí)點(diǎn)網(wǎng)絡(luò)的自動(dòng)化專業(yè)學(xué)習(xí)路徑推薦[J].計(jì)算機(jī)仿真，2016.33（6）：180-184

[4] 朱艷茹，范亞芹，趙洋.基于知識(shí)圖譜的自適應(yīng)學(xué)習(xí)系統(tǒng)知識(shí)模型構(gòu)建[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2018.3.

[5] 張玉芳，楊芬，熊忠陽(yáng)等.基于上下文的領(lǐng)域本體概念和關(guān)系的提取[J].計(jì)算機(jī)應(yīng)用研究，2010.27（1）：74-76

[6] 布魯姆.教育目標(biāo)分類(lèi)學(xué)[M].華東師范大學(xué)出版社，1986.

[7] 熊明科.基于知識(shí)點(diǎn)的初中化學(xué)診斷性練習(xí)推薦系統(tǒng)研究[D].中央民族大學(xué)，2017.

[8] 李剛.基于知識(shí)點(diǎn)及關(guān)聯(lián)的個(gè)性化教學(xué)系統(tǒng)研究[D].西北大學(xué)，2011.

[9] 閔宇鋒.網(wǎng)絡(luò)教學(xué)系統(tǒng)中的可視化學(xué)習(xí)監(jiān)控機(jī)制[J].現(xiàn)代教育技術(shù)，2010.20（1）：92-96

[10] [美]Peter Hrrington著，李瑞等譯.機(jī)器學(xué)習(xí)實(shí)戰(zhàn)[M].人民郵電出版社，2013.