Preview

Информатика и образование

Расширенный поиск

Применение графов знаний в образовательной среде для персонализированного обучения

https://doi.org/10.32517/0234-0453-2021-36-10-33-42

Аннотация

В статье представлены некоторые методы создания графов знаний – иерархических структур, применяемых в образовательной среде для разработки учебных курсов. Установлено, что для образовательной среды требуются предметно-ориентированные графы знаний, для создания которых не подходят методы создания общих и открытых графов. Рассматриваются методы построения системы понятий учебной дисциплины на основе: анализа учебных текстов; деятельности человека в изучаемой предметной области; анализа структуры основных разделов знаний. Центральным аспектом исследования являлась возможность использовать полученное дерево понятий для формирования контента учебного курса и для построения индивидуальной образовательной траектории. Результаты работы демонстрируют возможность применения разработанных иерархических структур для персонализации обучения. Практическая значимость полученных результатов состоит в том, что предложенные решения ориентированы на компьютерную реализацию и актуальны для управления учебной деятельностью обучающегося в электронной среде. Предлагаемая методика предполагает участие в разработке графа знаний профессионального и научного сообществ, преподавателей и студентов. Это дает возможность разрабатывать впоследствии, на основе этих графов, программы обучения с учетом запросов рынка труда, возможностей обучающей организации, а также целей обучающихся. Одним из важных показателей качества графов знаний является соответствие динамически изменяющейся среде. Возможность достраивать графы знаний позволяет поддерживать актуальность создаваемых на их основе учебных курсов и индивидуальных образовательных траекторий.

Об авторе

М. А. Аникьева
Сибирский федеральный университет
Россия

Аникьева Марина Анатольевна, старший преподаватель кафедры систем искусственного интеллекта, Институт космических и информационных технологий

г. Красноярск



Список литературы

1. Bellomarini L., Sallinger E., Vahdati S. Chapter 2 Knowledge graphs: The layered perspective. Knowledge graphs and big data processing. Ed. V. Janev [and all]. Cham, Springer; 2020:20–34. DOI: 10.1007/978-3-030-53199-7_2

2. Paulheim H. Knowledge graph refinement: A survey of approaches and evaluation methods. Semantic Web. 2016;8(3):489–508. DOI: 10.3233/SW-160218

3. Abu-Salih B. Domain-specific knowledge graphs: A survey. Journal of Network and Computer Applications. 2021;(185):103076. DOI: 10.1016/j.jnca.2021.103076

4. Grigoriev S. G., Mishota I. Yu. Digital University: An actual paradigm of the education informatization. Modern management trends and the digital economy: From regional development to global economic growth. Proc. 1st Int. Scien- tific Conf. Ekaterinburg, Atlantis Press; 2019;634–637. DOI: 10.2991/mtde-19.2019.128

5. Al-Moslmi T., Gallofre Ocana M., L. Opdahl A., Veres C. Named entity extraction for knowledge graphs: A literature overview. IEEE Access. 2020;8:32862–32881. DOI: 10.1109/ ACCESS.2020.2973928

6. Allemang D., Hendler J. Semantic Web for the working ontologist: Effective modeling for linked data, RDFS, and OWL. Morgan & Claypool; Elsevier; 2008. 322 p. Available at: https://www.sciencedirect.com/book/9780123735560/semantic-web-for-the-working-ontologist#book-info

7. Kejriwal M., Sequeda J., Lopez V. Knowledge graphs: Construction, management and querying. Semantic Web. 2019;10(6):961–962. DOI: 10.3233/SW-190370

8. Valaski J., Malucelli A., Reinehr S. Ontologies application in organizational learning: A literature review. Expert Systems with Applications. 2012;39(8):7555–7561. DOI: 10.1016/j.eswa.2012.01.075

9. Aliyu I., Kana A. F. D., Aliyu S. Development of knowledge graph for university courses management. International Journal of Education and Management Engineering. 2020;10(2):1–10. DOI: 10.5815/ijeme.2020.02.01

10. Wang J. Knowledge graph analysis of internal control field in colleges. Tehnicki vjesnik — Technical Gazette. 2020;27(1):67–72. DOI: 10.17559/TV-20191004092659

11. Chi Y., Qin Y., Song R., Xu H. Knowledge graph in smart education: A case study of entrepreneurship scientific publication management. Sustainability. 2018;10(4):1–21. DOI: 10.3390/su10040995

12. Gayathri R., Uma V. Ontology based knowledge representation technique, domain modeling languages and planners for robotic path planning: A survey. ICT Express. 2018;4(2):69–74. DOI: 10.1016/j.icte.2018.04.008

13. Hogan A., Blomqvist E., Cochez M., D’amato C., Melo G. de, Gutierrez C., Kirrane S., Gayo J. E. L., Navigli R., Neumaier S., Ngomo A.-C. N., Polleres A., Rashid S. M., Rula A., Schmelzeisen L., Sequeda J., Staab S., Zimmermann A. Knowledge graphs. ACM Computing Surveys. 2021;54(4):1–37. DOI: 10.1145/3447772

14. Konys A. Knowledge systematization for on- tology learning methods. Procedia Computer Science. 2018;126:2194–2207. DOI: 10.1016/j.procs.2018.07.229

15. Penghe Chen, Yu Lu, Vincent W. Zheng, Xiyang Chen, Boda Yang. KnowEdu: A System to Construct Knowledge Graph for Education. IEEE Access. 2018;6:31553–31563. DOI: 10.1109/ACCESS.2018.2839607

16. Jinta Weng, Ying Gao, Jing Qiu, Guozhu Ding, Huanqin Zheng. Construction and application of teaching system based on crowdsourcing knowledge graph. Knowledge graph and semantic computing. Singapore, Springer; 2019:25–37. DOI: 10.1007/978-981-15-1956-7_3

17. Anikieva M. A. The choice of customisation strategies in training: An overview of parameters and their systematization. Australasian Journal of Educational Technology. 2021;37(3):170–186. DOI: 10.14742/ajet.6185

18. Li Yancong, Shao Zengzhen, Wang Xiao, Zhao Xuechen, Guo Yanhui. A concept map-based learning paths automatic generation algorithm for adaptive learning systems. IEEE Access. 2019;7:245–255. DOI: 10.1109/AC-CESS.2018.2885339

19. Yu-Lin Jenga, Yong-Ming Huang. Dynamic learning paths framework based on collective intelligence from learners. Computers in Human Behavior. 2019;100:242–251. DOI: 10.1016/j.chb.2018.09.012

20. Jihong Yan, Chengyu Wang, Wenliang Cheng, Ming Gao. A retrospective of knowledge graphs. Frontiers of Computer Science. 2018;12(1):55–74. DOI: 10.1007/s11704-016-5228-9

21. Филипов А. В. Методика автоматического составления списка терминов на основе готовых конспектов уроков. Информатика и образование. 2021;36(5):46–51. DOI: 10.32517/0234-0453-2021-36-5-46-51

22. Аникьева М. А. Структурирование понятий предметной области по дисциплине «Допечатные процессы». Информатизация образования и методика электронного обучения. Материалы I международной научной конференции в рамках IV международного научно-образовательного форума «Человек, семья и общество: история и перспективы развития». Красноярск, СФУ; 2016:162–166. Режим доступа: https://www.elibrary.ru/item.asp?id=26857921

23. Новиков А. И. Семантика текста и ее формализация. М.: Наука, 1983. 216 c.

24. Информатика. Wikipedia. Режим доступа: https://ru.wikipedia.org/w/index.php?title=Информатика&oldid=117582771

25. Ford R., Meyer R. Competency-based education 101. Procedia Manufacturing. 2015;3:1473–1480. DOI: 10.1016/j.promfg.2015.07.325

26. Tuning of educational structures: Russia. Available at: http://tuningrussia.org

27. ISO/IEC TR 19759:2015: Software Engineering — Guide to the software engineering body of knowledge (SWEBOK). ISO. Available at: https://www.iso.org/stan-dard/67604.html

28. Prins G. T., Bulte A. M. W., Pilot A. An activity-based instructional framework for transforming authentic modeling practices into meaningful contexts for learning in science education. Science Education. 2016;100(6):1092–1123. Available at: https://onlinelibrary.wiley.com/doi/abs/10.1002/sce.21247

29. Атанов Г. А. Деятельностный подход в обучении. Донецк: ЕАИ-пресс; 2001. 160 c.

30. Шадриков В. Д. Формирование базовых компетенций на основе деятельностного подхода (на примере педагогической деятельности). Мир психологии. 2014;(3):105–119. Режим доступа: https://elibrary.ru/item.asp?id=22023188

31. Jonassen D. H., Rohrer-Murphy L. Activity theory as a framework for designing constructivist learning environments. Educational Technology Research and Development. 1999;47:61–79. DOI: 10.1007/BF02299477

32. Григорьев С. Г., Подболотова М. И., Федосеева З. Р. Модель углубленной профессионально-ориентированной практики магистрантов в условиях сетевого взаимодействия по направлению подготовки «Педагогическое образование» (Учитель среднего общего образования). Психологическая наука и образование. 2015;20(5):130–141. DOI: 10.17759/pse.2015200512

33. Войшвилло Е. К. Понятие как форма мышления: логико-гносеологический анализ. М.: Изд-во МГУ; 1989. 239 c.

34. Цибульский Г. М., Вайнштейн Ю. В., Есин Р. В. Разработка адаптивных электронных обучающих курсов в среде LMS MOODLE: монография. Красноярск: Сибирский федеральный университет; 2018. 168 c. Режим доступа: http://Lib3.sfu-kras.ru/ft/LIB2/ELIB/u004/i-222439.pdf

35. Аникьева М. А. Разработка модуля расчета индивидуального графика освоения материалов учебной дисциплины. Информатика и образование. 2021;36(5):35–45. DOI: 10.32517/0234-0453-2021-36-5-35-45


Рецензия

Для цитирования:


Аникьева М.А. Применение графов знаний в образовательной среде для персонализированного обучения. Информатика и образование. 2021;(10):33-42. https://doi.org/10.32517/0234-0453-2021-36-10-33-42

For citation:


Anikieva M.A. The use of knowledge graphs in the educational environment for personalized learning. Informatics and education. 2021;(10):33-42. (In Russ.) https://doi.org/10.32517/0234-0453-2021-36-10-33-42

Просмотров: 399


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0234-0453 (Print)
ISSN 2658-7769 (Online)