知识状态

摘要： 学习者知识状态建模是建立个性化学习系统的重要任务之一。目前,学习者知识状态建模的主流方法有两种,分别是心理测量领域专家提出的认知诊断方法和人机交互领域专家提出的知识追踪方法。为了更恰当地将这两种方法应用于智能教育领域,文章围绕以何建模、如何建模、结果为何、如何应用这四个学习者建模的关键问题,从输入维度的可扩展性、模型参数的可适应性、输出结果的精益求精、助力个性化推荐服务四个方面,对认知诊断方法和知识追踪方法进行论述比较。总的来说,认知诊断方法适用于静态评估且在输出结果方面更为精细化、多样化,而知识追踪方法适用于动态预测且在输入维度方面更具可扩展性。通过研究,文章期望为研究者合理应用这两种方法以服务于个性化学习系统提供参考。

摘要： 面向学生的表现预测(试题得分)是在线教育领域重要的研究课题。但传统认知诊断的预测准确性较低,协同过滤方法难以保证预测结果的可解释性。此外,由于目前方法预测时大多利用了学生的试题作答记录,因而不能预测无作答记录的学生在试题上的表现。学生作答试题之前,通常会阅读一些辅助性文本类学习材料。阅读认知诊断即学生阅读学习材料的内容往往可以反映出学生的知识状态(知识点掌握情况),从而有助于预测学生表现。为此,提出一种基于阅读认知诊断的知识状态建模方法。利用学生阅读学习材料的内容,量化其对学习材料的潜在认知程度。结合教育学假设,量化学习材料的难度。利用上述两个量化结果,根据项目反应理论,计算出学生对学习材料的实际掌握程度,据此建模学生的知识状态并预测其在试题上的表现。在实际数据集上进行实验,实验结果表明所提方法可以保证预测结果的准确性与可解释性,也可以预测出无作答记录的学生表现。

摘要： 针对在多分情形下,知识状态不能表示成原子的并,给出多分结构极小集的定义,将原子的概念推广为极小集.在多分结构下,任何知识状态都能表示成极小集元素的并,同时讨论极小集的相关性质.

摘要： 知识论是当前西方会话分析所使用的热点理论,但目前的会话分析研究较少在知识论视域下对建议引发语展开全面、系统的分析。本研究借助会话分析方法,对中国婚姻矛盾热线中的建议引发语展开较全面的知识论阐释,揭示建议引发互动中的知识状态关系定位类型及知识表达方式和本质。研究发现:建议引发语体现了致电者和主持人实施的两种类型的知识状态关系定位,可通过五种知识表达方式来展示,定位的本质是构建双方的两类知识分布关系。本研究能拓展建议引发语研究的理论视角和推动知识论的发展,并为婚姻矛盾热线建议互动的有效开展提供启示。

摘要： 反馈是教育实践活动的重要环节.针对学科竞赛中呈现的多课程知识交叉,学科竞赛知识难感知难反馈的问题,借鉴现代控制理论中的状态空间与状态反馈控制理论,构建了基于知识状态反馈控制的学科竞赛培养模式.结合教师经验与对学习环节中各课程知识的观测获得学生各知识状态量,并以竞赛要求对竞赛培养环节进行调节.进一步比较了基于输出反馈控制的课程教学模式与基于知识状态反馈的学科竞赛培养模式,最后以"西门子杯"中国智能制造挑战赛为例,分析了基于知识状态反馈控制的学科竞赛培养模式的实践方法.

摘要： 人类因内在地具有知识内涵的劳动而与动物区别开来,而实践中有意识的知识内涵越是增长就越是"属人"的活动。一个民族、一个国家越是在生产技术活动中所具备的知识生产处于领先地位,那么这个民族、这个国家就越是走在世界历史的前列。人类历史的发展进程不仅是物质样态的变化,而且也是人类意识中把握了的知识状态的变化。尽管人类社会的物质样态的变化是意识中知识状态变化的基础和原因,然而意识中知识发展往往是人类社会物质发展最积极的动力和关键。

摘要： 知识是由内容、能力和状态三个要素构成的,知识的这三个方面不仅互融,还互补,共同构成一个完整的知识结构.知识的学习就是内化人类认识成果,掌握能力,培养良好精神状态的过程.知识内容的学习是一个通过命题理解、内容反思和启发性应用等方式,获得人类认识成果的过程.知识能力的学习即通过具身认知、默会推论和范例教学等方式,获得活动/行动中形成的判断力、鉴别力和技能.知识状态渗透或蕴藏于知识的内容和能力之中,可通过领悟状态的存在意义、激发求知热情和培养理智信念来获得.在此基础上,需转变对知识教学的传统认识,知识教学在本质上是一种厚实的知识观教学,在目的上应实现由"知"到"无知"的转向,在内容上应扩展对学科知识与教学知识的认识,在过程上处于脱域与浸域的互融之中.

摘要： 作为新一代的心理测量理论,在教育测量领域认知诊断受到越来越多的青睐.它不仅能在细粒度的层面上,评估个体在学科能力上的知识掌握状态,而且可以根据评估结果,给教师提供个体接下来的发展学习的道路.在运用认知诊断理论作认知诊断评估的过程中,Q矩阵起着至关重要的作用.

摘要： 单元教学将研究视角聚焦于核心素养的落地,直面教育中"如何培养人"的难题,引导学生在学习单元中探究现实问题。该研究是不断深化课程改革背景下的产物,同时是继续深化对基础教育课程改革的探索,在促进学生的全面发展、培养学生的核心素养方面具有重要作用。单元教学克服了传统的以课时为单位的教学弊端,打破了学生碎片化的知识状态,有效地引导了学生建构知识、技能与素养之间关联性、结构性的认识。单元教学是促进核心素养落地的重要途径,在这个过程中需要重点思考如何确定单元?如何组织单元?如何设计单元?

摘要： 本文根据知识空间理论,提出了一种快速自适应测试过程.该过程不仅能够对学生的能力水平进行测量,还能考察学生的知识结构和认知缺陷.并在该过程的基础上,提出了基于网络四层模型的自适应测试系统的模型.

摘要： 本文根据知识空间理论,提出了一种快速自适应测试过程.该过程不仅能够对学生的能力水平进行测量,还能考察学生的知识结构和认知缺陷.并在该过程的基础上,提出了基于网络四层模型的自适应测试系统的模型.

摘要： 本文根据知识空间理论,提出了一种快速自适应测试过程.该过程不仅能够对学生的能力水平进行测量,还能考察学生的知识结构和认知缺陷.并在该过程的基础上,提出了基于网络四层模型的自适应测试系统的模型.

摘要： 本发明公开了一种基于遗传算法及属性支持度的变压器状态知识获取方法及设备。所述方法通过变压器故障案例建立决策表，结合遗传算法和属性支持度求解变压器特定状态异常信息下的状态知识，发现变压器状态演化规律，计算复杂程度相比传统方法大大减少，有利于高效提取决策表中与变压器故障类型最相关条件属性。该方法能够克服现有技术的缺点与不足，可以广泛用于认识变压器状态发展规律、实现变压器状态评估、指导变压器状态监测及差异化运维策略的制定，且方法简单、高效，有利于提高电力变压器的运行安全。

摘要： 一种基于AI智能感知识别门式起重机吊具状态的方法，本发明通过在门式起重机横向行走的吊具的吊钩内部多测设置多个摄像头；通过对摄像头的数据进行合成形成三维图像，通过对三维图像中吊钩装卸进行分析，判断是否完成闭锁开锁状态。本发明在门式起重机横向行走的吊具上设置摄像头，通过摄像头对吊钩与勾环的状态进行视频监控，监测简单，实现快，实现了门式起重机吊具的吊钩与勾环状态的定位信息采集，从而便于系统性自动管理，提升了门式起重机作业的作业效率和管理成效。本专利来自中国铁路集团有限公司科技研究课题“铁路集装箱智能场站关键技术研究”，课题编号N2020X009。

摘要： 本发明公开了基于虚拟知识图谱的液压系统状态监测方法及系统，所述方法包括：构建液压系统领域知识本体；获取待监测液压系统的数据集，将数据集导入关系型数据库管理系统中；使用Ontop虚拟知识图谱软件，建立液压系统领域知识本体到数据集之间的映射关系；创建查询语句；利用查询语句，在映射关系上进行查询，以实现对待监测液压系统各个部件的状态监测。液压系统本体是一个共享的模型，能够促进信息管理、知识建模和知识共享等。该发明不仅关注本体的概念建模，还特别关注本体的实际应用。

摘要： 本发明涉及一种基于知识增强与上下文感知的对话状态追踪方法及系统，该方法包括以下步骤：步骤A：采集对话上下文和对话状态数据，构建对话训练集；步骤B：使用训练集，训练基于知识增强的深度学习网络模型；步骤C：将用户与系统的对话数据依次输入深度学习网络模型中，输出当前的对话状态。该方法及系统有利于提高对话状态追踪的准确性。

摘要： 本发明涉及大数据技术领域，公开了一种身心状态知识图谱的生成方法、装置、设备及存储介质，用于提高身心状态数据分析的准确率。所述身心状态知识图谱的生成方法包括：获取目标用户的身心状态调查问卷信息，并根据身心状态调查问卷信息生成身心状态调查数据；获取用户画像数据，并对用户画像数据进行身心状态特征提取，得到身心状态特征数据；获取用户生活行为数据，并对用户生活行为数据进行聚类分析，得到生活习惯特征数据；对身心状态调查数据、身心状态特征数据和生活习惯特征数据进行实体关系识别，并生成目标用户的身心状态知识图谱数据。此外，本发明还涉及区块链技术，身心状态知识图谱数据可存储于区块链节点中。

摘要： 本发明提供了一种一种基于能力数据底图的目标状态规律知识挖掘方法，包括步骤：目标运动状态分析模型训练集构建；目标知识存储；目标运动状态分类模型构建；目标运动状态识别；目标状态规律知识获取；目标状态规律知识展现。本发明以海量历史态势数据为依据，训练分类模型，能够提高历史数据的利用率，同时以历史数据为依托，提高分析结果可信度。结合当前数据底图，增加区域环境等要素信息，生成目标知识图谱，分析区域环境和目标运动状态的关联关系，实现扩充目标状态规律和典型行为模式知识的目的，为区域情况分析提供支撑。

摘要： 本发明提供一种基于学习者知识状态演化表示的知识追踪方法及系统，该方法包括：获取统计的多个学习者对多个知识点样本的认知数据集；生成学习者的知识状态表示，搭建知识追踪模型；生成学习者的未来答题表现的预测值，搭建的知识追踪模型中，贝叶斯知识追踪算法的输入是状态矩阵，输出是学习者的未来答题表现的预测值；生成演化项；将演化项纳入损失函数并最优化，知识追踪模型的训练目标是生成准确的学习者未来答题表现的预测值，并且准确建模知识状态的平缓变化，该目标通过定义损失函数来具化的。

摘要： 本发明提供一种基于学习者知识状态演化表示的知识追踪方法及系统，该方法包括：获取统计的多个学习者对多个知识点样本的认知数据集；生成学习者的知识状态表示，搭建知识追踪模型；生成学习者的未来答题表现的预测值，搭建的知识追踪模型中，贝叶斯知识追踪算法的输入是状态矩阵，输出是学习者的未来答题表现的预测值；生成演化项；将演化项纳入损失函数并最优化，知识追踪模型的训练目标是生成准确的学习者未来答题表现的预测值，并且准确建模知识状态的平缓变化，该目标通过定义损失函数来具化的。

摘要： 本申请提供一种用户知识状态的追踪方法及相关设备，可以及时的更新用户的知识状态。该方法包括：提取目标知识点的知识点特征和目标对象的语义特征，所述目标知识点与所述目标对象相对应；确定所述目标知识点所对应的先决条件知识点特征以及目标用户的知识状态，所述目标对象与所述目标用户相对应；确定所述目标用户针对所述目标对象的状态信息；将所述知识点特征、所述语义特征、所述先决条件知识点特征、所述目标用户的知识状态以及所述目标用户针对所述目标对象的状态信息进行聚合，得到更新聚合特征；将所述更新聚合特征输入知识状态更新模型，以更新所述目标用户的知识状态。

摘要： 一种基于异构图学习融合学习参与状态的知识追踪方法，由获取训练数据集、构建问题知识点二部图、构建知识追踪模型、生成问题张量和知识点张量、编码学生知识状态、编码学生学习参与状态、预测学生答题情况、训练模型、测试模型步骤组成。本发明采用自适应的异构图学习，能根据问题和知识点所构成的二部图的大小自适应调整随机游走的长度，提高了二部图的效率，在建模学生的知识状态时引入这些信息会更加全面、准确。通过建模学生的学习参与状态，使得对学生整个学习过程的建模更加全面，提升了预测学生答题情况的准确率，有效地提高模型的运算效率，克服了循环神经网络长序列依赖问题。