本发明涉及在线学习以及网络教学领域，更具体的，涉及到一种基于知识网络下的在线教育系统的学习资源多层组织与表示方法。
背景技术：
随着移动互联网的发展，基于人工智能的在线教育系统将传统教育和移动互联网有机结合起来，汇聚优质教学资源，提供多样化内容，记录学生个性化学习情况，基于人工智能算法推荐最适合学生个性化学习需求的学习路径与学习资源，可有效解决教育机会不平等的问题。利用这种基于知识网络的在线教育系统，学习者可突破时空限制，灵活获取知识，碎片化学习，利用系统个性化推荐学习路径与学习资源，提高学习效率。但是当前的在线教育平台虽然克服了传统教育的一些问题，仍然简单地以课程为单位进行授课和提供服务，未能充分挖掘知识点之间的关联，围绕知识点及其关联性构建全媒体教学辅助资源去有效支撑教学者的教学活动与学习者的学习需求；系统通常也未能挖掘每个学生的兴趣爱好、学习能力、学习效率、学习时间对学生的学习成效的影响，缺乏对相关知识点的精准核查、补漏功能，未能提供支持学生基于学习目标的学习规划与进阶式学习工具。
当前的网络资源库内容丰富，数据庞大。但是这些资源与教学大纲的关联关系未能充分理清，组织较为无序，质量参差不齐。目前，尚未有一个在线教学系统可围绕教学大纲的知识点，将资源有效地组织起来，以充分结合用户的个性化特点与多样化的丰富资源，支持教学者采用导航式教学，学习者导航式学习。现有系统学习者往往不能够按教学大纲及个人能力，由系统规划好学习路径，按需个性化地获取到高质量的配套学习资源，形成有效的学习模式。如何有效地组织教学资源，切合教学需求，满足学习者个性化学习要求，充分发挥资源效用，为教学者提供精准教学路径及配套教学资源，为学习者查漏补缺、强化弱项，组织并推荐教学资源是现阶段在线教学系统教学资源组织管理研究的热点和难点。
传统教育以及传统的在线教育平台往往只是简单地把资源分类上传到平台，存在以下问题： (1)资源单一，往往由平台运行者提供；(2)资源组织与表示方式简单，资源服务目标不清晰，资源质量评估简单；(3)资源提供者与平台运行者分工不清，未能充分汇聚优质教学资源；(4) 平台未能提供一个有效表达机制，以支持使用者依据其角色需求使用优质的针对性教学资源；(5) 缺乏有效的、针对使用者需求的排名机制，导致使用者往往要靠自己去分辨学习资源的优劣，从而导致学习效率低下、学习进度缓慢。
技术实现要素：
本发明为了解决上述背景技术中未能解决的资源多杂无序、质量良莠不齐，资源组织与表示简单混乱，难以提供切合使用者需求的精准优质资源等问题，提出了一种在线教育系统的学习资源多层组织与表示方法，该方法基于知识网络对教学资源进行多层组织与表示，以支持精准教学与精准学习。
为了解决上述技术问题，本发明采用以下技术方案来实现：一种在线教育系统的学习资源多层组织与表示方法，包括以下步骤：
(1)根据学科教学大纲、学科知识及复合型学习资料构建知识网络，所构建的知识网络是基于知识点和知识点之间的关系而构建的三维知识地图；
(2)形成知识网络的知识点与复合型学习资料的映射关系；析取复合型学习资料的知识点，把每份复合型学习资料与其所包含的三维知识地图中的知识点进行关联，实现复合型学习资料与知识元的映射关系，并且记录复合型学习资料与所关联的知识点之间的关联紧密程度；
所述知识元包括知识点、知识子网和知识簇；知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系；知识点簇由一系列未能形成直接连通的知识子网的知识点构成，用于支持学习或者资源组织；围绕着知识元构建的知识资源称为资源单元；教学资源包括一个或者多个资源单元，服务一个或者多个知识元；
(3)构建针对知识元的扩展学习资源；扩展学习资源针对知识元中知识点与知识子网的学习要求，提供更有深度、更有扩展性的知识元讲解；
(4)建立量化模型，并根据量化模型对每个知识点所关联的扩展学习资源进行量化，根据量化结果对同一个知识点下的扩展学习资源进行排序。
优选地，步骤(1)中，复合型学习资料与知识网络之间的关联关系包括：采用机器学习技术自动析取复合型学习资料中所包含的知识点并与知识网络建立映射关系；或者由专家创建复合型学习资料与知识网络的映射关系或对已经创建的映射关系进行调整。
所述复合型学习资料指按照学习大纲、知识点难度构建的，包括多个相互关联的知识点的学习资料；且根据学习资料的以往使用频率、评价、搜索次数、不同学习群体的学习效果，对复合型学习资料进行评分。
优选地，本发明将知识点之间的关系抽象为父子关系和前后关系；使用带权有向图G＝{V， E}表示，其中V代表构成该有向图的知识点集合，E代表V中知识点之间的关系结合，边的方向代表了关系的方向，边的权值代表了相关联的两个知识点之间的关联紧密程度。
优选地，步骤(4)对每个知识点下对应的扩展学习资源按系统、学习组、学习个人不同粒度进行量化评估，建立面向不同服务对象的有效的排名机制。
步骤(4)对扩展学习资源进行量化时，为扩展学习资源设置恰当的关联紧密程度、资源评分、使用次数、资源上传时间和学习效果。
本发明在针对原有教学和学习中的优质资源难以获得，个性化资源获取难的痛点，结合知识网络可视化技术提出一种新的资源组织与表示形式，可提升优质教学资源的使用效果，优化教学过程，提升学习成效。与现有技术相比，本发明取得了以下技术效果：
1、系统组织相关教学资源时，充分利用知识点之间的关系构建知识网络，把原来丰富但无序的海量学习资源有序地统筹管理起来，并以知识网络为骨架对学习资源进行组织，方便学习者或者教学者快速获得相关知识点的学习资料；同时为相关学习资源建立了面向使用群体或个体的量化评估排名机制，确保优质教学资源得到推荐而逐渐摒弃普通或者劣质教学资源，充分发挥优质资源效用，提高学习者学习效率。
2、采用本发明后，在线教育系统把教学资源、知识网络、学习者个性化情况三方有机结合起来，使知识点之间错综复杂的关系变得清晰明了，资源组织有序易用，使用者获得资源简单易行并有针对性。利用此资源组织与表达形式，教师可精准准备教学方案，制定教学内容，推荐教学资源；家长可针对性地跟踪孩子学习状况，获取个性化的扩展学习资源；学生可以准确获取其个性化掌握的知识子网，获取个性化的学习资源推荐。
3、本发明提供的资源组织方式下，教师可以在授课前利用本发明的可视化技术，清楚地获取其将要讲解的复合型学习资料所包含的知识点及其之间的关系，以及知识点集中所需补充的知识点，方便其在进行授课时对知识点进行补充，以提高授课效果、加深学生理解。
4、本发明提供的资源组织方式下，学生在学习某份复合型学习资料后，可以通过知识网络定位到其掌握薄弱的知识点或者在学习过程中缺失的知识点，获取与这些知识点关联的、依据其个人学习特点排序后的知识点粒度的扩展学习资源进行强化学习。系统还可以根据学生的学习情况以及测试结果和个人知识覆盖子图等向用户推荐适合用户的扩展学习资源。
附图说明
图1为知识网络的示意图。
图2为知识点簇的示意图。
图3为整体资源组织结构图。
图4为复合型学习资料层与知识网络层的映射图。
图5为知识网络层与扩展学习资源层的映射图。
图6为教师和学生使用本发明资源组织方式的流程图。
具体实施方式
为了更好说明本发明，下面结合附图和实施例对本发明的技术方案做进一步的说明。附图某些部分会有省略、放大或缩小，并不代表实际产品的尺寸。对于本领域技术人员来说，附图中某些功能结构及其说明可能省略是可以理解的。
实施例
本发明的方法围绕知识点之间的关联性建立知识网络，利用可视化技术展示知识网络；利用复合型学习资料、扩展学习资源与知识点之间的关联关系，将复合型学习资料和扩展学习资源分别与知识网络建立映射关系。对知识点下对应的扩展学习资源按系统、学习组，学习个人不同粒度进行量化评估，建立有效的排名机制，方便学习者对某个难点有疑惑时通过知识点能够高效的找到高质量的扩展学习资源。在此种资源组织模式下，学习者学习了某个复合型学习资料后，可以利用可视化模块查看到此学习资源所对应的知识点，并进一步获取该知识点的相关知识点(如前续知识点、后续知识点、父知识点)及扩展知识资源。依据学习者的学习轨迹及评测，学习者及相关人员可以快速定位学习者的薄弱知识点以及未能掌握相关知识点的原因，例如没有掌握好当前知识点知识的相关学习内容，未能学好当前知识点的前续知识点或者父知识点。依据上述定位结果，系统可个性化建议或者推荐该学习者的学习计划、路径以及依据学习者学习特点的最佳扩展教学资源。
本发明构建完整的学科知识网络，打破传统的以年级、学期、教材对知识点进行划分的机制，将一个学科的知识点甚至跨学科知识点的知识体系全面展示出来，对于学生的学习具有一定的指导意义。本发明以知识网络为骨架，提出一种基于知识网络的多层资源组织形式，充分利用知识网络和丰富的网络资源，对提高用户的自我学习效率具有很大帮助。
本在线教育系统围绕学习者的学习需求，将教学资源组织为三层：第一层是复合型学习资料层。复合型学习资料可以是传统学习材料中的一篇文章、一个章节等。一份复合型学习资料覆盖一个或者多个知识点。这些知识点有可能是知识网络的一个子网，也可能是没有内在关联关系的知识点簇；第二层是系统的知识网络层。知识网络层采用可视化技术将知识点之间的复杂关系展现出来；第三层是知识元粒度的扩展学习资源层，提供用于强化学习的学习资源。
图1所示知识网络下的学习资源多层组织与表示方法，对学习资源的构建主要分为三层，第一层是复合型学习资料层，复合型学习资料中的知识可以是传统学习材料中的一篇文章、一个章节层等，通常一份复合型学习资料包括多个知识点；第二层是系统的核心知识网络层，核心知识网络层采用可视化技术将知识点之间的复杂关系展现出来；第三层是知识点粒度的学习资源层，本层主要提供用于强化学习的学习资源；构建过程大致如下：
S1、构建一个在线精准学习系统。该系统包括知识网络管理引擎、知识网络、基于角色的用户管理子系统，由不同资源者提供的围绕知识网络中的知识点、知识网络子集或知识点簇而构建的教学资源，以及基于人工智能的个性化学习资源推荐系统。
步骤S1要正确的判断出每份学习资料中所包含的知识点，以便为其构建知识子网；要为每份学习资料设置初始重要程度、困难程度和评分，以供系统最初时使用；系统运行后具体数值可根据使用反馈情况对其进行动态调整。
S2、根据学科教学大纲、学科知识及复合型学习资料构建知识网络。
本步骤建立学习资料与知识网络之间的关联关系主要有两种方法：一是采用机器学习技术自动析取复合型学习资料中所包含的知识点并与知识网络建立映射关系；二是由专家创建复合型学习资料与知识网络的映射关系或对已经创建的映射关系进行调整；数据库中记录每份学习资料与所关联的知识点之间的关联紧密程度。
学科教学大纲制定了核心知识点；这些核心知识点与学科知识结合在一起可以构建知识网络。复合型学习资料也可包含有教学大纲内没有的非核心知识点。知识网络包括不在教学大纲，但又是要掌握好教学大纲相关知识点所必需的知识点，这些知识点通常可以由学科知识提供。
其中，复合型学习资料主要指传统学习资料中的课文、语法、概念、章节，并按照学习大纲、知识点难度构建，包括多个相互关联的知识点的课文、视频、讲义等传统的学习资料，且系统会根据学习资料的以往使用频率、评价、搜索次数，不同学习群体的学习效果等对复合型学习资料进行评分。所述的学习资料包括但不限于资料编号、资料名称、资料简介、标签、重要程度、困难程度、资料类型、关联的知识点、测试题、资料内容、评分、学习建议、备注等。复合型学习资料的搜集围绕教学大纲及权威教科书进行，按照难度、科目以及所包含的知识点之间的关系进行组织排序。
知识网络是以知识点为基本构成单元，与关联的知识点按前后关系或者父子关系连接起来，形成的三维网络；即知识网络是基于知识点和知识点之间的关系而构建的三维知识地图。一个知识点可以有一个或多个与之关联的知识点，即知识节点之间可以是一对一、一对多、多对一的关系。知识点是学习中传递信息的基本单元，具有独立的逻辑结构，核心内容包括理论、原理、概念、定义、范例和结论等。知识点根据不同的分类机制可分为不同类型的知识点。知识子网是完整知识网络中小范围的互相连接的知识点所构成的知识网络的一个子图。知识点簇由一系列未能形成直接连通的知识子网的知识点构成，用于支持学习或者资源组织，构成知识点簇的一系列知识点一般没有直接继承或者前后关系。图1中多个知识点构成一个知识网络，其中虚线箭头表示知识点之间的前驱后继关系，实线箭头表示父子关系。图2中，虚线椭圆形内的知识点构成一个知识点簇。
由于知识点之间关系复杂，本实施例根据经验将知识点之间的关系简单抽象为两种：父子关系和前后关系；使用带权有向图G＝{V，E}表示，其中V代表构成该有向图的知识点集合，E代表V中知识点之间的关系结合，边的方向代表了关系的方向，边的权值代表了相关联的两个知识点之间的关联紧密程度。其中，知识点包括但不限于：知识点编号、知识点名称、知识点简介、学科、年级、知识点内容、知识点关系、知识点标签、备注等。
S3、形成知识网络的知识点与复合型学习资料的映射关系；析取复合型学习资料的知识点，把每份复合型学习资料与其所包含的知识地图中的知识点进行关联，实现复合型学习资料与知识点或知识点簇等知识元的映射关系。并且在数据库中记录复合型学习资料与所关联的知识点之间的关联紧密程度。
在基于知识网络的在线教育系统中，教学资源可以服务一个知识点、一个知识子网(也叫知识网络子集)或者一个知识簇，知识元包括知识点、知识子网和知识簇。知识子网包含以知识点集为起点或终点所涉及的所有学习路径下其它知识点及这些知识点之间的关系。围绕着知识元构建的知识资源在本专利中称为资源单元。教学资源可以包括一个或者多个资源单元，服务一个或者多个知识元。
S4、构建针对知识元的扩展学习资源；针对知识元，构建扩展学习资源。扩展学习资源针对知识元中知识点与知识子网的学习要求，提供更有深度、更有扩展性的知识元讲解，往往只涉及单个知识点或者关系紧密的几个知识点形成的知识子网，这些学习资源与知识点或知识子网之间相互对应。
构建的扩展学习资源类型包括但不限于：视频、音频、电子文档。所述的学习资源属性包括：学习资源编号、学习资源名称、学习资源简介、学习资源类型、学习资源关联的知识点、评分、使用次数、与知识点的关联紧密程度、学习资源内容、建议学习时长等。
本步骤构建的扩展学习资源是服务知识元的，这些扩展学习资源既可由平台提供，也可由资源建设者、老师或专家用户上传。即扩展学习资源可以来自用户上传、专家分享，也可以由平台提供；来自用户上传的扩展学习资源应进行审核，以剔除不符合政策法规或与知识点无关的学习资料。
构建的扩展学习资源是针对单个知识元粒度的，往往只涉及单个知识点或者知识子网。系统会对每个知识元，包括知识点或知识子网，所关联的扩展学习资源建立量化模型并据此对其进行量化排序。
S5、对每个知识点所关联的扩展学习资源进行量化排序。建立量化模型，并根据量化模型对扩展学习资源进行量化，根据量化结果对同一个知识点下的扩展学习资源进行排序，以方便用户可以高效的获取优质学习资源。
本步骤对每个知识点下对应的扩展学习资源按系统、学习组、学习个人不同粒度进行量化评估，建立面向不同服务对象的有效的排名机制，方便学习者对某个难点疑惑时，可通过知识点快速找到高质量的扩展学习资源。知识点的扩展学习资源排序面向服务群体单位(如系统、学习组、学习个人)。
系统依据资源可用性、易用性及有效性进行针对性量化排序，以支持用户可以获取最合适的优质学习资源。对每个知识点所关联的学习资源进行面向服务对象的量化排序，量化时为扩展学习资源设置恰当的关联紧密程度、资源评分、使用次数、资源上传时间、学习效果等。在量化模型中为每个参数设置合适的权重，且权重可以随着业务的需要而进行动态的调整。量化举例如下： y＝αx1+βx2+γx3+…，其中，x1、x2、x3为资源特征，α、β、γ为特征对应的权重。
本发明学习资源多层组织与表示方式支持用户分层学习或者教学。教学中或者学习者可利用教学大纲知识点，复合型学习资料(第一层学习资源)、知识网络(第二层学习资源)及扩展学习资源，快速定位其它层教学资源或者教学大纲，以方便用户高效地获取相关学习资源，提升教学质量，提升学习效率。
一种应用本实施例资源组织方式的学习模式为：用户通过对某份复合型学习材料(可以为传统的学习材料，也可以是经过本发明电子化的学习材料)的学习，通常一份学习材料包涵多个知识点，往往不能够完全掌握所有的知识点，在传统的学习模式下学习者很难对自己的学习情况作出准确判断且寻找优质学习资源成本过高，在此学习模式下学习者可以方便的找出掌握不牢或者学习过程中缺失的知识点。因为本发明已经建立了知识网络与学习资源的映射，所以用户可以在知识网络中通过知识点搜索定位知识点并获取与其相关联的学习资源。且本发明包涵对资源的量化排序。根据量化值进行排序，方便学习者获取优质学习资源，从而降低优质资源获取的时间成本。
针对教师，本发明提供了复合型学习材料的知识子网。教师在进行备课时可以通过本系统方便的获取其要讲解的复合型材料的知识子网，子图中包含知识点的难度、知识点的重要程度等重要信息，还包含以知识点集为起点或终点所涉及的所有学习路径下其他知识点及这些知识点之间的关系，以及知识点集中所缺失的知识点，方便其在进行授课时对知识点进行补充，针对难度较大的知识点进行详细讲解。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。