基于知識圖譜的個性化學習模型與支持機制研究

劉鳳娟 趙蔚 姜強 王磊

摘要：近年來以人工智能為代表的產業技術為學習方式變革提供了契機，如何促進個性化學習已然成為教育領域關注的重要話題之一。知識圖譜作為知識可視化發展的最新技術，擁有較強的表達能力，不僅能在不同知識點之間建立非線性的語義聯系，還能解決在線學習中推薦、監控、評價、反饋等個性化學習支持問題，可以助力學習者系統高效地建構知識體系、優化學習決策，為個性化學習支持研究提供了新的視角。因此，該研究在分析個性化學習及相關研究現狀基礎上，立足學習者導向視角，在自我決定理論等指導下，構建了基于知識圖譜的個性化學習模型，并從動機激發、知識建構、意志提升、能力增強四個維度出發，構建了基于知識圖譜的個性化學習“四位一體”協同支持機制，設計了基于知識圖譜的個性化學習系統原型，以期為給個性化學習研究提供一定參考。

關鍵詞：知識圖譜；個性化學習；模型；支持機制

中圖分類號：G434 文獻標志碼：A

* 本文系國家社會科學基金教育學一般課題“基于知識圖譜擴展模型的個性化學習支持與實現機理研究”（課題編號：BCA200083）階段性成果。

隨著“互聯網+教育”的普及，大規模線上學習已經成為學習新常態，個性化學習作為破解規模化個性教育難題的關鍵措施而備受關注，人工智能技術的發展和應用為大規模個性化學習的實現提供了可能。《中國教育現代化2035》將“利用現代技術加快推動人才培養模式改革，實現規模化教育與個性化培養有機結合”作為重要戰略任務[1]。國家《新一代人工智能發展規劃》提出：要重點突破知識加工等核心技術，形成涵蓋數十億實體規模的多源、多學科和多數據類型的跨媒體知識圖譜，并利用智能技術加快推動人才培養模式、教學方法改革[2]。但目前的個性化學習更多側重知識技能的習得，學習者學習過程中存在過分依賴智能系統的判斷與幫扶等誤區[3]，忽略了自身個性發展以及學習能力的培養。因此，個性化學習應以培養掌握學習技能而勝任未來的人為目標，在技術支持下充分發揮學習者主體對自身需求的感知能力和對自身知識能力水平的判斷能力，幫助學習者實現個性發展。而知識圖譜作為人工智能新技術可增強知識表達，為個性化學習研究帶來新契機。在知識圖譜支持下構建學習者導向的個性化學習模型，探索如何為學習者提供更適切的個性化學習，對促進智能時代學習方式變革、探索智能教育新生態環境下學習者“學會學習”綜合素養的培養以及促進人工智能“育人”本質的發揮具有重要的現實意義。

個性化學習思想，可追溯到我國著名教育家孔子提出的“因材施教”，對不同的學習者采取不同的途徑、措施和方法進行個別教學[4]。通過查閱文獻發現，個性化學習相關研究主要集中在學習模式/框架/系統/平臺構建以及個性化推薦等方面。其中，當下流行的智能導學系統、自適應學習系統等研究更偏向于技術導向的個性化學習。比如：Brusilovsky P等指出使用計算機系統或工具來為學習者提供定制的學習材料或活動，以滿足個性化的學習需求[5]。但現實表明，技術提供的學習支架雖然可以根據學習者的個性需求提供定制的學習，但是當學習者遇到情感態度等特定的學習困難或缺乏目標動機時，技術則顯得無能為力。而隨著學習分析和大數據的推廣應用，借助學習分析工具精準識別學習者的學習狀態為教師教學決策提供數據支持成為個性化學習關注的重點。比如：iLearn學院利用數字學習工具和相關的、基于項目的教學方法，為學習者提供個性化教育[6]。彭紅超等構建了面向精準教學的個性化適性學習框架[7]。該類研究雖然一定程度上體現了學習者主體性，但更注重技術控制與教師決策，偏向數據分析及其教學決策應用，沒有發揮學習者主體行為對知識深度建構的重要作用。因此，個別學者從促進學習者的自主學習視角出發，構建了個性化自適應學習模式[8]，或提出一種具有自我調節學習輔助機制的個性化網絡學習系統，幫助學習能力差的被動學習者轉變為具有自我調節學習能力的主動學習者[9]。由此，學習者導向的個性化學習成為研究的新范式。

在學習者導向的個性化學習研究中，個性化推薦為學習者科學規劃和決策等提供了有益參考，但傳統個性化推薦多集中在基于本體、概念圖等的個性化學習路徑模型[10]以及認知診斷[11]等研究，但現實表明該類機器推薦與學習者學習需求匹配度并不高，原因在于本體或概念圖方法只建立了知識點之間最基本的關系，忽略了學習對象之間的潛在依賴關系，缺乏更復雜語義關系的建立，通常會在推薦中出現冗余或不相關的知識概念，不利于學習者知識建構。而知識圖譜這種語義關系更豐富、推理能力更強、可視化方式更直觀的智能新技術能夠為個性化學習研究賦能，但基于知識圖譜的個性化學習研究目前尚處于起步狀態，以知識圖譜構建和學習路徑推薦方法為主，且常被用作診斷性教育方法[12]，為學習者個性化學習提供的支持力度有限。而對學習者來說，系統推薦的不一定是學習者所需要的，且最優路徑推薦對學習者個體來說不一定是最適合的，與真正意義上的個性化學習還有較大差距。因此，個性化學習不僅要需要個性化推薦等技術的輔助支持，更要注重學習者主觀能動性的發揮，從而促進學習者在個性化學習過程中從主體“我”向本體“我”的轉變。此外，Knewton平臺、智慧學伴、百度云智學院、谷歌AltSchool、松鼠AI、高木學習、智學網等個性化學習實踐探索中也存在學習者主觀能動性發揮不足等問題[13]。

綜上，已有研究對個性化學習發展做出了巨大貢獻，但研究主要集中在如何通過系統判斷與推薦為學習者提供學習，多側重技術導向或教師導向的差異化教學研究，忽視了對學習者自我反思、調節等思維能力[14]，學習者主觀調控不足、學習體驗不理想，從而導致學習不夠成功[15]，個性化學習研究還需進一步展開深入探索[16]。因此，本研究從學習者導向的個性化學習視角出發，試圖探索基于知識圖譜的個性化學習模型構建及個性化學習支持機制，學習者在學習過程中有意識地選擇或主動探索自身學習情況，從而有效地進行個性化學習。

模型構建的前提是對個性化學習的認識。本研究認為個性化學習是以學習者的個性差異和目標需求為基礎，學習者在系統支持下通過自主確定學習目標并決策學習過程，自覺完成學習任務并在監控評價與反饋調節中不斷優化學習體驗、提高學習績效，從而促進個體全面發展的一種學習范式。因此，本研究在此認識基礎上，基于個性化學習過程設計，構建了基于知識圖譜的個性化學習模型。

（一）設計理念

1.設計視角：學習者導向

個性化學習主體是學習者，學習者個體是積極向上的、具有自我實現和自我成長的內在需求，在個性化學習模型中為了更好地促進學習者個性發展，有必要通過動機激發與維持加強學習者的主觀能動性、促進自主決策等具體做法，促進學習者準確把握自身基本心理需求與外部學習環境之間的辯證關系。只有當學習者積極參與決定要學的內容、計劃如何發展新的知識和技能以及如何展示他們的新技能時，學習才是個性化的。因此，個性化學習模型的設計視角是學習者導向，旨在促進學習者主觀能動性的發揮和個性化學習系統增強學習者學習能力 “育人”功能的體現。

2.理論指導：自我決定與自我調節

自我決定理論認為盡管個體具有積極向上、自我實現和自我成長的天性，但外部的社會環境可能會支持也可能會阻礙個體自我成長[17]。該理論為個性化學習模型構建中如何激發學習動機、在自主決策中促進知識建構提供了指導作用。自我調節學習旨在幫助學習者對自身學習進行合理規劃并對學習效果進行自我監控和自我評價，Zimmerman自我調節學習循環（SREP）模式[18]為個性化學習過程中為學習者創設自主規劃、操作監控與反饋調節的個性化學習情境，優化個性化學習體驗，促進學習者個性化學習能力和學習意志的培養帶來了重要啟示。因此，依據設計視角，本研究從學習過程整體出發，主要在自我決定理論和自我調節學習理論指導下探索構建滿足學習者個性化需求的學習模型。

3.技術基礎：知識圖譜

模型構建的目的是為學習者創設自我規劃、自我監控與自我反饋的個性化學習情境，其技術基礎是知識圖譜。作為人工智能技術在知識可視化發展中的最新技術，知識圖譜是由一系列的知識元組成，每個知識元不僅僅包括知識的內容，還包括與之有關的學習資源、學習活動等，其細粒度的構成可以滿足學習者的個性化學習需求。且知識圖譜在眾多知識表示方式中，擁有較強的表達能力和建模靈活性，不僅能在不同知識元之間建立非線性的語義關聯，幫助學習者高效地完成知識建構，還能通過一定機制與學習者個性化學習過程建立關聯，提高個性化學習系統的認知智能，并通過可視化方式解決學習過程中的監控、評價和反饋問題，幫助學習者優化決策、提升體驗，從而有效促進個性化學習。

4.運行機制：人機協同

人才培養的目標是在知識技能獲取過程中完成對學習者思維能力的培養，使其具備獨立思考、判斷、決策以及調控能力。學習者的自主參與性和主觀能動性顯然是影響個性發展的關鍵因素。模型的運行機制是在學習者主體參與和知識圖譜輔助支持相結合的人機協同交互機制，即學習者主體在知識圖譜的支持輔助下，制定符合自己的學習目標，選擇適合自己的學習內容與方法，并對自身的學習過程與結果進行監控、評價、反饋與調節。在整個過程中學習者的主觀能動性得到充分發揮，技術為學習者學習決策提供參考依據，提高了學習績效，學習者在技術引導下，自身的思維能力得到提升。

（二）模型構建

基于上述設計理念，本研究構建了基于知識圖譜的個性化學習模型，具體如圖1所示。

模型體現了知識圖譜作為學習支持工具與學習者的個性化學習過程的深度融合，在記錄與追蹤學習者的基本信息、認知水平、能力水平、情感態度等個性特征基礎上，將學習者個性特征與知識圖譜中實體屬性進行關聯。知識圖譜在學習者學習過程中一方面通過關系推理從路徑推薦、資源推薦、同伴推薦、試題推薦、系統引導等方面提供個性化支持，另一方面則發揮其圖示優勢為學習者動態展示個人圖譜建構情況。學習者在知識圖譜的支持下，在目標設定、路徑選擇、資源選擇、知識建構、監控評價、反饋調節等學習過程環節中發揮個人感知、決策判斷與修正等主體作用，積極主導并完成學習活動。在此過程中，學習者在個人圖譜建構基礎上，會結合個人的時間、學習需求（新知學習或舊知復習）等學習規劃進行目標設定，也會結合個人知識狀態進行路徑選擇，還會結合個人偏好進行資源選擇，并在個人學習狀態感知基礎上進行監控評價，從而滿足自身個性發展需求?；谥R圖譜的個性化學習將學習者個體的腦力和體力充分調動起來參與學習，促使自身的動機、認知、技能和情感水平發生變化，進而增強自身思維能力，彰顯在個性化學習中的主體作用。

當學習者對自主控制和能力展現的基本需求得到滿足時，他們會表現出更大的學習動力、學習績效和滿足感，個性也會得到充分發展。個性化學習支持是為了幫助學習者尋求適合自身學習的一種服務范式。因此，個性化學習意味著學習者自身應對學習承擔更多的責任，是在學習活動中賦予學習者一定的控制權，并使之能進行自主判斷、決策和體驗學習過程以及評估學業成就[19]，從而幫助其成為具備良好學習技能和策略的獨立學習者。而除了知識習得，學習動力、能力和毅力的培養可以使學習者對社會的快速發展具有更高的適應性[20]。因此，在個性化學習模型指導下，本研究立足為不同學習者提供適合的個性化學習，從學習者主體作用發揮與學習系統個性支持協同交互的角度出發，基于學習者動機激發、知識建構、意志增強、能力養成四個維度構建了基于知識圖譜的個性化學習“四位一體”協同支持機制，具體如圖2所示。

（一）多維度體驗的個人圖譜與自定規劃協同提高動機水平

增強學習體驗以激發學習動機是個性化學習支持首要考慮的因素。動態環境創設能有效激發并保持學習者的興趣和態度，在記錄學習者歷史經驗和表現過程中，根據學習者個性需求匹配特定的內容與活動。個性化的目的是創設一個能對學習者的學習動機、目的和需求做出回應的學習環境，學習者在有意識地規劃學習并主動選擇適應學習的過程中產生更高水平的內在動機，從而更好地發揮學習者的主體作用。因此，研究主要通過動態個人圖譜和學習者自定規劃相結合的方式多維度支持學習者具體經驗的獲得與學習動機的激發。

一方面，通過將學習者的學習表現與知識圖譜建立關聯，記錄更新學習者知識點完成情況，并為學習者可視化動態展示個人圖譜建構情況（包括近鄰尚未完成的知識點分布以及個人歷史學習表現等情況），吸引學習者感官注意，學習者通過查看目前學習在整個知識圖譜中所處的相對位置，增強對學習規劃和目標更直觀的感覺、知覺，進而激發學習者積極參與和深入探究的內在意愿，為學習者后續學習規劃與目標的制定與修正提供直接參考依據。另一方面，為學習者提供制定個人學習規劃的機會。學習者可以根據自身能力水平情況從目標設定、時間規劃和預期績效等維度動手設計學習規劃。如此，學習者會更明確自己的學習目標，增強了多維度體驗下的學習責任感和緊迫感，增強了動機水平。

此外，滿意度是學習者主體對其學習或學習經歷的一種快樂或積極的情緒狀態，高滿意度必然會促進學習者的學習積極性。在目標設定過程中，允許學習者通過階段目標（月/周目標）和日/次目標結合的方式，通過日/次目標的完成逐步達成階段目標，在每一次學習結束時，都會讓學習者記錄個人在達成預設目標時產生的直觀學習體驗感，使學習者在體驗學習成就感的同時提高了學習興趣，增強內部動機，為順利完成學習任務奠定基礎。

（二）多目標優化的個性化推薦與自主決策協同促進知識建構

知識建構是個性化學習支持的重要目的，而知識建構的績效取決于學習者主體學習參與情況。其中，決策控制在學習者個性化學習中起著關鍵作用，只有允許學習者依據自身的需求去探索實現自己的目標，并主動承擔起知識建構的責任，才能為個性化學習成功提供保障。傳統自適應學習系統的領域本體結構通常是按章、節、知識點的邏輯順序構成，且推薦對象多是知識單元序列組成的粗粒度內容路徑，難以滿足學習者的個性化學習需求。而知識圖譜不僅采用三元組方式描述知識體系，通過知識元之間的屬性標識和關聯關系建立更豐富知識表達，更在于其動態的圖結構方式，在知識元序列組成的細粒度學習路徑基礎上，可以允許搜索等大規模圖算法的運行，能更好地契合學習者學習水平的動態變化，使個性化學習系統具有更強的認知能力，從而幫助學習者提高個性化學習績效，優化個性化學習。因此，研究主要在知識圖譜支持下通過學習系統個性化推薦和學習者自主決策協同支持方式，學習者在動態生成性路徑中完成知識的系統建構，促進個體具身學習的發生。

一方面，知識圖譜可視化展示了知識體系，利用知識圖譜學習有助于學習者對知識產生系統感知、記憶、思維和想象。同時，學習系統基于學習者初始能力、經驗基礎以及學習動機等個性特征，結合對學習時間、目標、績效等多目標需求，在多模多目標優化算法支持下，通過知識圖譜的圖結構方式，動態為學習者提供適合的推薦結果，為其學習決策提供參考，助力學習者減負增效。另一方面，對決策過程和結果的體驗能夠有效促進學習者個體的元認知發展，幫助學習者在人機交互過程中掌握獨立解決問題的有效方法和技巧。學習者在知識元路徑推薦基礎上，圍繞目標與情境，在充分考慮自身知識掌握的實際情況基礎上，主動形成內在判斷和決策意識，進而自主選取適合的知識元路徑和資源類型進行學習，增強其判斷和決策能力，從而更好地建構和內化知識。

（三）多模態感知的個性化評價與自我反思協同提升意志品質

學習者的意志驅動著其個性化學習探究活動，只有學習者學會管理和使用學習活動信息，才能真正體現個性化的價值和意義。實踐證明，傳統的在線學習數據信息主要用于學習評價和教師決策參考，而現實中學習者對自身學習數據信息的使用重視程度不夠，助力個人決策更是在實踐中鮮有發生。因此，研究通過學習系統提供的個性化評價與學習者自我反思相結合的方式協同支持學習者從感知多模態數據到應用數據，進而提高自身反思性觀察能力、增強學習意志品質。

學習儀表盤通過可視化方式反饋學習者狀態，能增強內部動機和自我價值觀[21]。因此，研究一方面在借鑒學習儀表盤的成功經驗基礎上，將實時追蹤、記錄學習者學習過程表現與學習狀態嵌入到知識圖譜的知識元屬性中，并在圖譜上將知識點解鎖、活動點完成、任務度達成以及學習滿意度描述等個性化學習評價情況通過符號、顏色、形狀等多模態可視化表征方式為學習者提供直觀反饋，學習者在個人知識圖譜支持下對照目標達成情況加強對個人學習狀態的判斷，幫助學習者在自我評價與自我反饋中加強學習自律性，養成良好的學習習慣，從而在提高學習效能過程中建立并增強個性化學習信念。另一方面，自我反思和自我激勵為個性化學習成功提供重要保障。學習者利用圖譜表征的個性化學習表現以及學習績效表現進行實時監控與評價，在建立對個人學習狀態系統認知的同時積極反思個人學習過程中所采用的策略與方法以及所取得的學習績效等情況，加強對個人學習過程問題的正視與探析，促進學習者在客觀掌握自身能力水平基礎上科學修正個人目標，歷練更堅韌的個性化學習意志品質，進而促進自我剖析、自我改進和自我發展，確保個性化學習活動的有效性和可持續性。

（四）多境脈融合的個性化引導與自主建構協同增強思維能力

學習者的思維能力水平決定著其個性化學習績效，思維能力不僅包括對知識的感知、記憶等基本能力，還包括監控、反思、評價、自我指導以及自我調節等與學習體悟有關的思維技能。實踐發現，過度依賴系統決策與控制不利于學習者高階思維能力的發展。而個性化學習的最終目的是在學習過程中培養學習者具有良好的行為習慣和較強的思維能力，為其后續學習與個人發展奠定基礎。因此，研究采用個性化學習引導與自主建構相結合的方式協同支持學習者思維能力的養成。

一方面，在知識圖譜中嵌入個性化引導引擎，系統會融合學習、測試、會話等不同學習境脈下學習者決策情況和測試結果提供適當的個性化引導策略與輔導資源，并針對學習績效情況提供相應的提示與激勵機制，在不斷優化的多境脈反饋中優化學習體驗，幫助學習者在適切的人文關懷中增強思維能力，實現從“學”到“學會”的本質轉變。另一方面，自主探究可以增強自主感，當學習者有意識地探索自身個性化學習的過程時，思維能力將得到有效訓練與提升，有利于促進學習者由“主體”向“本我”作用發揮的躍進。學習者在自身目標需求驅動下，利用知識圖譜的提示引導展開自主建構，并積極對自己的學習過程持續進行反思與調控，如此，由交互式學習活動出發不斷增強學習者對學習情境的感知，從而幫助學習者在激活思維能力、加大學習投入過程中不斷提升學習績效。同時，在個性化學習系統中，適當為學習者賦權，鼓勵學習者在某一知識的學習過程中將其自身的創新見解、問題解決策略方法、優質資源（典型試題和學習資料等）等與系統共享，允許學習者作為答疑解惑人員參與其他學習者的問題答疑過程以共同探索問題解決方案，如果在此過程中，學習者的見解和方法被采納和應用，無疑會增強學習者的自我效能感，親歷知識產生的過程將有效促進其思維能力的提升與發展。同時，相關生成性資源也為豐富和擴展知識圖譜中知識元的屬性表征提供了有益參考，從而推動動態知識圖譜的迭代升級，促進人機雙向反饋[22]。

KG-LDPLS（Knowledge Graph-Learner Dominant Personalized Learning System）是一個基于知識圖譜的個性化學習系統，系統在自我決定理論和自我調節理論的指導下為學習者授權，在學習過程中使得每一位學習者的學習能夠根據自身的個人需求，在個人規劃、自主決策、自主監控與反饋以及自我調節等環節中得到個性發展。具體如圖3所示。KGLDPLS主要通過基于外在知識圖譜的個性化支持與基于內在自我決定的個性化調節之間的相互作用促進個性化學習發生。一方面，知識圖譜通過圖譜構建層、學習推薦層和個人圖譜層為學習者提供顯性或隱性個性化學習支持；另一方面，學習者則基于個人需求在個性化學習過程中通過個人表現促進個性發展目標的實現。

（一）學習者的個性化學習

個性化學習以個人需求為基礎，主要體現在學習者的個性特征和個人規劃兩方面。個性特征主要考慮了學習者的經驗背景、學習動機、學習目標、情感態度以及學習偏好等方面，相關信息主要通過問卷量表等方式獲得；個人規劃包括學習時間規劃、學習需求等信息，具體由學習者自主設定。個人表現主要包括學習者學習過程中的行為表現、學業成績、狀態表現以及意志水平等方面。其中行為表現主要由學習路徑調整、與推薦同伴的互動次數、學習資源點擊與下載收藏次數、錯題收藏數量、錯題解析查看次數、學習提示使用次數、提問次數等情況構成，學業成績主要由學習者階段考試成績構成，狀態表現通過學習者自我報告對本次學習的主觀體驗情況獲取，意志水平則由學習者在系統中的登錄頻次、學習時長、知識點完成數量以及錯題重做次數等情況構成。學習表現不僅會影響學習者個人特征變化和個人規劃調整，也通過對個人表現的全面評價支撐學習者個性的全面發展。個性發展促進是個性化學習的目標，是在學習表現基礎上促進知識體系、情感態度、意志品質、行為習慣的形成，核心是學習者思維能力的提升。

（二）知識圖譜的個性化支持

知識圖譜的個性化支持以知識圖譜構建層為基礎。其中，實體是知識圖譜構建的最基本元素，研究抽取內容、資源、活動、評價等屬性并關聯至實體形成知識元，然后抽取并建立知識元之間的關聯關系進而形成通用知識圖譜。學習推薦層主要在通用知識圖譜基礎上結合學習者個人需求進行關系推理，進而為學習者提供路徑、同伴、資源、試題等方面的系統推薦。學習者則在自我決定和自我調節影響下通過自主決策個人路徑、幫扶同伴、資源和試題等方式開展個性化學習。系統從學習者個人學習表現的四個方面對個性化學習進行實時監控評價，同時，學習者根據反饋結果積極對個性化學習環節進行調節，從而在提高學習績效同時尋求更適切的個性化學習體驗。個人圖譜層則在實時追蹤學習者的個人表現基礎上動態展示學習者個人知識建構的整體情況。個人圖譜是通用知識圖譜的子圖，目的是幫助學習者準確掌握自身知識建構情況的同時激發、維持學習動機，從而更有效地促進學習者個性發展。

人工智能是推動規模化個性教育實現的重要技術基礎，但目前的人工智能技術只是實現了人類的部分智能[23]，對學習者學習需求等的識別精準度還不夠。因此，現實中仍需要學習者發揮其主觀能動性，才能確保學習者獲得滿意的學習體驗。知識圖譜不僅能夠通過屬性擴展和關系推理提高學習推薦的精準度，其圖示形式也能為學習者建構知識體系、反饋調節提供直觀依據，從而助力學習者學習潛能的激發，促進學習者個性全面發展。本研究中個性化學習模型的構建旨在融合知識圖譜與學習者自身智能優勢，探索知識圖譜支持下個性化學習的實現機理，為加快推進教育從“產品生產模式”向以學習者為中心的量身定制模式的轉變提供理論與現實參考，推進在線學習向大規模個性化學習變革發展進程。

參考文獻：

[1] 中共中央、國務院.中國教育現代化2035[EB/OL].http：//www.gov.cn/ xinwen/2019-02/23/content_5367987.htm.2019-02-23.

[2] 國發[2017]35號，國務院關于印發《新一代人工智能發展規劃》的通知[Z].

[3] 汪瓊，李文超.人工智能助力因材施教：實踐誤區與對策[J].現代遠程教育研究，2021，33（3）：12-17+43.

[4] 梁秋英，孫剛成.孔子因材施教的理論基礎及啟示[J].教育研究，2009，30（11）：87-91.

[5] Brusilovsky P，Peylo C.Adaptive and Intelligent Web-based Educational Systems [J].International Journal of Artificial Intelligence in Education，2003.13：15-172.

[6] Streeter，Dan.Personalized Learning Impacts on Student Achievement：A Quantitative Approach [D].Flagstaff：Northern Arizona University，2019.

[7] 彭紅超，祝智庭.人機協同決策支持的個性化適性學習策略探析[J].電化教育研究，2019，40（2）：12-20.

[8] 姜強，趙蔚等.個性化自適應學習研究——大數據時代數字化學習的新常態[J].中國電化教育，2016，（2）：25-32.

[9] Chen C M.Personalized E-Learning System with Self-Regulated Learning Assisted Mechanisms for Promoting Learning Performance [J].Expert Systems with Applications，2009，36（5）：8816-8829.

[10] 鄭永和，王楊春曉等.智能時代的教育科學研究：內涵、邏輯框架與實踐進路[J].中國遠程教育，2021，（6）：1-10+17+76.

[11] 王超，劉淇等.面向大規模認知診斷的DINA模型快速計算方法研究[J].電子學報，2018，46（5）：1047-1055.

[12] Zhang L，Yang S，et al.Personalized learning and ESSA：What we know and where we go [J].Journal of Research on Technology in Education，2020，52（3）：253-274.

[13] 唐雯謙，覃成海等.智慧教育與個性化學習理論與實踐研究[J].中國電化教育，2021，（5）：124-137.

[14] Ouf S，Ellatif M A，et al.A proposed paradigm for smart learning environment based on semantic web [J].Computers in Human Behavior，2017，72：796-818.

[15] Jun‐Ming Su.A rule‐based self‐regulated learning assistance scheme to facilitate personalized learning with adaptive scaffoldings：A case study for learning computer software [J].Computer Applications in Engineering Education，2020，28（1）：536-555.

[16] 董玉琦，林琳等.學習技術（CTCL）范式下技術促進學習研究進展（2）：技術支持的基于認知發展的個性化學習[J].中國電化教育，2021，（10）：17-23+42.

[17] Netcoh S.Students’ Experiences with Personalized Learning：An Examination Using Self-Determination Theory [D].Burlington：University of Vermont.2017.

[18] Cleary T J，Zimmerman B J.Self‐regulation empowerment program：A school‐based program to enhance self‐regulated and self‐motivated cycles of student learning [J].Psychology in the Schools，2004，41（5）：537-550.

[19] Jung E，Kim D，et al.The influence of instructional design on learner control，sense of achievement，and perceived effectiveness in a supersize MOOC course [J].Computers & education，2019，128（1）：377-388.

[20] 關成華，陳超凡等.智能時代的教育創新趨勢與未來教育啟示[J].中國電化教育，2021，（7）：13-21.

[21] 姜強，趙蔚等.基于大數據的學習分析儀表盤研究[J].中國電化教育，2017，（1）：112-120.

[22] 董艷，李心怡等.智能教育應用的人機雙向反饋：機理、模型與實施原則[J].開放教育研究，2021，27（2）：26-33.

[23] 宋靈青，許林.人工智能教育應用的邏輯起點與邊界——以知識學習為例[J].中國電化教育，2019，（6）：14-20.

作者簡介：

劉鳳娟：教授，在讀博士，研究方向為數字化學習。

趙蔚：教授，博士，博士生導師，研究方向為數字化學習、個性化教育。

姜強：教授，博士，博士生導師，研究方向為教育大數據、個性化自適應學習。

王磊：教授，博士，博士生導師，研究方向為智能計算、機器學習。

Research on Personalized Learning Model and Support Mechanism Based on Knowledge Graph

Liu Fengjuan1，2， Zhao Wei1， Jiang Qiang1， Wang Lei3（1.School of Information Science and Technology， Northeast Normal University， Changchun 130117， Jilin； 2.School of Educational Sciences， Shaanxi University of Technology， Hanzhong 723001， Shaanxi； 3.School of Mathematics and Computer Science， Shaanxi University of Technology， Hanzhong 723001， Shaanxi）

Abstract： In recent years， industrial technology represented by artificial intelligence has provided an opportunity for the reform of learning methods. How to promote personalized learning has become one of the important topics in the field of education. As the latest technology in the development of knowledge visualization， knowledge graph has strong expression ability. It can not only establish nonlinear semantic links between different knowledge points， but also solve personalized learning support problems such as recommendation， monitoring， evaluation and feedback in online learning. It can help learners systematically and efficiently construct knowledge system and optimize learning decisions， it provides a new perspective for the research of personalized learning support. Therefore， based on the analysis of personalized learning and related research status， based on the learner oriented perspective， under the guidance of self-determination theory and self-regulated learning theory， the research constructs a personalized learning model based on knowledge graph， and starts from the four dimensions of motivation stimulation， knowledge construction， intention improvement and ability enhancement， The “four in one” collaborative support mechanism of personalized learning based on knowledge graph is constructed， a prototype of personalized learning system based on knowledge map is designed， in order to provide some reference for personalized learning research.

Keywords： knowledge graph； personalized learning； model； support mechanism

責任編輯：邢西深