基于知识图谱的继续教育学习成果智能认证系统
本发明涉及智慧教育,具体是指基于知识图谱的继续教育学习成果智能认证系统。
背景技术:
1、随着终身教育理念的深入普及和数字经济的快速发展,继续教育已成为提升劳动者职业能力、促进人力资源优化配置的重要途径。当前,继续教育学习成果的认证与管理面临诸多挑战。首先,学习成果数据来源高度异构,包括在线课程学习记录、线下培训项目档案、职业资格考试成绩、岗位实践报告、企业内训记录等多种形式,这些数据在数据结构、描述标准、存储格式上存在显著差异,导致传统认证系统难以实现跨平台、跨机构的学习成果整合与互认。其次,现有认证方式多依赖人工审核与简单的学分累加机制,缺乏对学习成果深层语义内涵的挖掘,无法准确评估学习者在特定能力维度上的真实水平,也难以识别不同学习成果之间的前置关联与能力递进关系。再次,传统认证系统与行业岗位能力标准、国家职业资格框架之间的对齐机制薄弱,认证结果往往难以直接映射到实际岗位需求,降低了继续教育的社会认可度与应用价值。此外,现有系统在认证过程中缺乏对学习路径的动态追踪与智能推荐能力,无法为学习者提供个性化的能力提升建议,也难以支撑教育管理部门进行宏观的教育质量监测与政策制定。
技术实现思路
1、针对上述情况,为克服现有技术的缺陷,本发明提供了基于知识图谱的继续教育学习成果智能认证系统,针对现有学习成果数据来源高度异构、缺乏统一语义表征的问题,本方案构建多源数据融合采集机制与大语言模型驱动的知识图谱自动构建流程,实现异构学习成果数据的结构化统一表征,并通过领域本体对齐技术建立跨机构、跨平台的学习成果语义互认基础;针对现有认证方式依赖人工审核、缺乏深层语义挖掘的问题,本方案引入基于布鲁姆教育目标分类法的认知层次建模与基于项目反应理论的能力参数估计方法,将学习成果的深度与难度进行量化表征,实现从表层学分记录到深层能力评估的跨越;针对现有系统与岗位能力标准对齐薄弱的问题,本方案构建岗位能力需求与学习成果之间的语义映射网络,通过基于图结构的节点重要性排序算法实现学习成果与行业标准的自动对齐与匹配;针对现有系统缺乏动态追踪与智能推荐能力的问题,本方案设计学习者能力状态动态更新机制与个性化学习路径推荐引擎,基于图遍历的路径搜索算法持续优化推荐策略,为学习者提供精准的能力提升方案。
2、本发明提供的基于知识图谱的继续教育学习成果智能认证系统,包括多源数据采集模块、知识图谱构建模块、本体映射模块、智能认证评估模块、可视化决策支持模块和可信存证模块;
3、所述多源数据采集模块采集来自在线学习平台、线下培训机构、职业资格认证中心、用人单位岗位实训系统的多源异构学习成果数据,以及包含外部行业标准数据、岗位能力需求数据和教育政策数据的教育认证数据,将多源异构学习成果数据发送至知识图谱构建模块,将教育认证数据发送至本体映射模块;
4、所述知识图谱构建模块将多源异构学习成果数据转化为结构化的实体关系三元组,构建覆盖学习者、学习成果、能力指标、岗位需求、教育资源的继续教育领域知识图谱,发送至本体映射模块、智能认证评估模块和可视化决策支持模块;
5、所述本体映射模块基于教育认证数据构建继续教育领域本体,通过概念映射与层次结构建模构建语义对齐与概念统一的概念层次体系,将概念层次体系发送至知识图谱构建模块;
6、所述智能认证评估模块基于所述继续教育领域知识图谱,结合布鲁姆教育目标分类法的认知层次标注与项目反应理论的能力参数估计,对学习者的综合能力水平进行量化评估,生成结构化的认证评估报告,将认证评估报告发送至可视化决策支持模块和可信存证模块;
7、所述可视化决策支持模块基于所述继续教育领域知识图谱与认证评估报告,生成多维度可视化分析图谱,包括学习路径知识图谱、能力聚类图谱、行业需求匹配图谱,为教育管理者与学习者提供决策支持;
8、所述可信存证模块采用分布式账本技术对认证评估报告的关键数据进行加密存证,确保学习成果认证过程的不可篡改性与可追溯性。
9、进一步地,所述知识图谱构建模块包括数据预处理单元、实体抽取单元、关系抽取单元、属性抽取单元和图谱存储单元;
10、所述数据预处理单元对多源异构学习成果数据进行清洗、去重、格式标准化和分词处理,生成标准化的文本语料库;
11、所述实体抽取单元从标准化的文本语料库中识别并抽取继续教育领域的核心实体,所述核心实体包括学习者实体、课程实体、项目实体、能力指标实体、岗位需求实体、教育机构实体和认证标准实体;
12、所述关系抽取单元识别核心实体之间的语义关联,抽取实体关系三元组,所述实体关系三元组的形式为(头实体,关系,尾实体),其中所述头实体和所述尾实体为所述核心实体中的任意两个,所述关系包括前置关系、包含关系、对应关系、提升关系和属于关系;
13、所述属性抽取单元提取各核心实体的属性信息,包括学习者的学习时长属性、考核成绩属性,课程实体的学分属性、难度属性,能力指标实体的权重属性和层级属性;
14、所述图谱存储单元采用图数据库对实体关系三元组和属性信息进行持久化存储,形成继续教育领域知识图谱。
15、进一步地,所述本体映射模块包括本体构建单元、概念映射单元、层次结构建模单元和动态更新单元;
16、所述本体构建单元基于教育认证数据构建继续教育领域本体,定义核心概念类、概念属性、概念间关系和约束规则,所述核心概念类包括学习成果类、能力维度类、岗位需求类和教育活动类;
17、所述概念映射单元计算文本语义相似度,将不同数据源中的同义或近义概念映射到所述继续教育领域本体中的统一概念节点,所述文本语义相似度的计算公式如下:
18、;
19、式中,表示第一概念与第二概念之间的文本语义相似度,表示第一概念的词向量表示,表示第二概念的词向量表示,表示向量点积运算,表示第一概念的词向量模长,表示第二概念的词向量模长;
20、所述层次结构建模单元基于所述继续教育领域本体,构建概念节点的层次结构,定义概念之间的上下位关系,形成树状的概念层次体系,所述层次结构的表示形式如下:
21、;
22、式中,表示层次结构,表示概念节点集合,表示层次关系集合;
23、所述动态更新单元监测新增学习成果数据中的新实体与新关系,当新实体与新关系的出现频率超过预设阈值时,自动触发本体扩展流程,将新实体与新关系纳入所述继续教育领域知识图谱。
24、进一步地,所述智能认证评估模块包括知识图谱分析单元、认知层次标注单元、能力参数估计单元和综合评估单元;
25、所述知识图谱分析单元基于所述继续教育领域知识图谱,采用基于图结构的节点重要性排序算法计算各能力指标实体的重要性分值,所述节点重要性排序算法的迭代计算公式如下:
26、;
27、式中,表示能力指标实体的重要性分值,表示阻尼系数,表示指向能力指标实体的邻接能力指标实体,表示指向能力指标实体的所有邻接能力指标实体集合,表示邻接能力指标实体的重要性分值,表示从邻接能力指标实体出发的所有出边关系集合,表示邻接能力指标实体的出度;
28、所述认知层次标注单元基于布鲁姆教育目标分类法,对学习成果实体对应的认知层次进行自动标注,所述认知层次包括记忆层次、理解层次、应用层次、分析层次、评价层次和创造层次,标注过程依据学习成果实体的描述文本、考核方式属性和任务复杂度属性进行综合判断;
29、所述能力参数估计单元基于项目反应理论的三参数逻辑斯蒂模型,估计学习者在各能力维度上的能力参数,所述三参数逻辑斯蒂模型的数学表达式如下:
30、;
31、式中,表示能力参数为的学习者正确答对当前评估项目的概率,表示学习者的能力参数,表示评估项目的区分度参数,表示评估项目的难度参数,表示评估项目的猜测参数,表示自然常数;
32、所述综合评估单元基于所述重要性分值、所述认知层次标注结果和所述能力参数,计算学习者的综合能力评估得分,所述综合能力评估得分的计算公式如下:
33、;
34、式中,表示学习者的综合能力评估得分,表示能力维度的总数,表示能力维度的索引,表示第个能力维度的权重系数,表示第个能力维度的认知层次系数,表示第个能力维度对应的能力指标实体的重要性分值,表示学习者在第个能力维度上的能力参数。
35、进一步地,所述智能认证评估模块还包括学习路径推理单元和学习缺口分析单元;
36、所述学习路径推理单元基于所述继续教育领域知识图谱中的前置关系,采用基于图遍历的路径搜索算法,推理出从学习者当前能力状态到达目标岗位能力需求的最优学习路径,所述最优学习路径的搜索目标为最小化学习路径总长度,所述学习路径总长度的计算公式如下:
37、;
38、式中,表示学习路径总长度,表示学习路径中包含的学习成果实体数量,表示学习成果实体的索引,表示学习路径中的第个学习成果实体,表示第个学习成果实体对应的能力指标实体的重要性分值,表示难度调节系数,表示第个学习成果实体的难度参数;
39、所述学习缺口分析单元对比学习者的当前能力参数向量与目标岗位的能力需求参数向量,识别能力缺口维度并计算能力缺口值,生成结构化的认证评估报告,所述能力缺口值的计算公式如下:
40、;
41、式中,表示第个能力维度的能力缺口值,表示最大值函数,表示零值,表示目标岗位在第个能力维度上的能力需求参数,表示学习者在第个能力维度上的当前能力参数。
42、进一步地,所述可视化决策支持模块包括知识图谱可视化单元、能力聚类分析单元、行业匹配度分析单元和决策报告生成单元;
43、所述知识图谱可视化单元采用力导向布局算法,将所述继续教育领域知识图谱以交互式网络图的形式呈现,节点表示实体,边表示关系,节点大小与所述重要性分值正相关,边的粗细与关系强度正相关;
44、所述能力聚类分析单元采用基于密度的空间聚类算法,对学习者群体在不同能力维度上的分布特征进行聚类分析,识别学习者群体中的能力优势集群与能力短板集群,所述基于密度的空间聚类算法的核心参数包括邻域半径参数和最小样本数参数;
45、所述行业匹配度分析单元计算学习者的综合能力评估得分与各行业岗位能力需求标准之间的匹配程度,所述匹配程度的计算公式如下:
46、;
47、式中,表示学习者与第个行业岗位的匹配程度,表示能力维度的总数,表示能力维度的索引,表示学习者在第个能力维度上的能力评估分值,表示第个行业岗位在第个能力维度上的能力需求标准分值,表示最小值函数;
48、所述决策报告生成单元整合所述知识图谱可视化单元、所述能力聚类分析单元和所述行业匹配度分析单元的分析结果,生成包含文字描述、数据表格和可视化图表的多维度可视化分析图谱。
49、进一步地,所述可信存证模块包括数据摘要生成单元、加密签名单元和分布式存储单元;
50、所述数据摘要生成单元采用安全哈希算法对认证评估报告的关键数据进行摘要计算,生成固定长度的数据摘要值,所述安全哈希算法的计算公式如下:
51、;
52、式中,表示数据摘要值,表示安全哈希算法,表示认证评估报告的关键数据内容;
53、所述加密签名单元使用非对称加密算法中的私钥对所述数据摘要值进行数字签名,生成数字签名值;
54、所述分布式存储单元将所述认证评估报告、所述数据摘要值和所述数字签名值存储至分布式账本网络中的多个节点,通过共识机制确保数据的一致性与不可篡改性。
55、采用上述方案本发明取得的有益效果如下:
56、(1)针对现有学习成果数据来源高度异构、缺乏统一语义表征的问题,本方案构建多源数据融合采集机制与大语言模型驱动的知识图谱自动构建流程,实现异构学习成果数据的结构化统一表征,并通过领域本体对齐技术建立跨机构、跨平台的学习成果语义互认基础,有效解决了不同教育机构、不同学习平台之间学习成果数据难以互通互认的问题。
57、(2)针对现有认证方式依赖人工审核、缺乏深层语义挖掘的问题,本方案引入基于布鲁姆教育目标分类法的认知层次建模与基于项目反应理论的能力参数估计方法,将学习成果的深度与难度进行量化表征,实现从表层学分记录到深层能力评估的跨越,显著提升了认证评估的科学性与客观性。
58、(3)针对现有系统与岗位能力标准对齐薄弱的问题,本方案构建岗位能力需求与学习成果之间的语义映射网络,通过基于图结构的节点重要性排序算法实现学习成果与行业标准的自动对齐与匹配,使认证结果能够直接反映学习者在真实工作场景中的能力水平。
59、(4)针对现有系统缺乏动态追踪与智能推荐能力的问题,本方案设计学习者能力状态动态更新机制与个性化学习路径推荐引擎,基于图遍历的路径搜索算法持续优化推荐策略,为学习者提供精准的能力提升方案,同时为教育管理部门提供宏观的教育质量监测与政策制定依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com