搜档网
当前位置:搜档网 › 国内外教育技术新发展_基于WOS_省略_istcits知识图谱可视化分析_兰国帅

国内外教育技术新发展_基于WOS_省略_istcits知识图谱可视化分析_兰国帅

国内外教育技术新发展_基于WOS_省略_istcits知识图谱可视化分析_兰国帅
国内外教育技术新发展_基于WOS_省略_istcits知识图谱可视化分析_兰国帅

国内外教育技术新发展

基于WOS 与Histcits 知识图谱可视化分析

兰国帅 张一春 王 岚

(南京师范大学教育科学学院,南京210097)

[摘要] ‘计算机与教育“和‘英国教育技术杂志“是国际教育技术领域两本权威学术期刊,其所刊登的论

文能够一定程度反映国际教育技术研究的发展状况三透过两刊关注国际教育技术的研究进展和动向,无疑具有重要意义三本研究以科学引文数据库(WOS )为信息源,基于文献计量学和社会网络分析方法,对上述两刊十年(2004-2013年)间的文献数据,从时间分布二国家(地区)与高产出学术研究机构分布二高产出与高影响力研究学者二研究主题二研究热点和研究方法等进行深入分析与探究,并利用文献统计软件Bibexcel 和信息可视化软件NetDraw 对两刊高影响力学者共引二文献关键词共现等进行知识图谱可视化分析三研究结果发现:1)‘计算机与

教育“在选题上呈现集中性,作者之间有较强的连接性,即选题接近,引证关系较为密切三‘英国教育技术杂志“具有较强的本土化特征,选题呈分散性,作者也呈分散性,作者之间的连接性相对较弱三2)我国台湾地区的发文数和质量均居亚洲之首,显示出较强的国际交流潜力与实力,中国大陆显示出一定的发展潜力,但与台湾地区相比,在高产出学术研究机构二发文总量与质量方面差距还很大三3)研究主题主要聚焦于交互式学习环境的创设,研究热点主要包括学习环境与资源二策略与方法二理论研究二实践研究和媒体技术等五类主题内容三4)研究方法逐渐由单一范式向实证主义研究范式和多元综合研究范式转型三5)理查德四梅耶二维果茨基和戴维四乔纳森等著名学者及其经典理论在教育技术研究领域仍有较高影响力三

[关键词] ‘计算机与教育“;‘英国教育技术杂志“;国外教育技术发展;WOS ;知识图谱;可视化分析[中图分类号]G443 [文献标识码]A [文章编号]1007-2179(2013)04-0111-10

[收稿日期]2014-03-17 [修回日期]2014-04-22

[基金项目]2014年度江苏省普通高校学术学位研究生科研创新计划项目(江苏省高校研究生培养创新工程项目)

[作者简介]兰国帅,博士研究生,南京师范大学教育科学学院,研究方向:信息技术与教育应用二远程教育二信息技术与外语学习融合(cqdxlgs@https://www.sodocs.net/doc/6313337974.html, );张一春,教授,博士生导师,南京师范大学教育科学学院,研究方向:教育信息化二信息技术与教育应用二继续教育;王岚,硕士研究生,南京师范大学教育科学学院,研究方向:教育信息化二信息技术与教育应用三

随着信息技术的飞速发展,国内教育技术领域的同仁迫切希望直观二系统二全面地了解近年来国际教育技术学科的研究热点二发展动态及研究趋势,以期对解决国内教育技术研究有所启示三因此,关注国际教育技术研究进展和动向,已成为中国教育技术研究人员日常学术活动的一部分三本文以科学引文数据库(Web of Science,简称WOS)为信息源,基于文献计量学研究方法和社会网络分析方法,运用WOS 和Histcite 统计分析功能,对国际教育技术领域最具影响力的两本权威学术期刊‘计算机与教

育“(Computer &Education,简称C&E)和‘英国教育技术杂志“(British Journal of Educational Technol?

ogy,简称BJET)2004-2013年的文献数据进行统计

对比分析,并利用NetDraw 信息可视化软件对两刊高影响力学者共引二文献关键词共现等知识图谱可视化分析,以了解:1)两本期刊的特点;2)我国学者在两本期刊上的发文情况;3)国际教育技术领域十年来涌现的重要学者二研究主题二研究热点及研究方法等,以期为我国教育技术领域的研究者和实践者提供参考与借鉴三

一二数据来源与研究方法

本文以 科学引文数据库”为信息源,下载‘计算机与教育“和‘英国教育技术杂志“2004-2013年

111四第20卷第3期 2014年6月开放教育研究

Open Education Research

Vol.20,No.3Jun.2014 

DOI:10.13966/https://www.sodocs.net/doc/6313337974.html,ki.kfjyyj.2014.03.012

的文献题录数据进行统计分析,题录数据包括标题二作者二摘要二来源出版物与参考文献等三数据统计时间截止到2013年12月,搜到‘计算机与教育“文献数据1724条,‘英国教育技术杂志“文献数据828条三两本期刊均系社会科学引文索引(SSCI)的来源期刊,在教育技术类刊物中排前两位,2013年的影响因子分别高达2.775和2.139,故选择两刊作为调查样本颇具代表性三

本研究首先利用WOS本身所具有的统计功能,对比分析两本期刊十年来文献的年度分布二国家

(地区)与高产出学术研究机构分布,旨在分析两本期刊的特点及我国学者在两刊的发文情况;其次,利用WOS和Histcite的统计分析功能分别对高产出和高影响力研究学者进行可视化图谱分析,分析十年来对教育技术领域产生重要影响的国外学者;最后,利用NetDraw信息可视化软件对两刊文献的关键词进行词频统计与共现知识图谱可视化分析,从中管窥国外教育技术领域十年来的发展脉络二研究主题二研究热点与研究方法三

二二年度分布

对两刊十年来的发文量进行统计与对比分析,得到图1三不难看出,‘英国教育技术杂志“十年间的发文量几乎保持在同一数量水平线上,增幅不大;‘计算机与教育“从2004-2006年发文量无明显增加,但从2006年始发文量呈上升趋势,尤其是2007年的发文量呈井喷之势;‘计算机与教育“2004-2006年的发文量略高于‘英国教育技术杂志“,但2006年后其文献总量明显高于后者,特别是2008年后,其发文数几乎是‘英国教育技术杂志“的3倍三一本期刊在一定时期的发文量反映了该期刊的信息含量,发文量越多,说明期刊的信息含量越大三从图1可以看出,‘计算机与教育“的信息含量明显高于‘英国教育技术杂志“三

三二学术研究机构分布

对两刊作者所属的国家(地区)与学术研究机构,且按照发文数量取前十名,得到表一和表二三从国家(地区)分布看,我国台湾地区二美国和英国占据绝对优势,其发文量分别高达342篇(19.838%)二329篇(19.084%)和150篇(8.701%

)三

图1 2004-2013年两本期刊文献数对比

值得注意的是,我国台湾地区的学者在两刊发文总量的排名分别是第一和第三,为342篇和122篇,分别占19.838%和14.734%,文献总被引频次分别高达3718次和532次,显示出台湾地区教育技术学者具有较强的国际交流潜力和交流能力,也从侧面折射出其在全球拥有显著优势的学术地位三美国学者在两本期刊的发文量均列第二,这与美国教育技术在全球占据显著优势的学术地位有直接关系三‘英国教育技术杂志“有较强的本土性,英国学者的发文量高达193篇,占23.189%,文献总被引频次

1230次,但英国学者所发文献的总自引频次(TLCS)过高,自引率也过高三自引率是期刊在当年的自引次数占该刊当年参考文献总数的比例,自引率越高,说明期刊引用论文中的大部分是发表在自身期刊上的,学术交流程度较低;若自引率过高,往往说明该期刊有不良的非正常自引现象三

不难看出,中国台湾二美国和英国学者在两本期刊的发文量均位居前三,已形成国际教育技术学研究的 三足鼎立”态势三此外,澳大利亚二荷兰二中国大陆二加拿大和土耳其均榜上有名,显示出这些国家教育技术国际化的实力与水平三

中国大陆发文量在两本期刊排第七和第五位,分别为72篇和50篇,占是4.176%和6.039%,文献总被引频次为518次和165次,显示出一定的发展潜力,但与我国台湾地区相比,发文总量和质量差距很大三

从学术研究机构分布情况来看,台湾师范大学和台湾中央大学在发文量上分别居两本期刊的榜首,见表二三

在‘计算机与教育“作者所属机构中,台湾师范大学二台湾科技大学和台湾中央大学位居前三,南洋理工大学二台湾成功大学二英国开放大学二台南大学二

211

表一 2004-2013年刊发文献量前10的国家(地区)分布

‘计算机与教育“‘英国教育技术杂志“

序号国家(地区)数量(篇)百分比(%)总自引

频次

总被引

频次

序号国家(地区)数量(篇)百分比(%)

总自引

频次

总被引

频次

1中国台湾34219.83891037181英国19323.1891231230 2美国32919.08466131572美国15718.96169798 3英国1508.70138219313中国台湾12214.73465532 4西班牙1357.8301057954澳大利亚597.12628352 5荷兰85 4.9301739085中国大陆50 6.03917165 6土耳其79 4.5821255606加拿大31 3.74418237 7中国大陆72 4.1761425187荷兰29 3.50210191 8澳大利亚72 4.1761566388新加波28 3.38233248 9加拿大70 4.0601074559韩国26 3.1405109 10希腊67 3.88620477910土耳其24 2.89915161表二 2004-2013年两期刊刊发文献量前10位学术研究机构

‘计算机与教育“‘英国教育技术杂志“

序号作者所属机构数量

(篇)百分比(%)

总自引

频次

总被引

频次

序号作者所属机构

数量

(篇)百分比(%)

总自引

频次

总被引

频次

1台湾师范大学45 2.610902841台湾中央大学25 3.0191594 2台湾科技大学43 2.4941827222南洋理工大学23 2.77832234 3台湾中央大学41 2.3781305923英国开放大学22 2.65719109 4南洋理工大学39 2.2621274584台湾师范大学18 2.174622 5台湾成功大学34 1.972903585台湾科技大学17 2.053668 6英国开放大学30 1.7401015496开普敦大学12 1.449562 7台湾台南大学29 1.6821264597伦敦大学12 1.449460 8台湾中山大学27 1.566592518顿特大学11 1.329365 9台湾交通大学23 1.334432269台湾成功大学9 1.08710105 10根特大学20 1.1608231610台湾台南大学80.966569

台湾中山大学二台湾交通大学和根特大学分别位列第四至第十位,这说明这些学校教育技术专业实力亦不可小觑三‘计算机与教育“发文量排在前十位的有七所学术研究机构来自中国台湾地区,再次显示出台湾地区在全球教育技术学领域的强势学术地位三值得注意的是,我国台湾地区的研究机构在两本期刊中均占据了半壁江山,而其它能进入前十的国际学术研究机构却寥寥无几,这一现象值得我们深思三因为发文机构数是期刊当年所发表论文所涉及的不同机构的数量,可测度期刊论文的机构分布,衡量期刊的科学生产能力三机构分布越广,说明期刊的开放性以及作者队伍广泛性越强,也说明期刊的影响范围越广三

在‘英国教育技术杂志“作者所属机构排序中,台湾中央大学居榜首三南洋理工大学和英国开放大学分别位列第二和第三三台湾师范大学二台湾科技大学二开普敦大学二伦敦大学二顿特大学二台湾成功大学和台南大学均榜上有名,分别位列第四到第十位三值得注意的是,南洋理工大学亦榜上有名,充分显示该校教育技术学专业的国际化影响力与实力三另外,英国开放大学在两本杂志中均榜上有名,足以说明英国教育技术学,尤其是远程教育学,在国际教育技术学领域的学术影响力三

总之,通过对2004-2013年两本期刊发文献数前10位的学术研究机构分布的对比分析,可以发现以下几点:一是中国台湾二新加坡和英国等国家或地区学术研究机构论文产出较多,在发文量上具有绝对优势三中国大陆的学术研究机构发文量和质量尚有一定差距;二是两刊文献总量前10位的教育技术研究机构群体主要集中在高等院校和研究所;三是台湾科技大学二台湾中央大学和南洋理工大学等学术研究机构的发文量及其总被引频次相对较高三

311

表三 2004-2013年两本期刊前10位高产出学者对比

‘计算机与教育“

‘英国教育技术杂志“

序号

学者

发文量(篇)百分比(%)总自引频次总被引

频次

序号

学者

发文量(篇)百分比(%)

总自引频次总被引

频次

1

Hwang,G.J.27 1.5671324561TEO,T.

10 1.2085102Tsai,C.C.

18 1.045120

4792Hwang,G.J.

9 1.0875793Valcke,M.160.929804333Chang,C.Y.80.96622

4

Chen,N.S.

15

0.871

29110

4

Liu,E.Z.F.8

0.9669

525Nussbaum,M.130.754522495Guo,S.S.

70.8450116Huang,Y.M.110.63846

1986

Hou,H.T.60.725597Chang,C.C.100.580

9

237De Freitas,S.50.6040288Chen,G.D.

90.522351738Liu,C.C.5

0.6043149Chang,K.E.

8

0.464

32

999

Murphy,E.

50.60434210Hwang,W.Y.

80.464

13

6710

Papk,S.H.

5

0.604

9四二高产出与高影响力者分布

对2004-2013年两刊中的高产出学者进行统

计与分析,按照其文献发文数量取前十位(见表三)三

在‘计算机与教育“中排名前列的高产学者有:台湾科技大学黄国桢(Hwang,G.J.)二台湾科技大学蔡今中(Tsai,C.C.)二根特大学马丁四瓦尔克(Martin Valcke)和中山大学陈年兴(Chen,N.S.)等三在‘英国教育技术杂志“排名前列的高产学者有:澳门大学张庆元(TEO,T.)二台湾科技大学黄国桢(Hwang,G.J.)二台湾师范大学张俊彦(Chang,C.Y.)和台湾中央大学刘旨峰(LIU,E.Z.F.)等三值得注意的是,这两本期刊前10的高产出研究学者中有一半来自中国台湾,台湾科技大学黄国桢一人在两本期刊中均榜上有名且排名靠前,中国大陆的学者均未有进入两刊前10名高产出学者三

首先运用Histcite 的统计分析功能对2004-2013年两本期刊共被引参考文献的作者进行词频

与中心度分析,得出高影响力作者(见表四);其次,利用NetDraw 信息可视化软件对两刊文献高影响力学者进行共引知识图谱分析(见图2二图3),旨在从中管窥十年来对教育技术领域产生重要影响的学者及其之间的关系三

对比图2和图3可以看出,图2比较密集,图3比较分散三图2有42个节点,1007条连线,密度较

高;图3有65个节点,987条连线,密度较低三这说明‘计算机与教育“作者之间有较强的连接性,即选题接近,引证关系较为密切,这与前文分析的‘计算机与教育“发文数位列前十的机构中有七所来自中国台湾地区的结论一致三而‘英国教育技术杂志“选题呈现分散性,作者也呈现分散性与多元性,图谱密度分散,作者间的连接性相对较弱三

图2 ‘计算机与教育“参考文献高影响力学者共引图谱

图3 ‘英国教育技术杂志“参考文献高影响力学者共引图谱

中介中心度是用以量化点在网络中地位重要的图论概念三中介中心度值高,说明点在网络中的重要性高,反之则低三笔者认为,高中介中心度学者是对教育技术领域产生重大影响的人物三笔者去掉重复记录,共得出前31位高中介中心度学者(见表

411四

表四 2004-2013年两本期刊高影响力学者总被引频次(部分)

排名学者

总被

引频次

中介

中心度

排名学者

总被

引频次

中介

中心度

排名学者

总被

引频次

中介

中心度

1Mayer,R.E.1620.2012Gee J.P.900.0922Liaw,S.S.710.10 2Vygotsky,L.1490.2313Wenger E.900.1123Laurillard,D.700.19 3Davis,F.D.1420.1914Sweller J.850.1624Hwang,G.J.700.18 4Jonassen,D.H.1340.2415Fishbein M.840.1725Dillenbourg,P.650.17 6Bandura,A.1170.2116Selwyn N.780.0726Papert,S.650.20 7Prensky,M.1070.1817Tsai C.C.770.1127Teo,T.630.19 8Venkatesh,V.1060.1918Chi M.T.H.750.0928Moreno,R.630.09 9Garrison,D.R.990.1519Lave J.730.0929Anderson,T.620.20 10Cohen,J.920.1520Fornell C.730.0830Papastergiou,M.610.17 11Brown,J.S.910.1721Ajzen I.730.0731CLARK,R.E.590.16

四)三尽管这种分析结果会有争议,但这些学者对教育技术领域产生的影响是不容忽视的三

首先是理查德四梅耶(Mayer,R.E.)高居榜首三他是美国加利福尼亚大学圣达巴巴拉分校教授二著名教育心理学家二美国心理学会桑代克教育心理学终身成就奖和心理学应用杰出贡献奖获得者三他也是国际公认的多媒体学习研究领域的开拓者和奠基人,提出了具有国际影响力的多媒体学习认知理论三该理论融合了学习科学(认知理论)和教学科学(教学设计)的研究成果,使得学习与教学二理论与实践之间形成互惠关系,已形成了由基本假设二学习科学二教学科学和应用领域构成的严谨科学体系(Mayer,2005)三在这一科学体系创建过程中,有三件标志性事件:一是2001年梅耶在10年潜心研究的基础上出版了‘多媒体学习“专著,初步构建了多媒体学习的理论框架;二是梅耶于2005年编写了

‘剑桥多媒体学习手册“;三是梅耶于2011年出版了‘学习科学的应用“一书三(郑旭东等,2013)可以说梅耶是近十年来对认知心理学和教育技术学影响最大的学者之一三

其次是前苏联的维果茨基(Vygotsky,L.)三作为社会建构主义理论代表人物,他提出了著名的高级心理技能和社会心理学理论,为学习理论和学习设计的发展奠定了重要的理论基石(Vygotsky, 1980)三其他学者也多为我们熟知,主要有:美国阿肯色大学特聘教授弗雷德四戴维斯(Davis,F.D.),他于1986年提出了技术接受模型,用以预测和解释用户在面对新技术时的态度和行为三该模型提出感知有用性和感知易用性是影响用户接受技术的两个关键因素,后来该模型被广泛地应用于信息系统研究和教育技术研究(张志梅,2009)三戴维四乔纳森

(Jonassen,D.H.),他是教学设计领域著名专家二美国哥伦比亚大学问题解决研究中心主任,主要从事认知工具二认知模型二问题解决等研究三著名心理学家班杜拉(Bandura,A.)从社会学习的观点出发,在1982年提出了重要的社会学习理论之自我效能理论,用以解释在特殊情景下动机产生的原因,从而开创了心理学研究的新领域(Bandura,1982)三著名学习软件设计专家马克四普连斯基(Prensky,M.) 2001年提出了 数字原生代”和 数字移民”的概念,以表征当代人与前人在数字化技术方面的巨大差异(Prensky,2001)三维斯瓦纳特四卡塔斯(Ven?katesh,V.)等2003年整合了八个技术接受模型,提出了包括四个核心决定因素(绩效期望二努力期望二社会影响和促进因素)和四个调节变量(性别二年龄二经验和自愿性)的技术接受和使用整合理论(Venkatesh et al.,2003)三乔纳森四科恩(Cohen, J.)是普林斯顿大学心理学教授,因其在认知神经科学二认知心理学二计算神经科学和认知控制领域的杰出贡献而出名三约翰四布朗斯(Brown,J.S.)二让四莱夫(Lave,J.)和爱丁纳四温格(Wenger,E.)等则以‘情景学习“和‘情境认知与学习文化“等著作成为学习情境研究和实践社区研究领域的重要专家(Lave&Wenger,1991;Brown et al.,1989)三澳大利亚教育心理学家约翰四斯威勒(John Sweller)等人在20世纪80年代提出认知负荷理论,从认知资源分配角度考察人类的学习和问题解决,关注学习者在学习过程中产生的认知负荷,把工作记忆容量的

511

有限性看作学习的主要障碍,研究如何通过教学设计优化总的认知负荷,使工作记忆的容量更多地集中于将要学习的材料,从而促进学习三(Sweller,

1988)莫里斯四费许班(Fishbein,M.)提出了信仰二态度二意图和行为的著名理论(Ajzen&Fishbein, 1980)三中国台湾学者蔡今中(Tsai,C.C.)主要专注于与科学教育相关的建构主义二认识论信念二基于网络的教学等领域,因其在科学研究领域的杰出成绩,2009年7月起被任命为‘计算机与教育“杂志的三大主编之一三黄国桢(Hwang,G.J.)是十年来对教育技术领域影响最大的学者之一,目前主要关注移动学习二泛在学习二数字游戏化学习和人工智能在教育中的应用等三麻省理工学院媒体实验室教育学及媒体技术教授西蒙四派珀特(Seymour Papert)是LOGO语言的创始人,在数学教育二心理等领域颇有影响三此外,还有坚持 从媒体中学习”的南加利福尼亚大学理查德四克拉克(Clark,R.E.)二为协作学习研究奠定理论基础的皮埃尔四狄隆伯格(Dil?lenbourg,P.)以及研究基于技术媒介的互动二分布式认知以及学习迁移理论的加夫瑞尔四所罗门(Gavriel Salomon)等(Clark,1983;Dillenbourg, 1999;Salomon,1994)三

总之,31位学者或聚集于远程教育,或专事教学设计,或关注学科特别是具体学科与技术的整合,或提出里程碑式的理论,从不同角度对教育技术产生了重要影响三

五二研究主题与热点

笔者首先用Bibexcel文献统计软件对2004-2013年两本期刊文献题录进行关键词词频分析(表五),然后将关键词词频分析结果信息导入NetDraw 信息可视化软件,对两刊文献的关键词进行共现知识图谱可视化分析(见图4)三NetDraw的主要作用就是按照研究者预先对网络节点信息的描述,绘制出能够详细反映网络节点之间关系的网络关系图,帮助人们发现研究对象之间的亲疏关系,挖掘隐含或潜在的有用知识,并揭示某一学科或学科群的研究热点二结构与范式(钟伟金等,2008)三

表五反映了2004-2013年两本期刊主要的高频关键词的局部分布情况,反映了目前国外教育技术领域的研究主题与研究热点,即主要包括:交互式学习环境二教学/学习策略二教学法问题二提高课堂教学效果二教育媒体二合作/协作学习二计算机为媒介的通讯二高等教育二初等教育二中等教育二泛在学习二人机界面二多媒体/超媒体系统二计算机辅助学习系统评价二远程教育二评价方法二学习共同体二分布式学习环境二模拟二数字化学习二教育技术系统架构二成人教育二虚拟现实二智慧学习环境三

可以看出,由于教育信息化的快速发展,在线网络课程的兴起,教与学环境也随之发生改变,新的教学或学习环境有利于学习者与教师交互二能够帮助学习者积极主动地学习三因此,目前国外教育技术领域研究主要聚焦于交互式学习环境的创设,具体包括合作/协作学习二泛在学习二学习共同体二分布式学习环境二数字化学习二虚拟现实二智慧学习环境等研究主题与研究热点三随着教育理念逐渐由 教”向 学”的转变,教学策略也随之向学习策略转型,教师如何教二学生如何学等 教法问题”随之成为国际教育技术研究的焦点之一三

此外,从 提高课堂教学” 教育媒体” 合作/协作学习” 人机界面” 学习共同体” 评价方法”到

学科领域应用” 多媒体/超媒体系统” 模拟” 计算机辅助学习系统评价”及 虚拟现实”等研究主题可以看出,研究者比较重视教学设计与评价二如何促进学习和改善教学,更加注重应用性研究,即技术如何在教学中的具体应用三

两刊文献关键词共现知识图谱分析显示,目前国际教育技术领域的主要研究主题与研究热点归纳为学习环境与资源类二策略与方法类二理论研究类二实践研究类和媒体技术类等五类

图4 两本期刊文献关键词共现图谱

一是学习环境与资源类,重点聚焦于学习环境的创设研究,包括交互式学习环境二合作/协作学习二计算机支持的协作学习二混合学习二泛在学习二分布

611

表五 2004-2013年两本期刊高频关键词词频分析(部分)

序号

关键词

频次

序号

关键词

频次

序号

关键词

频次

1Interactive learning

environments 3639Elementary education 137117Learning communities 902Teaching /learning

strategies

35710secondary education 136118distributed learning environments

763Pedagogical issues

260111Ubiquitous Learning 123119simulations 754Improving classroom

teaching 242112human-computer interface 120220E-learning

735Media in education

180113Multimedia /hypermedia

systems 112221architectures for educational

technology system

666Cooperative /collaborative

learning 178114evaluation of CAL systems

110222adult learning

627Computer-mediated communication 176115Distance education and

telelearning

108223Virtual reality

618

Post-secondary education 141

116

Evaluation methodologies

99

224

Wisdom Learning Environment

61

式学习环境二学习共同体二数字化学习二智慧学习环境等主题;二是策略与方法类,重点聚焦于教学/学习策略的使用研究,包括教法问题二提高课堂教学二评价方法和工具与方法等主题;三是理论研究类,主要是对教育技术系统架构开展研究,包括远程教育二教育二终身教育二评价二自我效能理论和教育中的性别差异研究等相关研究;四是实践研究类,重点聚焦技术在高等教育二初等教育二中等教育和教师教育等领域的应用;五是媒体技术类,包括学习管理系统二智能导师系统二多媒体/超媒体系统二计算机辅助学习系统评价二技术接受模型二技术融合二模拟二虚拟现实和增强现实等主题三

六二研究方法分析

笔者利用Bibexcel 文献统计软件将2004-2013年两本期刊的文献按照标题和摘要等题录信息,进

行词频分析(表六)三可以看出,两刊刊发的文章普遍倾向于采用实验研究法,占31%和27.2%三实验研究法将研究对象置于客观世界,通过收集客观二真实的数据资料,分析研究数据反映的现象及问题,从而认清事物的特性二掌握事物发展的规律三此外,调查研究法也是两刊刊发文章普遍采用的研究方法,约占五分之一三调查研究的最大特点是自然真实,有利于了解研究对象的 本来面目”三另外,值得注意的是,在多元综合研究范式中,两刊文章比较倾向于使用混合研究法,充分发挥定性研究和定量研究的优点,从而发现研究对象的本质和规律三从目前国内教育技术研究者发文现状来看,研究者大多采

用定性研究为主的哲学思辨研究范式,缺乏一定的数据支持和实验验证,因此,混合研究法不失为国内研究者可以考虑采用的研究方法三

表六 2004-2013年两本期刊文献运用的研究方法

研究范式研究方法

‘计算机与教育“‘英国教育技术杂志“频次

百分比

频次

百分比

哲学思辨研究范式

定性研究法22 1.312 1.5文献分析法59 3.424 2.9人文主义研究范式

人种志研究法

47 2.715 1.8案例研究法1901110412.6行动研究法90 5.232 3.8质的研究53 3.129 3.5实证主义研究范式

调查研究法

3281917421内容分析法

45 2.637 4.5实验研究法5343122527.2比较研究法55 3.236 4.3评价研究法

91 5.348 5.8多元综合研究范式

基于设计的研究50 2.919 2.3混合研究法

160

9.3

73

8.8

七二结论与启示

本文通过对国际教育技术领域两本权威学术期刊‘计算机与教育“和‘英国教育技术杂志“2004-

2013年十年间的文献数据进行统计与对比研究发现:1)‘计算机与教育“在选题上呈现集中性,作者之间有较强的连接性,即选题接近,引证关系较为密切三‘英国教育技术杂志“具有较强的本土化特征,选题呈现出一定分散性,作者也呈现出分散性,作者之间的连接性相对较弱三2)研究主题主要聚焦于

711四

交互式学习环境的创设,研究热点主要包括学习环境与资源类二策略与方法类二理论研究类二实践研究类和媒体技术类等五类主题内容;3)研究方法逐渐由单一范式向实证主义研究范式和多元综合研究范式转型;4)理查德四梅耶二维果茨基和戴维四乔纳森等著名学者及其经典理论在教育技术研究领域仍具有较高影响力三

这一研究结果不仅对于国内教育技术领域的研究者和实践者有借鉴与参考价值,而且在某种程度上为我们解决教育技术发展过程中遇到的一系列难题,如教育技术学专业期刊研究问题的浅层次化

(潘基鑫等,2010)二教育技术学科研究对象和研究目标不明(李子运,2006)二研究方法混沌与单一(焦建利,2008)二理论研究和实践应用分离二教育技术学者之间科研合著表现的 小世界效应”(陈榆林, 2012)等问题,有一定启示作用三

第一,避免文献自引率过高二文献来源机构狭窄,努力吸收来自不同声音二不同学科的成熟理论和国际学者的广泛参与,重视作者队伍的多元化三期刊自引率过高,说明期刊文献引用大部分发表在自身期刊上的论文,学术交流程度较低三文献来源机构数可测度期刊论文的机构分布情况,衡量期刊的科学生产能力三机构分布广,说明期刊的开放性以及作者队伍广泛性,也说明期刊的影响范围三因此,期刊更应吸收和培养具备较高专业理论水平二研究深入二思想开放二知识面宽的创新型研究者,为刊物的可持续发展培养后备新生力量三期刊如果只是吸收定型的成熟理论和注重权威专家的意见,将会导致期刊文章的研究创新性差,研究生气不足,不利于期刊的发展,尤其不利于应用型问题的研究(潘基鑫等,2010)三此外,还要积极鼓励国外学者的广泛参与三国际教育技术期刊已经突破地域限制,呈现国际广泛参与的趋势三杂志的编辑来自于不同国家,许多编辑和顾问都是教育技术界知名专家,他们的职业不同,视角各异,在审核评论文章方面可以发挥多角度评价二准确把握文章质量的作用(高东怀等,2009)三

第二,避免教育技术学科研究对象和研究目标不明确现象的 泛化”,关注国际教育技术研究进展二敏锐觉察研究动向,为国内教育技术本土化研究提供新的研究视角,努力实现国内教育技术研究主题及研究趋势的转换三从本研究可知,目前国际教育技术领域的研究主题主要聚焦于交互式学习环境的创设,重点关注技术对学习环境的 创造”作用二聚焦于技术与具体学科的深度融合;研究热点主要包括学习环境与资源二策略与方法二理论研究二实践研究和媒体技术等五类主题内容三这无疑给国内教育技术研究指明了方向,为教育技术本土化研究提供了新的研究视角三在借鉴国际教育技术研究新趋势的同时,我们要注重与中国学习环境相结合且彰显中国特色的教育技术学本土化研究框架,关注文化,尤其是中国文化对教育技术的影响,才能更好地促进教育技术的可持续发展三

第三,克服教育技术研究方法单一二混沌与迷茫的现状,努力开拓由单一范式向实证主义研究范式和多元综合研究范式转型,努力构建研究方法多元范式并存的局面三我国教育技术学研究要取得突破性成效与进展,首先必须树立方法意识,重视研究方法的科学性与完整性二多样性与先进性,丰富和发展教育技术学研究方法,正确处理多种研究范式之间的关系,正确处理 量的研究”与 质的研究”的关系三中国教育技术的研究,不应该简单地否定 量的研究”而转向 质的研究”三与国外相比,中国的教育技术研究起步较晚,研究人员科学研究的训练并不充分,规范的研究报告不多, 量的研究”并没有成为整个研究群体共同遵守的规范(汪晓东,

2007)三 量的研究”与 质的研究”的对立与融合同现代西方哲学两大思潮 理性主义与非理性主义的对立与融合密切相关,我们在取舍时要充分注意到两种思潮产生与发展的历史背景,特别是要结合中国教育技术乃至中国社会文化发展的阶段特征来进行分析三

笔者认为,我们一方面要继续加强 量的研究”的训练,避免在研究中出现随心所欲二 怎么做都行”的现象,加快 超越”的基础的发展;另一方面,也要清醒地意识到 量的研究”的局限性,不要过分夸大它的作用,对于 质的研究”也要有包容和鼓励的心态,一旦条件成熟,就可以实现真正的 超越”三 超越”而不是 跨越”才是我国教育技术在研究方法问题上应该采取的态度三

811

[参考文献]

[1]Ajzen,I.,&Fishbein,M.(1980).Understanding attitudes and predicting social behaviour[M].Englewood Cliffs,NJ:Prentice-Hall,Inc.

[2]Bandura,A.(1982).Self-efficacy mechanism in human a?gency[J].American psychologist,37(2):122.

[3]Brown,J.S.,Collins,A.,&Duguid,P.(1989).Situated cognition and the culture of learning[J].Educational researcher,18 (1):32-42.

[4]陈瑜林(2012).我国教育技术学者合著网络知识图谱构建研究[J].远程教育杂志,(6):11-17.

[5]Clark,R.E.(1983).Reconsidering research on learning from media[J].Review of educational research,53(4):445-459.

[6]Dillenbourg,P.(1999).Collaborative-learning:Cognitive and computational approaches[R].Amsterdam,NL:Pergamon,Elsevi?er Science.

[7]高东怀,宁玉文,高岭(2009).教育技术期刊建设现状与研究热点分析[J].现代教育技术,(S1):248-251.

[8]焦建利(2008).教育技术学研究:问题与正务[J].电化教育研究,(9):33-36.

[9]Lave J.,&Wenger,E.(1991).Situated learning:Legiti?mate peripheral participation[M].Cambridge:Cambridge University press.

[10]李子运(2006).教育技术学若干问题的反思 兼论开展教育技术哲学研究之必要性[J].电化教育研究,(9):8-11.

[11]Mayer,R.E.(2005).The Cambridge handbook of multime?dia learning[M].Cambridge:Cambridge University Press.

[12]潘基鑫,程璐璐(2010).近四年来‘电化教育研究“载文被引分析[J].电化教育研究,(10):46-49.

[13]Prensky,M.(2001).Digital natives,digital immigrants part 1[J].On the Horizon,9(5):1-6.

[14]Salomon,G.(1994).Interaction of media,cognition,and learning[M].East Sussex:Psychology Press.

[15]Sweller,J.(1988).Cognitive load during problem solving: Effects on learning[J].Cognitive Science,12(2):257-285.

[16]Venkatesh,V.,Morris,M.G.,Davis,G.B.,&Davis,

F.D.(2003).User acceptance of information technology:Toward a u?nified view[J].MIS Quarterly,27(3):425-478.

[17]Vygotsky,L.S.(1980).Mind in society:The development of higher psychological processes[M].Cambridge:Harvard university press.

[18]汪晓东(2007).摒弃还是超越 量的研究”与 质的研究”之辨[J].电化教育研究,(9):24-27.

[19]张志梅,郑起运(2009).技术接受模型在教育中应用研究的元分析[J].开放教育研究,(2):72-76.

[20]郑旭东,吴博靖(2013).多媒体学习的科学体系及其历史地位 兼谈教育技术学走向 循证科学”之关键问题[J].现代远程教育研究,(1):40-48.

[21]钟伟金,李佳(2008).共词分析法研究(一) 共词分析的过程与方式[J].情报杂志,(5):70-72.

(编辑:李学书)

Development of Educational Technology in the World: Knowledge Mapping and Visualization Analysis

based on WOS and Histcite

LAN Guoshuai,ZHANG Yichun& WANG Lan

(School of Education Science,Nanjing Normal University,Nanjing210097,China) Abstract:The constantly emerging new technologies and rapid development of modern educational technologies pro?mote great changes in educational technology.Since the new century began,governments aroud the world have paid extremely close attention to informationizing education.Although educational technology subjects in China develop quickly,they also encounter development bottlenecks.When facing the rapid development in this discipline and the challenge for the future development,domestic researchers in educational technology are eager to know the trend of ed?ucational technology research abroad in recent years intuitively,systematically,and comprehensively.Therefore, knowing the trend of educational research abroad,has become the part of daily academic activites of Chinese educa?tional technology https://www.sodocs.net/doc/6313337974.html,puter&Education(C&E)and British Journal of Educational Technology (BJET)are two top-level academic journals in educational technology research.Papers published in the two journals reflect the trend of educational technology to a certain extent.It is helpful to know the tread of research in educational technology abroad by analyzing papers published in these two journals.As such,this paper conducts an in-depth a?nalysis and inquiry of papers published in the C&E and BJET from2004to2013.This paper collects data about the

911

published papers ,such as time distribution ,country (region ),high -yield academic institutions ,high -yield and high -impact researchers and scholars ,research topics ,research focus ,and to research methods ,from Science Citation Database -WOS based on bibliometrics and social network analysis.Furthermore ,this paper adopts information visu?alization software Bibexcel and NetDraw to conduct the co -citation and co -occurrence of knowledge map visualization analysis of the high influential scholars and keywords in the two journals.The results show that C&E concentrates on research topics ,because there is a strong connection between authors.In other words ,the closer are the topics ,the more citations between them.In contrast ,BJET has strong localization focus ,because the topics in is dispersive wide?ly.Authors of papers in BJET also show dispersion ,and connection among the authors is relatively weak.Papers from Taiwan ,China rank first quantity and quality in Asia.The result also shows strong potential for international ex?changes and strength.There is development potential for https://www.sodocs.net/doc/6313337974.html,pared with those from Taiwan ,China ,papers from mainland of China are fewer in quantity and lower in quality.The number of high -yield academic and research institutions in China is also smaller than that of Taiwan ,China.According to the result ,main research topics focus on the creation of an interactive learning environment.Research focuses include the learning environment and resources ,strategies and methods ,theoretical research ,practical research ,and media technology.Research methods gradually transform from a single paradigm to empirical paradigm ,and then to multiple comprehensive research paradigm.Be?sides ,famous scholars ,such as Mayer R.E ,Vygotsky L ,Jonassen D.H.,and their classical theories still have high influence in education technology research.

Key words :C&E ;BJET ;educational technology development abroad ;WOS ;knowledge mapping ;visualization a? nalysis

(上接第26页)

The historical method is to analyze the research content in the history of a subject ,then to abstract and general?ize.The logical method is to toanalyze the attribute and the nature of a subject ,then to abstract and generalize.

Using historical method to analyze the research objects of Educational Technology ,we can abstract out four as?pects of the research object application of visual media in education ,First ,from the four stages of development of for?eign educational technology ,application of audio -visual media in education ,the design and use of messages which control the learning process ,the design ,development ,utilization ,management ,and evaluation of processes and re?sources for learning.Second ,from the two stages of development of domestic educational technology ,we can abstract out four aspects of the research objects :application of electronic media in education ,application and systematism of modern information technology in education.

Using logic method to analyze the research objects of Educational Technology.we know educational technology is a new branch of education science and it ’s a method.And ,the nature of educational technology is the optimization of education ,the development and use of various learning resources ,systematic method of designing and organizing teaching process.From these ,we can derive three aspects of the research objects :educational issue ,technological issue of education and systematism of education.

Finally ,according to the abstraction principle ,the research objects of Educational Technology can be summa?rized as :technicalization and systematism of education ,which are both a process and an outcome.Different from pre?vious studies ,this paper highlights the systematism of education.Systematism of education and technicalization of ed?ucation is an indivisible entity ,and the integration of systematism and technicalization promote the formation of Edu?cational Technology.

Key words :Educational technology ;research object ;historical method ;logic method ;technicalization ;systematism 四

021四第20卷第3期 2014年6月开放教育研究

Open Education Research

Vol.20,No.3Jun.2014 

基于知识图谱的教育政策研究的可视化分析

基于知识图谱的教育政策研究的可视化分析 熊华军赵典凯 (1.西北师范大学高等教育研究所,兰州,730000;2.西北师范大学教育学院,兰州,730000) 摘要:本文以教育政策研究的学术论文为研究对象,运用科学知识图谱分析法,对中文社会科学引文索引数据库1999-2014间收录的教育政策研究论文进行了统计分析,并绘制了关键词图谱,以期揭示15年来我国教育政策研究现状、热点、前沿与发展趋势,为今后教育政策研究提供参考。 关键词:教育政策;知识图谱;可视化分析 教育政策是公共政策的一种,其本质上是政党、政府和有关组织解决教育问题的一种政治行为,是有关教育的权利和利益的分配规定。《公共政策词典》对教育政策的定义是“教育政策是与人们获取知识和职业技能的过程有关的政府法规和程序。它是一个国家和民族智力发展和科学进步的基础[1]。”教育政策研究是探究教育体系内在逻辑的重要方面。上世纪90年代中后期以来,随着教育改革发展的不断深入,我国教育政策研究明显地呈现出蓬勃发展之势。本研究借助科学知识图谱可视化分析技术,对1999-2014年国内教育政策研究领域的文献从研究机构、作者、研究主题、研究热点等方面进行梳理与分析,以期清晰展示我国教育政策研究的现状、热点、前沿与发展趋势。 一、数据来源与研究方法 1.知识图谱 知识图谱(Mapping Knowledge Domains)是指通过数据挖掘、信息分析、科学计量和图形绘制等一系列处理,可视化地展示某一

学科领域知识的方法,具有知识导航的作用,[2]属于科学计量学(Scientometrics)的范畴。[3]本文的知识图谱分析采用由美国德雷塞尔大学陈超美(Chaomei Chen)博士开发的一款主要用于计量和分析科学文献数据的信息可视化软件,即CitespaceⅢ软件系统。[4]该软件的特点是能够绘制共被引图谱、关键词图谱和时区视图,动态识别共引聚类、关键节点和研究热点。 2.数据来源 学术期刊是知识的重要载体,与专著、研究报告、论文集等相比,时效性更强,研究主题更广,研究方法更多样。而核心期刊是期刊中学术水平较高的刊物,载文质量较高,具有一定的权威性、前瞻性,是研究知识结构的重点来源。本文以1999-2014年作为研究时间段,以浙江大学CSSCI数据库作为数据来源,选择一级学科“教育政策”为检索条件,共获得712篇文献(2014.7.21)。 二、教育政策研究的机构分布 表1 我国教育政策研究的主要机构分布

6个方面分析知识图谱的价值和应用

6个方面分析知识图谱的价值和应用 知识对于人工智能的价值就在于,让机器具备认知能力和理解能力。构建知识图谱这个过程的本质,就是让机器形成认知能力,理解这个世界。一、知识图谱无处不在说到人工智能技术,人们首先会联想到深度学习、机器学习技术;谈到人工智能应用,人们很可能会马上想起语音助理、自动驾驶等等,各行各业都在研发底层技术和寻求AI场景,却忽视了当下最时髦也很重要的AI技术:知识图谱。当我们进行搜索时,搜索结果右侧的联想,来自于知识图谱技术的应用。我们几乎每天都会接收到各种各样的推荐信息,从新闻、购物到吃饭、娱乐。个性化推荐作为一种信息过滤的重要手段,可以依据我们的习惯和爱好推荐合适的服务,也来自于知识图谱技术的应用。搜索、地图、个性化推荐、互联网、风控、银行……越来越多的应用场景,都越来越依赖知识图谱。二、知识图谱与人工智能的关系知识图谱用节点和关系所组成的图谱,为真实世界的各个场景直观地建模。通过不同知识的关联性形成一个网状的知识结构,对机器来说就是图谱。形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。每个人都有自己的知识面,或者说知识结构,本质就是不同的知识图谱。正是因为有获取和形成知识的能力,人类才可以不断进步。知识图谱对于

人工智能的重要价值在于,知识是人工智能的基石。机器可以模仿人类的视觉、听觉等感知能力,但这种感知能力不是人类的专属,动物也具备感知能力,甚至某些感知能力比人类更强,比如:狗的嗅觉。而“认知语言是人区别于其他动物的能力,同时,知识也使人不断地进步,不断地凝练、传承知识,是推动人不断进步的重要基础。”知识对于人工智能的价值就在于,让机器具备认知能力。而构建知识图谱这个过程的本质,就是让机器形成认知能力,去理解这个世界。 三、图数据库知识图谱的图存储在图数据库(Graph Database)中,图数据库以图论为理论基础,图论中图的基本元素是节点和边,在图数据库中对应的就是节点和关系。用节点和关系所组成的图,为真实世界直观地建模,支持百亿量级甚至千亿量级规模的巨型图的高效关系运算和复杂关系分析。目前市面上较为流行的图数据库有:Neo4j、Orient DB、Titan、Flock DB、Allegro Graph等。不同于关系型数据库,一修改便容易“牵一发而动全身”图数据库可实现数据间的“互联互通”,与传统的关系型数据库相比,图数据库更擅长建立复杂的关系网络。图数据库将原本没有联系的数据连通,将离散的数据整合在一起,从而提供更有价值的决策支持。四、知识图谱的价值知识图谱用节点和关系所组成的图谱,为真实世界的各个场景直观地建模,运用“图”这种基础性、通用性的“语言”,“高保真”地表达这个多姿多彩世界的各种

领域知识图谱的技术与应用

领域应用知识图谱的技术与应用 本文转载自公众号:贪心科技。 领域应用I知识图谱的技术与应用 李文哲开放知识图谱1周前 本文转载自公众号:贪心科技。 作者I李文哲,人工智能、知识图谱领域专家 导读:从一开始的Google搜索,到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统,无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。对于读者,我们不要求有任何AI相关的背景知识。 目录: 1.概论 2.什么是知识图谱 3.知识图谱的表示 4.知识抽取 5.知识图谱的存储 6.金融知识图谱的搭建 1.定义具体的业务问题 2.数据收集&预处理 3.知识图谱的设计 4.把数据存入知识图谱 5.上层应用的开发 7.知识图谱在其他行业中的应用 8.实践上的几点建议 9.结语 1.概论 随着移动互联网的发展,万物互联成为了可能,这种互联所产生的数据也在爆发式地增长,而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上,在移动互联网时代则除了个体,这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。在一

项任务中,只要有关系分析的需求,知识图谱就有可能”派的上用场。

2. 什么是知识图谱? 知识图谱是由Google 公司在2012年提出来的一个新的概念。从学术的角度,我们可以 对知识图谱给一个这样的定义: 知识图谱本质上是语义网络(Sema ntic Network )的 知识库”但这有点抽象,所以换个角度,从实际应用的角度出发其实 可以简单地把知识 图谱理解成多关系图(Multi-relational Graph 那什么叫多关系图呢? 学过数据结构的都应该知道什么是图(Graph )。图是由节点 (Vertex )和边(Edge )来构成,但这些图通常只包含一种类型的节点和边。但相反, 多关系图一般包含多种类型的节点和多种类型的边 。比如左下图表示一个经典的图结构, 右边的图则表示多关系图,因为图里包含了多种类型的节点和边。这些类型由不同的颜 色来标记。 在知识图谱 里, 我们通常用 实体(Entity ) ”来表达图里的节点、用 关系(Relation )”来表达图里的 边”实体指的是现实世界中的事物比如人、地名、概念、药物、公司等 ,关系则用来 表达不同实体之间的某种联系, 比如人-居住在”北京、张三和李四是 朋友”逻辑回归 是深度学习的先导知识”等等。 现实世界中的很多场景非常适合用知识图谱来表达。 比如一个社交网络图谱里,我们既 可以有 人”的实体,也可以包含 公司”实体。人和人之间的关系可以是 朋友”,也可以是 同 事”关系。人和公司之间的关系可以是 现任职”或者曾任职”的关系。类似的,一个风控 知识图谱可以包含 电话”公司”的实体,电话和电话之间的关系可以是 通话”关系,而 且每个公司它也会有固定的电话。 3. 知识图谱的表示 知识图谱应用的前提是已经构建好了知识图谱 ,也可以把它认为是一个知识库。这也是 为什么它可以用来回答一些搜索相关问题的原因,比如在 Google 搜索引擎里输入“ Who is the wife of Bill Gates?,我们直接可以得到答案-“Melinda Gates 。这是因为我们在系 )。 包含一种类型的节点和边 包含多种类型的节点和边 (不同<^状扣師色代憑不岡评奥断节点和边) 节点 节点 边 边 节点 节点 边

态势感知-知识图谱

态势感知-知识图谱

一、态势感知(SA) 定义 SA的正式定义是“对一定时间和空间环境中的元素的感知,对它们的含义的理解,并对他们稍后状态的投影,态势感知这个词最早来自于军队飞行员的领域。 对SA的正式定义分解为三个独立的层次:Level 1 - 对环境中的元素的感知 Level 2 - 对当前形势的理解(知识图谱的主要应用领域) Level 3 - 未来状况的投影

一级:环境中元素的感知 实现SA的第一步是感知环境中的相关元素的状态,属性和动态。对于每个域和作业类型,所需的要求是完全不同的。飞行员需要感知的要素,如其他飞机,地形,系统状态和警告灯,以及他们的相关特性。在驾驶舱里,持续监控所有相关的系统和飞行数据,其他飞机,和导航数据的任务相当繁重。一个军官需要探测敌人,平民和友军的位置和行动,地形特征,障碍和天气。一个空中交通管制或汽车司机有一套不同的态势感知。 二级SA:现状的理解 实现良好SA的第二步是理解数据和线索对目标和目的意味着什么。理解(第2级SA)基于不相交的1级元素的综合,以及该信息与个人目标的对照(图2.3)。它涉及集成许多数据以形成信息,并且优先考虑组合信息与实现当前目标相关的重要性和意义。2级SA类似于具有高水平的阅读理解,而不是仅仅阅读单词。 军事指挥官的2级SA可能涉及理解在给定

成这些预测。通过不断地前向映射,他们能够制定一套现成的战略和对事件的反应。这让他们掌握主动,避免许多不期望的情况,并且当各种事件发生时也非常快速地响应。 二、知识图谱 1.知识图谱的概念 知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图,节点表示实体或概念,边则由属性或关系构成。 实体: 指的是具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种植物等、某一种商品等等。世界万物有具体事物组成,此指实体。如图1的“中国”、“美国”、“日本”等。,实体是知识图谱中的最基本元素,不同的实体间存在不同的关系。 语义类(概念):具有同种特性的实体构成的集合,如国家、民族、书籍、电脑等。概念主要指集合、类别、对象类型、事物的种类,例如人物、地理等。

知识图谱构建方法研究

知识图谱构建方法研究 Company number:【0089WT-8898YT-W8CCB-BUUT-202108】

基于多数据源的知识图谱构建方法研究摘要:针对多数据源的融合应用,构建了基于多数据源的知识图谱。首先,对不同领域内的数据源构建相应本体库,并将不同本体库通过数据融合映射到全局本体库,然后,利用实体对齐和实体链接方法进行知识获取和融合,最后,搭建知识图谱应用平台,提供查询和统计等操作。在实体对齐方面,利用传统的基于相似性传播实体对齐方法,获得良好的实体对齐效果;在实体链接方面,提出了基于约束嵌入转换的预测推理方法,实验结果表明,在预测准确率上取得较好的结果。 0 引言 在大数据时代背景下,随着海量数据的出现以及多数据源融合交叉应用,传统的数据管理模式以及查询方式受到一定的制约。近年来,知识图谱(Knowledge Graph)作为一种新的知识表示方法和数据管理模式,在自然语言处理、问题回答、信息检索等领域有着重要的应用。知识图谱是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系;其基本组成单位是“实体-关系-实体”三元组,以及实体及其相关属性-值对,实体间通过关系相互联结,构成网状的知识结构。 随着谷歌知识图谱的发布,知识图谱的构建与应用研究引起了学术界和工业界的广泛关注。在国内,知识图谱的构建与研究已经起步,相应取得许多重要的研究成果。如:搜狗的知立方、百度知心;复旦大学GDM实验室设计了一种面向图书阅读领域的中文知识图谱;金贵阳等利用知识图谱和语义网技术,提出构建企业知识图谱的方法,并应用于钢铁企业信息集成,提高了企业信息查询的效率;胡芳槐在博士论文中研究了基于多数据源的中文知识图谱构建方法,涉及到本体层构建、实体层的学习等,同时构建行业领域知识图谱的应用平台;王巍巍等构建了双语影视知识图谱,包括影视本体库的构建、实体的链接、实体匹配等,并搭建了应用平台与开放数据访问接口;鄂世嘉等

知识图谱概述与应用

导读:知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来,它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年纷纷推出了自己的知识图谱产品以作为回应。比如在国,互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比,对处于当今风口浪尖上的行业 - 互联网金融,知识图谱可以有哪方面的应用呢? 目录: 1. 什么是知识图谱? 2. 知识图谱的表示 3. 知识图谱的存储 4. 应用 5. 挑战 6. 结语 1.什么是知识图谱? 知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里

输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。 另外,对于稍微复杂的搜索语句比如”Who is the wife of Bill Gates“,Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。 上面提到的知识图谱都是属于比较宽泛的畴,在通用领域里解决搜索引擎优化和问答系统(Question-Answering)等方面的问题。接下来我们看一下特定领域里的 (Domain-Specific) 知识图谱表示方式和应用,这也是工业界比较关心的话题。 2.知识图谱的表示 假设我们用知识图谱来描述一个事实(Fact) - “三是四的父亲”。这里的实体是三和四,关系是“父亲”(is_father_of)。当然,三和四也可能会跟其他人存在着某种类型的关系(暂时不考虑)。当我们把也作为节点加入到

知识图谱概述及应用

导读:知识图谱(Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来,它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内,互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比,对处于当今风口浪尖上的行业- 互联网金融,知识图谱可以有哪方面的应用呢? 目录: 1. 什么是知识图谱? 2. 知识图谱的表示 3. 知识图谱的存储 4. 应用 5. 挑战 6. 结语 1.什么是知识图谱? 知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。 另外,对于稍微复杂的搜索语句比如”Who is the wife of Bill Gates“,Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。

(完整版)领域应用知识图谱的技术和应用

领域应用 | 知识图谱的技术与应用 本文转载自公众号:贪心科技。 领域应用 | 知识图谱的技术与应用 李文哲开放知识图谱 1周前 本文转载自公众号:贪心科技。 作者 | 李文哲,人工智能、知识图谱领域专家 导读:从一开始的Google搜索,到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统,无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。对于读者,我们不要求有任何AI相关的背景知识。 目录: 1.概论 2.什么是知识图谱 3.知识图谱的表示 4.知识抽取 5.知识图谱的存储 6.金融知识图谱的搭建 1.定义具体的业务问题 2.数据收集 & 预处理 3.知识图谱的设计 4.把数据存入知识图谱 5.上层应用的开发 7.知识图谱在其他行业中的应用 8.实践上的几点建议 9.结语 1. 概论

随着移动互联网的发展,万物互联成为了可能,这种互联所产生的数据也在爆发式地增长,而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上,在移动互联网时代则除了个体,这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。在一项任务中,只要有关系分析的需求,知识图谱就“有可能”派的上用场。 2. 什么是知识图谱? 知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度,我们可以对知识图谱给一个这样的定义:“知识图谱本质上是语义网络(Semantic Network)的知识库”。但这有点抽象,所以换个角度,从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图(Multi-relational Graph)。 那什么叫多关系图呢?学过数据结构的都应该知道什么是图(Graph)。图是由节点(Vertex)和边(Edge)来构成,但这些图通常只包含一种类型的节点和边。但相反,多关系图一般包含多种类型的节点和多种类型的边。比如左下图表示一个经典的图结构,右边的图则表示多关系图,因为图里包含了多种类型的节点和边。这些类型由不同的颜色来标记。

股权和股权激励基础知识图谱-刘国镔官网整理

股权和股权激励基础知识图谱-刘国镔官网整理 股权架构的5大模块: 1:发起人股东必须控股51%; 2:创始人股东不超过7个(以单数为主),每个不超过5%;3:战略股东:最多不超过5%; 4:资源股东:不超过5%; 5:团队股东—你的高管最多 股权融资六大步骤: 1.我有什么? 2.我缺什么? 3.谁哪里有我想要的? 4.他凭什么给你?(你给别人想要的) 5.我们在一起能做什么? 6.1+1=111 投资人常问的四个问题: 1、你靠什么赚钱? 2、你的上、下游是谁? 3、你的股权架构怎么样? 4、如果我投你,亏了怎么办? 股东的四种类型: 1、资金型; 2、资源型; 3、管理型; 4、顾问型。 股权激励的作用 1、规范员工行为、提高企业凝聚力 2、解放老板、业绩倍增 3、平衡股东关系、功臣退出机制 4、人才战略梯队、吸引同行人才 企业有5条生命线条线: 1、67%老板有完全控制权 2、51%老板有相对控制权 3、34%老板有一票否决权 4、20%界定同业竞争权利 5、10%可以申请解散公司 企业家不懂股权筹划,将面临8大痛苦问题! 1、哥们变仇人 2、同床异梦,同室操戈 3、养大儿子叫别人爹小肥羊管肯德基叫爹 4、竞争对手挖墙脚

5、团队工作效率低下 6、错过合作机会.失去融资功能 7、影响上市大计 8、再好的项目都做不大 企业如何进行股权融资 1、有人投资你企业、,股权怎么划分,选择股东有哪些标准? 2、如何通过股权去打市场,通过股权去做连锁? 3、股权八条线:5%、10%、33%、34%、50%、51%、66%、67%,这八条线分别意味着什么? 4、股权融资最重要三要素是什么?融资、融人、融市场? 5、如何进行天使轮、A轮、B轮和C轮的融资? 刘国镔老师简介 【基本情况】 刘国镔,号易股,实战型股权问题专家。 股学家网首席专家 中国政法大学民商法硕士研究生;曾担任清华大学职业经理训练中心专职培训师,其间师从“A 管理模式”创始人、企业管理大师刘光起先生深度学习和研究企业管理;有二十多年企业管理、执业律师工作经历。“清盘式”股权优化系统、“增幅同步”企业股权激励系统、“五位一体”企业法律风险管理系统创始人。 现为中华全国律师协会会员,美国科尔曼研究集团专家顾问团成员,中国EDP教育联盟、北大、清华、吉大等高校MBA、EMBA、总裁班特聘讲师,多个大、中型民营企业组织发展战略顾问。 个人使命:传播股权文化,分享股权智慧,帮助企业快速发展,为中华民族之伟大复兴贡献力量! 【主讲课程】 《股权智慧——企业快速发展的根本策略》 《公司治理与股权激励》 《股权激励:老板成王之道,企业成功之秘》 【主要服务】 股权与公司治理优化;股权激励方案设计。 【核心优势】 精通股权文化及相关法律制度,同时谙熟企业经营管理,兼顾合理与合法,效率与安全。

人工智能-知识图谱机器大脑中的知识库

知识图谱技术原理介绍 ?莫扎特 ?2016-01-09 17:31:55 ?大数据技术 ?评论(0) ? 作者:王昊奋 近两年来,随着Linking Open Data[1] 等项目的全面展开,语义Web数据源的数量激增,大量RDF数据被发布。互联网正从仅包含网页和网页之间超链接的文档万维网(Document Web)转变成包含大量描述各种实体和实体之间丰富关系的数据万维网(Data Web)。在这个背景下,Google、百度和搜狗等搜索引擎公司纷纷以此为基础构建知识图谱,分别为Knowledge Graph、知心和知立方,来改进搜索质量,从而拉开了语义搜索的序幕。下面我将从以下几个方面来介绍知识图谱:知识图谱的表示和在搜索中的展现形式,知识图谱的构建和知识图谱在搜索中的应用等,从而让大家有机会了解其内部的技术实现和各种挑战。 知识图谱的表示和在搜索中的展现形式

正如Google的辛格博士在介绍知识图谱时提到的:“The world is not made of strings , but is made of things.”,知识图谱旨在描述真实世界中存在的各种实体或概念。其中,每个实体或概念用一个全局唯一确定的ID来标识,称为它们的标识符(identifier)。每个属性-值对(attribute-value pair,又称AVP)用来刻画实体的内在特性,而关系(relation)用来连接两个实体,刻画它们之间的关联。知识图谱亦可被看作是一张巨大的图,图中的节点表示实体或概念,而图中的边则由属性或关系构成。上述图模型可用W3C提出的资源描述框架RDF[2] 或属性图(property graph)[3] 来表示。知识图谱率先由Google提出,以提高其搜索的质量。 为了更好地理解知识图谱,我们先来看一下其在搜索中的展现形式,即知识卡片(又称Knowledge Card)。知识卡片旨在为用户提供更多与搜索内容相关的信息。更具体地说,知识卡片为用户查询中所包含的实体或返回的答案提供详细的结构化摘要。从某种意义来说,它是特定于查询(query specific)的知识图谱。例如,当在搜索引擎中输入“姚明”作为关键词时,我们发现搜索结果页面的右侧原先用于置放广告的地方被知识卡片所取代。广告被移至左上角,而广告下面则显示的是传统的搜索结果,即匹配关键词的文档列表。这个布局上的微调也预示着各大搜索引擎在提高用户体验和直接返回答案方面的决心。 【三大搜索引擎关于姚明的知识卡片(略)】 虽说三大搜索引擎在知识卡片的排版和内容展现上略有不同,但是它们都列出了姚明的身高、体重、民族等属性信息。此外,它们均包含“用户还搜索了”或“其他人还搜”的功能来展现相关的人物。该功能允许用户去浏览其他与姚明相关的人物的详细信息。细心的读者也发现Google在其知识卡片中也展示了很多与姚明相关的图片,以图文并茂的方式来展示姚明的方方面面。百度则结合了百度风云榜的信息,列出了姚明的类别(体坛人物)及其百度指数(今日排名和今日搜索热度等信息)。在搜索结果页面的左上角(在图中未给出),百度还展示了其特有的专题搜索,包含了与姚明相关的百科、图片、微博、新闻、音乐、贴吧和视频等七大类的结果,基本涵盖了用户最基本的需求。搜狗在列出与姚明相关的百科、图片,电影和最新相关消息等专题的同时,其知识卡片额外显示了诸如“主持电视节目”、“效力篮球队”、“人物关系”等各种细粒度的语义关系。当遇到含有歧义的用户查询时,知识卡片还会列出其他可能的查询目标对象。在上面的例子中,搜狗还列出了一项“您是否要找”的功能,列出一位也叫姚明的一级作曲家。该功能用于去歧义,在显示最相关实体的同时也给出其他可能的对象,达到去歧义的作用。当搜索“李娜”或“长城”时,Google和百度也在其知识卡片下方展现了类似的功能。除了给出著名网球运动员李娜和万里长城之外,它们还列出歌手李娜和长城汽车供用户选择和浏览。更值得一提的是,当在搜狗知立方中输入“姚明的老婆的女儿的身高”如此复杂的查询时,其会直接返回其女儿的姓名(姚沁蕾)以及其身高(110cm),并给出推理说明“叶莉的女儿是姚沁蕾”。如此详实的说明不仅为返回的答案提供了很好的解释,从另一个侧面也展示了知识图谱的强大,其不仅能识别出运动员姚明,也能抽取出关系“老婆”和“女儿”和属性“身高”等信息。当我

领域应用--知识图谱的技术与应用新选.

领域应用| 知识图谱的技术与应用 本文转载自公众号:贪心科技。 领域应用| 知识图谱的技术与应用 李文哲开放知识图谱1周前 本文转载自公众号:贪心科技。 作者| 李文哲,人工智能、知识图谱领域专家 导读:从一开始的Google搜索,到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统,无一不跟知识图谱相关。它在技术领域的热度也在逐年上升。本文以通俗易懂的方式来讲解知识图谱相关的知识、尤其对从零开始搭建知识图谱过程当中需要经历的步骤以及每个阶段需要考虑的问题都给予了比较详细的解释。对于读者,我们不要求有任何AI相关的背景知识。 目录: 1. 概论 2. 什么是知识图谱 3. 知识图谱的表示 4. 知识抽取 5. 知识图谱的存储 6. 金融知识图谱的搭建 1. 定义具体的业务问题 2. 数据收集& 预处理 3. 知识图谱的设计 4. 把数据存入知识图谱 5. 上层应用的开发 7. 知识图谱在其他行业中的应用 8. 实践上的几点建议 9. 结语 1. 概论

随着移动互联网的发展,万物互联成为了可能,这种互联所产生的数据也在爆发式地增长,而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上,在移动互联网时代则除了个体,这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。在一项任务中,只要有关系分析的需求,知识图谱就“有可能”派的上用场。 2. 什么是知识图谱? 知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度,我们可以对知识图谱给一个这样的定义:“知识图谱本质上是语义网络(Semantic Network)的知识库”。但这有点抽象,所以换个角度,从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图(Multi-relational Graph)。 那什么叫多关系图呢?学过数据结构的都应该知道什么是图(Graph)。图是由节点(Vertex)和边(Edge)来构成,但这些图通常只包含一种类型的节点和边。但相反,多关系图一般包含多种类型的节点和多种类型的边。比如左下图表示一个经典的图结构,右边的图则表示多关系图,因为图里包含了多种类型的节点和边。这些类型由不同的颜色来标记。

第13章++知识图谱与知识推理

第13章知识图谱与知识推理 王泉 中国科学院大学网络空间安全学院 2016年11月

?13.1概述 ?13.2知识图谱构建 ?13.3 知识图谱中的知识推理–13.3.1 表示学习技术 –13.3.2 张量分解技术 –13.3.3 路经排序算法?13.4 本章小结

?13.1概述 ?13.2知识图谱构建 ?13.3 知识图谱中的知识推理–13.3.1 表示学习技术 –13.3.2 张量分解技术 –13.3.3 路经排序算法?13.4 本章小结

实体和关系 ?实体 (entity):现实世界中可区分、可识别的事物或概念–客观对象:人物、地点、机构 –抽象事件:电影、奖项、赛事 ?关系 (relation):实体和实体之间的语义关联 –BornInCity, IsParentOf, AthletePlaysForTeam

?知识图谱 (knowledge graph):实体和关系所构成的异质、有向图,是表征实体间语义关联的语义网络 ?节点代表实体 ?边代表不同类型的关系 (异质) ?两个节点之间有边相连表明它们之间存在相应关系 ?边是有向的表明关系是非对称的

?三元组 (triple/triplet):也称事实 (fact),是最基本的知识存储方式,表现为(主语, 谓词, 宾语)形式 (Tom, BornInCity, Paris) (Tom, LivedInCity, Lyon) (Tom, Nationality, France) (Tom, ClassMates, Bob) (Paris, CityLocatedInCountry, France) (Lyon, CityLocatedInCountry, France) (Bob, BornInCity, Paris)

2019年人工智能基础教育行业研究报告

2019年人工智能基础教育行业研究报告

目 录 C ontents 一、人工智能基础教育行业综述 ?人工智能产业及人工智能教育行业发展现状 ?定义 ?行业痛点分析 ?行业发展驱动力 ?市场规模及预测 ?投融资情况及投资风向 二、人工智能基础教育模式分析 ?总述 ?模式分析 ? AI学科教育 ? AI辅助工具 ? AI智慧校园 三、人工智能基础教育未来发展趋势 ?行业总结 ?发展趋势预测 ? 建设多层培养体系 ? 构建体系化教学平台

CHAPTER 1 人工智能基础教育行业综述 ?人工智能产业及人工智能教育行业发展现状 ?定义 ?行业痛点分析 ?行业发展驱动力 ?市场规模及预测 ?投融资情况及投资风向

依靠核心算法的突破、计算能力的迅速提高以及海量互联网数据的支撑,人工智能在21世纪的头一个二十年终于迎来了质的飞跃,成为世界各国争相关注和研发的焦点。就目前中国的现状而言,对抗人口老龄化的压力、应对可持续发展挑战以及促进经济形势转型升级都需要人工智能科技的支持。从2015年开始,中国政府陆续颁布了相关的政策法规来支持人工智能的发展。 人工智能技术是人工智能基础教育行业的发展基石 人工智能产业及人工智能基础教育行业发展现状 时间 文件 内容 2015年5月《中国制造2025》 首次提及智能制造,提出加速推动新一代信息技术与制造技术融合发展,把智能制造作为量化深度合作的主攻方向,着力发展智能装备和智能产品,推动生产 过程智能化。2016年1月《“十三五”国家科技创新规划》将智能制造和机器人列为“科技创新2030项目”重大 工程之一。2016年9月 《国家发展改革委办公厅关于请组织申报“互联网+”领域创新能力建设 专项的通知》 提到了人工智能的发展应用问题,为构建“互联网+”领域创新网络,促进人工智能技术发展,应将人工智 能技术纳入专项建设内容。2017年7月 《新一代人工智能发展规划》 明确指出新一代人工智能发展分三步走的战略目标,到2030年使中国人工智能理论、技术与应用整体达到世界先进水平,成为世界主要人工智能创新中心。2017年12月 《促进新一代人工智能产业发展三年 行动计划(2018-2020)》 作为对《新一代人工智能发展规划》 的补充,详细规划了人工智能在未来三年的重点发展方向和目标,每个方向的目标都做了非常细致地量化。 国家推行人工智能技术系列重要文件 到2030年我国人工智能核心产业规模将超过1万亿元,带动相关产业规模超过10万亿元。36氪研究院认为,随着《新一代人工智能发展规划》的出台,市场将对人工智能在我国经济中的定位和重要性进行重新审视,人工智能将成为我国未来经济发展的中流砥柱之一。 数据来源:36氪研究院根据公开数据整理

《基础教育领域互联网学习发展人工智能教育》

16/2019年中国互联网学习白皮书 育大数据建设与管理,推进教育数据汇聚与共享应用,加速教育大数据机制体制创新三推动集约化建设二大资源深度融合,做好已有信息系统的创新改造和数据融合,建立大数据管理秩序和模式,以大数据平台为主体构建多层级二多主体域的数据汇聚二应用和推广的新格局,提供基于教育e平台的一站 式服务,从而真正推动教育大数据平台与体系的发展三通过分析学生原始数据,量化学习过程,表征学习状态,抓取教育动态数据,建构情境关联的分析模型或算法,提供教育数据分析服务,实现对数据的智能化分析与即时反馈,提升对教育教学的诊断预测功能三教师可利用数据分析结果进行精准教学与有效辅导,学生可利用数据开展个性化互联网学习,管理者二研究者可利用数据全面把握教育发展三教育数据的价值将被不断地发掘和创造三 (4) 网络学习空间人人通 推进学习空间深度应用,互联网企业学生端教学应用发展迅速,互联网学习开始从普及性向内涵性发展三 网络学习空间人人通 的推进与深入应用正成为国家发挥教育信息化环境与资源综合效能的重要抓手,依托国家教育资源公共服务平台,集成各类交互应用,支持各类角色交流互动,提升智力共享质量,让 人人通 走向 人人用 , 网络学习空间人人通 推进了互联网学习的发展三此外,伴随互联网教育生态的发展,企业努力通过产品人性化设计提升用户的应用体验二提高应用普及面,一些家长在手机端安装了孩子的学习A P P,经常在朋友圈晒照打卡,企业产品不断地推广着学生端的教学应用,加速互联网学习融入教学过程三在这一进程中,机器阅卷二虚拟现实二增强现实二知识图谱二学生画像二情绪识别二自适应学习等技术均已运用到实践中,人工智能技术发展迅速,教与学互动的创新空间正被不断构建,翻转课堂二慕课二微课二混合学习二S T E M二创客等各种模式从试点走向常态,教育教学的创新步伐不断加快,传统学习方式面临前所未有的挑战,在保障规模化教学的前提下,差异化教学二精准化教学已成为可能,在线学习二移动学习二智能导学等方式助力个性化发展,正式学习和非正式学习的界限日益模糊,学习呈现出个性化二泛在化二合作化的特点,结合学段特征二学科需求,深入探究网络学习空间特性,带动空间应用由简单技能掌握向素养提升方向转化,构建深刻二智慧二内涵发展的互联网学习形态三 (二)人工智能教育 1.人工智能教育在基础教育阶段的发展成果 2019年,中国基础教育阶段的人工智能教育有了进一步的推进,相关政策二会议对人工智能教育的教学内容二开展方式提出了更加明确的要求,人工智能企业提供的平台和产品丰富了整体人工智能教育的生态环境三 (1)主要相关政策三2019年,教育部印发了‘加快推进教育现代化实施方案(2018 2022年)“‘教育部教师工作司2019年工作要点“‘2019年教育信息化和网络安全工作要点“‘教育部关于实施全国中小学教师信息技术应用能力提升工程2.0的意见“‘教育部等十一部门关于促进在线教育健康发展的指导意见“‘教育部关于加强和改进中小学实验教学的意见“三联合国教科文组织正式发布国际人工智能与教育大会成果文件‘北京共识 人工智能与教育“三这些政策明确地指向了加快人工智能教育二利用人工智能助力教师专业发展二推进智能教学助手应用二创新智能化教育教学新模式,进而推

中文知识图谱构建的关键技术

Intelligent Search Engine and Recommender Systems based on Knowledge Graph 阳德青 复旦大学知识工场实验室 yangdeqing@https://www.sodocs.net/doc/6313337974.html, 2017-07-13

Background ?Knowledge Graph exhibits its excellent performance through the intelligent applications built on it ?As typical AI systems,Search engine and recommender system are very popular and promising in the era of large data ?Many previous literatures and systems have proved KG’s merits on such AI’s applications

KG-based Search Engine

?The keyword of high click frequency are ranked higher ?The pages containing the keywords of more weights are ranked higher ?The pages having more important in-links are ranked higher ?1st:category-based ?Yahoo,hao123 ?2nd:IR-based ?Keyword-based,vector space,Boolean model ?3rd:link-based ?PageRank (Google) However,how to handle it if users want to search something new or the ones of long tail? result in

个方面分析知识图谱的价值和应用

6个方面分析知识图谱的价值和应用知识对于人工智能的价值就在于,让机器具备认知能力和理解能力。构建知识图谱这个过程的本质,就是让机器形成认知能力,理解这个世界。一、知识图谱无处不在说到人工智能技术,人们首先会联想到深度学习、机器学习技术;谈到人工智能应用,人们很可能会马上想起语音助理、自动驾驶等等,各行各业都在研发底层技术和寻求AI场景,却忽视了当下最时髦也很重要的AI技术:知识图谱。当我们进行搜索时,搜索结果右侧的联想,来自于知识图谱技术的应用。我们几乎每天都会接收到各种各样的推荐信息,从新闻、购物到吃饭、娱乐。个性化推荐作为一种信息过滤的重要手段,可以依据我们的习惯和爱好推荐合适的服务,也来自于知识图谱技术的应用。搜索、地图、个性化推荐、互联网、风控、银行……越来越多的应用场景,都越来越依赖知识图谱。二、知识图谱与人工智能的关系知识图谱用节点和关系所组成的图谱,为真实世界的各个场景直观地建模。通过不同知识的关联性形成一个网状的知识结构,对机器来说就是图谱。形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。每个人都有自己的知识面,或者说知识结构,本质就是不同的知识图谱。正是因为有获取和形成知识的能力,人类才可以不断进步。知识图谱对于人工智能的重要价值在于,知识是人工智能的基石。机器可

以模仿人类的视觉、听觉等感知能力,但这种感知能力不是人类的专属,动物也具备感知能力,甚至某些感知能力比人类更强,比如:狗的嗅觉。而“认知语言是人区别于其他动物的能力,同时,知识也使人不断地进步,不断地凝练、传承知识,是推动人不断进步的重要基础。”知识对于人工智能的价值就在于,让机器具备认知能力。而构建知识图谱这个过程的本质,就是让机器形成认知能力,去理解这个世界。 三、图数据库知识图谱的图存储在图数据库(Graph Database)中,图数据库以图论为理论基础,图论中图的基本元素是节点和边,在图数据库中对应的就是节点和关系。用节点和关系所组成的图,为真实世界直观地建模,支持百亿量级甚至千亿量级规模的巨型图的高效关系运算和复杂关系分析。目前市面上较为流行的图数据库有:Neo4j、Orient DB、Titan、Flock DB、Allegro Graph等。不同于关系型数据库,一修改便容易“牵一发而动全身”图数据库可实现数据间的“互联互通”,与传统的关系型数据库相比,图数据库更擅长建立复杂的关系网络。图数据库将原本没有联系的数据连通,将离散的数据整合在一起,从而提供更有价值的决策支持。四、知识图谱的价值知识图谱用节点和关系所组成的图谱,为真实世界的各个场景直观地建模,运用“图”这种基础性、通用性的“语言”,“高保真”地表达这个多姿多彩世界的各种关系,并且非常直观、自然、直接和高效,不需要中间过程

智慧树知到《人工智能基础导学》章节测试[完整答案]

智慧树知到《人工智能基础导学》章节测试 [完整答案] 智慧树知到《人工智能基础导学》章节测试答案 绪论单元测试 1、1956年达特茅斯会议上,学者们首次提出“artificial intelligence(人工智能)”这个概念时,所确定的人工智能研究方向不包括: A:研究如何用计算机表示人类知识 B:研究智能学习的机制 C:研究人类大脑结构和智能起源 D:研究如何用计算机来模拟人类智能 答案: 【研究人类大脑结构和智能起源】 2、在现阶段,下列哪项尚未成为人工智能研究的主要方向和目标: A:研究如何用计算机模拟人类大脑的网络结构和部分功能 B:研究如何用计算机延伸和扩展人类智能 C:研究机器智能与人类智能的本质差别 D:研究如何用计算机模拟人类智能的若干功能,如会听、会看、会说 答案: 【研究机器智能与人类智能的本质差别】 3、下面哪个不是人工智能的主要研究流派? A:符号主义

B:经验主义 C:连接主义 D:模拟主义 答案: 【模拟主义】 4、从人工智能研究流派来看,西蒙和纽厄尔提出的“逻辑理论家”方法用,应当属于: A:经验主义,行为主义 B:符号主义,连接主义 C:连接主义,经验主义 D:理性主义,符号主义 答案: 【理性主义,符号主义】 5、从人工智能研究流派来看,明斯基等人所推荐的“人工神经网络”方法用计算机模拟神经元及其连接,实现自主识别、判断,应当属于: A:理性主义,符号主义 B:符号主义,连接主义 C:经验主义,行为主义 D:连接主义,经验主义 答案: 【连接主义,经验主义】 6、“鸟飞派”指的是人类研究人工智能必须要完全符合智能现象的本质 A:错

相关主题