利用知识图谱和自然语言处理（NLP）为心理健康教育量身定制的学习路径

《Schizophrenia Bulletin》：PERSONALIZED LEARNING PATHS FOR MENTAL HEALTH EDUCATION USING KNOWLEDGE GRAPH AND NLP

本研究基于知识图谱与自然语言处理技术，构建自动生成个性化心理健康学习路径的系统。实验表明，与传统线性课程相比，实验组在测试中得分提高28%（p<0.01），用户满意度达92%，系统有效适应不同知识水平，提升学习效率与参与度，为公共健康教育提供新工具。

　　

摘要

目标

提高心理健康素养需要创新的教育方法。本研究旨在开发并评估一个框架，用于自动生成个性化的心理健康教育学习路径，通过为不同学习者定制内容序列来提高学习效率。

方法

我们基于知识图谱（KG）和自然语言处理（NLP）构建了一个系统。该系统构建了一个心理健康知识图谱，表示关键概念及其之间的关系。NLP处理学习者的输入以确定学习起点。在120名参与者的评估中，实验组（n=60）使用了KG-NLP系统，而对照组（n=60）则遵循标准的线性课程。系统根据每个用户的资料和进度在知识图谱中生成独特的学习路径。

结果

实验组的表现显著更好，在后测中的得分比对照组高出28%（p<.01）。用户满意度也显著提高，92%的用户认为推荐的学习路径“非常相关”。该系统能够有效适应不同的知识水平，为每个个体定制学习路径。

结论

知识图谱和自然语言处理的结合为个性化心理健康教育提供了一种有效的方法。这种方法有助于更高效地获取知识，并提高学习者的参与度，显示出开发可适应且有效的公共卫生教育工具的巨大潜力。

致谢

本研究得到了以下项目的支持：2019年广东省特色创新项目“基于知识图谱的在线学习示范系统研究——以数据结构课程为例”（项目编号：2019KTSCX225）。