
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于知识图谱与深度强化学习的"岗课赛证"融通量化评估与个性化学习路径生成框架
《Scientific Reports》:A KG-DRL framework for post course competition certificate integration and path generation in civil aviation vocational colleges
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要“岗课赛证”融通(PCCC)模式已成为中国职业教育改革的基石,然而其在民航职业学院的实施受到量化融通标准缺失、依赖主观评价实践以及缺乏针对学生个人特征的自适应学习路径的阻碍。本文提出了一种统一框架,通过知识图谱(KG)推理和深度强化学习(DRL)共同解决这些局限性。我们构
“岗课赛证”融通(PCCC)模式已成为中国职业教育改革的基石,然而其在民航职业学院的实施受到量化融通标准缺失、依赖主观评价实践以及缺乏针对学生个人特征的自适应学习路径的阻碍。本文提出了一种统一框架,通过知识图谱(KG)推理和深度强化学习(DRL)共同解决这些局限性。我们构建了一个异质知识图谱,语义整合了岗位、课程大纲、技能竞赛和职业证书,并推导出一个综合融通过度指标,包含语义匹配、结构关联和路径可达性。随后,个性化学习路径生成问题被形式化为马尔可夫决策过程(MDP),并通过混合深度 Q 网络(DQN)和近端策略优化(PPO)算法求解,其中奖励函数明确促进融通增益,同时遵守课程和监管约束。基于某民航职业学院数据的实验结果表明,所提出的框架在所有评估指标上均较传统方法取得了实质性改进,包括全局融通过度、路径效率和岗位匹配相似度,同时生成了满足必修学分和监管要求的可行课程。结果验证了该框架在提供可量化、个性化且可监管的职业学习路径方面的有效性。