
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于知识图谱的车辆与交通工程自适应学习路径生成模型
《Scientific Reports》:Research on knowledge graph-driven adaptive learning path generation for vehicle and transportation engineering courses
【字体: 大 中 小 】 时间:2026年09月20日 来源:Scientific Reports 4.9
编辑推荐:
摘要针对车辆与交通工程领域中因知识体系高度耦合及复杂跨学科逻辑所引发的教学难题,本文提出了一种基于知识图谱的自适应学习路径生成模型。首先,利用课程教材、学术与职业晋升规范、车路协同(V2X)实验数据及行业标准等多源异构数据,采用本体建模和自然语言处理(NLP)技术进行知识抽取
针对车辆与交通工程领域中因知识体系高度耦合及复杂跨学科逻辑所引发的教学难题,本文提出了一种基于知识图谱的自适应学习路径生成模型。首先,利用课程教材、学术与职业晋升规范、车路协同(V2X)实验数据及行业标准等多源异构数据,采用本体建模和自然语言处理(NLP)技术进行知识抽取。识别核心工程实体及其语义关联,以构建车辆与交通工程交叉领域的领域特定认知地图;随后,基于知识图谱的拓扑结构开发改进的蚁群优化(ACO)算法,用于生成自适应学习路径。量化知识点间逻辑依赖的强度,将多维学习者认知状态数据与最佳学习增益机制相结合,从而实现学习路径的动态规划与精准推送。基于上述实证结果,该新模型能够缓解因知识碎片化导致的信息过载问题,并提升学生的检索效率以及对复杂工程系统的深层次、系统性理解。