伴随着新冠疫情在全球范围的肆虐,智能教育、在线教育的发展速度得到了快速提升,不管是在线教育的使用人数,还是市场规模,都迎来了爆发式的增长,对智能教育产生了极大地推动作用。“停课不停学”成为史上一场规模最大的线上教育实践,充分展现了教育信息化与智能化的底层潜力。利用云计算、物联网、人工智能等新基建技术进行数字化校园建设,打造智能化、数字化、个性化的高等教育体系,以满足信息化支撑下师生的学习友好体验需求。随着数据化思想在教育领域中的广泛性应用,高等教育开始向信息化、多元化的方向进行发展,为高等教育今后的发展开辟出了全新的路径。知识结构是知识本身固有属性,它是对知识的抽象化、形象化和模型化,量化抽象的知识结构是人类学习和教育智能化的关键环节。只有机器掌握了知识结构才可以像人类进行推断、分析、决策、预测,因此挖掘知识结构、构建学习空间是构建计算机认知智能的底层框架。知识空间理论不只是计算机开展自主教学的前提,同样还是测试系统开展试题推送的主要依据。通常情况下,知识结构都是由专家通过经验来对其含义进行确定,这种模式不仅会浪费大量的时间和精力,另一方面极易受到主观因素的干扰。考虑到测试数据的不完整性,以及知识点之间关系的不确定性,本文引入贝叶斯网络进行构建学习空间。本文选择平衡了局部开采能力和全局探索能力的狼群智能算法（WPA）,在游走行为中添加随机游走算子、在奔袭行为中添加随机交互算子、在围攻行为中添加信息学习算子,将狼群算法作为搜索算法进行贝叶斯网络结构优化。“狼群”捕猎过程的随机性和系统性保证了算法的鲁棒性和准确性,围攻行为的信息反馈机制使得算法向最优解快速收敛。通过仿真实验对Asia数据集的分析,与其他智能算法GWO、GA、PSO的对比,BN-WPA在进行贝叶斯网络结构学习的过程中有一定的优势。具体步骤是由东北财经大学各学院不同专业的本科生统计学课程所产生的测试数据,将改进后的狼群算法BN-WPA作为搜索算法进行贝叶斯网络结构学习,以BIC作为评分函数,使用贝叶斯估计方法进行参数学习从而构建贝叶斯网络结构。并与专家构建的知识结构进行融合、修正,从而可以根据贝叶斯网络构建的学习空间进行教学顺序的调整,为教师及时干预教学工作提供有力支撑,从而减少学生在接下来学习过程的压力。此外,构建学习空间属于计算机开展自主教学的基础,能够依据学习者的实际情况和相关需求,有针对性地为其提供学习路径,是实现知识点掌握情况的判断和计算机试题推荐的重要参考依据。学生、老师在相同时间内有更高的学习、教学成果,让教学方式得到优化,让学习效率获得提升,为探索更加高效的学习方式和教学方法提供了新的思路。本文的创新之处主要集中于两方面。首先是方法方面的创新。以数学心理学、教育统计学为基础,应用知识空间理论,并引入狼群算法对知识网络结构进行学习优化。提高了搜索效率,提升了质量,降低了复杂度,并使用仿真数据集Asia证明了算法的可行性,优化后的狼群算法平衡了开采能力和探索能力,狼群捕猎过程的随机性和系统性保证了算法的鲁棒性和准确性,围攻行为的信息反馈机制使得算法向最优解快速收敛;另一方面是应用方面的创新。对于知识结构挖掘,大多数学者、研究机构、公司团队主要集中于对K12教育数据的挖掘,例如国内的松鼠AI、猿题库的试题智能推荐系统以及国外的ALEKS系统。从阅读相关文献来看,对高等教育的研究都大多停留在模型方法的探讨方面,在应用方面较少,鲜有以知识结构、学习空间为底层框架实施教育活动或者构建智能学习系统。本文也有不足之处在于:首先,学习路径可视化。基于图知识库如何对海量、复杂的知识点进行简洁明了的展示,将是未来研究的重要方向之一;其次,面向学习过程综合情境感知的个性化学习路径分析。未来将会更加关注学习过程,综合考虑影响学习路径各方面的因素,包括课后作业、测试评估、日常行为数据等在内的多因素;最后,狼群算法设置参数较多。如何在平衡搜索能力与开采能力的前提下,使算法效率进一步提升,将是接下来进行研究的重点之一。