随着在线教育平台、在线学习资源的不断发展,个性化学习一直是教育领域中的一个重要研究问题。而在基础教育阶段,由于受到了学生年龄、学生数量等一系列现实因素的限制,个性化的教学活动开展难度较高。2021年,中国教育部又印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》,强调了要降低在基础教育阶段的中小学生的课后练习、作业方面的负担。利用智能技术给不同学生推荐有针对性的课后练习、家庭作业等,就能够大大减少学校对学生掌握情况较好的基本知识点的反复练习的数量,这样就在减少了学校对课后练习和家庭作业的负荷的前提下,同时又提高了教学质量。目前有关个性化习题推荐系统的研究中,在于学生的认知能力检测、知识点关联等方面尚有所欠缺。因此,本研究设计了一个利用知识追踪技术从知识点掌握情况与认知能力水平两方面对学生进行建模,并根据知识图谱内知识点之间的先后关系,结合学生模型中学生的认知能力,为学生推荐符合其认知能力并且是薄弱知识点的个性化习题推荐系统。本研究主要完成工作有:1.学科知识图谱的建构:通过对小学5年级数学上册“小数的四则混合运算”章节中的教学内容进行分析,构建该章节的学科知识图谱。并将该知识图谱存储于Neo4j数据库,实现了知识图谱的可视化表达。2.学生模型的建构:采用融合DINA认知诊断和灰色偏相关评价的方法,根据对学生知识点的掌握情况和认知能力水平,构建学生模型。同时本研究采用的DINA认知诊断方法获取的学生知识点掌握情况在表现形式上是一种连续型的数据,越接近1则说明学生知识点掌握情况越好。在认知能力水平上则依据布鲁姆的认知目标分类将学习者的认知能力分为了六级。3.个性化练习推荐:基于学生模型中学生的知识点掌握情况、认知能力水平两个方面,再结合知识图谱中知识点之间的先后关系,向学生推荐个性化练习题。系统首先在学生的基础知识点掌握情况表中抽取出学生的薄弱知识点,然后再通过知识图谱查找与薄弱知识点有关的先验基础知识点,最后按一定的逻辑关系从习题库中提取出包含了学生所需练习的知识点且适合学生的认知能力水平的练习向学生推荐。4.系统实现:根据设计方案,本研究将系统分为了三个部分:知识图谱建构、学生模型生成、个性化习题推荐。以小学五年级的数学中的一个章节为例,作者使用Python编程语言完成了个性化习题推荐系统。系统在设计开发时还保持了较大的扩展性。通过构建其他任意章节、其他学科的知识图谱,并收集一定数量该章节、学科的考试数据作为学生的先验知识检验数据,系统即可计算出对应章节、学科下学生的知识点掌握状态与认知能力水平,即可实现对任意章节、学科的个性化习题推荐。5.系统验证:在所开发的系统中,对生成的推荐习题与学生的知识点进行了抽样检验,验证了按照系统推荐算法进行推荐的习题确实处在学生的优势认知能力水平范围内。同时,将引入了认知能力水平的推荐结果与未引入认知能力水平的推荐结果进行了横向对比,发现不引入认知能力水平的推荐结果中,会出现与学生相对弱势的认知能力水平相关的推荐习题,进一步证明了引入认知能力水平因素作为习题推荐依据确实可以提高个性化习题推荐的准确度。