引言

随着教育数字化转型的深入，在线教育在快速发展的同时也面临显著挑战：海量学习资源易导致学习者出现“认知过载”与“学习迷航”，现有系统难以实现针对具体课程的个性化支持。为此，本研究聚焦IT项目管理课程，融合知识图谱与动态本体技术，构建具备自适应能力的智能学习系统。在题库设计上，系统通过知识点关联与自适应组卷技术，实现基于学生掌握程度的个性化习题推荐。在知识组织方面，采用自顶向下方法构建三层知识点图谱，厘清知识结构与逻辑关系，并为资源分类与习题推荐提供基础。在推荐策略上，综合学习者画像、内容匹配与知识图谱分析，建立知识点-失分率矩阵，结合多标签文本分类技术，实现学习资源与习题的精准推荐。本系统旨在通过结构化知识呈现、个性化学习路径与适应性练习推荐，有效缓解认知负荷，提升学习效率，并为教师提供学情分析与资源管理支持，推动以学习者为中心的智能教学发展。

一、系统分析

（一）系统需求分析

IT项目管理课程教学辅助系统根据使用者的不同，可以分为两种角色：教师（管理者权限）和学生。

1. 教师功能需求

• 知识点管理：教师可以随时增删改查关于IT项目管理课程的知识点；
• 题库管理：教师可以随时增删改查关于IT项目管理课程的习题，并将习题与对应知识点链接；
• 学习资源管理：教师可以随时增删改查关于IT项目管理课程的学习资源，如课程视频、课件、笔记；
• 学生成绩管理：教师可以修改学生考试成绩、查看学生或班级的成绩或均分及排名、查看某学生进行某项练习的次数及成绩；
• 知识点正确率查看：教师可以查看各个知识点的正确率，归纳易错点；
• 考试管理：教师可以组卷、发布考试、修改考试时长及开始时间、批改试卷；
• 班级管理：教师可以查看学生信息，移动学生至相应班级分组；
• 作业管理：教师可以创作、发布、批改作业并查看批阅结果；
• 讨论区：教师为学生答疑解惑；
• 注册登录：录入个人信息、实现用户登录、修改密码。

2. 学生功能需求

• 错题练习：学生根据知识点错误率，在题库进行随机练习（系统需推荐有关当前错误知识点的题目，同时识别是否存在因未掌握前序知识点而产生的错误，从而推荐前序知识点的题目）；
• 综合练习：学生根据已学所有知识点，在题库进行随机练习；
• 专项练习：学生根据自选知识点，在题库进行随机练习；
• 在线考试：学生根据考试要求完成相应题目并提交；
• 成绩查看：学生查看各练习及考试的个人成绩、班级均分；
• 知识点查看：学生查看课程所有知识点及自身练习后各知识点正确率；
• 排名查看：学生查看各次考试的成绩排名；
• 练习查看：学生查看各次练习的耗时及练习次数；
• 视频注解：学生能在学习视频任意位置添加注解点，并在该点视频画面中添加笔记；
• 学习资源推荐：系统根据学习进度、知识点正确率等自动推荐课程资源；
• 课程视频观看与资源下载：学生可以观看、下载课程视频、课件、笔记等；
• 作业管理：学生收到教师布置的作业并在模块内完成提交，查看批阅结果；
• 讨论区：参与讨论并向教师提问；
• 注册登录：录入个人信息、实现用户登录、修改密码。

关于非功能需求：为提高系统准确性，设计使用不同数据库对用户不同类别数据进行存储，便于快速调取；为保障安全性，要求用户登录时输入用户名、密码并设置验证环节；为提升易用性，系统界面应简洁美观、人机交互便捷，用户在简单培训后即可使用；为提高可维护性，开发后需定期维护并做好数据备份。

（二）业务流程分析

系统根据使用者分为学生与教师两类。学生用户登录后可查看历次练习成绩、课程知识图谱，进行在线学习并下载资料或添加注记，按需练习、参加在线考试并查询成绩；教师用户登录后可管理知识图谱、学习资源、题库，系统将根据知识点对学习资源进行多标签分类，教师可管理用户信息、发布并批改考试、查看学生成绩。

本节业务流程图采用《BPMN2.0规范白皮书》内标准格式绘制，见下图。

1. 学生部分业务

学生在本系统中，除注册登录外，主要分为五大业务类别：

1. 查询成绩：学生能够查询自身历次练习、作业与考试成绩，并查询各次考试的班级均分及排名。
2. 查询知识点：以知识图谱方式呈现课程知识点间逻辑关系，并在各知识点旁标注对应正确率，便于查缺补漏。
3. 在线学习：观看并下载课程视频、课件、笔记等；系统提供在线笔记功能（如插入式文档笔记、注解式视频笔记）；收集学习行为数据并结合知识点正确率，通过相似学习人群进行协同过滤推荐学习资源。
4. 在线考试：按教师要求在限定时间内完成并提交试卷。
5. 操练习题：提供综合练习、专项练习、错题练习三种形式。综合练习从已学知识点随机抽题；专项练习以学生选定知识点为范围随机抽题；错题练习根据往次练习推算知识点失分率，选出候选习题集并进行针对性推荐（见下图）。

2. 教师部分业务

教师在本系统中，除注册登录外，主要分为六大类别：

• 管理用户：教师作为系统管理员，可查看所有学生信息并进行分班管理，添加其他教师用户并设置其在线/离线状态与权限。
• 管理考试：组卷、发布考试时间及要求、阅卷。
• 管理学生成绩：查看并修改学生个人与班级成绩。系统拟用柱状图或折线图展示成绩趋势，辅助教师分析学习状态与知识点掌握情况。
• 管理知识点：按知识点间逻辑关系（一级—二级—三级）将课程知识点逐一添加至知识图谱，为后续基于知识点失分率的习题与资源推荐奠定基础（见下图）。

• 管理题库：教师手动录入各类习题并将题目与蕴含的知识点对应，为基于习题失分率推断知识点得分率并进行个性化推荐奠定基础（见下图）。

• 管理学习资源：教师上传并更新学习资源。系统对新录入的文档型资源进行自动文本分类（文本预处理→特征量提取→分类训练），并以知识图谱中的知识点作为标签对资源分类，分类后需教师在数据库中手动标注资源（见下图）。

二、系统设计

本章基于结构化设计方法对IT项目管理课程进行详细设计分析，以功能结构、模块结构、信息系统流程的顺序展开论述。

（一）功能结构设计

本系统旨在利用知识图谱链接IT项目管理课程知识点间语义关系，基于算法设计自适应习题推荐与学习资源分类策略，并结合现有在线资源设计开发在线学习系统，实现个性化学习引导与资源空间优化。

系统角色主要分为两类：学生与教师（含管理者权限）。除基础在线学习、在线考试、在线答疑外，系统包含六大功能模块：登录注册模块、知识图谱模块、习题推荐模块、课程资源管理模块、题库管理模块、成绩管理模块（见下图）。

1. 注册登录模块

负责学生及教师的注册、登录及用户信息管理，用户可维护自身信息（如修改/找回密码）；教师可在该模块对学生分班、添加/删除教师用户、修改教师状态与权限。

2. 知识图谱模块

负责将课程所有知识点按逻辑顺序建立为知识图谱节点，教师可随时更新知识点细化程度（例如：二级知识点“集成管理”→三级“生命周期模型”→四级“瀑布模型”）。知识图谱为后续算法模型的底层基础：将习题与知识点链接后，知识图谱提供知识点—失分率的计算依据，并作为学习资源文本分类的标签库。

3.习题推荐模块

根据学习者需求进行个性化习题推荐，涵盖综合练习、专项练习、错题练习。综合练习对已学知识点随机推荐；专项练习以学习者选定知识点为范围随机推荐；错题练习基于知识点错误率从习题失分率→知识点失分率→薄弱知识点候选集→薄弱习题候选集逐层筛选并计算习题推荐度，系统还能识别因未掌握前序知识点导致的错误并推荐相关前序知识点题目。

4.课程资源管理模块

负责资源库课程资源的增删改查，教师可更新课程资源；对新录入文档型资源进行自动文本分类（文档预处理→特征量提取→分类），并将资源与知识图谱中的知识点链接。

5.题库管理模块

负责题库习题的增删改查（如确定题型、更正答案、增加解析等），教师可随时更新习题并将题目与知识图谱的知识点对应链接。

6. 成绩管理模块

负责学生所有类型成绩的统筹管理并进行可视化展示。学生可查询历史练习与考试成绩、班级均分及各知识点正确率，并通过纵向/横向对比图表分析自身优势与劣势；教师可修正成绩并查询单学生的练习情况（练习次数、题目分数、各知识点正确率）及总体学生各时期知识点平均正确率，系统拟采用折线图或柱状图展示。

（二）算法模型设计

1. 错题练习算法流程

输入：习题知识点集合、学生习题得分比集合G={Gs1, Gs2, Gs3……}、知识点层次结构K。

知识点失分率与权重图：采用统计方法对学生练习答题记录建模，用学生—知识点失分率矩阵表示知识点掌握程度。根据专家构建的知识点层次关系，利用知识点间权重得到知识点权重图，即每个知识点与其他知识点均存在权重，权重越大两知识点关联越紧密。

更新后学生—知识点失分率矩阵：首次计算知识点失分率时知识点相互独立。为使初始计算更贴近学生真实掌握程度，采用知识点权重图更新学生—知识点失分率，从而引入知识点之间的层次关系。

预测候选习题失分并进行推荐（输出）：提取带有学生掌握薄弱知识点的习题作为薄弱习题集，与未做习题集取交集筛选出候选习题集，预测候选习题的失分并给出推荐。

2. 学习资源分类算法流程

本文提出的学习资源多标签分类算法流程包含四个主要步骤。

首先，为输入文本引入位置编码，通过正弦和余弦函数生成位置感知的词向量表示，以弥补后续注意力机制对词序信息建模的不足，具体计算方式为：偶数维度采用，奇数维度采用，其中 pos 表示位置，d 为嵌入维度。

第二步并行进行局部与全局语义提取。一方面，利用 CNN 捕捉文本局部特征，通过卷积和池化操作得到局部语义向量；另一方面，通过多头自注意力机制建模词语之间的全局依赖关系，生成全局语义表示 A。将两者输出拼接，形成融合局部与全局信息的文本表示。

第三步旨在建模标签之间的语义关联。将 CNN 输出的文本表示与标签嵌入矩阵进行交互 C，首先计算交互矩阵，然后分别沿行和列方向进行归一化，获得文本到标签的注意力分布和标签到文本的注意力分布，最终融合为基于文本内容的标签语义表示。

最后，采用自适应融合策略整合前两步输出。通过可学习的权重参数动态计算融合系数和，满足，得到每个标签的最终向量表示。该表示经全连接层和 Sigmoid 输出多标签预测概率，模型训练采用交叉熵损失函数优化。

三、系统实施

（一）知识图谱

在该页面教师与学生可查看IT项目管理课程的所有知识点，目前分为四层：一层（橘色）为课程名，二层（绿色）为章节名，三层（蓝色）为知识点组名，四层（紫色）为细分知识点。

（二）添加题库

该页面可进行习题新增，并将习题与对应知识点连接。习题编号为题目对应知识点编号＋四位顺序编码，题型主要分为选择题、判断题、简答题三类，可为相应题目增添解析（见下图）。

四、总结与展望

本系统旨在构建一个专注于IT项目管理课程的教学辅助平台，为师生提供集中、高效的学习环境，降低学习迷航与认知过载风险，并构建完整的课程知识图谱，实现习题与知识点的精准关联，从而提升学生知识掌握效果。

现有在线平台资源杂乱，学生需自行筛选学习材料。本系统通过教师审核机制，确保资源的专业性、易读性与实用性，减轻学生筛选负担。当前平台虽提供习题练习，但缺乏细粒度知识点划分，多按章节粗略分类。为此，本系统采取以下措施：

1. 梳理IT项目管理知识结构，构建领域知识图谱，帮助学生整体把握课程重点，合理规划学习；
2. 将每道习题与具体知识点关联，实现教师出题与学生答题的精准定位。系统可统计习题正确率与选项分布，辅助教师识别薄弱知识点并进行针对性组卷。学生错题将被自动记录，便于后续复习强化。

本研究虽初步实现该教学辅助系统，仍存在改进空间：例如，当前仅支持教师与学生两类角色，未来可加入助教角色以更贴合实际教学场景；题库浏览与组卷权限目前仅对教师开放，后续可逐步向学生开放部分权限，支持其按需自主练习。

综上所述，开发IT项目管理专用教学辅助系统具有重要意义。它既能提供优质资源、减轻学生筛选负担，又能通过知识图谱与精准习题关联帮助学生系统提升知识掌握度。未来需在角色设置与权限管理等方面持续优化，以进一步完善系统功能。

参考文献：

1. [1] 范明虎, 孙斌. 通用试题库管理系统的设计与实现[J].计算机工程与设计,2007(09):2185-2188.
2. [2] Yu D, Chen R Y, Chen J. Video recommendation algorithm based on knowledge graph and collaborative filtering[J]. International Journal of Performability Engineering,2020,16(12):1933-1940.
3. [3] 孙歆, 王永固, 邱飞岳. 基于协同过滤技术的在线学习资源个性化推荐系统研究[J]. 中国远程教育,2012(08):78-82.
4. [4] 孙宁, 陈雅. WoS视域下国际网络舆情研究知识图谱分析[J]. 情报资料工作,2014(04):21-26.
5. [5] Haklae Kim. Building a K-Pop knowledge graph using an entertainment ontology[J]. Knowledge Management Research & Practice,2017,15(02):305-315.