emr Управление образованием: теория и практика Education Management Review 2311-2174 Индивидуальный предприниматель Подколзин М.М. 2024 МЕЖДУНАРОДНЫЙ ОПЫТ УПРАВЛЕНИЯ УЧРЕЖДЕНИЯМИ ОБРАЗОВАНИЯ Разработка системы вопросов и ответов на основе графа знаний для оказания помощи в обучении Design of a knowledge graph-based question and answer system for teaching assistance Фэн Пин Feng Ping fengping@ccu.edu.cn Сики Сюй Siqi Xu 2786265330@qq.com Ван Инъин Wang Yingying 2411207712@qq.com Чанчуньский университет Changchun University 15 02 2025 15 2-1 302 311 © 2025 Управление образованием: теория и практика © 2025 Education Management Review 2025 Управление образованием: теория и практика Education Management Review Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная. This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние). The metadata of this record are distributed under the Creative Commons CC0 1.0 Universal Public Domain Dedication.

Целью данной статьи является создание системы вопросов и ответов на основе графов знаний, которая ориентирована на удовлетворение потребностей студентов в предварительном просмотре курса, посвященного шедеврам классической китайской литературы. Объединяя отображение знаний с несколькими ресурсами, система способна обогатить форму традиционной культурной коммуникации и предоставлять целевые услуги по заданию вопросов и ответов. Цель системы - помочь студентам подготовиться к курсу заранее, получить своевременные ответы на вопросы, снизить нагрузку на преподавателей, повысить эффективность преподавания в классе и качество обучения студентов, а также изучить пути распространения традиционной китайской культуры.

The aim of this paper is to construct a knowledge graph-based teaching-aided Q&A system that focuses on solving students' preview needs in a course on classical Chinese masterpieces. By combining knowledge mapping with multiple resources, the system is able to enrich the form of traditional cultural communication and provide targeted Q&A services. The system aims to help students prepare for the course in advance, get timely answers to questions, reduce the burden of teachers, improve the efficiency of classroom teaching and the quality of student learning, and explore ways to disseminate traditional Chinese culture.

 knowledge mapping; question and answer system; classical Chinese masterpieces; traditional culture dissemination. отображение знаний; система вопросов и ответов; классические китайские шедевры; распространение традиционной культуры. Исследование выполнено без внешнего финансирования. The study was conducted without external funding. metadata-license CC0 1.0

Список литературы An T., Chen Y., Chen Y., Ma L., Wang, J., Zhao, J. A machine learning-based approach to ERα bioactivity and drug ADMET prediction // Front. Genet. 2023. № 13(108). рр. 72-73. Anandika A., Chakravarty S., Paikaray B.K. Named entity recognition in Odia language: a rule-based approach // International journal of reasoning-based intelligent systems. 2023. Cauteruccio F., Kou Y. Investigating the emotional experiences in eSports spectatorship: The case of League of Legends // Inf. Process. Manag. 2023. № 60. рр. 103-516. Do Ph., Truong H.V. Phan. Developing a BERT based triple classification model using knowledge graph embedding for question answering system // Applied intelligence. 2021 (prepublish). Feiran W., Bo T., Yue Ch., Xiyang F., Guowei J., Haiyan W., Gang Ch., Zhuangzhuang Sh. A visual knowledge map analysis of mine fire research based on CiteSpace // Environmental science and pollution research international. 2022. № 29(51). Feng Р., Ningzhang В. Entity alignment interaction model based on Chinese RoBERTa // Applied sciences. 2024. № 14(14). Hou X., Zhu Ch., Li Yu., Wang P., Peng X. Question answering system based on military knowledge graph[P] // University of Electronic Science and Technology of China. 2022. Li W. An improved knowledge graph question answering system for English teaching // Mobile information systems, 2022. Li Х., Raga R.C., Xuemei Shi. GloVe-CNN-BiLSTM model for sentiment analysis on text reviews // Journal of sensors. 2022. Ping Ch., Jian Yi, Yue Chao Zh. Intelligent question answering system by deep convolutional neural network in finance and economics teaching // Computational intelligence and neuroscience. 2022. Qian Sh., Ming Xu, Bin Q., Pengbin L., Junjian H. Intelligent question answering system based on machine reading comprehension // Journal of physics: conf. series. 2021. № 2050(1). Rocha Rúben R., Carla M.S.E, Anderson C.R. Embeddedness in internationalization: Knowledge map and research agenda proposal // Journal of general management. 2022. № 48(1). Zheng Zh., Liu M.,Weng Zh. A Chinese BERT-based dual-channel named entity recognition method for solid rocket engines // Journal electronics. 2023.