Ключевые слова

emr

Управление образованием: теория и практика

Education Management Review

2311-2174

Индивидуальный предприниматель Подколзин М.М.

2024

INTERNATIONAL EXPERIENCE IN THE MANAGEMENT OF EDUCATIONAL INSTITUTIONS

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

2786265330@qq.com

Ван

Инъин

Wang

Yingying

2411207712@qq.com

Чанчуньский университет Changchun University

2025

15022025

15 2-1

Управление образованием: теория и практика

Education Management Review

302 311

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.

Ключевые словаотображение знаний; система вопросов и ответов; классические китайские шедевры; распространение традиционной культуры.

Keywordsknowledge mapping; question and answer system; classical Chinese masterpieces; traditional culture dissemination.

Исследование выполнено без внешнего финансирования.

The study was conducted without external funding.

metadata-license

CC0 1.0

issue-cover

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.