随着互联网与人工智能技术的越发成熟,促使教育行业信息化与现代化的快速发展。以现代化技术手段与教育融合的方式,正在逐渐成为推动我国教育建设的发展新航向。然而基于大数据的时代背景,如何在海量数据中利用现代化技术高效地挖掘有价值的信息,从而满足学习者的自适应学习需求,是值得关注与研究的重要课题。因此,本文的理论研究以可视化教育工具——知识图谱为主,并将理论内容转化为实践应用,设计了一款自适应学习系统。本系统基于学习者自身的学习特征,实现了学习者的自适应学习与个性化成长。本文主要的研究内容如下:(1)在智慧教育的背景下,以发展自适应学习为目标,生成具有学习者个性化学习特征的试题集。本文提出了一个基于聚类分析与数据挖掘的试题集自动分类模型,即TS-AC模型。该模型由试题匹配知识点标签和试题集自动分类两个阶段完成。首先通过文本分类技术对试题进行自动匹配相应的知识点标签,从而提升匹配效率。其次,基于学习者的答题记录数据进行数据挖掘,通过建立动态数据特征分类模型并引入聚类分析,实现基于学习程度的试题集的自动分类。分类后的试题集具有良好的自适应性和可挖掘性。(2)对具有学习者学习特征的试题集作进一步的分析与研究。通过在线教育平台采集学习者的基本信息和答题记录等数据,进行多维分析学习者的个性化特征并以标签化的形式呈现,引入聚类算法建立学习者画像。然后,利用关联规则挖掘技术对试题间的知识点进行研究,生成知识点间的关联图。根据拓扑排序算法将知识点间的关联图转化为线性有序序列,最终生成学习者的学习路径。通过简化路径得到的最优学习路径,结合学习者画像构建学习者的知识图谱,该方法能够为学习者的个性化与自适应学习提供有效参考依据。(3)本文设计了一款基于知识图谱的自适应学习的原型系统。本系统将实现本文理论的研究内容,以实践证实了本文的研究意义及研究成果。通过本系统了解学习者自身的个性化学习特征及学习表现,并根据系统生成的学习路径调整学习行为和方法。最终达到教育行业的精细化进步,实现真正的以学定教。