T-TExTS (Teaching Text Expansion for Teacher Scaffolding)：通过基于知识图谱的推荐增强高中文学中的文本选择
信息检索
2026-05-14 v2 人工智能
摘要
高中英语文学教师常因规划时间和教学资源有限，难以组建多样化且主题一致的文本集。为满足这一需求，我们提出了 T-TExTS（Teaching Text Expansion for Teacher Scaffolding），一个基于知识图谱（KG）的推荐系统，根据教学价值而非表面元数据推荐文学文本。我们采用知识获取与表示方法（KNARM）构建领域特定本体，将其实例化为包含术语盒（TBox）和断言盒（ABox）组件的知识图谱，并在三种数据集配置（98、196 和 351 篇文本）和两种关系加权方案下评估四种图嵌入策略（DeepWalk、偏置随机游走、混合嵌入和 Node2Vec）。实验结果表明，仅遍历级专家加权并不优于算法结构调优：Node2Vec 在每个数据集规模下均取得最高的曲线下面积（AUC）（0.9642–0.9750），并在较大规模下取得最强的排序指标（Hits@K、MRR、nDCG）。然而，通过嵌入拼接结合结构与教学信号，可在保持可解释性的同时维持具有竞争力的排序质量，混合模型在所有规模下均保持高 AUC（0.9122–0.9350），且在每个排序指标上仅落后 Node2Vec 若干百分点。这些发现凸显了基于本体的知识图谱嵌入对教育推荐系统的价值，并证明 T-TExTS 能够切实减轻中学教育工作者在英语文学文本选择方面的负担，支持更明智、更包容的课程决策。T-TExTS 的源代码可在 https://github.com/koncordantlab/TTExTS 获取。
引用
@article{arxiv.2506.12075,
title = {T-TExTS (Teaching Text Expansion for Teacher Scaffolding): Enhancing Text Selection in High School Literature through Knowledge Graph-Based Recommendation},
author = {Nirmal Gelal and Chloe Snow and Ambyr Rios and Kathleen M. Jagodnik and Hande Küçük McGinty},
journal= {arXiv preprint arXiv:2506.12075},
year = {2026}
}
备注
Under Review