现有基于线性排列的知识组织方式由于未能体现知识之间的内在关联，容易引起"认知过载"问题。为此，本项目以特定领域的文本这一知识载体为对象，对知识元及其关联的挖掘问题展开研究。内容包括：1.提出人机可理解的知识元及其关联表示模型；2.在对知识元关联特性分析的基础上，研究知识元抽取与知识元关联挖掘方法；3.结合数字教育中的导航学习，对所提理论与方法进行测试、验证。项目特色在于：将知识元关联固有特性与机器学习方法相结合，提出一种针对知识元层面的知识表示与获取问题的研究思路。本研究有助于丰富与完善知识获取领域的理论与方法，并为实现基于知识元关联的知识组织与导航学习提供支持。.预期成果包括：发表学术论文8篇；申报发明专利2项；培养博士2名，硕士3名；研制出可验证的原型系统；建立至少包含10000个知识元，12000个知识元关联的知识元库。