本研究では、講義ノートやスライドといった非構造的な教育資材を、教育的な内容を捉えた知識グラフ（KG）に変換するための枠組みを提案しています。この枠組みは、レート・歪み理論と最適輸送幾何学に基づいており、講義内容をメトリック測度空間としてモデル化し、語義的および関係的な構造を捉えます。また、候補となるKGをFused Gromov-Wasserstein（FGW）結合を用いて整合させ、語義の歪みを定量化します。KGのサイズを表すレート項は、その複雑性とコンパクトさを反映し、研修の過程で情報を保持したままのキュアリングを行います。プロトタイプはデータサイエンスの講義に適用され、研修後のKGから生成される多肢選択問題（MCQ）が、未処理のノートからのものよりも多くの品質基準で優れていることが示されました。この研究は、個別化されたAI支援教育における情報理論的KG最適化の原則的な基盤を確立します。