基于知識圖譜的學習評價與推薦系統設計與實現

祝衍軍 彭勇 葉廣仔

摘要：針對高職院校計算機應用技術專業大部分采用項目化教學模式的特點，結合翻轉課堂教學模式改革，利用知識圖譜技術構建了可以匹配學生實際學習情況的學習評價與推薦系統，提出使用學習路徑達成度來實現個性化的學習路徑規劃及學習資源推薦算法，闡述了系統總體架構和系統資源本體模型的構建方法，可以有效解決學生線上自主學習的信息過載與知識迷途問題。

關鍵詞：知識圖譜;推薦系統;個性化學習資源

中圖分類號：TP399? ? ? ?文獻標識碼：A

文章編號：1009-3044（2021）18-0001-02

開放科學（資源服務）標識碼（OSID）：

1引言

互聯網+、人工智能、大數據等新型理念與技術強勢介入教育，教育教學環境發生了巨大變化，推動著我國的教育教學改革，在線自主學習、翻轉課堂教學等各種形態的學習模式深入發展。各種平臺豐富的網絡教學資源為教師和學生提供了極大的便利，使得學習變得泛在化和碎片化，但各個平臺上的海量教育資源大部分以獨立個體存在，或者只進行了簡單分類，使得學生在學習過程中容易造成“網絡迷航”和“認知過載”，學生在面對海量的學習資源時，有個時候不知道這些資源的學習先后順序，且檢索出來的資源還包含了大量的類似或者相同內容[1]。

知識圖譜作為一種知識點匯總及知識點間內在聯系的直觀描述，其概念最早由Google公司提出， 目的在于提升搜索引擎的搜索質量， 增強用戶的搜索體驗[2];其本質是一個存儲知識實體與實體之間關系的結構化網絡， 可以幫助形式化描述、理解現實世界的事物及其相互關系[3-4]。知識圖譜由節點和邊組成，節點表示實體（Entity）或者概念（Concept），邊則表示實體或概念之間的各種語義關系，它能夠將不同種類的信息進行連接，進而得到一個關系網絡，在此基礎上便能通過知識圖譜從"關系"的角度去分析問題，如“A是B的父親”，則實體為A和B，關系為is_father_of[5]。

在教學過程中，通過知識圖譜可以將各個知識點相互連接起來，形成知識框架，學生在學習的過程中，可以很清晰的理解每個知識點間的關系，并且可以很迅速的掌握對應專業的知識體系。本文遵循OBE教學理念[6]，以成果為導向，以項目作為知識點的融合體，采用知識圖譜技術，解決在線上線下相結合的翻轉課堂教學模式中學生學習容易產生的知識迷途與信息過載問題。

2 總體架構

本文以學生為中心，遵循OBE教學理念，支撐線上線下相結合的翻轉課堂教學模式，構建了基于知識圖譜的學習評價與推薦系統架構，架構分為數據層、功能層和用戶層，具體如圖1所示。在架構中教師需要課前根據課程教學目標和學生需要達到的預期學習成果設計出一個個完整的項目，再將項目需要用到的相應知識點及對應資源以知識圖譜的方式組織放到線上給學生自主學習，在線下課堂教師只需要根據學生的學習情況和項目完成情況講解重難點知識[7]。

在知識圖譜構建模塊中，教師需要將各個知識點的相關線上資源上傳到系統中，線上資源包括視頻、課件、測試等，并指定各個知識點的依賴關系，然后再根據教學目標和學生需要達到的預期學習成果設計出來的項目對知識點進行組織和呈現，進而構建一個完整的知識圖譜。具體功能包括課程管理、項目管理、知識點管理、知識點關系管理、統計分析、線下課堂學習情況數據導入等功能。

在個性化推薦模塊中，系統根據學生的在線學習情況、線下課堂情況和構建好的知識圖譜評估學生的學習情況，根據學生學習情況動態的規劃個性化的學習路徑，并將個性化學習路徑上的相應線上資源推送給學生自主學習和評測。具體功能包括學生學習情況評估、關聯知識點生成、學習路徑規劃等功能。

在學生學習模塊中，學生以項目作為基本學習單位，按照完成項目必須需要掌握的知識點（系統自動推薦）來組織學習，系統自動記錄學生的各種學習行為數據。具體功能包括課程列表、項目列表、學習評測、知識點推薦類別和統計分析等功能。

3關鍵技術實現

3.1系統資源本體模型構建

本文構建的學習評價與推薦系統為采用以實現預期學習成果為依據的線上線下相結合的翻轉課堂教學模式服務，授課內容聚焦于學生在受教后能夠獲得什么能力以及能夠做什么。在該教學模式中所有的教育教學和自學活動都是以項目為載體，一門課程可能包含多個項目，一個項目可能又融合了多個知識點，同一知識點又可能在多個項目中出現。因此本文以知識點作為本體[8]的資源描述基本單位來構建系統資源本體模型，對于項目和知識點之間的復雜關系，在一個項目中本體模型只標識該項目中新增的知識點，其他知識點則通過鏈接來產生關聯。每個知識點由基本資源、各種標簽和知識點之間的關聯關系組成，基本資源包括視頻、課件、測試、素材等用于學習的資源，標簽則由教師根據知識點的難易程度和資源類型對其進行評定，對于知識點難易程度，系統提供簡單、一般、較難、難四個等級供教師評定，對于學習資源類型，系統提供文檔、視頻、素材三種類型（這三種可以多選）供教師評定，知識點之間的依賴關系則描述了知識點的學習先后順序，具體的系統資源本體模型如圖2所示。

知識點之間的依賴關系是指多個知識點之間的邏輯關系，若知識點B依賴知識點A，則知識點A為知識點B的預備知識，要學習知識點B，必須先學習知識點A。除了知識點之間有依賴關系外，項目之間可能也存在依賴關系，項目之間的依賴關系是指教師根據項目工藝流程或者項目產出成果先后順序設計的項目之間的邏輯關系，若項目B依賴項目A，則項目A為項目B的輸入，要學習和完成項目B，必須先學習和完成項目A。

3.2基于知識圖譜的學習路徑規劃

在給學生規劃學習路徑和推薦學習資源時，不僅要考慮知識點與學生學習興趣及學習目標的相關度，還需要考慮學生的學習能力與知識點難易程度之間的匹配度。如果將難度等級較高或者學習資源非常少的知識點推薦給學習能力弱的學生明顯是不合理的。在系統資源本體模型中，項目作為學生學習的載體，完成一個項目需要融合多個知識點，而一個新知識點的學習可能又對應多個不同的學習路徑，為了提高學生的學習興趣和成就感，系統以學習時間短及學習難度低作為衡量標準來規劃學生學習的學生路徑和推薦學習資源。因此系統在規劃學習路徑時，首先需要獲取學生的學習行為數據來評估學生的學習情況，再根據學生對知識點的掌握程度、知識點難易程度和對應的資源類型來規劃最易達成的個性化學習路徑，并將對應的學習資源推薦給學生。個性化路徑規劃問題可以轉化為在多條學習路徑中尋找最易達成的學習路徑，為了量化每條學習路徑的學習難度，本文定義了一個衡量指標——學習路徑達成度（P）。

學習路徑達成度（P）是指完成該路徑上所有知識點學習概率的平均值，其數學表達式如公式（1）所示。

[P=i=1nDpi×Dfi×Drin×100% ，1≤i≤n]? ? ? ?（1）

其中n表示該路徑上包含知識點的總個數，[Dpi]表示第i個知識點的難易程度，其值為對應知識點的難易程度：簡單（1）、一般（0.75）、較難（0.5）、難（0.25）;[Dfi]表示第i個知識點的學生學習情況，由對應知識點的學生測驗情況（按照百分制轉換成百分比）和視頻或者文檔的播放進度來進行計算;[Dpi]表示第i個知識點的學習資源難易程度，由對應知識點擁有的資源類型豐富程度來決定。學習資源難易程度[Dpi]按照第i個知識點是否有視頻、文檔、素材這三類資源來進行折算，它們的占比比例分別為70%、20%、10%，知識點擁有對應類型資源標示1，沒有則為0，[Dpi]的計算公式如公式（2）所示。

[Dpi]=是否有視頻[×]70%+是否有文檔[×]20%+是否有素材[×]10%? ? ? （2）

在個性化學習路徑規劃時，只需要尋找完成新知識學習的所有學習路徑中學習路徑達成度P最大值的那條路徑，具體的學習路徑推薦算法偽代碼如下所示。

[學習路徑推薦算法 輸入：目標知識點，學生已經學習過的知識點列表FList

輸出：個性化學習路徑 Begin：

Step1：根據依賴關系遍歷目標知識點的所有前驅節點，形成學習路徑集合PList;

Step2：遍歷學習路徑集合PList中的每條路徑R，結合已經學習過的知識點列表FList，按照[P=i=1nDpi×Dfi×Drin×100%]計算每條路徑上的學習路徑達成度P并將計算結果存儲到學習路徑達成度值列表Alist中;

Step3：遍歷學習路徑達成度值列表Alist，找出列表中的最大值形成最優學習路徑GList

Step4：遍歷最優學習路徑GList的每個知識點節點，剔除學習完成度大于70%的節點，形成最終推薦學習路徑。

End ]

對于融合了多個知識點的項目，系統根據項目中需要學習的新知識點列表按照順序依次逐步推薦對應新知識點學習路徑上的學習資源給學生。如果項目之間有依賴關系，如項目B依賴項目A，則系統直接提示必須先完成項目A才能進行項目B的學習。

4總結

隨著線上線下相結合的翻轉課堂教學等各種形態的學習模式深入發展，要求學生線上自主學習的時間越來越多，如何幫助學生規劃學習路徑和選擇合適的學習資源越來越重要。本文從高職院校計算機應用技術專業大部分采用項目化的教學模式，結合翻轉課堂教學模式改革，利用知識圖譜技術構建了可以匹配學生實際學習情況的個性化學習評價與學習資源推薦系統，闡述了系統總體架構和系統資源本體模型的構建方法，提出了使用學習路徑達成度來實現個性化的學習路徑規劃及學習資源推薦，有效地解決學生線上自主學習的信息過載與知識迷途問題。

參考文獻：

[1] 黃華升.基于知識圖譜的個性化學習資源推薦研究[J].軟件工程，2018，21（10）：24-26，23.

[2] 楊玉基，許斌，胡家威，等.一種準確而高效的領域知識圖譜構建方法[J].軟件學報，2018，29（10）：2931-2947.

[3] 陳曦，梅廣，張金金，等.融合知識圖譜和協同過濾的學生成績預測方法[J].計算機應用，2020，40（2）：595-601.

[4] 朱艷茹，范亞芹，趙洋.基于知識圖譜的自適應學習系統知識模型構建[J].吉林大學學報（信息科學版），2018，36（3）：345-350.

[5] 張尚韜，詹可強，張曉敏.OBE教學理念與信息化教學手段相結合的教學設計的研究——以《網絡設備配置與管理》課程模塊二交換型網絡的規劃、設計與實施為例[J].電腦知識與技術，2020，16（1）：149-152，156.

[6] 祝衍軍，葉廣仔，彭勇.基于OBE理念的SPOC在線課程資源設計與實踐[J].信息與電腦，2020，32（10）：239-241

[7] 陳德彥，趙宏，張霞.專家視圖與本體視圖的語義映射方法[J].軟件學報，2020，31（9）：2855-2882.

【通聯編輯：朱寶貴】