知識圖譜賦能信息化教學創新

曾露 李其娜

摘要：人工智能技術的發展，正驅使著“互聯網+”教育大步邁向“人工智能+”教育的時代。人工智能符號主義研究范式的最新成果——知識圖譜，為教育信息化2.0進程中的信息化教學提供了新的技術支撐和創新動力。知識圖譜技術應用信息化教學將助力于數字教學資源整合知識化、學習者認知診斷個性化、智慧教學可視化和在線學習推薦個性化等方面的技術變革和教育創新，以數據結構課程知識圖譜的構建為例進行闡述。

關鍵詞：人工智能;知識圖譜;個性化學習推薦;教學創新

中圖分類號：TP391? ? ?文獻標識碼：A? ? 文章編號：2096-4706（2021）07-0196-03

Knowledge Graph Enabling Informatization Teaching Innovation

ZENG Lu1，LI Qina2

（1.Guangxi Normal University，Guilin? 541004，China;2.Wuzhou University，Wuzhou? 543002，China）

Abstract：The development of artificial intelligence technology is driving “internet+”education to stride forward the era of “artificial intelligence+” education.The latest achievement of the research paradigm of artificial intelligence symbolism——the knowledge graph provides new technical support and innovation power for the informatization teaching in the process of education informatization 2.0.The application of knowledge graph technology in informatization teaching will contribute to the technological transformation and educational innovation in the following aspects，such as the intellectualization of the integration of digital teaching resources，the personalization of learners cognitive diagnosis，the visualization of smart teaching and the personalization of online learning recommendations.This paper elaborates the related content based on the construction of knowledge graph of data structure course.

Keywords：artificial intelligence;knowledge graph;personalized learning recommendation;teaching innovation

收稿日期：2021-03-10

課題項目：廣西研究生教育創新計劃項目專項課題（YCSW2021106）

0? 引? 言

“人工智能”一詞起源于1956年的美國達特茅斯學院會議，發展至今已成為一門涉及計算機科學、信息科學、心理學、哲學、認知神經科學、生理學等眾多領域的前沿交叉科學[1]。知識圖譜技術在語義搜索、自然語言理解和邏輯推理等方面具有卓越優勢，作為一種數據分析精準化和決策可視化的技術手段，知識圖譜在電商、醫療、自動駕駛汽車等領域已經取得了一定成果，教育領域也逐漸有學者開始深入研究知識圖譜與信息化教學融合的可能性。國內外眾多學者深入探索學科知識圖譜與教育融合的適切性，探究課程知識圖譜輔助信息化教學創新的巨大潛能。美國知名在線教育平臺Knewton依據課程、知識點和學習資源之間存在的邏輯關系，將知識點和學習資源連接起來形成一幅巨大的可視化網絡圖，并基于此對學生的知識水平進行診斷，進而推薦學習資源和學習路徑。我國《新一代人工智能發展規劃》指出，“要研究知識圖譜構建與學習、知識演化與推理等關鍵技術，要構建覆蓋數億級知識實體的多元、多學科、多數據源的知識圖譜”[2]。清華大學知識工程研究室建立了中國第一個基礎教育知識圖譜，并基于此開發了基礎教育知識服務平臺。基礎教育知識圖譜平臺在智能教育領域的應用，不僅涉及知識檢索、知識快照、知識問答、知識鏈接，而且還將進一步擴展到“人工智能教材”等研究領域。由此可見，知識圖譜在教育領域具有廣泛的發展前景，不僅僅是大規模教育教學資源的知識重構，同時還能夠賦能精準化教學和個性化學習推薦。

1? 知識圖譜的相關概念界定

1.1? 知識圖譜

知識圖譜是一種描述事物及其關系的技術方法，從組成的要素來說，知識圖譜主要由節點和邊組成，每個節點對應客觀存在的實體，邊則表示實體間的關系[3]。節點可以是實體，如一個人、一本書等，或者也可以是抽象概念深度學習、機器學習之類。邊可以是實體的屬性（地名、國家）、實體之間的關系（籍貫、國籍）等等。本質上來看知識圖譜是從知識內在聯系的角度認識事物結構，從而形成一張巨大的網狀結構圖。

1.2? 教育知識圖譜

教育知識圖譜的概念界定從知識建模角度而言是一種對學科知識進行建模的方法，圖譜中節點代表知識點，邊表示知識點間的語義關聯[4];而從資源管理角度看教育知識圖譜則是以圖的形式表征各類知識點和資源實體之間的關系[5]。構建一個完整的教育知識圖譜需要以下關鍵技術：本體構建技術、命名實體識別技術、實體關系抽取技術和知識融合技術。

2? 知識圖譜助力信息化教學創新的應用

2.1? 教育資源智能化表征

人工智能教育應用的基礎就是數據，數據挖掘和分析過程也就是數據轉化為知識的過程。應用知識圖譜技術輔助海量數據處理，將繁雜的數據抽象成一個個知識網絡結構圖。在這個過程中，使用知識圖譜將海量復雜的數據整合為一個語義化的知識網絡圖，可以有效解決數據挖掘和分析技術過度依賴數據本身的特征、缺少領域知識和學科專家的經驗和對因果判斷決策不夠精準的難題。同時，通過提供先序知識的挖掘，知識圖譜技術融合教育數據處理大大提升了機器的學習能力及機器認知水平，實現了教育數據處理智能化。根據“數據結構”典型教材，利用知識概念類的層級結構，構建其課程知識圖譜，圖1是“數據結構”第二章內容的局部知識圖譜，展現了線性結構中包含的知識點和實例情況。

隨著移動學習平臺的不斷完善，MOOC、SPOC、微課等開放的網絡學習資源鋪天蓋地，知識獲取方式多樣化、便捷化的同時也帶來了一些急需解決的問題，如學習資源分散無序、知識碎片化、資源共享以及知識間嚴重斷裂等問題。知識圖譜通過知識組織將學習資源語義化關聯、融合多模態資源構建跨媒體知識圖譜，在一定程度上為語義化聚合學習資源起到了積極作用，成為教育資源組織、表征、管理和融合的關鍵技術之一[6]。對“數據結構”習題文本的表征采用了salon提出的VSM模型，將習題文本進行向量化處理并統一到同一空間進行計算。具體將習題di表示為向量空間的n維向量：

（1）

其中vj代表知識點特征詞，wij表示特征詞vj在習題di中的權重。特征權重的計算則采用TF-IDF原理，TF表示詞頻，IDF表示逆向文檔頻率。具體計算公式為：

（2）

（3）

wij=TFIDFij=TFij×IDFj? ? ? ? ? ? ? ? ? ? ? ? （4）

2.2? 認知診斷個性化推薦

用戶畫像是一種基于用戶行為數據，將用戶多維特征標簽化的用戶建模方法，它是實現個性化學習的前提條件和基礎，主要描述了學習者的知識掌握情況、學習興趣偏好和認知發展狀態等方面的信息。傳統建模過程存在數據稀疏、隱私泄露和機器對于標簽的語義理解偏差三方面的問題，而知識圖譜技術的應用則在很大程度上緩解了以上問題帶來的不便。因此，采用知識圖譜技術進行數據特征標簽，既可以增加語義可理解性和推理性，又可以實現用戶模型的解釋性和關聯化。

如何準確地診斷學習者的知識掌握情況和認知能力，仍然是當前智能教學系統和個性化學習面臨的挑戰之一。知識圖譜輔助的學習診斷是以學習者的學習數據為基礎，運用認知診斷理論，通過統計測量和數據可視化分析評價不同的學習者選用不同的工具和內容的差異，與傳統用戶畫像建模相比，診斷結果具有客觀性、個性化和智能化。

根據已經構建好的“數據結構”課程知識圖譜和學習者用戶畫像中學生的習題測試成績情況來診斷學習者的知識點掌握水平，并利用知識圖譜中知識點間的聯系向學習者推薦與其水平相匹配的習題。將測試成績Q劃分成與學習者掌握程度相對應的三段：Q>90則對應P1完全掌握知識;60≤Q≤90則對應P2部分掌握知識;Q<60則對應P3知識點掌握薄弱;同時試題難度分為高、中、低三級分別對應P1、P2、P3。個性化習題推薦算法的執行流程如圖2所示。

2.3? 知識結構可視化教學

教學目標是教學活動的出發點和歸宿，取決于學生現有知識能力水平和未掌握的知識程度。知識圖譜的引入為教學目標的精準定位提供了新的思路和技術，通過學科知識圖譜精準判斷學生在各個知識點的掌握情況，追蹤預測學生未掌握知識點的動態變化情況。此外，在智慧教學過程中，知識結構可視化工具能夠幫助學習者高效組織知識、構建知識框架，起到了“腳手架”的作用。因此，利用知識圖譜實現知識結構可視化，也成為當前在線教學平臺必備的基本功能。

2.4? 學習路徑自適應查詢

隨著技術的飛快發展，在線學習資源爆炸式增長，教學者和學習者在個性化學習過程中多多少少會遇到認知負荷超載和無從入手的問題，數字資源過度豐富和個性化學習服務的“機械化”之間也漸漸凸顯難以逾越的代溝。個性化學習推薦是人工智能技術賦能教育的實踐途徑之一，它旨在依據學習者的畫像來推薦合適的數字學習資源和自主學習路徑。“數據結構”課程知識圖譜可以實現知識點之間最短學習路徑的查詢，依據學習者知識點的掌握情況找出其已掌握知識點到未掌握知識點之間的最短路徑從而避免無關知識的攝取。查詢知識點“單鏈表”到“循環隊列”的最短路徑使用查詢語句：match p = shortestPath（（n：Resource {uri：'單鏈表'}）-[*..6]-（b： Resource {uri：'循環隊列'}）） return p，知識路徑查詢運行結果如圖3所示。

知識圖譜將知識點的順序和關系形象化，呈現出知識結構與學習者的整體關系。因此，基于知識圖譜的個性化學習推薦可以綜合考慮學習者的知識掌握情況、知識點與學習風格偏好的關系等因素，為學習者提供有針對性的數字資源。

3? 結? 論

隨著教育信息化2.0的發展，人工智能技術融合教育是信息化教育創新的必然要求。知識圖譜助力智能教育向“認知智能”跨越，為教育大數據智能化處理、教學資源整合智能化、智慧教學可視化以及學習推薦個性化等教育實踐應用提供技術支持和創新動力。知識圖譜在教育領域有著廣大的應用前景，但目前研究聚焦在理論層面，缺乏深層次的理論實踐研究，因此需要推進知識圖譜在智慧教育環境中的實踐應用，未來知識圖譜技術的教育實踐將是信息化教育發展的大趨勢。

參考文獻：

[1] 徐鵬，王以寧.國內人工智能教育應用研究現狀與反思 [J].現代遠距離教育，2009（5）：3-5.

[2] 國務院.國務院關于印發新一代人工智能發展規劃的通知.[EB/OL].（2020-04-22）.http：//ai.cumt.edu.cn/info/10 24/1052.htm.

[3] 漆桂林，高桓，吳天星.知識圖譜研究進展 [J].情報工程，2017，3（1）：4-25.

[4] 楊開城.論課程的易理解性與知識建模技術 [J].電化教育研究，2011（6）：10-14.

[5] 張波，金玉鵬，張倩，等.試論一種新型在線教育資源大數據組織框架 [J].中國電化教育，2018（3）：41-46.

[6] 張治，劉小龍，余明華，等.研究型課程自適應學習系統：理念、策略與實踐 [J].中國電化教育，2018（4）：119-130.

作者簡介：曾露（1996—），女，漢族，湖南祁陽人，碩士在讀，研究方向：知識圖譜、人工智能教育應用。李其娜（1994—），女，漢族，廣西玉林人，助教，碩士，研究方向：知識圖譜、推薦系統。