教師知識圖譜：人工智能賦能教師專業發展的必由之路

摘要：面對人工智能賦能教師專業發展的要求，教師不僅需要“感知智能”技術提供數據層面的支持，而且需要“認知智能”技術提供語義層面的支持，教師知識圖譜為解決上述問題提供了新思路?；诖?，文章首先基于TPACK理論從要素和結構的視角設計了教師知識圖譜概念模型，從要素視角看，該模型包括學科知識節點（學科主題）、教學法知識節點（教學活動）和技術知識節點（技術工具）三類知識節點，及同類知識節點之間與不同類知識節點之間的關聯；從結構視角看，該模型包括學科—教學法圖式、學科—技術圖式、教學法—技術圖式三個圖式。然后，文章從教師知識數據獲取、教師知識抽取、教師知識融合和教師知識推理四方面剖析了教師知識圖譜的構建流程，提出了教師知識圖譜的六大應用場景。最后，文章總結了教師知識圖譜研究與實踐的未來議題，以期為人工智能更有效地賦能教師專業發展提供參考。

關鍵詞：教師知識圖譜；TPACK；人工智能；教師專業發展

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2023）08—0038—10 【DOI】10.3969/j.issn.1009-8097.2023.08.005

一 教師知識圖譜研究的緣起

近年來，人工智能技術取得突破性進展（主要體現在以深度學習為代表的機器學習和以知識圖譜為代表的知識工程兩方面）[1]，并且與教育深度融合，人工智能賦能教師專業發展成為國家關注的重點，相關政策隨之陸續推出。例如，國務院于2017年發布《新一代人工智能發展規劃》，提出推動人工智能在教育領域的全流程應用，為人工智能賦能教師專業發展提供了契機。隨后，中共中央、國務院于2018年發布《關于全面深化新時代教師隊伍建設改革的意見》，將“教師主動適應信息化、人工智能等新技術變革”作為教師專業化水平提升的目標任務。在2018年、2022年的工作要點中，教育部也強調要做好“人工智能助推教師隊伍建設”工作。

在國家政策的推動下，學界對人工智能賦能教師專業發展進行了一些積極探索，其中以深度學習為代表的機器學習在語音識別、圖像識別等方面性能卓越，使機器具備感知智能。采用深度學習技術分析師生的行為、語言、情緒等信息，不但可以為課堂教學診斷與改進提供依據，而且能促進教師反思和專業發展，如施智平提出的基于計算機視覺的S-T課堂行為分析系統——人工智能課堂分析（Artificial Intelligence Classroom Analysis，AICA），就是以大量課堂實錄為數據源，運用個體檢測、人臉識別、骨架提取等深度學習技術自動獲取師生的動作行為，通過注意力分析算法對其進行分類，從而助力課堂教學優化、教師反思與專業發展[2]。但是，機器學習在表現出強大感知智能的同時也存在明顯缺陷，如預測結果具有不可解釋性、難以結合人類意圖和領域知識等[3]，這在一定程度上限制了人工智能為教師專業發展提供更深層次的支持。以教學活動為例，教師不僅需要人工智能提供學情數據，還需要人工智能在“理解”的基礎上整合優秀教師的智慧，在教學內容分析、教學活動設計、教學工具選擇等方面提供具有針對性的幫助和合理的解釋。換言之，教師專業發展不但需要“感知智能”技術提供數據層面的支持，而且需要“認知智能”技術提供語義層面的支持。教師知識圖譜的出現，為解決上述問題提供了一種新的思路。

教師知識圖譜是利用知識圖譜技術構建的教師知識及知識間關系的集合，是以計算機可“理解”的方式存儲教師知識的結構化語義知識庫。知識圖譜技術遵循語義網的理念與原則，使用三元組形式（＜實體， 關系， 實體＞或＜實體， 屬性， 值＞）表征知識，提供了一種結構化的語義知識網絡[4]，能有效支持知識的表示、存儲、問答等，并在語義化搜索、自然語言理解、人機互動對話等方面顯示出強大威力，體現了認知智能的特性。構建教師知識圖譜就是從大量無序的教育數據資源中挖掘教師知識及知識間的關系，形成結構化的教師知識體系，并將教師的隱性知識以圖示化的形式顯示出來，從而將較難表達、不易領悟的教師個人經驗轉化為可以借鑒、學習的共同知識。教師知識圖譜能夠從語義角度表征教師知識及其關聯關系，有助于實現優秀教師的知識經驗在教師個體間的表達、傳遞和轉移，為教師解決教育實踐問題、提升教育教學能力提供全方位的知識服務。

自2012年Google公司推出知識圖譜技術以來，教育知識圖譜逐漸成為教育技術領域研究的熱點，涉及教育知識圖譜的概念模型、構建技術、應用場景等[5]，但教師知識圖譜研究缺位仍然是當前亟需解決的問題。由于受個性化學習顯性話語氛圍的影響，當前教育知識圖譜研究大多圍繞學生的個性化學習展開，通過擴展學科知識圖譜來構建教育知識圖譜，進而開發智能化學習平臺（如Knewton平臺）以支持學生個性化、自適應學習[6]。雖然已有研究涉及教育知識圖譜的內涵、構建技術與應用，但還未見到立足教師專業發展需求，系統考慮學科知識、教學法知識、技術知識這三類信息時代教師最核心知識的因子、屬性、關系的教師知識圖譜研究。教師知識圖譜研究的缺位，必將影響人工智能對教師專業發展的賦能作用?？傊瑯嫿ń處熤R圖譜，為教師提供精準、便捷的知識服務，成為人工智能賦能教師專業發展的必由之路。

二 教師知識圖譜構建的理論基礎

構建教師知識圖譜需要教師知識相關理論的指導。整合技術的學科教學知識（Technological Pedagogical Content Knowledge，TPACK）理論為分析教師知識及知識間的關聯關系，構建教師知識圖譜提供了理論框架。TPACK理論由Mishra等[7]提出，認為信息時代的教師知識包含三個基本要素——學科知識（Content Knowledge，CK）、教學法知識（Pedagogical Knowledge，PK）和技術知識（Technological Knowledge，TK），這三個基本要素之間相互結合可形成三種“兩成分知識”和一種“三成分知識”，上述七種知識成分共同構成信息時代教師的知識基礎。隨著研究的不斷深入，有學者提出TPACK細化模型，厘清了七種知識成分的概念、邊界[8]；也有學者提出TCPNet模型，采用CK、PK、TK三個教師知識要素及它們之間的關系來描述教師的知識網絡，并強調教師知識網絡結構才是教師知識的關鍵[9]，這正好契合教師知識圖譜的思想?？傊?，Mishra等的TPACK理論開創性地將TK納入教師的知識結構，并將其放在與CK、PK同等的地位；TPACK細化模型厘清了教師知識要素的概念與邊界；TCPNet模型則引導關注教師知識要素之間相互關聯所構成的教師知識網絡——上述研究為構建教師知識圖譜提供了理論支撐。

三 教師知識圖譜的概念模型

借鑒李振等[10]提出的設計教育知識圖譜概念模型時需要考慮的視角，本研究認為，在設計教師知識圖譜的概念模型時，也需要從要素和結構兩個視角加以考慮。從要素的視角來看，知識節點與知識關聯是教師知識圖譜概念模型的核心構成要素[11]，教師知識圖譜的概念模型就是對教師知識節點及其之間關聯關系的描述?；赥PACK理論，本研究認為教師知識圖譜有學科知識節點、教學法知識節點、技術知識節點三類知識節點，且同類知識節點之間以及不同類知識節點之間均呈現出一種復雜的交互關系。從結構的視角來看，教師知識圖譜的圖式是我們必須要考慮的內容。由此，本研究設計了如圖1所示的教師知識圖譜概念模型。

1 教師知識圖譜的三類知識節點

（1）學科知識節點：學科主題

學科知識是學生學習、教師講授的學科內容，包括一個學科基本的概念、理論、組織框架等[12]。為細粒度地表征學科知識，以往的學科知識圖譜研究常以知識元、知識點等較小的知識顆粒作為學科知識節點的基本單位，如一個字、詞、公式等[13][14]。學科知識的粒度只有足夠小，才能為學生的個性化學習提供精準支持。但對教師而言，往往很少從最細小的知識顆粒出發來思考教學，而更多的是從主題層面來設計與組織教學?？梢哉f，特定主題的相關知識是與教師實施課堂教學關聯最為密切的學科知識[15]?；诖耍狙芯坎捎脤W科主題（Subject Topic）作為表達教師所擁有的學科知識的基本單位。學科主題是能夠統攝特定學科知識的學科核心概念，如“離子反應”主題可以統攝“電解質”“電離”“離子方程式”等學科知識[16]。另外，學科主題具有跨領域特性[17]。對于同一學科主題，如“氧化還原反應”，不同領域（如生物和化學）、不同年級（如初中和高中）有不同的教學要求，因此學科主題的屬性包括其所屬的領域與年級。

學科主題之間存在父子關系、依賴關系、兄弟關系、平行關系、參考關系等[18]。父子關系是學科主題之間存在的部分與整體的關系，父主題S1是對系列子主題s1、s2、……、sn的概括與綜述，而系列子主題是從不同側面、不同角度對父主題的解釋與說明。依賴關系是學科主題之間存在的前驅后繼關系。若學習主題S2之前必須先學習主題S1，則稱S1是S2的前驅主題、S2是S1的后繼主題。兄弟關系是指有共同的前驅主題、有相同或相似關鍵詞的學科主題之間的關系。平行關系是指沒有共同的前驅主題，且彼此之間沒有前驅后繼關系、學習時可以不分先后次序的學科主題之間的關系。參考關系主要用來描述某一學科主題對另一學科主題在理解層面上的深化作用。

（2）教學法知識節點：教學活動

Cox[19]在TPACK細化模型中將教學法知識界定為教師所擁有的與教學活動相關的知識，既包括激勵學生、與學生溝通、向學生展示信息方面的知識，又包括發現學習、合作學習、基于問題的學習等適用于所有學科主題的一般活動知識。據此，本研究將教學活動（Pedagogical Activities）作為教學法知識節點的基本單位。教學活動是教學主體為實現預期的教學目標，借助符號化或數字化中介而開展的有目的、有意識的實踐活動，其屬性主要有參與主體、活動目標、組織形式、所處環境等：從參與主體看，教學活動可以分為教師教的活動（如講授、引導、啟發等）和學生學的活動（如自主探究、主動提問、同伴交流等）；從活動目標看，教學活動可以分為記憶型、理解型、探究型、創造型等類型；從組織形式看，教學活動可以分為個人完成的活動、小組合作完成的活動和全班參加的活動；從所處環境看，教學活動可以分為傳統環境下的教學活動和信息化環境下的教學活動?——傳統環境下的教學活動是發生在非信息化教學環境中的教學活動，信息化環境下的教學活動又可按照信息化環境的不同類型劃分為多媒體教學環境下的教學活動、混合學習環境下的教學活動、智慧學習環境下的教學活動。

教學活動之間存在包含、依賴、交叉、并列等關系。其中，包含關系指某個大型的、比較完整的教學活動包含一系列小型的教學活動，如一個完整的探究活動包含生成探究問題、設計探究方案、實施探究方案、交流與評價四類小型的教學活動。依賴關系指教學活動間存在的前驅后繼關系，以“設計探究方案”活動為例，其前驅活動是“生成探究問題”，后繼活動是“實施探究方案”。交叉關系指教學活動間存在的部分重合關系，如探究活動與合作活動均包含交流、評價環節，則可以說探究活動與合作活動之間存在交叉關系。并列關系一般存在于同時發生的教師活動與學生活動之間，如教師的組織引導活動與學生的自主學習活動往往是同時發生的，這兩類活動之間便存在并列關系。

（3）技術知識節點：技術工具

Mishra、Koehler和Cox均側重于從工具層面理解技術，認為技術是人類為解決問題、滿足需求而創造的工具，技術知識是教師為滿足教育教學需求而對不同形態（包括傳統形態和數字形態）的技術工具進行操作使用的知識[20]。據此，本研究將技術工具作為技術知識節點的基本單位，提出技術工具是為教師教學提供技術支持與服務的工具。另外，根據孟琦等[21]的觀點，用以支持教學過程的教學資源同樣屬于技術工具的范疇。為此，本研究將技術工具劃分為教學工具和教學資源兩大類。其中，教學工具又可以分為硬件工具和軟件工具，硬件工具包括粉筆、黑板、掛圖等非信息化工具和多媒體計算機、投影儀、平板電腦等信息化工具；軟件工具包括希沃白板、PowerPoint、Excel等學科通用工具和幾何畫板、文言文在線詞典、歇后語詞典等學科專用工具。教學資源是蘊含了特定教育信息，能創造出一定教育價值的各類信息資源，包括媒體素材（文本、圖形/圖像、音頻、視頻等）、文獻、試題、課件、案例、資源目錄索引等。

教學工具的屬性主要是功能，常見的包括演示說明、內容呈現、記錄筆記、收集數據、反饋、分享、評測等。教學資源的屬性包括共有屬性和分類屬性，共有屬性即所有類型的教學資源都具備的屬性，如標題（教學資源的名稱）、出處（教學資源的制作者和制作單位）、描述（教學資源內容的文本描述）、適用對象（教學資源的使用情境）等；分類屬性即不同類型的教學資源因其自身特點所具備的屬性，如試題具備題類、題型、難度、區分度等。

在實際教學過程中，教學工具之間往往存在組合關系。組合關系是指各種教學工具的組合應用，其目的在于發揮教學工具各自的優勢以更好地服務于教學實踐。例如，進行兒童詩歌教學時，教師可利用希沃白板的“時間膠囊錄制”功能錄制微課，并生成二維碼供學生掃碼觀看；然后利用教育云平臺進行課堂檢測，通過平臺反饋的學習情況對學生進行指導，以達成生字認讀的目標；再利用希沃課件中的“音樂隨點隨播”功能營造氛圍支持學生朗讀；最后利用希沃投屏技術展示并分享學生創編的童詩。在上述課例中，教師利用微課豐富教學內容和形式、利用云平臺支持重難點診斷和反饋、利用投屏技術助力學習成果展示，將希沃白板和教育云平臺等教學工具組合起來實現了混合教學。教學資源之間則往往存在包含關系、屬于關系、繼承關系、相似關系、相關關系等[22]。其中，包含關系和屬于關系描述了教學資源間存在的整體與部分關系，“整體”包含“部分”，“部分”屬于“整體”；繼承關系描述了教學資源間存在的父子上下位關系；相似關系和相關關系則描述了教學資源在內容結構語義上的相似程度和相關程度。

2 三類知識節點之間的關系

學科主題、教學活動、技術工具三類知識節點之間主要存在四種關系，即采用、表征、支持與引用：①學科主題采用教學活動。采用即采納、應用，一個學科主題往往需要采用多種教學活動，因為只有把學科主題融入豐富多樣的教學活動才能提高學生的課堂參與度，促進學生建構知識，如學習“海底世界”這一主題時需要采用內容講解、小組討論、角色扮演等多種教學活動。②教學工具表征學科主題。表征是教師在教學中采用一些特別的方式將學生較難理解的內容、概念或原理加以呈現、表達，使學生理解的過程[23][24]。教學工具表征學科主題，是指教學工具可以將技術功效映射到學科內容表達中，利用技術轉化、調整學科內容的表征形式以使其適應學生需求[25]。以小學科學“太陽家族”主題為例，通過幾何畫板、Flash、Excel等教學工具可以將太陽系中的八大行星描繪成幾何圖形，構造關系動畫，展示具體數據，進而幫助學生直觀探查八大行星的運動規律。③技術工具支持教學活動。技術工具對教學活動的支持作用主要體現在優化課堂教學和轉變學習方式兩方面。在優化課堂教學方面，技術工具可以支持教師開展講解、啟發、示范等教學活動；在轉變學習方式方面，技術工具可以改變學生探究、提問、討論的方式，此處促進學生互動、體驗、思考與創新。④學科主題引用教學資源。引用是指在教學過程中使用現有的教學資源達成教學目標的行為。在教學資源和學科主題之間存在引用關系，表現為教學資源可以作為引言、事實、例子等方面的內容來使用，以落實學科主題。

3 教師知識圖譜的三個圖式

圖式原指學習者以往習得的知識在大腦中的存儲方式，后來，此概念被用于教育知識圖譜模型的構建，特指呈現節點之間關聯關系的語義網絡圖[26]。本研究中，教師知識圖譜的概念模型包含學科-教學法圖式、學科-技術圖式、教學法-技術圖式三個圖式。其中，學科-教學法圖式是學科主題、教學活動及兩者之間關聯關系的集合；學科-技術圖式是學科主題、技術工具及兩者之間關聯關系的集合；教學法-技術圖式是教學活動、技術工具及兩者之間關聯關系的集合。

四 教師知識圖譜的構建流程

前文設計的教師知識圖譜概念模型闡釋了教師知識的實體、關系、屬性等，其實質是教師知識本體，是構建教師知識圖譜的前提。為使概念模型落地，還需經過教師知識數據獲取、教師知識抽取、教師知識融合、教師知識推理等流程以完成教師知識圖譜的構建。

1 教師知識數據獲取

構建教師知識圖譜需要獲取學科知識數據、教學法知識數據、技術知識數據三類教師知識數據。其中，學科知識數據可以從課標、教材、考試大綱等材料中獲取，教學法知識數據可以從教學百科、教學活動百度詞條、教學論專業書籍等材料中獲取，技術知識數據可以從技術資源網站等材料中獲取。另外，還可以通過教案、課件、教學視頻、教師用書、教師博客、教師研修網、教學應用系統等途徑分別獲取三類教師知識數據，進而形成構建教師知識圖譜的原始數據源。教師知識數據源中通常包括結構化數據、半結構化數據和非結構化數據。其中，結構化數據（如教學應用系統等由專業教育機構開發的教學系統）可以直接使用，半結構化數據（如教師教育網、教師研修網等專題網站）需要通過包裝器學習抽取原則進行處理后再行使用，非結構化數據（如教案、導學案等以文本形式存儲的數據）需要進行實體識別處理后方可使用。

2 教師知識抽取

教師知識抽取是從教師知識數據庫中抽取表征教師學科知識、教學法知識、技術知識的實體、關系、屬性的過程，是構建教師知識圖譜的基礎。較為理想的教師知識抽取方法是基于機器學習的知識抽取，它能對原始語料進行訓練，將機器學習算法和規則模型相結合，在提高知識抽取自動化程度的同時提高其準確性[27]，具體包括以下內容：

①教師知識實體抽取。教師知識實體抽取是依據教師知識圖譜概念模型所確定的概念，從教師知識數據庫中提取學科主題、教學活動和技術工具，構建相應的實體節點，形成概念到實體間映射的過程。例如，形成一元二次方程、氧化還原反應等學科主題實體，角色扮演、小組討論等教學活動實體，幾何畫板、希沃白板等技術工具實體。常用的基于機器學習的教師知識實體抽取模型有隱馬爾可夫模型（Hidden Markov Models，HMM）、最大熵模型（Maximum Entropy Models，MEM）、決策樹（Decision Trees）等[28]。

②教師知識關系抽取。在對教師知識實體進行抽取后，還要抽取教師知識實體之間的關聯關系，才能生成具有語義關聯的教師知識網絡。對此，需要根據教師知識圖譜概念模型所確定的概念間的關系來確定教師知識實體之間的關系。例如，教學活動與技術工具之間存在支持關系，則在小組討論活動與雨課堂APP兩個教師知識實體間添加支持關系。常用的基于機器學習的教師知識關系抽取模型有神經網絡（遞歸神經網絡、卷積神經網絡、循環神經網絡）關系抽取模型、雙向門控循環單元加注意力機制的關系抽取模型（BiGRU-Attention）等[29]。

③教師知識屬性抽取。教師知識屬性抽取是依據教師知識實體所對應的概念層含有的屬性來抽取屬性值的過程。例如，“小數”這一教師知識實體所對應的概念層（學科主題）含有“所屬領域”“所屬年級”兩個屬性，其屬性值是“數學”“四年級”，則可以構建＜小數， 所屬領域， 數學＞、＜小數， 所屬年級， 四年級＞的＜實體， 屬性， 屬性值＞三元組。教師知識屬性抽取的常用方法是數據挖掘，即從文本中挖掘出實體屬性與屬性值之間的關系，以實現對屬性名和屬性值在文本中的定位。這種方法的基本假設是屬性名與屬性值之間存在位置關聯，可以通過關鍵詞定位的方式來挖掘兩者之間的關聯。具體來說，在真實的語言情境中，許多實體屬性值周圍都存在一些用于限制和界定該屬性值含義的關鍵詞（屬性名），如“小數是小學四（屬性值）年級（屬性名）數學（屬性值）領域（屬性名）的內容”。在自然語言處理中將這類屬性稱為有名屬性，可以利用關鍵詞來定位有名屬性的屬性值[30]。

3 教師知識融合

在獲取教師知識數據時，教案、導學案等文本中的非結構化數據與教師教育網、教師研修網等專題網站中的半結構化數據之間并未建立聯系，它們對同一教師知識實體在名稱、屬性的表述上可能有所不同，若不加以處理會導致教師知識零散、不成體系。教師知識融合是高層次的教師知識組織，是指在統一的標準規范下將不同來源的教師知識進行數據整合、消歧、加工和更新，進而優化教師知識圖譜。實體對齊是教師知識融合過程中的關鍵步驟，通過實體對齊能夠識別出同一教師知識實體在不同數據源中的不同表現形式（如勾股定理在不同的教師知識數據源中可能有畢達哥拉斯定理、商高定理等不同表述）。如何對教師知識實體的不同表示形式進行正確識別，并用唯一的教師知識實體名稱統一表征，便是實體對齊的主要任務。而這一過程通?？梢酝ㄟ^數據預處理、分塊、記錄鏈接、相似度計算、結果輸出等步驟來實現[31]。

4 教師知識推理

教師知識推理是從已有的教師知識實體關系數據出發，經由計算機推理，建立實體間新關聯的過程。它能從現有的教師知識中發現新知識，進而拓展教師知識網絡。教師知識推理可以通過基于圖的實體關系推理中的路徑排序算法（Path Ranking Algorithm，PRA）來實現，該算法的基本思想是將教師知識圖譜視作圖的形式（以教師知識實體為節點，關系或屬性為邊），通過圖中兩個教師知識實體間的多跳路徑結合關系路徑中蘊藏的信息實現對兩個教師知識實體間語義關系的預測[32]。例如，浮力實驗裝置和希沃白板兩個教師知識實體都能支持初中物理“浮力”主題的探究活動，即存在（浮力實驗裝置，支持，探究活動）和（希沃白板，支持，探究活動）兩條路徑，據此可以推理出浮力實驗裝置和希沃白板之間可能存在組合關系。

五 教師知識圖譜的應用場景

通過教師知識數據獲取、教師知識抽取、教師知識融合、教師知識推理等流程構建的教師知識圖譜是智能教師專業發展平臺、智能教育系統的底層技術支撐?；诮處熤R圖譜的應用系統可以為教師、教育管理者提供高效的知識服務，其應用場景主要體現在以下方面：

①提升教師工作績效。基于教師知識圖譜的應用系統能利用教師知識之間的關聯關系，通過自然語言處理、對話管理、自然語言生成等智能問答過程精準回應教師提出的教學問題，使教師不必耗時耗力在搜索引擎或教育資源網站上進行多次檢索與篩選，從而提升教師教學效率。

②為教師提供知識診斷和學習內容推薦。基于教師知識圖譜的應用系統能夠在知識空間理論、認知診斷理論的指導下，運用統計測量、學習分析、數據可視化技術[33]，幫助教師診斷自身的知識結構，識別自身知識的長處與缺陷，并為教師推送需要強化的知識內容以“補弱”，或為教師推送拓展延伸性的知識內容以“固強”。

③使教師的隱性知識顯性化，助力新手教師學習。實踐性知識蘊含在教師頭腦中，具有緘默性、潛在性、內隱性，借助一定的技術促進內隱的實踐性知識顯性化才能使其被更好地學習應用?；诮處熤R圖譜的應用系統能夠匯聚各方教師智慧，用圖示的方法表達出教師頭腦中的概念、思想、觀點等，將教師內隱的實踐性知識顯性化、可視化以支持新手教師學習。

④構建適切、高效的教師學習共同體?；诮處熤R圖譜的應用系統通過計算不同教師知識圖譜的狀態及其相似度，既可以為當前教師推薦能夠解答其知識疑惑的專家，又可以為當前教師推薦具有相似知識狀態的學習同伴，形成更加科學、適切、高效的教師學習共同體。

⑤支持循證管理。借助由教師知識圖譜整合成的教師知識發展報告，教育管理者可以分析區域內優秀教師隊伍的知識結構，抽取優秀教師知識結構特點，形成優秀教師知識結構庫以帶動新手、熟手教師快速發展。對于知識結構較為薄弱的教師群體，教育管理者可以借鑒優秀教師群體相關經驗，從資源分配、環境規劃、專家輔助等方面對癥下藥，針對該群體專業發展的難點、痛點及時調整、規劃教研或培訓計劃，并持續監控和預警該群體的專業發展狀況[34]。

⑥推動教師專業發展宏觀政策制定的科學化。以往受數據采集和分析技術的限制，教育管理者在制定教師隊伍建設政策時常常難以大范圍考察教師的專業發展狀況，容易出現數據不準確、不全面甚至“一刀切”的問題[35]?；诮處熤R圖譜的應用系統依據從教師知識數據中抽取的學科、地區、時間等信息，可以分學科、分地區、分時段描述教師知識的數量特征、中心性特征、共現特征和時間線特征，可視化呈現教師知識的階段性差異和演化趨勢。在此基礎上，教育管理者可以全面了解教師的知識發展狀況，在制定政策時由經驗決策轉向數據決策。

六 教師知識圖譜研究與實踐的未來議題

自國務院頒布《新一代人工智能發展規劃》，要求研究知識圖譜構建與學習，形成多源、多學科、多數據類型的跨媒體知識圖譜以來，教育知識圖譜的概念模型、構建技術、應用場景等便備受學界關注。與之形成鮮明對比的是，立足教師專業發展需求，系統考慮信息時代教師最核心知識的因子、屬性、關系的教師知識圖譜研究卻處于缺位狀態，這不僅不符合《新一代人工智能發展規劃》的相關要求，更不利于為教師提供精準、便捷的知識服務。教師知識圖譜對教師發展意義重大，但其研究與實踐還處于起步階段，本研究也是從學理層面對教師知識圖譜構建問題的初步探討，今后需從以下幾方面深化教師知識圖譜的研究與實踐：

1 開發基于教師知識圖譜的服務系統

針對現有面向教師發展需求的智能化服務系統存在的知識與資源細粒度不高、各類知識與資源孤立存在且彼此間缺少關聯等問題，知識圖譜技術大有可為。后續研究可以進一步突破教師知識圖譜生成、補全、質量評估等階段的關鍵技術，經由知識抽取、知識融合、知識推理等生成教師知識圖譜；面向教師發展需求確定教師知識圖譜服務系統的功能；采用軟件工程方法，開發包括數據存儲、知識圖譜、用戶畫像等模塊的教師知識圖譜服務系統，實現教師知識智能檢索、個性化推薦、知識問答等功能，支撐細粒度教師知識資源的有效存儲與索引、有序呈現與組織、高效檢索與訪問，為教師提供高質量知識服務。

2 分析教師知識圖譜演化的動力機制

知識圖譜能夠揭示領域知識隨時間演化的軌跡[36]，通過分析教師知識圖譜服務系統中教師知識數據的特征（如時間線特征），能夠可視化呈現出教師知識的階段性特征與演化趨勢。事物演化是各種動力因素交互作用的結果，辨識各種動力因素并把握其內在機制，對于認識教師知識演化規律、提升教師知識水平意義重大。例如，宏觀政策對教師知識發展有重要影響，后續研究可以探討命令性工具、激勵性工具、能力建設工具等教育政策工具與工具組合對教師知識圖譜演化的影響，從教育政策層面構建教師知識圖譜演化的動力機制，為政策優化提供建議。

3 開展教師知識圖譜優化的教育實驗

教育實驗是人工智能教育產品的試煉場，能將技術不成熟的負面影響降至最低，也是對人工智能教育產品的一種實踐驗證。后續研究可以基于教師知識圖譜服務系統設計教師知識提升策略，選擇一定數量的教師開展教育實驗，分析實驗前后教師個人和團體知識圖譜的變化，檢驗策略效果并持續改進；同時，探索教師知識圖譜服務系統的技術優化之路。

4 探討教師知識圖譜應用的倫理規制

倫理規制是運用倫理手段使教師知識圖譜應用保持良好狀態的一種管理活動。人工智能教育應用帶來了隱私泄露、師生關系異化等倫理風險，需要通過倫理手段加以規制。后續研究可以在總結教師知識圖譜應用倫理風險表現、分析成因的基礎上，從內在倫理意識生成、外在制度約束等方面建構教師知識圖譜應用的倫理規制框架，來保障教師知識圖譜的良性應用。

參考文獻

[1][3][5][33]李振，周東岱，王勇.“人工智能+”視域下的教育知識圖譜：內涵、技術框架與應用研究[J].遠程教育雜志，2019，（4）：42-53.

[2]呂愷悅，孫眾.“人工智能+教師教育”的現狀、動態與問題[J].現代教育技術，2019，（11）：114-120.

[4]宋宇，肖菁，湯娜，等.知識圖譜如何賦能課堂教學評價？——以小學階段優質數學課“平行與垂直”為例[J].現代教育技術，2023，（1）：83-90.

[6]李振，董曉曉，周東岱，等.自適應學習系統中知識圖譜的人機協同構建方法與應用研究[J].現代教育技術，2019，（10）：80-86.

[7]Mishra P， Koehler M J. Technological pedagogical content knowledge： A framework for teacher knowledge[J]. Teachers College Record， 2006，（6）：1017-1054.

[8][19][20]Cox S. A conceptual analysis of technological pedagogical content knowledge[D]. Provo： Brigham Young University， 2008：68、71、73.

[9][12]閆志明，李美鳳.整合技術的學科教學知識網絡——信息時代教師知識新框架[J].中國電化教育，2012，（4）：58-63.

[10][11][13]李振，周東岱.教育知識圖譜的概念模型與構建方法研究[J].電化教育研究，2019，（8）：78-86、113.

[14]李艷燕，張香玲，李新，等.面向智慧教育的學科知識圖譜構建與創新應用[J].電化教育研究，2019，（8）：60-69.

[15][17]廖梁.主題式學科教學知識的不同教學取向及其成因——以化學學科為例[J].課程·教材·教法，2014，（7）：72-77.

[16]鄭長龍，孫佳林.“素養為本”的化學課堂教學的設計與實施[J].課程·教材·教法，2018，（4）：71-78.

[18]肖建瓊，髙江錦.適應性學習系統中知識點本體的研究與構建[J].智能計算機與應用，2013，（5）：14-16、19.

[21]孟琦，祝智庭.學習資源應用的有效性研究方法——一種實用學分析取向[J].電化教育研究，2006，（5）：17-21.

[22]吳鵬飛，余勝泉.學習資源語義關聯關系及其可視化研究[J].中國電化教育，2015，（12）：97-104.

[23]Shulman L S. Those who understand： Knowledge growth in teaching[J]. Educational Researcher， 1986，（2）：4-14.

[24]Howey K R， Grossman P L. A study in contrast： Sources of pedagogical content knowledge for secondary English[J]. Journal of Teacher Education， 1989，（5）：24-31.

[25]Angeli C， Valanides N. Technology mapping： An approach for developing technological pedagogical content knowledge[J]. Journal of Educational Computing Research， 2013，（2）：199-221.

[26][27][31]鐘卓，唐燁偉，鐘紹春，等.人工智能支持下教育知識圖譜模型構建研究[J].電化教育研究，2020，（4）： 62-70.

[28]何玉潔，杜方，史英杰，等.基于深度學習的命名實體識別研究綜述[J].計算機工程與應用，2021，（11）：21-36.

[29]廖開際，黃瓊影，席運江.在線醫療社區問答文本的知識圖譜構建研究[J].情報科學，2021，（3）：51-59、75.

[30]王宇，譚松波，廖祥文，等.基于擴展領域模型的有名屬性抽取[J].計算機研究與發展，2010，（9）：1567-1573.

[32]張美玉，林崇，簡琤峰.基于路徑排序算法的STEP知識推理技術研究[J].浙江工業大學學報，2020，（2）：126-132、187.

[34][35]胡小勇，林梓柔.精準教研視域下的教師畫像研究[J].電化教育研究，2019，（7）：84-91.

[36]崔京菁，馬寧，余勝泉.基于知識圖譜的翻轉課堂教學模式及其應用——以小學語文古詩詞教學為例[J].現代教育技術，2018，（7）：44-50.

Teacher Knowledge Graph： The Inevitable Path of Teachers’

Professional Development Empowered by Artificial Intelligence

ZHANG Ming-rui1，2" " YAN Zhi-ming1，2" " SUN Ming-lu3" " LIU Fang-yuan3" " ZHANG Xin1，2

（1. College of Education Science， Ludong University， Yantai， Shandong， China 264011; 2. Laboratory of Intelligent Analysis on Big Data of Shandong Provincial Colleges’ Adolescent Behaviors， Ludong University， Yantai， Shandong， China 264011; 3. College of Elementary Education， Ludong University， Yantai， Shandong， China 264011）

Abstract： In the face of the requrement of teachers’ professional development empowered by artificial intelligence （AI）， teachers need not only the support provide by “intelligent perception” technology at the data level， but also that provided by “intelligent cognition” at the semantic layer， and teachers’ knowledge graph provides a new way to address this problem. Accordingly， this paper constructed the conceptual model of teachers’ knowledge graph from the element and structural perspectives based on the technological pedagogical content knowledge （TPACK） theory. From the element perspective， the model included three types of knowledge nodes： subject knowledge nodes （subject topics）， teaching method knowledge nodes （pedagogical activities）， and technology knowledge nodes （technological tools）， and the correlations between knowledge nodes of the same type and knowledge nodes of different types. From the structural perspective， this model included three schemas： the subject-teaching method schema， subject-technology schema， and teaching method-technology schema. After that， the construction procedures of the teachers’ knowledge graph were analyzed， including the acquisition of teachers’ knowledge data， the extraction of teachers’ knowledge， the integration of teachers’ knowledge， and the reasoning of teachers’ knowledge， and further six application scenarios of teachers’ knowledge graph were proposed. Finally， this paper summarized the future issues of teachers’ knowledge graph research and practive， in order to provide reference for AI to empower teachers’ professional development more effectively.

Keywords： teachers’ knowledge graph; TPACK; artificial intelligence; teachers’ professional development

*基金項目：本文為2022年國家社科基金社會學一般項目“‘互聯網+教育’促進城鄉教育均等化的機制研究”（項目編號：22BSH014）的階段性研究成果。

作者簡介：張銘銳，在讀博士，研究方向為信息技術與教師專業發展、信息技術與教育均衡、問題青少年預防與教育，郵箱為zhangmingrui824711@163.com。

收稿日期：2023年1月22日

編輯：小時