基于知識圖譜的大學物理課程建設與實踐

摘 要 知識圖譜推動人工智能技術與教育教學的深度融合，為實現課程的數智化建設與實踐提供了技術路線和策略。本文展示了構建大學物理課程知識圖譜的思路和流程，并分析了提取知識點及關聯知識點時，教學目標導向、跨課程關聯、思政知識點關聯等的影響和作用。本文結合大學物理課程知識圖譜實例，展示了知識圖譜的生成方式、圖譜表現形式，以及知識點關聯的設置等。此外，結合教學實踐，本文還展示了學生利用知識圖譜進行個性化學習并完成自我評價，教師利用知識圖譜在大規模教學班實施“線上線下混合式”教學，對學生進行實時督學、指導及反饋，實現人工智能技術賦能一流課程建設。

關鍵詞 知識圖譜;人工智能;知識點;關聯;線上線下混合式教學;大學物理

“大學物理”作為非物理專業理工科類學生必修的公共基礎課，在提高學生的科學素養、提升學生創新能力以及為后續課程奠定基礎方面具有不可替代的作用。在過去十年，廣大教師以學生為中心，持續改進教學理念，致力于激發學生內在潛力和學習動力，推進大學物理線上課程、線下課程、線上線下混合式一流課程建設，有效提升課程的“兩性一度”，為培養德才兼備、面向未來的創新型人才作出了努力和貢獻。

以大數據、人工智能等為標志的智能時代的到來，給高等教育數字化發展帶來新的機遇與挑戰。人工智能（AI）作為新質生產力的代表，成為教育高質量發展的引擎。如何實現AI技術與教育教學的深度融合來推動大學物理課程的高水平建設呢？ 知識圖譜，提供了一種有效的策略和路徑[1-3]。

知識圖譜作為一種結構化的語義網絡，是智能時代知識表示的重要方式之一，也是知識工程的代表性技術之一。知識圖譜通過實體、概念及其相互之間的關系，構建起一個多維的知識體系。這種體系不僅包括靜態的知識結構，還能夠動態地記錄和分析學習者的學習過程，并且隨著新知識發展和學習者需求可實時擴展更新知識點。知識圖譜富含實體、概念、屬性、關系等信息，使得機器理解與解釋成為可能，所以知識圖譜是實現認知智能的基石。這就為實現課程的數智化建設與實踐提供了技術和方法。

本文探討構建大學物理課程知識圖譜的思路，通過知識圖譜，使課程知識體系和教學內容可視化、立體化;利用知識圖譜賦能教學過程，轉變教學模式、轉變評價方式，實現大學物理數智化課程的建設和實踐。

1 大學物理課程知識圖譜構建思路

1.1 知識圖譜的基本結構

大物物理課程知識圖譜是將課程內容抽象為“點”，通過“線”關聯在一起而得到的一個關系網絡，是一種結構化、可視化、可調整的知識體系，本質上就是一種基于圖的數據結構，如圖1所示。知識圖譜，從另一個視角，為學生提供一個結構化的學習平臺，實現碎片化教育數據的關聯和融合，展示知識的邏輯關系，并推薦最優學習路徑。知識圖譜的核心就是知識“關聯”，“關聯”創造價值，并激活數據（即教學資源）的價值。

1.2 構建知識圖譜的流程

大學物理課程知識圖譜的構建，應該圍繞“如何達成課程教學目標”來開展。大學物理課程超越“理解+記憶”的淺層次教學目標，將深層次學習納入教學目標中，從“素質—能力—知識”多維度確立課程目標，使之更有效地支持各專業畢業要求的達成。知識圖譜的構建和應用，應該有利于教學目標的實現。

構建大學物理課程知識圖譜的思路及流程如圖2所示，其核心就是“關聯”和“資源”。知識圖譜主體結構的構建，如圖2的Step 01～Step 03，教師以教學目標為導向，對教學內容進行梳理、凝練，提取知識點及相互關系，以知識關聯（課程內知識點、跨課程知識點、拓展知識點等）為核心，實現知識點及知識點關聯的模型化，從而形成知識圖譜“骨架”，使知識體系成為一個“看得見”“看得清”的立體表達。

圖2的Step 04，借助AI技術對課程資源（教材、課程視頻、課件、試題、文檔等）進行分類、標注和組織，將資源與知識點關聯，賦予圖譜“血肉”，構建大學物理課程智能學習平臺。此外，還可將互聯網上的圖書、期刊等擴展資源與知識點進行關聯。

1.3 幾個關鍵問題

在提取知識點和關聯知識點時，需注意以下幾個問題：

第一，知識點應包含并突出教育部高等學校大學物理課程教學指導委員會發布的《理工科類大學物理課程教學基本要求（2023年版）》的核心內容A 和擴展內容B[4]。例如，圖2的Step 05所示，教師可對知識點進行標簽標注，對知識點明確學習要求：重點、難點、考點、思政點、拓展點等;對知識點從掌握程度區分認知維度：記憶、理解、應用、分析、評價、創造等;對知識點的認知層次進行歸屬分類：事實性、概念性、程序性等。

第二，需要與其他基礎課程、專業基礎課程、專業課程的教師合作，建立跨課程知識點關聯，使學生所學課程知識通過知識圖譜形成整體性強、邏輯性強的知識體系。

第三，針對學生不同專業方向，設置不同專題模塊并關聯大學物理課程知識點，通過顯性化物理知識在某一學科專業領域的基礎作用及其應用，實現大學物理課程教學和專業課程教學的有效銜接，同時為大學物理課程教學和后續專業課程教學留出接口和出口。

第四，將思政元素設為“思政知識點”與課程知識點關聯，實現“價值塑造、能力培養、知識傳授”的有機結合。

此外，大學物理課程知識圖譜實質是為師生提供一個數智化教學平臺，知識圖譜是“骨”，教學資源就是“肉”，所以應高度重視教學資源的質量。例如，在處理課程視頻時，可結合AI技術，對視頻進行切片，對視頻知識點智能標記、識別并關聯，這更有利于學生快速定位、精準學習。在關聯互聯網海量資源時，除了借助AI技術進行關聯，教師可人工甄別、篩選，將強相關的優質資源進行關聯，從而保障擴展資源的品質。

2 大學物理課程知識圖譜建設示例

2.1 知識圖譜生成方式選擇

目前已有眾多教育平臺提供建立知識圖譜的功能，同時也支持將原有線上課程升級為知識圖譜課程。我們采用超星AI工具箱提供的“知識圖譜”功能，可直接將建設好的線上課程升級為知識圖譜課程（如圖3所示）;或設計文檔（Excel表格）導入結構模板，系統智能識別生成圖譜。我們采用導入結構模板的方法生成圖譜。此外，如果需要關聯跨課程知識點，則對應課程也要建有知識圖譜。

2.2 知識圖譜表現形式選擇

知識圖譜的表現形式有“大綱模式”“思維導圖模式”“圖譜模式”“地圖模式”等，如圖4所示。每種表現形式有不同的優缺點。例如：“圖譜模式”能夠直觀表達知識點的關聯、遞進、依賴，特別是能展現跨課程知識點的關聯;“地圖模式”能夠清晰展示最優學習路徑，有利于學生進行循序漸進的學習。學生可根據自身習慣選擇任意一種模式進行學習;教師根據自身需求查看以及編輯知識圖譜。建議教師在初期構建知識圖譜時，選擇“大綱模式”進行編輯，因為該結構便于主體框架的構建，以及整體關系的查看。

2.3 知識點關聯形式

利用知識圖譜可有效地實現大學物理課程知識與課程內知識、跨課程知識以及應用領域相關知識的銜接。

課程內知識點之間，可通過設置為“前置關聯”“后置關聯”“相關關聯”顯示知識點的邏輯關系或時間順序。例如，將“角動量定理”的“旋進”與“磁介質的磁化機理”相關聯，有助于學生更好地理解“分子電流理論”如何解釋磁化機理。

跨課程知識點，可以和“高等數學”“線性代數”等基礎課程相關知識點關聯。以圖5所示的“運動學”部分的知識圖譜為例，“運動學的兩類基本問題”涉及到高等數學的微積分及應用，所以進行跨課程知識點關聯，如圖5（a）所示。學生學習“運動學的兩類基本問題”時，通過知識圖譜，精準定位高等數學相關知識點，可以使用課程內資源或擴展資源（開放課、圖書、期刊等）進行學習，如圖5（b）所示;也可以定位跨課程資源進行學習，如圖5（c）所示。在大學物理課程中有關“微積分”的知識，關聯的是山東科技大學趙文才教授開設的“高等數學”課程的知識圖譜。

大學物理課程知識圖譜也可以和專業基礎課程、專業課程等關聯。例如，波動光學的“光的衍射”部分的知識圖譜，單縫、圓孔等的夫瑯和費衍射圖樣的特征與專業基礎課“信號與系統”的“信號的頻域分析”相關知識點銜接，讓學生更直觀、形象地理解信號的時寬與頻寬成反比的性質。光柵的夫瑯和費衍射與專業課程“數字圖像處理”的圖像的數字變換傅里葉變換相關聯，讓學生深刻理解數字圖像處理的物理實質。

此外，大學物理課程知識圖譜可以很好地實現拓展學習。在“恒定磁場”部分的知識圖譜中，將“磁懸浮”關聯為“磁場”的后置知識點，標注為拓展知識點;將“可控核聚變”“量子霍爾效應”“電磁彈射”等作為相應知識點的后置知識點，標注為思政知識點，并關聯物理原理和應用，以及國內發展所取得的最新成果。

利用知識圖譜，不僅向學生展示了整體性強、邏輯性強的大學物理課程的知識體系，也通過跨課程、跨學科知識點關聯，為大學物理課程教學和其他課程教學的有效銜接留出接口和出口。同時利用知識圖譜，將“課程思政”的思政元素與“能力培養、知識傳授”緊密、自然地關聯，從而實現“價值塑造”于無聲中。

3 基于知識圖譜的大學物理課程教學實踐

基于知識圖譜建立的大學物理數智課程，將碎片式的教學內容及資源關聯成一張可視的巨大的知識網絡，轉變了之前課程教學（特別是線上課程）主要由“數據驅動認知”，使課程教學更著重由“知識驅動認知”來開展。這種轉變符合人腦的認知模式。因為人腦的特長就是“在不同的概念之間強行建立聯系”，“大腦會為一切可以對比的事物進行匹配，以便建立一個合理的解釋”。這種轉變也有助于推動“大規模的標準化教育”轉向“大規模的個性化學習”，真正實現智慧教學[5]。

3.1 智慧學習

基于知識圖譜建立的大學物理數智課程實現了教學過程中的認知推理，從而學生可利用知識圖譜進行個性化自主學習并完成自我評價。學生可以按照系統推薦的學習路徑進行學習，也可以自行設計學習路徑，利用知識圖譜精準定位、可視化數據，做到在學習過程中對整個知識體系了然于胸，從而增強學習的掌控力，激發學習的信心和熱情。此外，系統實時向學生報告完成掌握情況、進度排名、達成分析等;學生也可分類查看各任務的完成情況。例如，圖6是系統對某學生關于“動量 動量守恒定律”學習情況的評價和反饋。

3.2 智慧教學

教師利用知識圖譜，可以對于學生的知識點掌握情況得到準確的反饋數據，如圖7所示，例如“知識點平均完成率”“知識點掌握率”，從而及時對教學內容、方法進行調整，或為學生優化學習路徑，也可為學生推薦擴展資源，包括開放課程、期刊、圖書等。

3.3 基于知識圖譜的大學物理“線上線下混合式”教學

基于知識圖譜，我們對大學物理“線上線下混合式”教學進行了創新和發展?！熬€上線下混合式”教學模式以其實踐效果被師生廣泛接受和認可[6]。如何在普通教學班（即學生數～120人）有效開展混合式教學呢？ 這就需要關注如何實施分層次教學，從而滿足學生個性化學習的要求。為此，我們建立了基于知識圖譜的“線上自主學習，線下翻轉教學;課堂講授經典”的多元混合式教學模式。

我們將教學內容按章節分為若干學習單元：每個學習單元周期設定為7天，線上學習需3～6學時（學生獨立完成），線下課堂教學需3學時（師生共同完成）;學習單元的實施由“學生三環節”“教師三環節”組成，環環相扣，層層推進，如圖8所示。

我們重點介紹基于知識圖譜的教學平臺如何為學生規劃個性化的學習路徑，以及如何實現分層次教學。

3.3.1 個性化的學習路徑

學生在“在線學習”“反思小結”等環節可按照知識圖譜推薦的學習路徑完成。圖9是教學平臺上向學生展示的“動量 動量守恒定律”的知識圖譜結構，不同顏色的點、線，表示知識的層級以及學習的順序。在“進入學習”后，可看到該單元的學習路徑，如圖10所示。該路徑是系統按照章節的知識結構以及邏輯關系給出的初始推薦。學生可循著路徑依次進行學習，也可任意選擇某個知識點進行學習，完成課程視頻、小測試、閱讀、大作業等任務。系統會記錄學生的學習行為以及學習的完成率、掌握率等。

例如，學生小馬已完成該單元的在線學習。系統根據該學生小測試、大作業的完成情況，分析學習目標的達成度，重新規劃了針對小馬的學習路徑，如圖11所示。與圖10系統初始推薦的學習路徑進行比較，掌握率高于90%的知識點不再計入學習路徑。新的學習路徑表明小馬對“運動的描述”“慣性系中的牛頓定律”“動量守恒定律”掌握不夠。這時，小馬可按照新的學習路徑重新學習，并通過對某個知識點進行“自測”來檢驗學習情況。系統重新記錄小馬的學習情況，實時給出評價結果，并再次規劃學習路徑。例如，系統通過智能檢測，推測小馬對“運動的描述”知識點掌握極其薄弱，就會在以后學習時不斷提醒并推薦相關資源建議小馬進行補充學習。

利用知識圖譜可為學生構建個性化的學習路徑，精準推送學習資源，并提供實時指導和反饋。這在一定程度上可解決教師在面對大規模教學班時，不能關注到每位學生這一弊端。此外，教師可以根據知識圖譜給出的評估結果，及時調整教學內容，改變教學方式，設計更有效的學習活動，從而保障“線上線下混合式”教學在大規模教學班有效實施。

3.3.2 分層次教學

利用知識圖譜，可以保障在大規模教學班實施混合式教學中普通學生達成基本學習目標的要求，也可滿足其他學生對于個性化學習、深度學習、拓展學習的需求。

例如，學生可通過“標簽”“認知維度”等來明確課程的核心內容（重點）、拓展內容，也可明確對于某個知識點的具體要求，甚至可明確某類考試的考點。例如，選修少學分“大學物理”（6學分）課程的某學生對圖9的知識圖譜進行篩選，選出“重點”“考點”，見圖12。與圖9比較，圖譜結構中減少了“難點”“拓展知識點”，這有利于普通學生了解課程的基本要求，增強其達成目標的信心。

教師針對不同專業、不同層次的學生，通過知識圖譜，將物理知識點和數學、工程技術、科學前沿的相關知識點建立嚴格的邏輯聯結，顯性化“上溯、后續、拓展”的可行路徑，從而使學生能夠將物理知識用于解決復雜的工程問題，理解本專業素養構成的課程知識體系，從而實現大學物理課程對學生畢業要求的強支撐，為提高課程的高階性、創新性、挑戰度提供了清晰的可行方案。

4 結語

在未來十年，知識圖譜還會繼續在數智教育中發揮其關鍵作用。隨著課程群圖譜、專業圖譜、學科圖譜的建立，知識圖譜將成為智慧教育新生態的重要組成部分。“大學物理”作為基礎課程，必然要在這個新生態圈中成長和發展起來。知識圖譜為大學物理成為數智課程提供了一種路徑和策略。

本文展示了構建大學物理課程知識圖譜的思路和流程，并重點討論了在提取知識點及關聯知識點時，需重點關注教學目標導向、跨課程關聯、思政知識點關聯等。本文示例了知識圖譜的生成方式、圖譜表現形式，以及知識點關聯的詳細設置?；谥R圖譜的大學物理課程教學實踐表明，學生利用知識圖譜可以進行個性化學習并完成自我評價，教師利用知識圖譜可對學生進行實時督學、指導及反饋，也可以更好地開展“線上線下混合式”教學，真正實現人工智能技術賦能一流課程建設。

參 考 文 獻

[1] 陳悅， 劉則淵. 悄然興起的科學知識圖譜[J]. 科學學研究，2005（2）： 149-154.

CHEN Y， LIU Z Y. The rise of mapping knowledge domain[J]. Studies in Science of Science， 2005（2）： 149-154. （in Chinese）

[2] 林子艦， 馮超超， 王廷振， 等. 知識圖譜技術在物理實驗教學中的應用探討[J]. 物理與工程， 2020， 30（4）： 88-95.

LIN Z J， FENG C C. WANG T Z， et al. The exploration of the application of knowledge mapping technique on physics experiment teaching[J]. Physics and Engineering， 2020， 30（4）：88-95. （in Chinese）

[3] 董佳豪， 王槿， 李川勇， 等. 基于知識圖譜的物理學術競賽發展分析[J]. 物理與工程， 2024， 34（2）： 38-45.

DONG J H， WANG J， LI C Y， et al. Development analysis of physics academic competition based on mapping knowledge[J].Physics and Engineering， 2024， 34（2）： 38-45. （in Chinese）

[4] 賈瑜， 王煒. 2023版《理工科類大學物理課程教學基本要求》內容細化修訂解讀[J]. 物理與工程， 2024， 34（1）： 3-10.

JIA Y， WANG W. The interpretation of the 2023 edition of the basic requirements for teaching physics courses in science and engineering universities[J]. Physics and Engineering，2024， 34（1）： 3-10. （in Chinese）

[5] 王琛琛， 張睿， 吳天剛. 大學物理知識圖譜的構建及其在個性化教學中的應用[J]. 物理與工程， 2020， 30（5）： 76-81.

WANG C C， ZHANG R， WU T G. The construction of college physics knowledge map and its application in individualized teaching[J]. Physics and Engineering， 2020， 30（5）：76-81. （in Chinese）

[6] 孫燕云， 何鈺， 吳平， 等. 大學物理線上線下混合式大班教學模式初探[J]. 物理與工程， 2019， 29（5）： 85-89.

SUN Y Y， HE Y， WU P， et al. A preliminary study on the blended learning mode for college physics： Design for largeclass[J]. Physics and Engineering， 2019， 29（5）： 85-89.（in Chinese）