知識圖譜賦能信息化教學創(chuàng)新

曾露 李其娜

摘要：人工智能技術(shù)的發(fā)展，正驅(qū)使著“互聯(lián)網(wǎng)+”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(shù)支撐和創(chuàng)新動力。知識圖譜技術(shù)應用信息化教學將助力于數(shù)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(shù)變革和教育創(chuàng)新，以數(shù)據(jù)結(jié)構(gòu)課程知識圖譜的構(gòu)建為例進行闡述。

關(guān)鍵詞：人工智能;知識圖譜;個性化學習推薦;教學創(chuàng)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(chuàng)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(fā)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(jīng)科學、生理學等眾多領(lǐng)域的前沿交叉科學[1]。知識圖譜技術(shù)在語義搜索、自然語言理解和邏輯推理等方面具有卓越優(yōu)勢，作為一種數(shù)據(jù)分析精準化和決策可視化的技術(shù)手段，知識圖譜在電商、醫(yī)療、自動駕駛汽車等領(lǐng)域已經(jīng)取得了一定成果，教育領(lǐng)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(nèi)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(chuàng)新的巨大潛能。美國知名在線教育平臺Knewton依據(jù)課程、知識點和學習資源之間存在的邏輯關(guān)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(wǎng)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(fā)展規(guī)劃》指出，“要研究知識圖譜構(gòu)建與學習、知識演化與推理等關(guān)鍵技術(shù)，要構(gòu)建覆蓋數(shù)億級知識實體的多元、多學科、多數(shù)據(jù)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(chǔ)教育知識圖譜，并基于此開發(fā)了基礎(chǔ)教育知識服務平臺。基礎(chǔ)教育知識圖譜平臺在智能教育領(lǐng)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(lǐng)域。由此可見，知識圖譜在教育領(lǐng)域具有廣泛的發(fā)展前景，不僅僅是大規(guī)模教育教學資源的知識重構(gòu)，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(guān)概念界定

1.1? 知識圖譜

知識圖譜是一種描述事物及其關(guān)系的技術(shù)方法，從組成的要素來說，知識圖譜主要由節(jié)點和邊組成，每個節(jié)點對應客觀存在的實體，邊則表示實體間的關(guān)系[3]。節(jié)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(guān)系（籍貫、國籍）等等。本質(zhì)上來看知識圖譜是從知識內(nèi)在聯(lián)系的角度認識事物結(jié)構(gòu)，從而形成一張巨大的網(wǎng)狀結(jié)構(gòu)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(jié)點代表知識點，邊表示知識點間的語義關(guān)聯(lián)[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(guān)系[5]。構(gòu)建一個完整的教育知識圖譜需要以下關(guān)鍵技術(shù)：本體構(gòu)建技術(shù)、命名實體識別技術(shù)、實體關(guān)系抽取技術(shù)和知識融合技術(shù)。

2? 知識圖譜助力信息化教學創(chuàng)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(chǔ)就是數(shù)據(jù)，數(shù)據(jù)挖掘和分析過程也就是數(shù)據(jù)轉(zhuǎn)化為知識的過程。應用知識圖譜技術(shù)輔助海量數(shù)據(jù)處理，將繁雜的數(shù)據(jù)抽象成一個個知識網(wǎng)絡結(jié)構(gòu)圖。在這個過程中，使用知識圖譜將海量復雜的數(shù)據(jù)整合為一個語義化的知識網(wǎng)絡圖，可以有效解決數(shù)據(jù)挖掘和分析技術(shù)過度依賴數(shù)據(jù)本身的特征、缺少領(lǐng)域知識和學科專家的經(jīng)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(shù)融合教育數(shù)據(jù)處理大大提升了機器的學習能力及機器認知水平，實現(xiàn)了教育數(shù)據(jù)處理智能化。根據(jù)“數(shù)據(jù)結(jié)構(gòu)”典型教材，利用知識概念類的層級結(jié)構(gòu)，構(gòu)建其課程知識圖譜，圖1是“數(shù)據(jù)結(jié)構(gòu)”第二章內(nèi)容的局部知識圖譜，展現(xiàn)了線性結(jié)構(gòu)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(wǎng)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(guān)聯(lián)、融合多模態(tài)資源構(gòu)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(guān)鍵技術(shù)之一[6]。對“數(shù)據(jù)結(jié)構(gòu)”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(tǒng)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(quán)重。特征權(quán)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(shù)據(jù)，將用戶多維特征標簽化的用戶建模方法，它是實現(xiàn)個性化學習的前提條件和基礎(chǔ)，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(fā)展狀態(tài)等方面的信息。傳統(tǒng)建模過程存在數(shù)據(jù)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(shù)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(shù)進行數(shù)據(jù)特征標簽，既可以增加語義可理解性和推理性，又可以實現(xiàn)用戶模型的解釋性和關(guān)聯(lián)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(tǒng)和個性化學習面臨的挑戰(zhàn)之一。知識圖譜輔助的學習診斷是以學習者的學習數(shù)據(jù)為基礎(chǔ)，運用認知診斷理論，通過統(tǒng)計測量和數(shù)據(jù)可視化分析評價不同的學習者選用不同的工具和內(nèi)容的差異，與傳統(tǒng)用戶畫像建模相比，診斷結(jié)果具有客觀性、個性化和智能化。

根據(jù)已經(jīng)構(gòu)建好的“數(shù)據(jù)結(jié)構(gòu)”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(lián)系向?qū)W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(zhí)行流程如圖2所示。

2.3? 知識結(jié)構(gòu)可視化教學

教學目標是教學活動的出發(fā)點和歸宿，取決于學生現(xiàn)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(shù)，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(tài)變化情況。此外，在智慧教學過程中，知識結(jié)構(gòu)可視化工具能夠幫助學習者高效組織知識、構(gòu)建知識框架，起到了“腳手架”的作用。因此，利用知識圖譜實現(xiàn)知識結(jié)構(gòu)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(shù)的飛快發(fā)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(shù)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(shù)賦能教育的實踐途徑之一，它旨在依據(jù)學習者的畫像來推薦合適的數(shù)字學習資源和自主學習路徑。“數(shù)據(jù)結(jié)構(gòu)”課程知識圖譜可以實現(xiàn)知識點之間最短學習路徑的查詢，依據(jù)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(guān)知識的攝取。查詢知識點“單鏈表”到“循環(huán)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(huán)隊列'}）） return p，知識路徑查詢運行結(jié)果如圖3所示。

知識圖譜將知識點的順序和關(guān)系形象化，呈現(xiàn)出知識結(jié)構(gòu)與學習者的整體關(guān)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(guān)系等因素，為學習者提供有針對性的數(shù)字資源。

3? 結(jié)? 論

隨著教育信息化2.0的發(fā)展，人工智能技術(shù)融合教育是信息化教育創(chuàng)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(shù)據(jù)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(shù)支持和創(chuàng)新動力。知識圖譜在教育領(lǐng)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(huán)境中的實踐應用，未來知識圖譜技術(shù)的教育實踐將是信息化教育發(fā)展的大趨勢。

參考文獻：

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

[2] 國務院.國務院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)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(shù) [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(shù)據(jù)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(tǒng)：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(tǒng)。