課程體系知識圖譜的構建與應用實踐

魏晗 陳剛 郭志剛

［摘 要］ 課程體系整體設計和優(yōu)化是提升人才培養(yǎng)質量的基礎。知識圖譜創(chuàng)新了知識表示和管理方式，在智能搜索與問答等領域已廣泛應用，但在教育教學領域的應用還較少?；谥R圖譜和自然語言處理技術，梳理課程教學計劃的主要組成要素，從人才培養(yǎng)方案和課程教學計劃中抽取課程實體、屬性和關系等信息，設計了課程體系本體模型，實現(xiàn)了人工智能專業(yè)課程體系知識圖譜的構建。依托知識圖譜可視化技術，分析了課程間支撐關系和課程之間內容的重復情況，為課程體系優(yōu)化設計提供了依據(jù)。

［關鍵詞］ 課程體系；知識圖譜；人工智能；信息抽取

［基金項目］ 2021年度戰(zhàn)略支援部隊信息工程大學教育教學研究課題“基于知識圖譜的人工智能相關核心課程知識體

系優(yōu)化設計研究”（JXYJ2021A002）

［作者簡介］ 魏 晗（1982—），女，河南鄭州人，碩士，戰(zhàn)略支援部隊信息工程大學信息系統(tǒng)工程學院副教授，主要從事智能信息處理研究；陳 剛（1979—），男，湖北黃岡人，碩士，戰(zhàn)略支援部隊信息工程大學副教授，主要從事智能信息處理研究；郭志剛（1973—），男，河南鄭州人，碩士，戰(zhàn)略支援部隊信息工程大學副教授（通信作者），主要從事智能信息處理研究。

［中圖分類號］ G642.0［文獻標識碼］ A ［文章編號］ 1674-9324（2023）20-0010-04 ［收稿日期］ 2022-05-12

引言

在互聯(lián)網(wǎng)時代背景下，人類社會日益關注教育信息化。將技術和教學相結合既是信息時代的所向，又是現(xiàn)代基礎教育發(fā)展所需要的。2019年教育部印發(fā)的《關于深化本科教育教學改革全面提高人才培養(yǎng)質量的意見》（教高〔2019〕6號）提出，全面提高課程建設質量，加強課程體系整體設計，提高課程建設規(guī)劃性、系統(tǒng)性［1］。高質量人才的培養(yǎng)依托人才培養(yǎng)方案的實施，而課程體系的構建是人才培養(yǎng)方案的核心。

知識圖譜創(chuàng)新了知識表示、知識管理和知識組織的方式［2］，與現(xiàn)實生活中人們對知識的管理與認知方式接近。在智能搜索、智能問答等領域，知識圖譜已廣泛應用［3］，但在教育教學領域的應用還比較少。

為了全面提高人才培養(yǎng)質量，需要加強課程體系的整體設計和優(yōu)化。在深入分析現(xiàn)有課程教學計劃和人才培養(yǎng)目標的基礎上，本文嘗試將知識圖譜和可視化技術引入教育教學領域，設計了課程體系知識圖譜的本體模型，實現(xiàn)了課程體系知識圖譜的構建，并利用可視化技術對課程的支撐關系和重復情況進行了分析，為課程體系的優(yōu)化設計提供了輔助支撐。

一、課程體系知識圖譜的構建

知識圖譜構建的一般過程是：首先構建本體模型，用來描述知識圖譜要管理的概念、屬性、關系等信息；其次在本體模型的指導下，添加實體及相關關系形成最終的知識圖譜。

（一）課程體系知識圖譜本體模型構建

“本體”是指一種形式化的，對于共享概念體系的明確又詳細的說明［4］。人工智能領域的學者將本體引入人工智能，用于對客觀世界的存在進行系統(tǒng)化描述，方便知識的重用和交互［5］。

課程體系屬于領域本體的范疇，是對課程體系應用本體方法進行分析、建模的結果，即把現(xiàn)實世界中有關課程的一切活動抽象為一組概念及概念之間的關系，其目的是規(guī)范課程體系知識圖譜的構建，用于對課程之間的支撐關系和課程內容可能存在的交叉與重復進行分析。結合課程本體構建的實際，設計了包括本體領域確定、本體設計與管理的課程本體構建方法。

1.本體領域確定。課題聚焦課程體系優(yōu)化研究，重點關注課程之間的支撐關系和課程內容邊界的分析，因此領域就限定在課程體系，研究范圍為課程支撐情況和課程內容。目標是需要直觀、準確地表達課程之間的支撐關系和課程內容組成，便于后續(xù)分析。

2.本體的設計與管理。深入分析了課程教學計劃的主要組成要素，為構建課程體系知識圖譜奠定了基礎。梳理的課程教學計劃的主要組成要素包括課程名稱、上課學期、課程學時、課程類型、理論學時、實踐學時、教學內容、選用教材等。其中，教學內容可以細分為不同的教學單元及具體知識點；選用教材包括書名、版本、作者、出版社、出版時間等信息。在此基礎上，選擇適當?shù)囊匦纬闪苏n程體系本體概念、屬性和層次，如圖1所示。

為了更好地在軟件系統(tǒng)中使用本體信息，實踐中沒有采用現(xiàn)成的Protégé軟件，而是自行開發(fā)了本體設計程序，實現(xiàn)了本體中的概念、關系以及屬性的管理。

（二）課程體系知識圖譜的知識獲取與加工

知識圖譜的構建過程一般包括信息抽取、知識融合和知識加工［6］。參照知識圖譜構建的一般過程，課程體系知識圖譜構建過程如下。

1.數(shù)據(jù)獲取。構建課程體系知識圖譜，主要的數(shù)據(jù)來自人工智能專業(yè)的人才培養(yǎng)方案和課程教學計劃。其中，獲取的數(shù)據(jù)類型包括結構化數(shù)據(jù)、半結構化數(shù)據(jù)、非結構化數(shù)據(jù)等［7］。

2.信息抽取。信息抽取是指從各種類型的數(shù)據(jù)源中提取出實體、屬性以及實體間的相互關系，在此基礎上形成本體化的知識表達。結構化數(shù)據(jù)不需要進行數(shù)據(jù)的抽取，可直接進入知識融合階段。半結構化數(shù)據(jù)或非結構化數(shù)據(jù)，要實現(xiàn)基本知識的抽取，需要進行實體抽取、關系抽取和屬性抽?。?］136。實體抽取也稱命名實體識別，是從原始語料中自動識別出命名實體，通過實體抽取可以得到文本中的實體節(jié)點，如抽取出“數(shù)字圖像處理”“數(shù)字電路”“通信原理”等課程信息，對于“數(shù)字信號處理”課程，又可以抽取出“離散傅里葉變換”“IIR濾波器設計”等教學單元。關系抽取是從文本中提取出實體之間的關聯(lián)信息［8］136，即得到實體節(jié)點之間的鏈接。例如，對如某個課程包含的教學單元、教學單元下屬的知識點、課程選用的教材或參考書、課程與先修課程等關系信息的抽取。對于實體，還需要進行實體與屬性值之間的關系抽取，或者把抽取實體的屬性理解為對實體和屬性進行關系抽取，如教材的作者、出版社等信息。

在構建課程體系進行信息的抽取工作時，課程教學計劃屬于半結構化數(shù)據(jù)，在實踐中，采用模板匹配的方法實現(xiàn)課程名、學時、課程性質、先修課程以及教學單元的名稱和教學內容信息的抽取。

3.知識融合。通過信息抽取可以得到實體、關系及屬性等信息，但這些信息都是原始知識信息，要想得到可以使用的知識圖譜，還需要對知識融合進行進一步處理。在構建課程體系進行知識融合時，主要是對人才培養(yǎng)方案和課程教學計劃進行知識融合。進行知識融合的主要方法有實體對齊和實體消歧等。比如在實踐中，“數(shù)字電路”簡稱“數(shù)電”，指代同一門課程，要進行實體對齊。

4.知識加工。知識加工包括本體構建、知識推理和質量評估等［9］。知識推理能夠發(fā)現(xiàn)新的知識或者補全實體之間的關系，質量評估能夠實現(xiàn)對錯誤或者偏差的糾正，以保證知識圖譜的質量。

二、人工智能課程體系知識圖譜的應用實踐

（一）課程間的支撐關系分析

通過課程體系知識圖譜，利用力導向圖可視化分析工具，可以直觀地分析課程之間的支撐關系。圖2展示了“數(shù)字信號處理”課程的先修課程是“信號與系統(tǒng)”，而“數(shù)字信號處理”課程又是“數(shù)字圖像處理”“神經(jīng)網(wǎng)絡與深度學習”“語音信號處理”“語音識別應用”“通信原理”等課程的先修課程。此外，還直觀地顯示了“數(shù)字信號處理”課程10個不同的教學單元，如第5個教學單元為“快速傅里葉變換”、第7個教學單元為“FIR數(shù)字濾波器設計”等。

（二）課程間教學內容重復情況分析

比較不同課程教學單元之間的相似性，滿足相似度閾值的，在知識圖譜中設置兩者之間的相似關系，分析教學內容的重復情況。圖3展示了“人工智能導論”課程中的“知識表示與推理”“人工智能搜索技術”兩個教學單元與“知識表示與推理”課程中的“知識表示”“經(jīng)典邏輯推理”“不確定性推理”“搜索策略”等教學單元有較高的重復度，這為課程體系優(yōu)化提供了支撐。

結語

課程體系是人才培養(yǎng)方案中的核心要素，課程體系需隨著人才培養(yǎng)目標的修訂不斷進行優(yōu)化。本文將知識圖譜、可視化等技術引入課程體系優(yōu)化的過程，通過構建課程體系知識圖譜、分析課程間的支撐關系和課程之間內容重復的情況，為課程體系優(yōu)化提供了支撐，對提高課程體系優(yōu)化的工作效率、提升優(yōu)化質量有著極大的幫助。后續(xù)還可以通過構建專業(yè)人才的能力素質圖譜，建立能力素質指標與教學目標、教學內容的關系，以能力素質指標驅動課程體系的優(yōu)化設計。

參考文獻

［1］教育部.關于深化本科教育教學改革全面提高人才培養(yǎng)質量的意見：教高〔2019〕6號［A/OL］.（2019-10-08）［2022-03-28］.http：//www.moe.gov.cn/srcsite/A08/s7056/201910/t20191011_402759.html.

［2］劉巧紅，孫麗萍，李建華，等.醫(yī)學院校大數(shù)據(jù)專業(yè)課程體系建設的理論與實踐：以上海健康醫(yī)學院為例［J］.中國醫(yī)學教育技術.2021，35（5），549-553.

［3］朱鵬.基于Web文檔資源的課程知識圖譜構建及應用研究［D］.昆明：云南師范大學，2019.

［4］STUDER R， BENJAMINS V. R， FENSEL D. Knowledge engineering： principles and methods［J］.Data & knowledge engineering，1998，25（1-2）：161-197.

［5］章勇，呂俊白.基于Protege的本體建模研究綜述［J］.福建電腦，2011，27（1）：43-45.

［6］楊茜.知識圖譜中多粒度關系鏈接技術研究［D］.重慶：重慶郵電大學，2019.

［7］趙軍，劉康，何世柱，等.知識圖譜［M］.北京：高等教育出版社，2019：21-22.

［8］王昊奮，漆桂林，陳華鈞.知識圖譜：方法、實踐與應用［M］.北京：電子工業(yè)出版社，2019：136.

［9］劉嶠， 李楊， 段宏等. 知識圖譜構建技術綜述［J］.計算機研究與發(fā)展，2016，53（3）：582-600.

Construction and Application of Knowledge Map of Curriculum System

WEI Han， CHEN Gang， GUO Zhi-gang

（College of Information System Engineering， Information Engineering University Zhengzhou，

Henan 450000， China）

Abstract： The overall design and optimization of the curriculum system is the basis for improving the quality of talent training. Knowledge graph innovates the way of knowledge representation and management， and has been widely used in many fields such as intelligent search， questioning and answering， but it is less used in the field of education and teaching. Based on knowledge graph and natural language processing technology， the main components of the course teaching plan are combed out， and the information such as course entities， attributes and relationships are extracted from the talent training plan and course teaching plan， then the curriculum system ontology model is constructed. Relying on the visualization technology of knowledge map， this paper analyzes the supporting relationship between courses and the repetition of contents between courses， so as to provide basis for the optimal design of curriculum system.

Key words： curriculum system; knowledge graph; artificial intelligence; information extraction