教育知識(shí)圖譜的類型、應(yīng)用及挑戰(zhàn)

沈紅葉，肖 婉，季一木，劉尚東

（1.南京郵電大學(xué) 教育科學(xué)與技術(shù)學(xué)院；2.南京郵電大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 210023）

0 引言

隨著教育大數(shù)據(jù)發(fā)掘、人工智能技術(shù)發(fā)展，互聯(lián)網(wǎng)教育邁向智能教育發(fā)展的全新階段。知識(shí)圖譜作為人工智能的關(guān)鍵技術(shù)，在金融反詐、搜索優(yōu)化、智能推薦等方面初見成效，在教育領(lǐng)域也逐漸顯示其優(yōu)越性。國家《新世紀(jì)人工智能規(guī)劃》特別強(qiáng)調(diào)，要深入研究知識(shí)圖譜構(gòu)建與教學(xué)、認(rèn)知進(jìn)化和邏輯推理等核心技術(shù)，就要建立涵蓋幾億級(jí)認(rèn)知實(shí)體的復(fù)合、多學(xué)科專業(yè)、多數(shù)據(jù)源的知識(shí)圖譜［1］。

由此可見，知識(shí)圖譜通過處理大量復(fù)雜數(shù)據(jù)，建立數(shù)據(jù)間的聯(lián)系，實(shí)現(xiàn)對(duì)教育知識(shí)領(lǐng)域模型的抽取、融合和應(yīng)用，是人工智能重要的技術(shù)應(yīng)用。研究者指出，知識(shí)圖譜作為人工智能知識(shí)組織與表示的最新技術(shù)［2］，是數(shù)字化教育時(shí)代具有潛力的發(fā)展方向，為數(shù)字化教育教學(xué)提供了信息控制和認(rèn)知控制結(jié)合的新信息處理方式。本文研究近10 年國內(nèi)教育知識(shí)圖譜的相關(guān)實(shí)證研究成果，系統(tǒng)梳理了教育知識(shí)圖譜的實(shí)踐研究和應(yīng)用現(xiàn)狀，并分析其具體優(yōu)勢與現(xiàn)存問題，旨在為教育知識(shí)圖譜的理論研究、技術(shù)開發(fā)和實(shí)踐應(yīng)用提供參考建議。

1 研究設(shè)計(jì)

1.1 研究方法

本文通過系統(tǒng)性文獻(xiàn)綜述方式展開研究。首先采用選定的搜索策略評(píng)估與甄別文章；然后針對(duì)精準(zhǔn)的研究問題，提出嚴(yán)格的納入排除準(zhǔn)則；最后利用標(biāo)準(zhǔn)化技術(shù)篩選、整理所選文獻(xiàn)資料，最終得到研究問題的答案［3］。其中，研究采用的系統(tǒng)性文獻(xiàn)方法含有多項(xiàng)指標(biāo)，例如根據(jù)文獻(xiàn)標(biāo)題、研究方法、研究結(jié)論等4 個(gè)篩選階段，明確展示了文獻(xiàn)的納入排除總體過程及明確原因，為研究結(jié)果的準(zhǔn)確性奠定了基礎(chǔ)［4］。

1.2 研究問題

為了解教育知識(shí)圖譜的實(shí)證研究現(xiàn)狀與進(jìn)展，本文確定了以下3 個(gè)研究問題：①教育知識(shí)圖譜有哪些類型；②教育知識(shí)圖譜應(yīng)用于哪些實(shí)踐領(lǐng)域；③教育知識(shí)圖譜當(dāng)前面臨何種挑戰(zhàn)。

1.3 樣本獲取

1.3.1 檢索策略

為了更高效地獲取國內(nèi)近10 年教育知識(shí)圖譜的高精度實(shí)證研究論文，以中國知網(wǎng)CNKI（新版）數(shù)據(jù)庫為文獻(xiàn)搜索源，利用高級(jí)檢索方式，將時(shí)間界定為2012-2021 年，以“知識(shí)圖譜”并含“教育”為主題詞進(jìn)行檢索，共獲取論文881篇。

1.3.2 篩選標(biāo)準(zhǔn)

為了提高文獻(xiàn)分析的精確度與可信度，本文基于研究問題制訂了文獻(xiàn)納入/排除準(zhǔn)則（見表1）。其中，第1-3 條是系統(tǒng)性文獻(xiàn)綜述法中為提高樣本準(zhǔn)確度和權(quán)威性而廣泛使用的準(zhǔn)則；第4 條旨在聚焦教育知識(shí)圖譜作為主要研究對(duì)象的文獻(xiàn)，剔除了僅將知識(shí)圖譜視作可視化工具的研究文獻(xiàn)。

Table 1 Document inclusion/inclusion criteria表1 文獻(xiàn)納入/排除標(biāo)準(zhǔn)

1.3.3 篩選過程

通過PRISMA 法（見圖1）篩選文獻(xiàn)。該方法是國際上常用的系統(tǒng)性文獻(xiàn)綜述篩選方法，主要包括以下4 個(gè)步驟：

Fig.1 PRISMA flow chart圖1 PRISMA流程

步驟1：篩選文獻(xiàn)標(biāo)題，排除不相關(guān)和重復(fù)的文獻(xiàn)，獲得符合要求的文獻(xiàn)881篇。

步驟2：通過二次檢索和滾雪球方式篩選出文獻(xiàn)207篇。

步驟3：通過制定的納入/納出標(biāo)準(zhǔn)，篩選文獻(xiàn)摘要、方法、結(jié)果和討論，獲得文獻(xiàn)112篇。

步驟4：最后通讀全文，選取符合要求的文獻(xiàn)56篇。

1.3.4 數(shù)據(jù)分析

針對(duì)最終獲取的56 篇文獻(xiàn)，基于研究問題，從教育知識(shí)圖譜的類型、構(gòu)建技術(shù)、應(yīng)用場景、主要優(yōu)勢、面臨挑戰(zhàn)等維度對(duì)其進(jìn)行編碼分析，如表2所示。

Table 2 Analysis framework表2 分析框架

2 教育知識(shí)圖譜類型

2.1 學(xué)科知識(shí)圖譜

學(xué)科知識(shí)圖譜是一種可視化工具，將學(xué)科問題的邏輯關(guān)系作為核心，然后與對(duì)應(yīng)的知識(shí)結(jié)構(gòu)建立聯(lián)系［5］。首先，由不同學(xué)科專業(yè)領(lǐng)域的專家共同建立的學(xué)科專業(yè)認(rèn)知本體，形成跨學(xué)段、跨專業(yè)的學(xué)科專業(yè)知識(shí)圖譜結(jié)構(gòu)。然后，將已形成的學(xué)科知識(shí)體系下分為若干個(gè)基本知識(shí)模塊。接著，逐級(jí)向下將基本知識(shí)模塊分割為若干個(gè)基本知識(shí)點(diǎn)。最后，通過學(xué)科知識(shí)聚合功能模塊整合各主數(shù)據(jù)庫的學(xué)科知識(shí)，在集成過程中判斷數(shù)據(jù)質(zhì)量，當(dāng)數(shù)據(jù)品質(zhì)滿足一定條件后，才納入學(xué)科知識(shí)圖譜［6］。

學(xué)科知識(shí)圖譜采用自上而下的設(shè)計(jì)和建構(gòu)方法，依據(jù)學(xué)科知識(shí)結(jié)構(gòu)，由學(xué)科專家精密審核討論所建構(gòu)，因此數(shù)據(jù)質(zhì)量要求嚴(yán)格，所構(gòu)建的知識(shí)圖譜具有一定的權(quán)威性。但學(xué)科知識(shí)圖譜需依賴現(xiàn)有知識(shí)結(jié)構(gòu)與專家人工審核，屬于一種靜態(tài)知識(shí)圖譜，無法自動(dòng)化動(dòng)態(tài)修改知識(shí)結(jié)構(gòu)及知識(shí)點(diǎn)。此外，由于對(duì)知識(shí)庫內(nèi)容粒度模糊，缺失學(xué)習(xí)者學(xué)習(xí)能力刻畫，所構(gòu)建的知識(shí)圖譜在實(shí)踐應(yīng)用中局限性較大，無法提升學(xué)生學(xué)習(xí)的靈活性及擴(kuò)充性。

2.2 群體知識(shí)圖譜

群體知識(shí)圖譜建立過程是構(gòu)造社群認(rèn)同的知識(shí)圖譜，參與的每個(gè)成員通過互動(dòng)交流、協(xié)商與合作方法，動(dòng)態(tài)建立知識(shí)圖譜的過程，是一種典型的動(dòng)態(tài)知識(shí)圖譜［7］。首先，由小組成員每個(gè)人發(fā)表己見，構(gòu)建小組成員自身理解的知識(shí)圖譜。然后，對(duì)小組成員構(gòu)建的知識(shí)圖譜進(jìn)行集中討論，當(dāng)發(fā)現(xiàn)較大問題時(shí)刪除或修改構(gòu)建的知識(shí)圖譜節(jié)點(diǎn)。最后，重新構(gòu)建信度知識(shí)圖譜，再進(jìn)行討論，直至爭議很小，才形成最終的群體知識(shí)圖譜［8］。

在群體構(gòu)建知識(shí)圖譜實(shí)踐過程中，學(xué)習(xí)者可清晰地闡述自身觀點(diǎn)，并可視化當(dāng)前群體知識(shí)圖譜的構(gòu)建現(xiàn)狀，讓學(xué)習(xí)者實(shí)時(shí)了解構(gòu)建進(jìn)度，出現(xiàn)問題能及時(shí)討論解決，為后期工作提供便捷，避免出現(xiàn)低質(zhì)量沖突的問題。再者，群體知識(shí)圖譜提出了需要探討的認(rèn)知聚焦點(diǎn)，不會(huì)發(fā)生討論內(nèi)容過于脫離當(dāng)前的主題的情況，不僅能提高討論效率，還能提升問題討論交互的質(zhì)量?，F(xiàn)有研究表明，馬寧等［8］依托學(xué)習(xí)云平臺(tái)，設(shè)計(jì)構(gòu)建了知識(shí)圖譜協(xié)同構(gòu)建工具促進(jìn)學(xué)習(xí)者的知識(shí)增長。姜強(qiáng)等［9］基于ARCS 動(dòng)機(jī)建模技術(shù)與認(rèn)知建構(gòu)理論，建立了動(dòng)態(tài)知識(shí)圖譜增強(qiáng)學(xué)習(xí)者自身的主動(dòng)性，提升了學(xué)習(xí)者的在線學(xué)習(xí)體驗(yàn)感。

群體知識(shí)圖譜能實(shí)時(shí)根據(jù)討論內(nèi)容進(jìn)行動(dòng)態(tài)構(gòu)建，經(jīng)過小組成員協(xié)商對(duì)群體知識(shí)建構(gòu)與智慧發(fā)展具有一定的促進(jìn)作用，但群體知識(shí)圖譜的結(jié)構(gòu)仍存在缺乏細(xì)化的問題，將影響進(jìn)一步發(fā)現(xiàn)語義信息。此外，群體知識(shí)圖譜對(duì)原始數(shù)據(jù)具有一定的要求，只有適用于高質(zhì)量和深度的討論內(nèi)容，才能建構(gòu)出有意義的群體知識(shí)圖譜。

2.3 多模態(tài)知識(shí)圖譜

多模態(tài)知識(shí)圖譜指以抽取課程資源中的知識(shí)實(shí)體為節(jié)點(diǎn)，依據(jù)知識(shí)實(shí)體間的層級(jí)關(guān)系生成三元組，并根據(jù)三元組生成表示知識(shí)實(shí)體間相互關(guān)系的知識(shí)圖譜［10］。首先構(gòu)建面向?qū)W科的知識(shí)實(shí)體語料庫，然后對(duì)于課程資源的知識(shí)實(shí)體生成多模態(tài)知識(shí)圖譜。通常，教師根據(jù)課本大綱目錄依次教學(xué)知識(shí)點(diǎn)，但并未明確闡述章節(jié)間的邏輯關(guān)系、章節(jié)與整書內(nèi)容知識(shí)存在的關(guān)聯(lián)、章節(jié)內(nèi)容中細(xì)小知識(shí)點(diǎn)間的關(guān)系。即使在平時(shí)教學(xué)場景中會(huì)產(chǎn)生豐富的課程資源，且這些資源也是多個(gè)模態(tài)的集合，但并未得到充分融合，與知識(shí)點(diǎn)間的聯(lián)系也并不緊密，無法幫助學(xué)生有效理解相關(guān)知識(shí)點(diǎn)。

如果深層次挖掘?qū)I(yè)教材與網(wǎng)上課程資源，多模態(tài)課程知識(shí)圖譜可較好解決上述問題，能有效關(guān)聯(lián)一門課程的知識(shí)點(diǎn)，讓學(xué)習(xí)者明顯了解該課的整體框架與邏輯。祁曉慧［11］運(yùn)用CNN+BiLSTM-CRF 模型結(jié)合學(xué)科詞典，實(shí)體鑒別數(shù)據(jù)結(jié)構(gòu)課程講義及簡書網(wǎng)站文字信息，通過Attention+BiLST 模型進(jìn)行知識(shí)點(diǎn)間的關(guān)聯(lián)，并在此基礎(chǔ)上利用語言辨識(shí)程序?qū)⒄n堂語言信息辨識(shí)為文本，以鏈接實(shí)體對(duì)應(yīng)的語言信息，形成涵蓋語言與文字信息的多模態(tài)課程知識(shí)圖譜。

傳統(tǒng)知識(shí)圖譜大多面向文本信息源，從知識(shí)融合角度而言，內(nèi)容上關(guān)聯(lián)的課程知識(shí)能夠相互連接，但由于各課程教學(xué)內(nèi)容各不相同、知識(shí)結(jié)構(gòu)存在差異，難以實(shí)現(xiàn)各學(xué)科知識(shí)關(guān)聯(lián)。為此，利用多模態(tài)知識(shí)圖譜技術(shù)，一方面可加快融合相關(guān)聯(lián)的課程知識(shí)；另外一方面也可讓學(xué)習(xí)者所學(xué)的知識(shí)融匯貫通，更好地服務(wù)自身后期發(fā)展。然而，現(xiàn)階段多模態(tài)知識(shí)圖譜的高效融合一直是研究難點(diǎn)之一，未來可在多模態(tài)知識(shí)圖譜的融合技術(shù)層面進(jìn)行突破。

2.4 學(xué)習(xí)認(rèn)知地圖

學(xué)習(xí)認(rèn)知地圖是將人的認(rèn)知過程與知識(shí)圖譜相結(jié)合，相較于普通知識(shí)圖譜更關(guān)注學(xué)習(xí)者的思想動(dòng)態(tài)變化。首先，教師根據(jù)教學(xué)大綱梳理教學(xué)內(nèi)容，創(chuàng)設(shè)在線課程。其次，教師確定知識(shí)點(diǎn)間與所學(xué)課程、內(nèi)容相互間的關(guān)系與權(quán)重。接下來，利用數(shù)據(jù)挖掘到的學(xué)習(xí)者與已完成學(xué)習(xí)活動(dòng)和未達(dá)標(biāo)內(nèi)容之間的關(guān)系，得到與所學(xué)內(nèi)容之間的關(guān)系規(guī)則。第三，利用相關(guān)規(guī)則將與所學(xué)內(nèi)容間的影響關(guān)系轉(zhuǎn)換為與所學(xué)內(nèi)容不同或相關(guān)的重要知識(shí)點(diǎn)間的關(guān)聯(lián)關(guān)系。最后，得到重要知識(shí)點(diǎn)間的先修關(guān)聯(lián)性，形成認(rèn)知地圖［12］。學(xué)習(xí)認(rèn)知地圖提高了學(xué)習(xí)者自身的主動(dòng)性，鼓勵(lì)了學(xué)習(xí)者在學(xué)習(xí)活動(dòng)中自主學(xué)習(xí)的行為習(xí)慣。萬海鵬等［13］從學(xué)習(xí)者模型內(nèi)容開放的視角設(shè)計(jì)構(gòu)建學(xué)習(xí)認(rèn)知地圖，該模型可記錄學(xué)習(xí)者的學(xué)習(xí)認(rèn)知情況，及時(shí)推送適合的學(xué)習(xí)資源與方式，合理規(guī)劃學(xué)習(xí)路徑。

學(xué)習(xí)認(rèn)知地圖在學(xué)科知識(shí)圖譜的基礎(chǔ)上融入學(xué)習(xí)者認(rèn)知過程，能更好地呈現(xiàn)學(xué)習(xí)者對(duì)學(xué)科知識(shí)點(diǎn)的掌握情況，可視化學(xué)習(xí)者的認(rèn)知結(jié)構(gòu)。由于學(xué)習(xí)認(rèn)知地圖面向?qū)W科知識(shí)點(diǎn)進(jìn)行認(rèn)知結(jié)構(gòu)構(gòu)建，有利于教師實(shí)時(shí)掌握學(xué)習(xí)者的過程性學(xué)習(xí)情況，及時(shí)作出適合學(xué)習(xí)者的教學(xué)路徑規(guī)劃。該模型相較于前兩類知識(shí)圖譜而言，融合了學(xué)科知識(shí)圖譜的權(quán)威性及群體知識(shí)圖譜的動(dòng)態(tài)性優(yōu)勢。

2.5 教育知識(shí)庫

教育知識(shí)庫是一種系統(tǒng)的知識(shí)圖譜類型，可將散亂、無序的教育數(shù)據(jù)整合為結(jié)構(gòu)化、便于搜索、編輯、存儲(chǔ)的知識(shí)形式［14］。首先，針對(duì)所給問題，篩選其中的描述信息并搜集實(shí)體集。然后，按照所有被搜索的實(shí)體集合信息，從知識(shí)框架中推選候選答案集合的子圖。最后，根據(jù)問句描述信息尋找實(shí)體的候選實(shí)體代表得分，進(jìn)而預(yù)測答案［15］。Peng 等［16］為了加強(qiáng)對(duì)多模態(tài)知識(shí)庫與多模態(tài)信息處理的研究，提出一個(gè)多模態(tài)實(shí)體標(biāo)記和多模態(tài)知識(shí)庫，加快了對(duì)知識(shí)點(diǎn)搜索的進(jìn)度。

教育知識(shí)庫的產(chǎn)生為系統(tǒng)化知識(shí)管理及在線教育智慧問答提供了條件，能給學(xué)習(xí)者帶來良好的互動(dòng)體驗(yàn)、精準(zhǔn)的智能答疑與指導(dǎo)等服務(wù)，是當(dāng)前在線教育領(lǐng)域中的重點(diǎn)研究內(nèi)容。目前，我國基于問答的教育知識(shí)庫系統(tǒng)的研發(fā)工作仍然較少，無法適應(yīng)當(dāng)前教育教學(xué)平臺(tái)的發(fā)展需要。教育知識(shí)庫應(yīng)用在技術(shù)上還有所突破的地方，無法精確解答搜索結(jié)果，而是推出了不相關(guān)或相關(guān)性不大的答案。其中，教育知識(shí)庫包括基于問答的方式，例如作業(yè)幫、小猿搜題等；基于知識(shí)內(nèi)容的方式，例如百度百科、維基百科等。教育知識(shí)庫能方便學(xué)習(xí)者在海量數(shù)據(jù)中快速查找相關(guān)性最強(qiáng)的答案，大幅度提高了學(xué)習(xí)者的學(xué)習(xí)效率。未來若能在技術(shù)上實(shí)現(xiàn)突破，可能會(huì)使得搜索出的答案與學(xué)習(xí)者需要的答案在一定程度上實(shí)現(xiàn)相符的效果。

3 教育知識(shí)圖譜應(yīng)用

3.1 學(xué)習(xí)者畫像構(gòu)建

學(xué)習(xí)者畫像構(gòu)建是從學(xué)習(xí)者的基本特征及行為樣本中提煉出的學(xué)習(xí)者特質(zhì)來進(jìn)行標(biāo)記的活動(dòng)［17］。當(dāng)前在線學(xué)習(xí)中存在學(xué)習(xí)者個(gè)性特征缺失、對(duì)學(xué)習(xí)者在線學(xué)習(xí)的針對(duì)性服務(wù)不足、在線學(xué)習(xí)效率低下的問題。學(xué)習(xí)者畫像構(gòu)建可精準(zhǔn)分析學(xué)習(xí)者學(xué)習(xí)特征、學(xué)習(xí)風(fēng)格及學(xué)習(xí)興趣，從而提供精準(zhǔn)的教學(xué)服務(wù)，但當(dāng)前學(xué)習(xí)者畫像構(gòu)建由于活動(dòng)資料的稀疏及保護(hù)隱私問題，使構(gòu)建的圖像無法相當(dāng)精確。趙玲朗等［18］提出借助知識(shí)圖譜幫助學(xué)習(xí)者建立完善的體系結(jié)構(gòu)，也可實(shí)現(xiàn)規(guī)模化教育與個(gè)性化學(xué)習(xí)的有機(jī)結(jié)合。李振等［19］提出將知識(shí)圖譜運(yùn)用于學(xué)習(xí)者畫像建模與分析，不僅能概括和語義關(guān)聯(lián)、基于知識(shí)圖譜的標(biāo)簽，還能基于知識(shí)圖譜標(biāo)簽傳播提高數(shù)據(jù)的可用性及標(biāo)簽的可理解性，從而將學(xué)習(xí)者畫像的建模從基于行為的建模轉(zhuǎn)向基于語義的建模。

將知識(shí)圖譜技術(shù)應(yīng)用于刻畫學(xué)習(xí)者畫像，不僅具有較高的準(zhǔn)確率與覆蓋率，還對(duì)學(xué)習(xí)者理解抽象概念、提取知識(shí)邏輯結(jié)構(gòu)具有突出優(yōu)勢，還能有效提升學(xué)習(xí)者的理解能力與邏輯概括能力。

3.2 學(xué)情分析與評(píng)價(jià)診斷

學(xué)情分析與評(píng)價(jià)是指為了合理引導(dǎo)學(xué)生，檢測、評(píng)價(jià)和研究學(xué)生的狀態(tài)［20］。學(xué)情分析與評(píng)價(jià)診斷是學(xué)生學(xué)習(xí)過程中的重要檢測手段。當(dāng)前，學(xué)情分析與評(píng)價(jià)診斷存在許多教師輕視學(xué)情分析與評(píng)價(jià)診斷、傳統(tǒng)專家憑借自身經(jīng)驗(yàn)評(píng)價(jià)診斷學(xué)習(xí)者學(xué)習(xí)情況的問題，分析評(píng)價(jià)手段單一，會(huì)造成一定偏差。如果只利用一種模態(tài)數(shù)據(jù)反映學(xué)習(xí)信息會(huì)存在一定的局限性，利用知識(shí)圖譜能實(shí)現(xiàn)更精確的學(xué)情分析與評(píng)價(jià)。黃梅根等［21］建議應(yīng)用知識(shí)圖譜的系統(tǒng)診斷，在該系統(tǒng)中針對(duì)選擇題的難易程度進(jìn)行分類設(shè)置，使選擇題難易程度的評(píng)價(jià)更精確、客觀、科學(xué)。然后，運(yùn)用數(shù)據(jù)挖掘方法研究學(xué)習(xí)者真實(shí)的學(xué)習(xí)情況，并與學(xué)科知識(shí)圖譜進(jìn)行比較，不僅能通過考試記錄、錯(cuò)題本、學(xué)習(xí)筆記的行為軌跡挖掘?qū)W習(xí)者對(duì)知識(shí)點(diǎn)的掌握情況，還可挖掘出一些隱藏問題，例如學(xué)生學(xué)業(yè)情況、認(rèn)知能力等。鐘薇等［22］指出利用多模態(tài)生物技術(shù)和教學(xué)平臺(tái)日志追蹤學(xué)生的學(xué)習(xí)軌跡，以此獲得學(xué)習(xí)者認(rèn)知水平的信息。張家華等［23］提出通過文本、音頻和視頻挖掘用戶情感信息的開源工具，然后使用知識(shí)圖譜對(duì)其可視化，為全面表達(dá)學(xué)習(xí)者學(xué)情信息創(chuàng)造了可能性。通過以上方法會(huì)使數(shù)據(jù)分析結(jié)果更客觀，更符合有個(gè)性化學(xué)習(xí)特征的學(xué)生。對(duì)于近期不能完成的學(xué)習(xí)任務(wù)，可利用知識(shí)圖譜尋求原因，尋找自身學(xué)習(xí)存在的薄弱點(diǎn)環(huán)節(jié)，推進(jìn)學(xué)生學(xué)習(xí)進(jìn)展。

當(dāng)前，學(xué)者們對(duì)學(xué)情分析與評(píng)價(jià)診斷仍處于探索階段，無法更深層次透徹追蹤學(xué)生的學(xué)習(xí)情感，可添加眼動(dòng)儀等設(shè)備追加學(xué)生心理狀態(tài)變化，使學(xué)習(xí)者學(xué)情分析與評(píng)價(jià)診斷更準(zhǔn)確。

3.3 學(xué)習(xí)資源推薦

智能教育的主要技術(shù)特點(diǎn)之一就是按需推送，根據(jù)學(xué)習(xí)者特點(diǎn)提供教學(xué)信息資料、教學(xué)信息服務(wù)、教學(xué)用具、教學(xué)活動(dòng)等，以滿足學(xué)習(xí)者個(gè)性化成長與發(fā)展的需要。隨著在線學(xué)習(xí)盛行，豐富的網(wǎng)絡(luò)學(xué)習(xí)資源給學(xué)習(xí)者提供了便利，但并未針對(duì)性地提供符合學(xué)習(xí)個(gè)人特點(diǎn)的學(xué)習(xí)資源，導(dǎo)致學(xué)習(xí)者迷失在大量的學(xué)習(xí)資源中。

學(xué)習(xí)資源推薦技術(shù)能為學(xué)習(xí)者提供針對(duì)性的知識(shí)信息。研究表明，傳統(tǒng)推薦技術(shù)面臨冷啟動(dòng)、數(shù)據(jù)稀疏、目標(biāo)不適用教學(xué)場景的問題［24］。樊?，|等［25］提出與知識(shí)圖譜相結(jié)合的在線學(xué)習(xí)資源推薦算法解決數(shù)據(jù)稀疏問題，這一研究也表明學(xué)習(xí)資源推薦算法融入知識(shí)圖譜技術(shù)對(duì)學(xué)習(xí)者自主學(xué)習(xí)具有重大意義。

基于知識(shí)圖譜的學(xué)習(xí)資源推薦能從海量資源中挖掘資源關(guān)系，進(jìn)行有效推薦，既節(jié)省了大量時(shí)間也提高了查尋效率。通過可視化知識(shí)圖譜方式推薦相較于純文本方式，可極大吸引學(xué)習(xí)者興趣，但基于知識(shí)圖譜的學(xué)習(xí)資源推薦仍存在不足之處，例如當(dāng)一門課程學(xué)習(xí)資源特別多，且資源間聯(lián)系十分密切，雖然可看出課程知識(shí)點(diǎn)間的規(guī)律，但會(huì)十分雜亂。此外，知識(shí)圖譜呈現(xiàn)的普適性也存在一定問題。當(dāng)前，教育知識(shí)圖譜在學(xué)習(xí)資源推薦的應(yīng)用中仍處于初步探索階段，在傳統(tǒng)學(xué)習(xí)資源推薦中存在數(shù)據(jù)稀疏問題，應(yīng)在采集多模態(tài)數(shù)據(jù)集方面多加關(guān)注。通過融合教育知識(shí)圖譜與多模態(tài)數(shù)據(jù)，推薦更符合學(xué)習(xí)者的學(xué)習(xí)資源。

3.4 個(gè)性化學(xué)習(xí)路徑規(guī)劃

個(gè)性化學(xué)習(xí)隨著大數(shù)據(jù)技術(shù)快速發(fā)展，逐漸發(fā)展成教育技術(shù)的新范式，但當(dāng)前海量學(xué)習(xí)資源充斥在學(xué)習(xí)者周圍，會(huì)使學(xué)習(xí)者難以選擇學(xué)習(xí)資源，增加其學(xué)習(xí)負(fù)擔(dān)。個(gè)性化學(xué)習(xí)路徑規(guī)劃可根據(jù)學(xué)習(xí)者當(dāng)前知識(shí)掌握情況，提供更符合學(xué)習(xí)者的學(xué)習(xí)路徑規(guī)劃，實(shí)現(xiàn)精準(zhǔn)的個(gè)體化教學(xué)。研究表明，個(gè)性化學(xué)習(xí)路徑規(guī)劃常見問題包括數(shù)據(jù)量過大和冷啟動(dòng)［26］，或無法適應(yīng)個(gè)性化教育自主學(xué)習(xí)選擇的復(fù)雜性。即使依靠深度學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等個(gè)性化教育自主學(xué)習(xí)選擇方式，也無法融合教學(xué)中的領(lǐng)域知識(shí)點(diǎn)（例如學(xué)習(xí)者的認(rèn)知狀況、能力或掌握信息資源的難易等）。劉鳳娟等［27］從自我決定理論視角，建立基于知識(shí)圖譜的個(gè)性化教育教學(xué)模式，學(xué)習(xí)者可在教學(xué)過程中充分了解自身認(rèn)知能力，從而進(jìn)行有效學(xué)習(xí)。

知識(shí)圖譜作為一個(gè)建立和體現(xiàn)教育知識(shí)點(diǎn)的重要工具，體現(xiàn)了教育知識(shí)點(diǎn)的先后順序及其認(rèn)知依賴關(guān)系，提供了較完備的教育方法系統(tǒng)。根據(jù)知識(shí)圖譜進(jìn)行個(gè)性化教學(xué)資源推薦和個(gè)性化教學(xué)路徑規(guī)劃，遵循了經(jīng)驗(yàn)認(rèn)知法則和教育基本邏輯，可克服目前個(gè)性化學(xué)習(xí)選擇方法中缺少范疇認(rèn)識(shí)的主要問題。綜上，利用知識(shí)圖譜可通過知識(shí)點(diǎn)間所蘊(yùn)含的前驅(qū)與后續(xù)關(guān)聯(lián)，綜合學(xué)習(xí)者的認(rèn)知風(fēng)格、當(dāng)前認(rèn)知狀況等特點(diǎn)，為學(xué)生推送個(gè)體化、有針對(duì)性的復(fù)習(xí)資源與練習(xí)途徑。

3.5 智能化管理

在大數(shù)據(jù)環(huán)境背景下，智能化管理海量的知識(shí)數(shù)據(jù)資源，將有助于知識(shí)傳播，提高了知識(shí)資源查找效率，但僅靠人工方法，會(huì)耗費(fèi)大量人力物力，因此利用互聯(lián)網(wǎng)技術(shù)讓知識(shí)資源得到合理的規(guī)劃與使用。知識(shí)圖譜不僅能管理知識(shí)資源，還能管理高校資源，例如學(xué)生管理及教師管理。當(dāng)前，復(fù)雜的多類型大數(shù)據(jù)分析存在多源異構(gòu)問題，張金福等［28］將知識(shí)圖譜技術(shù)應(yīng)用于高校知識(shí)資源管理，實(shí)現(xiàn)知識(shí)資源間的流通、關(guān)聯(lián)，可有效提升高校知識(shí)管理工作的工作效率，降低工作人員的負(fù)擔(dān)及人工成本。

通過知識(shí)圖譜等技術(shù)工具管理零碎化知識(shí)點(diǎn)，并建立知識(shí)點(diǎn)間的相互聯(lián)系，集成移動(dòng)學(xué)習(xí)流程中的破碎化信息內(nèi)容，使其相互融入連貫，更具條理化、系統(tǒng)性，從而建立按學(xué)習(xí)者個(gè)人實(shí)際需求進(jìn)行整理的知識(shí)系統(tǒng)。通過可視化的個(gè)人知識(shí)點(diǎn)圖譜可讓學(xué)習(xí)者充分了解自身所掌握的知識(shí)結(jié)構(gòu)，明確自身專業(yè)知識(shí)的不足之處。此外，學(xué)習(xí)者通過觀看個(gè)人總體知識(shí)點(diǎn)圖譜能清楚地認(rèn)知自身需要掌握哪些相關(guān)聯(lián)知識(shí)點(diǎn)，在碎片化復(fù)習(xí)的同時(shí)高效掌握所需知識(shí)點(diǎn)。最后，高校知識(shí)資源管理是一個(gè)動(dòng)態(tài)管理過程，知識(shí)結(jié)構(gòu)會(huì)隨著知識(shí)的發(fā)現(xiàn)、擴(kuò)充，不斷更新變化，產(chǎn)生的數(shù)據(jù)也會(huì)實(shí)時(shí)更新、補(bǔ)充，將知識(shí)圖譜應(yīng)用于高校知識(shí)管理無疑是一種高效的管理方式。

3.6 知識(shí)問答系統(tǒng)

當(dāng)前，為迎合學(xué)習(xí)者解答疑問的需要，系統(tǒng)開發(fā)者在知識(shí)問答系統(tǒng)中融合了圖像語音文本等多模態(tài)信息，一方面為學(xué)習(xí)者提供解題思路，另一方面融合文本圖像視頻為學(xué)習(xí)者提供多重選擇。傳統(tǒng)問答系統(tǒng)只呈現(xiàn)了文本信息解答，無法幫助學(xué)習(xí)者理解自身存在的疑問，但融合多模態(tài)信息既能滿足學(xué)習(xí)者求知欲，還可更精準(zhǔn)地刻畫學(xué)習(xí)者的需求。教育知識(shí)圖譜能在海量且復(fù)雜的數(shù)據(jù)中提煉學(xué)習(xí)者所需知識(shí)點(diǎn)間存在的關(guān)系，從而為學(xué)習(xí)者呈現(xiàn)出結(jié)構(gòu)清晰的問題解釋。Kim 等［29］為了融合從長課文中提取知識(shí)特征與視覺特征，提出基于圖卷積網(wǎng)絡(luò)的新模塊FGCN。Wang 等［30］提出一種基于注意力的加權(quán)上下文特征（MA-WCF）的可解釋多模態(tài)系統(tǒng)，可根據(jù)問題和圖像本身特征及它們上下文特征的重要性，自適應(yīng)分配權(quán)重，為學(xué)習(xí)者匹配更精準(zhǔn)的回答。

知識(shí)問答系統(tǒng)中，學(xué)習(xí)者可通過圖片語音或文字形式檢索答案，融合多模態(tài)知識(shí)圖譜技術(shù)會(huì)呈現(xiàn)多種模態(tài)的結(jié)果，為學(xué)習(xí)者提供更符合的問題解釋。同時(shí)，融合多模態(tài)知識(shí)圖譜一方面能滿足學(xué)習(xí)者對(duì)問題的解釋；另一方面對(duì)學(xué)習(xí)者而言是一種加深自身理解的方法?，F(xiàn)階段，知識(shí)問答系統(tǒng)相較于傳統(tǒng)知識(shí)問答系統(tǒng)，更偏重于讓學(xué)生理解、掌握核心知識(shí)，幫助學(xué)生最大程度上解惑。

4 教育知識(shí)圖譜面臨的實(shí)踐挑戰(zhàn)

知識(shí)圖譜在教育領(lǐng)域應(yīng)用的優(yōu)越性逐漸顯現(xiàn)，為未來教育走向大規(guī)模個(gè)性化與精準(zhǔn)化提供了可能性，但在教育領(lǐng)域應(yīng)用中仍面臨教育資源數(shù)據(jù)集質(zhì)量不高、多源知識(shí)圖譜融合難度大、教育知識(shí)圖譜的評(píng)估方法單一3 方面的挑戰(zhàn)。

4.1 教育資源數(shù)據(jù)集質(zhì)量不高

當(dāng)前，深度學(xué)習(xí)與機(jī)器學(xué)習(xí)在人工智能領(lǐng)域得到廣泛應(yīng)用，但需要使用大量數(shù)據(jù)集。由于教育領(lǐng)域?qū)?shù)據(jù)集質(zhì)量具有一定要求，現(xiàn)階段數(shù)據(jù)集均由專業(yè)教師或?qū)W科專家人工提供，損耗了大量人力、物力資源。同時(shí)，教育知識(shí)圖譜由教師、專家根據(jù)自身判斷所構(gòu)建的教育知識(shí)圖譜，缺乏一定的權(quán)威性。此外，在構(gòu)建教育知識(shí)圖譜的過程中研究者會(huì)帶入自身認(rèn)知，造成誤差，這也是教育資源數(shù)據(jù)質(zhì)量不高的原因之一。

4.2 多源知識(shí)圖譜融合難度大

學(xué)習(xí)資源是構(gòu)建學(xué)生學(xué)習(xí)認(rèn)知的基礎(chǔ)，能幫助學(xué)生快速了解所需掌握的知識(shí)點(diǎn)，開闊學(xué)生視野。學(xué)習(xí)資源在未來教學(xué)中，將對(duì)社會(huì)學(xué)習(xí)者公開，結(jié)合學(xué)習(xí)者的學(xué)習(xí)情境進(jìn)一步提供更好的學(xué)習(xí)體驗(yàn)。雖然，很多教育機(jī)構(gòu)面向不同學(xué)科及不同學(xué)段構(gòu)建教育知識(shí)圖譜，但如何有效融合來自不同數(shù)據(jù)源的教育知識(shí)圖譜，讓知識(shí)圖譜技術(shù)在教育領(lǐng)域有的放矢，將是一大挑戰(zhàn)。這主要涉及專業(yè)知識(shí)圖譜本體與知識(shí)圖譜知識(shí)點(diǎn)層面的融入，由于不同課程中同一主要知識(shí)點(diǎn)的名稱也可不同，因此要求對(duì)二者中不同內(nèi)容的主要知識(shí)點(diǎn)加以標(biāo)準(zhǔn)化管理。此外，由于各課程學(xué)科內(nèi)涵均有所不同，甚至主要知識(shí)點(diǎn)間的關(guān)聯(lián)程度也不同，這些因素均增加了主要知識(shí)點(diǎn)融入的難度。

4.3 教育知識(shí)圖譜的評(píng)估方法單一

由于在教育領(lǐng)域?qū)χR(shí)的要求質(zhì)量較高，需要通過專家或教師進(jìn)行評(píng)估，將耗費(fèi)大量人力、物力，還會(huì)由于主觀判斷導(dǎo)致評(píng)估的知識(shí)圖譜存在偏差。因此，制定統(tǒng)一的評(píng)估標(biāo)準(zhǔn)至關(guān)重要，關(guān)乎教育知識(shí)圖譜數(shù)據(jù)是否準(zhǔn)確，能否構(gòu)建有效的教育知識(shí)圖譜。

5 結(jié)語

教育知識(shí)圖譜作為人工智能應(yīng)用于教育的關(guān)鍵賦能技術(shù)，為實(shí)現(xiàn)大規(guī)模個(gè)性化教學(xué)與精準(zhǔn)化教學(xué)提供了可能。目前，知識(shí)圖譜技術(shù)雖然在教育領(lǐng)域逐漸顯示其優(yōu)越性，但仍存在較大的發(fā)展與挖掘空間。

在圖表構(gòu)建中，整體教育認(rèn)知圖譜對(duì)多模態(tài)認(rèn)知圖譜的需求較為明顯，仍需進(jìn)一步優(yōu)化教育領(lǐng)域知識(shí)點(diǎn)復(fù)雜度、對(duì)知識(shí)點(diǎn)的粒度分類難度、知識(shí)點(diǎn)間的相互關(guān)聯(lián)豐富性，將整體認(rèn)知圖譜應(yīng)用于整體教育智慧中將具有重要的實(shí)踐意義。

未來發(fā)展過程中，教育知識(shí)圖譜也將向教育認(rèn)知圖譜進(jìn)階，逐步適應(yīng)學(xué)生個(gè)性特征，實(shí)現(xiàn)大規(guī)模個(gè)性化學(xué)習(xí)。