融合知識圖譜的自適應(yīng)學(xué)習(xí)研究與應(yīng)用

豐霞　袁理健　宋丹　章銀萍

摘要：在知識迭代速度加快的時代背景中，高校教育教學(xué)的傳統(tǒng)教學(xué)模式難以滿足學(xué)生個性化教學(xué)需求，學(xué)生容易陷入知識迷航、知識缺口等學(xué)習(xí)困境。針對這一問題，研究提出了一種融合知識圖譜的自適應(yīng)學(xué)習(xí)系統(tǒng)，對課程的知識點進行拆分、分級與歸納，并總結(jié)出知識點的重要度、知識點之間的前趨關(guān)系與關(guān)聯(lián)度等信息，構(gòu)建課程知識圖譜，并建立自適應(yīng)學(xué)習(xí)系統(tǒng)。系統(tǒng)通過學(xué)生個體的錯題鏈接到相應(yīng)知識點，并經(jīng)知識圖譜追溯到前趨知識點與相關(guān)知識點，進而自適應(yīng)推薦這些知識點的教學(xué)課件、視頻和鞏固練習(xí)的題目。研究在智慧教學(xué)中對知識端與數(shù)據(jù)端的有機結(jié)合進行了探索，構(gòu)建了自適應(yīng)學(xué)習(xí)與精準教學(xué)的新途徑。

關(guān)鍵詞：知識圖譜；自適應(yīng)學(xué)習(xí)；精準教學(xué)；智慧教學(xué)；個性化教學(xué)

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2024）13-0001-03 開放科學(xué)（資源服務(wù)）標識碼（OSID） ：

0 引言

近年來，人工智能、大數(shù)據(jù)、區(qū)塊鏈、互聯(lián)網(wǎng)等新興技術(shù)飛速發(fā)展，課程教學(xué)數(shù)字化、智能化的變革備受關(guān)注。2023年2月在北京召開的世界數(shù)字教育大會以“數(shù)字變革與教育未來”為主題，指出現(xiàn)代信息技術(shù)對教育發(fā)展具有革命性影響。在教育數(shù)字化、智能化轉(zhuǎn)型的宏觀背景下，基礎(chǔ)教育高質(zhì)量發(fā)展面臨挑戰(zhàn)，對未來教師的教學(xué)能力提出了新的要求，以探索線上線下、人機協(xié)同的混合教學(xué)方法，推動教師從知識講授者向智能技術(shù)的應(yīng)用者、個性化學(xué)習(xí)的促進者等轉(zhuǎn)變[1]。新冠疫情也加速了課程教學(xué)向數(shù)字化轉(zhuǎn)型的進程，慕課、學(xué)習(xí)通、嗶哩嗶哩等網(wǎng)絡(luò)課程的數(shù)字化教學(xué)得以普及，但智能化教學(xué)仍面臨一系列挑戰(zhàn)，教育智能化水平有待提高。

近幾年，人工智能從以計算智能、感知智能為核心的弱人工智能向以知識圖譜、深度學(xué)習(xí)為核心的認知智能的方向發(fā)展，以認知智能主導(dǎo)的智能化教學(xué)開始進入人們的視野。知識圖譜技術(shù)可將獲取到的知識或數(shù)據(jù)加以研究，實現(xiàn)人類思維的理解、推理或者解釋。因此，知識圖譜技術(shù)是數(shù)字化教學(xué)階段向智能化教學(xué)階段發(fā)展的必然趨勢，是智能教育發(fā)展的重要研究課題。

本研究從人工智能與本科課程教學(xué)深度融合的角度出發(fā)，基于智慧教學(xué)的現(xiàn)實需求，融合知識圖譜技術(shù)，探索教育教學(xué)中知識端與數(shù)據(jù)端的有機結(jié)合，構(gòu)建自適應(yīng)學(xué)習(xí)和精準化教學(xué)的新途徑。

1 知識圖譜技術(shù)

知識圖譜（Knowledge Graph） 是由概念、實體、實例以及其他屬性關(guān)系構(gòu)等約束條件構(gòu)成的可視化的圖網(wǎng)絡(luò)。其中的節(jié)點表示定義、實體、性質(zhì)或者概念，邊則表示這些實體、定義、屬性之間的語義關(guān)系。目前，知識圖譜已經(jīng)廣泛應(yīng)用于信息檢索、文本分類、問答系統(tǒng)、機器翻譯以及網(wǎng)絡(luò)學(xué)習(xí)等領(lǐng)域。

在教育領(lǐng)域中，知識圖譜以教學(xué)過程中涉及的元素為節(jié)點，以教學(xué)元素間的邏輯關(guān)系為邊，構(gòu)建一個知識點與知識點以及知識點與教學(xué)資源之間連接的語義網(wǎng)絡(luò)[2]，在知識端和數(shù)據(jù)端之間搭建橋梁[3]。學(xué)科知識圖譜以結(jié)構(gòu)化的方式描述概念、領(lǐng)域知識、語義等實體之間的關(guān)系，在學(xué)生個性化輔導(dǎo)、學(xué)科知識構(gòu)建、教師精準化教學(xué)等教育領(lǐng)域逐漸釋放其價值[4-5]。

1.1 知識獲取

作為知識圖譜構(gòu)建的第一步，知識獲取從具體應(yīng)用領(lǐng)域的知識庫中獲得結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，從中抽取出計算機可理解的結(jié)構(gòu)化數(shù)據(jù)，并存儲到知識圖譜中。通常，也可以通過專家經(jīng)驗、網(wǎng)絡(luò)爬取或者機器學(xué)習(xí)獲取信息。根據(jù)不同的情況，知識獲取需要解決的抽取問題分為實體抽取、關(guān)系抽取、屬性抽取和事件抽取。

1.2 知識表示和知識存儲

在知識圖譜的技術(shù)中，知識表示和知識存儲是兩個核心環(huán)節(jié)。知識表示是將現(xiàn)實世界中的實體、事件或概念以及它們之間的關(guān)系轉(zhuǎn)化為計算機可以理解的形式的過程。在知識圖譜中，這些信息通常以圖結(jié)構(gòu)進行表示，其中圖的節(jié)點代表實體、事件或概念，而邊則代表這些實體、事件或概念之間的關(guān)系。

知識存儲則是將已經(jīng)進行了知識表示的知識儲存到計算機中，便于后續(xù)的查詢和分析。知識存儲的關(guān)鍵是要高效地儲存大量的知識，同時還要支持對知識的快速查詢和更新。例如，我們可以用圖數(shù)據(jù)庫或者分布式文件系統(tǒng)來進行知識存儲。

1.3 知識融合和知識建模

知識融合的目標是將來自不同來源的關(guān)于同一實體或概念的描述信息進行整合。知識融合以多源異構(gòu)數(shù)據(jù)為基礎(chǔ)，在本體庫和規(guī)則庫的支持下，通過知識抽取和轉(zhuǎn)換獲得隱藏在數(shù)據(jù)資源中的知識因子及其關(guān)聯(lián)關(guān)系，進而在語義層次上補充不完全知識、創(chuàng)造出新知識的過程。

知識建模則是將現(xiàn)實世界中的實體、事件或概念以及它們之間的關(guān)系轉(zhuǎn)化為計算機可以理解的形式的過程。在實際操作過程中，手工建模和半自動建模被廣泛地應(yīng)用于模型構(gòu)建中。在未來的發(fā)展趨勢中，基于自動語義處理的全自動建模方式將成為主流。

1.4 知識推理

知識推理是一個核心環(huán)節(jié)，它主要圍繞關(guān)系的推理展開，在于從給定知識圖譜中推導(dǎo)出新的實體、關(guān)系和屬性。面對復(fù)雜的語義網(wǎng)絡(luò)，一個具備知識推理能力的知識圖譜，可以挖掘出數(shù)據(jù)更深層次的內(nèi)在價值，提供數(shù)據(jù)分析和決策支持。通常，基于知識推理的典型應(yīng)用包括智能推薦、智能搜索和智能問答等。

2 基于知識圖譜的自適應(yīng)學(xué)習(xí)系統(tǒng)

基于知識圖譜的自適應(yīng)學(xué)習(xí)系統(tǒng)是一種利用人工智能和大數(shù)據(jù)技術(shù)，根據(jù)學(xué)生的學(xué)習(xí)行為、興趣和能力，為其提供個性化學(xué)習(xí)資源和智能輔導(dǎo)的教育解決方案。基于知識圖譜的自適應(yīng)學(xué)習(xí)系統(tǒng)通過整合各種教育資源，為學(xué)生提供個性化的學(xué)習(xí)體驗，幫助他們更高效地掌握知識。

在中國知網(wǎng)檢索關(guān)鍵詞“知識圖譜”與“自適應(yīng)學(xué)習(xí)”，其中自適應(yīng)學(xué)習(xí)是教育改革與發(fā)展的重要主題，更是強人工智能時代教育創(chuàng)新發(fā)展的重大命題，而建立自適應(yīng)學(xué)習(xí)系統(tǒng)是實現(xiàn)個性化學(xué)習(xí)的重要突破口，是促進自適應(yīng)學(xué)習(xí)從理論走向?qū)嵺`的重要抓手和實踐平臺。

本研究是以操作系統(tǒng)課程為例，對課程的知識點進行拆分、分析、總結(jié)，找到各個知識點之間的聯(lián)系，構(gòu)建知識圖譜?；谶@種概念的學(xué)習(xí)方式來幫助學(xué)生有效的提升學(xué)習(xí)的效率，同時也可以給老師提供新的教學(xué)途徑與方式。

2.1 數(shù)據(jù)準備

在構(gòu)建課程知識圖譜與自適應(yīng)學(xué)習(xí)系統(tǒng)之前，根據(jù)教材章節(jié)結(jié)構(gòu)，將知識點拆分為一級知識點（即 章節(jié)一級標題）和二級知識點（即 章節(jié)二級標題）。表1為第七章一級知識點，表2為第七章二級知識點。

在進行課程知識學(xué)習(xí)的時候，對于每一個知識點的學(xué)習(xí)都存在它們的掌握程度（了解、理解、掌握、運用等）。以此為基礎(chǔ)，根據(jù)知識點的掌握程度，對知識點重要程度進行劃分，劃分為1～5級，知識點的等級越高知識點的重要程度越高，要求學(xué)生對知識點的熟練掌握與運用越高。如“7.1.1 數(shù)據(jù)項、記錄和文件，重要程度標為2?！?/p>

知識點往往都不是獨立存在的，它們之間是存在著一脈相承的師徒關(guān)系。當(dāng)我們找到它們之間的師承關(guān)系，即可建立它們之間的關(guān)系網(wǎng)絡(luò)。具體做法是將每一個知識點作為網(wǎng)絡(luò)中的一個節(jié)點（Point） ，將知識點之間的師承關(guān)系作為網(wǎng)絡(luò)中的邊（Edge） ，建立節(jié)點之間的有向連接，由后繼結(jié)點指向前趨節(jié)點。以操作系統(tǒng)課第七章為例，使用這種方法創(chuàng)建第七章二級知識點的前趨關(guān)系表，如表3所示。

將章節(jié)內(nèi)知識點之間的關(guān)聯(lián)度劃分成0～5級共6 個等級，構(gòu)建二級知識點之間的關(guān)聯(lián)度表，等級越高直接關(guān)聯(lián)程度就越高。如圖1所示。

0 級表示知識點之間不存在關(guān)系，屬于獨立的知識點；

1 級表示兩個知識點之間有相同的后繼關(guān)系；

2 級表示學(xué)習(xí)的思維模式差不多，并且兩者之間存在著一定相似之處；

3 級表示兩個知識點中存在技術(shù)發(fā)展的先后關(guān)系；

4 級表示學(xué)習(xí)上間接的前趨關(guān)系；

5 級表示學(xué)習(xí)上直接前趨關(guān)系。

2.2 建立知識圖譜

知識圖譜模塊包括知識點前趨性知識圖譜和章節(jié)關(guān)聯(lián)性知識圖譜。知識點前趨性知識圖譜是根據(jù)知識點的前趨關(guān)系表所示的知識點之間前趨關(guān)系動態(tài)生成，以第七章知識點為例，依據(jù)表3所示的第七章二級知識點前趨關(guān)系，建立如圖2所示的第七章二級知識點前趨關(guān)系知識圖譜。其中黃色點代表第七章二級知識點，紅色點代表第一章二級知識點。

按照第七章二級知識點前趨關(guān)系知識圖譜建立方法，以后繼知識點為源頭點，前趨知識點為靶點，建立課程其他章節(jié)前趨關(guān)系知識圖譜。所有章節(jié)前趨關(guān)系知識圖譜建立完成后，即可匯聚成為這一門課程整體的知識圖譜網(wǎng)絡(luò)。

章節(jié)關(guān)聯(lián)性知識圖譜是根據(jù)知識點所有的依賴關(guān)系生成的關(guān)系知識圖譜，以第七章為例，依據(jù)圖1所示的第七章所有二級知識點之間的依賴關(guān)系，建立如圖3所示的第七章知識點關(guān)系知識圖譜。

2.3 構(gòu)建自適應(yīng)學(xué)習(xí)系統(tǒng)

基于前文建立的知識點前趨性知識圖譜和章節(jié)關(guān)聯(lián)性知識圖譜，本研究以操作系統(tǒng)這一門課程為例，構(gòu)建了一個自適應(yīng)學(xué)習(xí)系統(tǒng)——OSC系統(tǒng)。其整體分為登錄模塊、系統(tǒng)管理模塊、OSC庫模塊、知識圖譜模塊等。其中OSC庫模塊包括前端知識點庫、在線學(xué)習(xí)、試題管理等。圖4 為OSC 系統(tǒng)整體框架結(jié)構(gòu)圖。

教師和管理員將知識點前趨關(guān)系、重要程度、課件PPT和視頻等上傳到OSC系統(tǒng)，系統(tǒng)生成前趨關(guān)系知識圖譜和課程關(guān)系知識圖譜。學(xué)生通過在線學(xué)習(xí)、試題管理選擇章節(jié)知識點進行學(xué)習(xí)，并完成知識點測試。教師通過系統(tǒng)查看與統(tǒng)計學(xué)生在線學(xué)習(xí)情況，對錯誤率較高的知識點及其前趨知識點進行鞏固教學(xué)。

圖5所示為自適應(yīng)學(xué)習(xí)系統(tǒng)個性化推薦流程。知識點A與知識點B、知識點C分別構(gòu)成前趨、關(guān)聯(lián)關(guān)系。每個知識點背后都有與之配套的教學(xué)資源，包括教學(xué)視頻、課件、習(xí)題等。學(xué)生根據(jù)課程進度對知識點A進行學(xué)習(xí)，觀看相關(guān)課程視頻與課件，并完成配套課后習(xí)題。當(dāng)學(xué)生完成知識點A習(xí)題后，習(xí)題錯誤率達到系統(tǒng)錯誤率閾值范圍，自適應(yīng)學(xué)習(xí)系統(tǒng)將根據(jù)知識端知識圖譜所示知識點A的前趨知識點B、關(guān)聯(lián)知識點C進行個性化推送教學(xué)資源給學(xué)生進行相關(guān)知識點的鞏固學(xué)習(xí)與練習(xí)。

3 結(jié)束語

本文以一門課程為例，對課程知識內(nèi)容進行點狀化，完成實體抽取，進而開展知識點的系統(tǒng)化、網(wǎng)狀化；此外，從知識點的時序性、關(guān)聯(lián)度、重要度等維度進行關(guān)系抽取，進而構(gòu)建前趨圖、關(guān)聯(lián)圖等學(xué)科知識圖譜；最后，在課程知識圖譜的基礎(chǔ)上開展自適應(yīng)教學(xué)中應(yīng)用，以挖掘知識圖譜蘊含的知識拓撲結(jié)構(gòu)與延伸出的推理能力，并在實際教學(xué)中體現(xiàn)其實踐運用價值。

參考文獻：

[1] 蔡可. 譜寫課程教學(xué)數(shù)字化轉(zhuǎn)型的中國方案[N]. 中國教育報，2023-02-27（004）.

[2] 萬海鵬，王琦，余勝泉. 基于學(xué)習(xí)認知圖譜的適應(yīng)性學(xué)習(xí)框架構(gòu)建與應(yīng)用[J]. 現(xiàn)代遠距離教育，2022（4）：73-82.

[3] 宋宇，肖菁，湯娜，等. 知識圖譜如何賦能課堂教學(xué)評價？：以小學(xué)階段優(yōu)質(zhì)數(shù)學(xué)課“平行與垂直”為例[J]. 現(xiàn)代教育技術(shù)，2023，33（1）：83-90.

[4] 孫雨生，彭夢媛，劉濤. 學(xué)科知識圖譜及其構(gòu)建機理[J]. 科技管理研究，2022，42（20）：157-162.

[5] 范佳榮，鐘紹春. 學(xué)科知識圖譜研究：由知識學(xué)習(xí)走向思維發(fā)展[J]. 電化教育研究，2022，43（1）：32-38.

【通聯(lián)編輯：王力】

基金項目：本文系湖南省普通高等學(xué)校教學(xué)改革項目“基于繼續(xù)教育數(shù)據(jù)的跨域關(guān)聯(lián)與智慧教育研究（HNJG-20210853）”的階段性研究成果；湖南省普通高等學(xué)校教學(xué)改革重點項目“新工科視域下的圖數(shù)雙驅(qū)智慧教學(xué)新模式構(gòu)建與研究（HNJG-20230950）”資助