李愛國

（陜西工業(yè)職業(yè)技術(shù)學院陜西咸陽712000）

在教與學的活動中，師生是活動和認知的主體，而知識便是活動的客體，教學的精髓是師生針對知識所進行的系列活動。在這個過程中，教師如何針對教學任務(wù)及學習對象的特點分解及合理組織教學計劃表述的知識是整個教學活動能否成功的關(guān)鍵。同理，對于ITS系統(tǒng)，建立學科知識庫和專家知識經(jīng)驗庫是實現(xiàn)智能教學導航，從而實現(xiàn)個性化教學的基礎(chǔ)。專家知識、經(jīng)驗庫就是從領(lǐng)域或?qū)W科的專家、教學專家那里獲得專門的知識、經(jīng)驗，然后用一定的形式表示知識，最后存儲到數(shù)據(jù)庫中而形成的。該庫實際上是教學、學習中的知識和經(jīng)驗的存儲器。系統(tǒng)對學生幫助的大小、是否有效，基本上取決于系統(tǒng)的專家知識庫。知識庫中的知識越完全，越能真實的再現(xiàn)專家的思維過程、方法等，則學習系統(tǒng)的智能水平就越高。

領(lǐng)域知識庫存放的是有關(guān)教學內(nèi)容的專業(yè)知識及關(guān)于知識的知識即元知識。整個領(lǐng)域知識庫中的領(lǐng)域知識按用途分成兩類：

＜領(lǐng)域知識＞：=＜教學內(nèi)容知識＞|＜元知識＞

＜元知識＞：=＜知識點的屬性描述＞|＜知識點之間關(guān)系的描述＞

因此，領(lǐng)域知識庫包括元知識庫和教學材料庫兩個部分，而元知識庫又包括知識點屬性庫和知識點關(guān)系庫，它們構(gòu)成了個性化教學系統(tǒng)中的主要知識表示。領(lǐng)域知識庫的設(shè)計應(yīng)該滿足如下條件[1]：

1）必須便于領(lǐng)域知識庫的管理和維護；

2）要充分保證ITS的核心問題——智能導航的需要；

3）必須體現(xiàn)知識的本來面目，讓人一目了然。教學系統(tǒng)是由知識工程師和領(lǐng)域?qū)＜覅f(xié)同完成，因此必須充分保證平臺的通用性及開放性，選用恰當?shù)脑O(shè)計平臺，進行合理的設(shè)計至關(guān)重要。

1 知識點的劃分

在智能網(wǎng)絡(luò)教學系統(tǒng)中，不論是哪一類知識，知識點是系統(tǒng)處理的單元，要建立一個完整的領(lǐng)域知識庫首先必須把該領(lǐng)域的知識劃分成知識點，并建立知識點之間的關(guān)系，劃分方式和大小對領(lǐng)域知識庫中知識點的應(yīng)用起著決定性的作用。

定義1知識點（Knowledge Point簡稱KP）[2]是教學活動過程中傳遞教學信息的基本單元，包括理論、原理、概念、定義、范例和結(jié)論等[3]。

定義2領(lǐng)域知識教學過程中最基本的教學單元稱為原子知識點（Atom_KP）。在教學過程中，該知識點作為一個整體進行教授；對教學而言，原子知識點在內(nèi)容上具有不可劃分性。

定義3在領(lǐng)域知識庫中，由兩個或兩個以上的知識點組成的知識點稱為復合知識點（Compound_KP）。組成復合知識點的知識點可以是原子知識點，也可以是復合知識點。本文中的復合知識點主要是指單元知識點（Unit_KP）和節(jié)知識點（Section_KP）。

為了準確合理的描述教學內(nèi)容，需要對其進行必要的分解，并在此基礎(chǔ)上知識點相互之間的關(guān)系。一般來說，劃分知識點時應(yīng)注意以下幾點：

1）應(yīng)遵循一般的教學規(guī)律，滿足相應(yīng)的教學需要，便于實現(xiàn)啟發(fā)式教學和個別化教學。

2）首先把整個教學內(nèi)容分解為若干單元知識點，各單元之間既相互獨立又相互聯(lián)系，這樣有利于使學習者對教學內(nèi)容有更大的選擇自主權(quán)。然后再把各個單元知識點分解為若干個節(jié)知識點，而節(jié)知識點又可再分為一個一個的教學內(nèi)容的最小單元—原子知識點，分解時應(yīng)注意保持知識點內(nèi)容的完整性和一致性，這樣就形成了一個樹形的層次結(jié)構(gòu)。

3）教學知識點的劃分涉及到知識點的粒度劃分。對知識的劃分并非越小越好，如果知識點劃分的太小，那么它們之間的關(guān)系就會很復雜，反而不利于教學規(guī)則的制定和系統(tǒng)智能的實現(xiàn)。表示知識的最終目的是將它們組織成教學內(nèi)容進行教學，因而將知識表示到對應(yīng)教學步驟這一程度就完全可以了，基本原則是保證知識內(nèi)容的局部完整性和利于組織教學步驟。知識點的大小相差可能很懸殊，例如，一章可劃為一個大的知識點，其中一節(jié)的內(nèi)容又可細劃為較小的知識點，一節(jié)中的定義、定理等還可以劃為更小的知識點。

2 知識點之間的關(guān)系

通過對知識點的分析，我們將知識點之間的關(guān)系分為兩種：

1）層次關(guān)系

層次關(guān)系包括父子關(guān)系和兄弟關(guān)系。將知識點以一定的順序串接起來就可形成復合知識點，則復合知識點與子知識點的關(guān)系即為父子關(guān)系。處于同一層上，知識點之間無父子關(guān)系或明顯相互關(guān)聯(lián)關(guān)系，學習時可不分先后次序，它們之間就構(gòu)成兄弟關(guān)系。層次關(guān)系可以用一種稱為順序鏈（Sequence Link）[4]的鏈接來表示。

2）支持關(guān)系

在學習某一知識點之前必須先學習相關(guān)的另一些知識點，則這兩者之間就存在一種邏輯支持關(guān)系。我們把后者稱為前者的前導知識點，而前者就是后者的后續(xù)知識點。知識點之間的這種邏輯支持關(guān)系是有向的，其方向是由支持者指向被支持者，因此可以用一種稱為支持鏈（Sustain Link）[5]的鏈接來表示知識點之間的這種邏輯支持關(guān)系。

由教學過程本身可知，知識點之間這種支持程度是一個模糊概念，所以我們將其分為5級，即：聯(lián)系不緊密、聯(lián)系不太緊密、一般、聯(lián)系比較緊密和聯(lián)系緊密，用一個隸屬度函數(shù)μ（x）sus={0.2/1，0.4/2，0.6/3，0.8/4，1/5}來度量，μ（x）sus的值越大說明知識點之間的聯(lián)系越緊密。對于文獻中所定義的參考關(guān)系，我們只需將μ（x）sus的值取得小一些，其實質(zhì)可仍然看作是一種支持關(guān)系。

因此，知識點之間的關(guān)系可表示如下：

＜知識點關(guān)系＞：=＜層次關(guān)系＞|＜支持關(guān)系＞

＜層次關(guān)系＞：=＜父知識點＞|＜子知識點＞

＜支持關(guān)系＞：=＜前導知識點＞|＜后繼知識點＞|＜支持程度＞

由以上的分析可知，知識點之間的關(guān)系無法用一種單純的樹形結(jié)構(gòu)來表示，因為單純的樹形結(jié)構(gòu)只能表示層次關(guān)系，卻很難清楚地表示知識點之間的支持關(guān)系，而若用單純的網(wǎng)狀結(jié)構(gòu)來表示，則會造成知識點之間的層次關(guān)系不明顯，并且會使推理算法過于復雜。因此，在這里我們采用一個總體樹/局部圖的知識組織模型，如圖1所示。

圖1 領(lǐng)域知識庫的知識組織模型Fig.1 Knowledge of the field of knowledge organization model

從圖中可以得知，節(jié)點1是節(jié)點2、3的父節(jié)點，2、3節(jié)點是1節(jié)點的子節(jié)點。2、3節(jié)點與1節(jié)點是“與”關(guān)系；4、6節(jié)點與2節(jié)點是“或”關(guān)系；1節(jié)點是2、3節(jié)點的前驅(qū)知識，而節(jié)點3表示的知識點又是4、5、7、8節(jié)點的前驅(qū)知識，4、5、7、8節(jié)點表示的知識點是3節(jié)點的后繼知識。

該知識組織模型具有以下特性：

1）層次越高，其整體性越強，即所囊括的內(nèi)容越多，所表述的內(nèi)容越抽象；

2）層次越低，其部分性越強，即所表述的內(nèi)容越具體，所說明的只是問題的一個方面。

3）它是在對樹型結(jié)構(gòu)的擴充，將樹型結(jié)構(gòu)和網(wǎng)狀結(jié)構(gòu)很好的融合在了一起，既有樹型結(jié)構(gòu)直觀、算法設(shè)計簡單的優(yōu)點，同時又很好地表達了知識點之間的各種關(guān)系，便于在知識點基礎(chǔ)上進行各種不同條件的推理、具有較好的可擴充性和靈活性。

3 知識點屬性描述

知識點的屬性包括知識點編號、類型、難度、重要程度和要求掌握的水平等。知識點編號的目的是用于檢索和查找，故應(yīng)具有唯一性，是精確概念。知識點類型可以按照加涅（Gagne）分類理論分為：事實、概念、規(guī)則、高級規(guī)則和認知策略[4]。雖然分類具有很大程度的模糊性，但是由于知識點類型的劃分與學科建設(shè)有關(guān)，我們在具體的ITS教學/學習系統(tǒng)中就把它看作是精確概念。其它屬性認為是模糊對象，其中，知識點難度和重要程度分為3級，用隸屬度函數(shù)表示分別為：μ（x）ease={0.30/1，0.60/2，1/3}和μ（x）imp={0.30/1，0.60/2，1/3}；要求掌握水平用定義模糊中心數(shù)（c，r，p）的方法來表示，可以更科學和更準確地描述教學大綱對知識點的掌握要求。（c，r，p）可以解釋為：落在以c為中心，r為半徑的“超球”之中的可能度為p。具體的（c，r，p）求取方法是根據(jù)積累已經(jīng)通過考試學生的成績構(gòu)造數(shù)據(jù)樣本，進行統(tǒng)計分析求得。我們可以粗略認為通過考試即達到教學大綱的要求掌握水平。假設(shè)樣本服從正態(tài)分布，我們可以根據(jù)積累樣本數(shù)據(jù)，求出均值1、樣本方差S21，并確定一個檢驗置信度P1（例如取0.05水平）。用（1，S21，P1）作為（c，r，p）的估計，描述教學大綱對知識點的要求。由此，我們可以得出知識屬性庫的關(guān)系模型，這是一個模糊值關(guān)系數(shù)據(jù)模型。在該關(guān)系模型中，為了考慮各知識點與其教學材料的關(guān)系，除了知識點屬性值外，還設(shè)有一個課件名稱域。用SQL語言描述模型如下：

4 知識點鏈接關(guān)系描述

知識點之間的關(guān)系可以用知識點之間的鏈接數(shù)據(jù)庫來表示。在某一學科中各知識點的鏈接關(guān)系描述了該學科的知識體系[6]。知識點的鏈接關(guān)系是雙向的，有上行和下行之分。一個知識點的上行知識點，即樹結(jié)構(gòu)中的父結(jié)點；下行知識點，即樹結(jié)構(gòu)中的子結(jié)點。由教學和學習過程本身可知，知識點之間關(guān)系的緊密程度不同，我們可以把它處理成一個模糊對象，用鏈接確信度來度量，用S（x）表示且0＜S（x）＜1。S（x）=1表示一個知識點與另一個知識點最緊密鏈接；S（x）=0表示沒有鏈接，在數(shù)據(jù)庫中不保存。例如，我們可以定義：

知識點鏈接數(shù)據(jù)庫的具體內(nèi)容，用SQL描述如下：

在這樣的一個鏈接關(guān)系數(shù)據(jù)模型中，會出現(xiàn)一個父結(jié)點和多個子結(jié)點的情況。另外，也會有一個父結(jié)點和一個子結(jié)點，多個父結(jié)點和一個子結(jié)點，以及沒有父結(jié)點或者沒有子結(jié)點的情況等。

5 領(lǐng)域知識庫的結(jié)構(gòu)模型

領(lǐng)域知識庫由知識體系庫和教學材料庫組成。

教學材料庫的主要目的是構(gòu)成學習環(huán)境并向?qū)W習者提供支持學習過程的各種條件，該庫的主要內(nèi)容為與各知識點對應(yīng)的相關(guān)課件，當通過某種搜索策略得到一個待學習的知識點編號時，就可以從知識點屬性庫中獲得與該知識點相關(guān)聯(lián)的課件名稱，并可以以此名稱作為入口參數(shù)，來調(diào)用已經(jīng)編寫好的多媒體課件，進行教學講解或練習等教學、學習活動[7]。

因此，整個領(lǐng)域知識庫的結(jié)構(gòu)如圖2所示。

圖2 領(lǐng)域知識庫的結(jié)構(gòu)模型Fig.2 The structural model of domain knowledge base

6 結(jié)束語

由于領(lǐng)域知識庫構(gòu)建方式具有高度的人為依賴性，因此，構(gòu)建的技術(shù)及策略并沒有固定的形式。建議將構(gòu)建過程[8]區(qū)分為規(guī)劃、設(shè)計、測試修正、布署及整合擴展等階段進行，為獲得Ontology所須要的概念及其關(guān)系，利用正規(guī)概念分析法將真實世界的認知予以收集，并發(fā)展常用的邏輯類型模式，以降低轉(zhuǎn)換為信息系統(tǒng)格式的障礙。

[1]鄧志鴻.Ontology研究綜述[J].北京大學學報，2002，38（5）：731-783.

DENG Zhi-hong.Ontology research[J].Peking University，2002，38（5）:731-783.

[2]劉紅閣，鄭麗萍，張少方，等.本體論的研究和應(yīng)用現(xiàn)狀[J].信息技術(shù)快報，2005，3（1）：1-12.

LIU Hong-ge，ZHENG Li-ping，ZHANG Shao-fang，et al.Ontology research and application status[J].Information Technology Letters，2005，3（1）:1-12.

[3]李善平，胡玉杰，郭鳴，等.本體論研究綜述[J].計算機研究與發(fā)展，2004，41（7）：1041-1052.

LI Shan-ping，HU Yu-jie，GUO Ming，et al.Ontological research[J].Computer Research and Development，2004，41（7）:1041-1052.

[4]王曉東，高宏卿.基于Ontology的智能系統(tǒng)開發(fā)[J].河南師范大學學報，2005，33（1）：25-28.

WANG Xiao-dong，GAO Hong-qing.Ontology-based intelligent system development[J].Henan Normal University，2005，33（1）:25-28.

[5]汪方勝，侯立文，蔣馥，等.領(lǐng)域本體建立的方法研究[J].情報科學，2005，23（2）：241-244.

WANG Fang-sheng，HOU Li-wen，JIANG Fu，et al.The method of domain ontology[J].Information Science，2005，23（2）:241-244.

[6]陳蘭，左志宏，熊毅，等.一種新的基于Ontology的信息抽取方法[J].計算機應(yīng)用研究，2004（8）：155-170.

CHEN Lan，ZUO Zhi-hong，XIONG Yi，et al.A new Ontology-based information extraction[J].Computer Application Research，2004（8）:155-170.

[7]李健康，張春輝.本體研究及其應(yīng)用進展[J].圖書館論壇，2004，24（6）：80-86.LI Jian-kang，ZHANG Chun-hui.Ontology research and application progress[J].Library Forum，2004，24（6）:80-86.

[8]Gillam L，TariqM，Ahmad K.Terminology and the construction ofontology[J].Terminology，2005（11）:55-81.