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(jìn)程中的信息化教學(xué)提供了新的技術(shù)支撐和創(chuàng)新動力。知識圖譜技術(shù)應(yīng)用信息化教學(xué)將助力于數(shù)字教學(xué)資源整合知識化、學(xué)習(xí)者認(rèn)知診斷個性化、智慧教學(xué)可視化和在線學(xué)習(xí)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(jìn)行闡述。

關(guān)鍵詞：人工智能;知識圖譜;個性化學(xué)習(xí)推薦;教學(xué)創(chuàng)新

中圖分類號：TP391? ? ?文獻(xiàn)標(biāo)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(dá)特茅斯學(xué)院會議，發(fā)展至今已成為一門涉及計算機(jī)科學(xué)、信息科學(xué)、心理學(xué)、哲學(xué)、認(rèn)知神經(jīng)科學(xué)、生理學(xué)等眾多領(lǐng)域的前沿交叉科學(xué)[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(zhǔn)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(xué)者開始深入研究知識圖譜與信息化教學(xué)融合的可能性。國內(nèi)外眾多學(xué)者深入探索學(xué)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(xué)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(xué)習(xí)資源之間存在的邏輯關(guān)系，將知識點和學(xué)習(xí)資源連接起來形成一幅巨大的可視化網(wǎng)絡(luò)圖，并基于此對學(xué)生的知識水平進(jìn)行診斷，進(jìn)而推薦學(xué)習(xí)資源和學(xué)習(xí)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(xué)習(xí)、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(xué)科、多數(shù)據(jù)源的知識圖譜”[2]。清華大學(xué)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(wù)平臺。基礎(chǔ)教育知識圖譜平臺在智能教育領(lǐng)域的應(yīng)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(jìn)一步擴(kuò)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(xué)資源的知識重構(gòu)，同時還能夠賦能精準(zhǔn)化教學(xué)和個性化學(xué)習(xí)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(yīng)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(xué)習(xí)、機(jī)器學(xué)習(xí)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(rèn)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(xué)科知識進(jìn)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(xué)創(chuàng)新的應(yīng)用

2.1? 教育資源智能化表征

人工智能教育應(yīng)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(yīng)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(luò)結(jié)構(gòu)圖。在這個過程中，使用知識圖譜將海量復(fù)雜的數(shù)據(jù)整合為一個語義化的知識網(wǎng)絡(luò)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(xué)科專家的經(jīng)驗和對因果判斷決策不夠精準(zhǔn)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(jī)器的學(xué)習(xí)能力及機(jī)器認(rèn)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(xué)習(xí)平臺的不斷完善，MOOC、SPOC、微課等開放的網(wǎng)絡(luò)學(xué)習(xí)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(xué)習(xí)資源分散無序、知識碎片化、資源共享以及知識間嚴(yán)重斷裂等問題。知識圖譜通過知識組織將學(xué)習(xí)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(xué)習(xí)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(xí)題文本的表征采用了salon提出的VSM模型，將習(xí)題文本進(jìn)行向量化處理并統(tǒng)一到同一空間進(jìn)行計算。具體將習(xí)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(xí)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(rèn)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(biāo)簽化的用戶建模方法，它是實現(xiàn)個性化學(xué)習(xí)的前提條件和基礎(chǔ)，主要描述了學(xué)習(xí)者的知識掌握情況、學(xué)習(xí)興趣偏好和認(rèn)知發(fā)展?fàn)顟B(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(jī)器對于標(biāo)簽的語義理解偏差三方面的問題，而知識圖譜技術(shù)的應(yīng)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(jìn)行數(shù)據(jù)特征標(biāo)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(zhǔn)確地診斷學(xué)習(xí)者的知識掌握情況和認(rèn)知能力，仍然是當(dāng)前智能教學(xué)系統(tǒng)和個性化學(xué)習(xí)面臨的挑戰(zhàn)之一。知識圖譜輔助的學(xué)習(xí)診斷是以學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)為基礎(chǔ)，運用認(rèn)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(xué)習(xí)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(xué)習(xí)者用戶畫像中學(xué)生的習(xí)題測試成績情況來診斷學(xué)習(xí)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(xí)者推薦與其水平相匹配的習(xí)題。將測試成績Q劃分成與學(xué)習(xí)者掌握程度相對應(yīng)的三段：Q>90則對應(yīng)P1完全掌握知識;60≤Q≤90則對應(yīng)P2部分掌握知識;Q<60則對應(yīng)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(yīng)P1、P2、P3。個性化習(xí)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(xué)

教學(xué)目標(biāo)是教學(xué)活動的出發(fā)點和歸宿，取決于學(xué)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(xué)目標(biāo)的精準(zhǔn)定位提供了新的思路和技術(shù)，通過學(xué)科知識圖譜精準(zhǔn)判斷學(xué)生在各個知識點的掌握情況，追蹤預(yù)測學(xué)生未掌握知識點的動態(tài)變化情況。此外，在智慧教學(xué)過程中，知識結(jié)構(gòu)可視化工具能夠幫助學(xué)習(xí)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(dāng)前在線教學(xué)平臺必備的基本功能。

2.4? 學(xué)習(xí)路徑自適應(yīng)查詢

隨著技術(shù)的飛快發(fā)展，在線學(xué)習(xí)資源爆炸式增長，教學(xué)者和學(xué)習(xí)者在個性化學(xué)習(xí)過程中多多少少會遇到認(rèn)知負(fù)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(xué)習(xí)服務(wù)的“機(jī)械化”之間也漸漸凸顯難以逾越的代溝。個性化學(xué)習(xí)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(xué)習(xí)者的畫像來推薦合適的數(shù)字學(xué)習(xí)資源和自主學(xué)習(xí)路徑?！皵?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(xué)習(xí)路徑的查詢，依據(jù)學(xué)習(xí)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(xué)習(xí)者的整體關(guān)系。因此，基于知識圖譜的個性化學(xué)習(xí)推薦可以綜合考慮學(xué)習(xí)者的知識掌握情況、知識點與學(xué)習(xí)風(fēng)格偏好的關(guān)系等因素，為學(xué)習(xí)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(rèn)知智能”跨越，為教育大數(shù)據(jù)智能化處理、教學(xué)資源整合智能化、智慧教學(xué)可視化以及學(xué)習(xí)推薦個性化等教育實踐應(yīng)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(yīng)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(jìn)知識圖譜在智慧教育環(huán)境中的實踐應(yīng)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(xiàn)：

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

[2] 國務(wù)院.國務(wù)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(jìn)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(yīng)學(xué)習(xí)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(yīng)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)。