DOI:10.16512/j.cnki.jsjjy.2023.09.028

摘 要：针对现有智慧教育环境中课程知识图谱大多本体设计不全面、知识点关系单一、忽视图谱的更新维护等问题，分析课程知识图谱与智慧教育的映射关系，提出构建面向智慧教育的课程知识图谱，从数据收集、本体设计、知识获取与存储、知识加工4个阶段介绍课程知识图谱构建过程，以计算机组成原理课程为例，阐述课程知识图谱案例应用。

关键词：智慧教育;知识图谱;本体;课程知识;教学模式

0 引言

智慧教育作为以现代信息技术为基础的教育模式，对教育现代化的发展有促进作用。2010年《国家中长期教育改革和发展规划纲要（2010—2020）》中提出了“加快智慧教育建设，构建学习型社会，建设智慧型教育环境”[1]的核心思想。2018年《教育信息化2.0行动计划》指出“以人工智能、大数据、物联网等新兴技术为基础，积极开展智慧教育创新研究和示范”[2]的行动思路。由此可见，智慧教育得到学界认可的同时，也推动着人工智能和大数据等技术的发展。知识图谱作为人工智能技术之一，在展示课程内容、建立学习者模型和个性化服务等方面发挥着重要作用，助力教育高质量发展。

1 智慧教育与知识图谱

智慧教育是指围绕以学习者为中心的教育理念，通过构建智慧学习环境，运用智慧教学方法，实时反馈教育数据的教育活动。“智慧教育”由IBM公司的“智慧地球”衍生而来[3]，美国、韩国等通过制定相关政策[4]推动智慧教育的发展。在国际智慧教育政策的启发下，国内对智慧教育的探索逐步凸显中国特色。文献[5]中确立了智慧教育的理论基础，表明其理论框架主要包括智慧环境、智慧教学法、智慧评估和智慧人才4个方面，并于2017[6]、2018[7]年进行了两次优化；同时，文献[8]和文献[9]中也从维度和组成元素等方面对智慧教育的内涵进行了详细界定。随后，更多研究者从技术支撑、智慧学习资源建设、智慧教学模式等方面进行探讨。

在智慧教育环境中，一些研究者对教育知识图谱开展相关研究：在课程本体设计方面，文献[10]中以课程本体、教学大纲本体和主体本体为本体模型，开发基于本体的学习系统，有效提高学生的学习效果；在知识图谱构建方面，文献[11]中从两个方面探讨了学科知识图谱与智慧教育的适切性，描述了学科知识图谱的构建路径和在智慧教育中的六大应用场景，文献[12]中将知识图谱技术用于表示基础教育领域的知识，并将其应用到智慧教育中；在课程知识图谱应用方面，文献[13]基于知识图谱设计翻转课堂教学模式，提高课堂教学效果，为智慧教育的发展注入新的动力。

纵观现有的研究成果，国内外学者对教育知识图谱进行了较深入的研究，但也存在着一定不足：①知识图谱中课程本体的设计不够全面，大多数本体侧重于描述课程内容的逻辑结构，忽略了课程目标的要求以及知识的综合应用；②知识点间的关系定义比较单一，除了常见的包含关系、顺序关系等，知识间应划分特殊关系，保证语义关系的全面性；③课程知识图谱的构建缺乏质量评估和更新维护等环节，现有的一次性课程知识图谱无法保证知识的准确性与可延展性。因此，结合智慧教育的基本要求，提升课程知识图谱的构建质量和效率具有重要意义。

2 面向智慧教育的课程知识图谱构建设计2.1 智慧教育与课程知识图谱的映射关系

文献[14]中从学科知识图谱助力智慧教育体系框架的构建、智慧教育生态系统的重构两方面探讨了学科知识图谱与智慧教育的适切性，在此基础上，从课程知识图谱的内容、形式和应用3方面细化其与智慧教育之间的映射关系，如图1所示。课程知识图谱的3个方面与智慧教育中以学习者为中心的教育理念有效契合，并为智慧教学和智慧评估提供支撑。

图1 智慧教育与知识图谱的内在映射关系

2.2 面向智慧教育的课程知识图谱构建设计

为解决现有知识图谱中存在的问题，采用自顶向下的方式构建课程知识图谱，构建框架如图2所示。在该框架中，构建过程分为数据收集、本体设计、知识获取与存储、知识加工个阶段。具体地，丰富的数据为本体设计和知识获取与存储两个阶段提供坚实支撑；本体设计阶段提供了理论基础和抽取原则；知识获取与存储阶段通过抽取课程知识、属性与关系，初步形成课程知识图谱；知识加工阶段通过质量评估与更新维护得到高质量知识图谱。本研究以计算机组成原理课程为例，基于上述构建框架开发课程实例。

2.2.1 数据收集

计算机组成原理课程知识图谱的数据来源包括两方面，一方面来自课程领域，这部分数据能够保证知识点的准确与权威，包括培养方案、教学大纲、教案、习题集、实验教材等；另一方面来自开放领域，包括结构化数据、半结构化数据以及非结构化数据等，由于计算机组成原理课程中所用数据大部分来源于半结构化与非结构化数据，采用基于Python的网络爬虫技术，从学堂在线、网易公开课、MOOC和百度百科网站中获取相关知识。

2.2.2 本体设计

本研究结合计算机科学与技术专业的培养方案，参考由唐朔飞编著的《计算机组成原理》（第二版）教材[15]、教案等，借助Protégé本体开发工具，采用“七步法”完成计算机组成原理课程本体系统构建，模型如图3所示。此本体系统包括课程目标本体、课程知识点本体、课程资源本体3个部分。其中，利用课程目标本体描述计算机专业中计算机组成原理的课程目标，指导课程知识点的选择和课程资源的引入；在完成教学大纲的前提下，通过课程知识点本体合理取舍教学内容；课程资源本体实现课堂知识与教学实验及试题练习的密切配合，注重各习题与各实验间课程知识点间的衔接。

图2 面向智慧教育的课程知识图谱构建框架

图3 计算机组成原理课程本体系统模型

由于计算机组成原理教材中部分章节名称无法呈现出知识点的内在关联，需根据逻辑结构重新划分课程知识。课程知识点本体将教材目录与内在逻辑相结合，根据知识粒度的不同划分为课程知识、知识体系、知识单元、知识集、知识点5类。其中，课程知识是指某一课程名称，如计算机组成原理等；知识体系按照课程的内在逻辑结构划分，一般对应于教材中的章目录，如“软件”和“硬件”；知识单元是知识集的集合，一般对应于节目录，即“外围设备”等内容；知识集是两个或多个知识点的集合，如“运算器”等；知识点指无法分割的最小单位，如“运算速度”“机器字长”等内容。

2.2.3 知识获取与存储

知识获取与存储阶段包括3个步骤：知识点抽取与属性定义、知识点间关系抽取、知识图谱可视化。知识点抽取与属性定义是构建课程知识图谱的基础工作，本研究采用较成熟的BiLSTM-CRF模型与人工检验相结合的方法抽取知识点。首先确定“概念、组成、功能、原理、指标”5类实体类型，以“字”为单位，采用BIO标注策略。然后通过清洗数据、分词等预处理创建语料库，将其划分为训练集、验证集和测试集，训练模型并完成预测。最后学科专家通过统一的评估方法对知识点进行人工检验和查漏补缺，共得到1个课程实体、3个知识体系实体、20个知识单元实体、50个知识集实体、673个知识点实体，总计747个实体。此外，对实体的数据属性进行定义，包括“知识编号、知识名称、知识内容、英文表述、分类、学习目标、学习难度、相关资源、前导课程、后续课程”10个属性类别。其中，“学习目标”与“学习难度”依据课程目标本体得出；“相关资源”指与知识点相关的实验内容、练习题和拓展资料等。

知识点间的关系定义是关系抽取的前提条件。常见关系有包含、顺序、相关等，但有些知识点无法用常见的关系定义，如“控制器的基本功能是取指令、分析指令和执行指令”这句话中“控制器”与“取指令”之间的关系无法利用常见的关系描述，因此将计算机组成原理课程的关系定义为普通关系和特殊关系两类，共计10种（表1）。

表1 知识点间的关系定义表

详细定义知识点间的关系后，采用依存句法分析的方式对关系进行抽取。首先采用LTP的Python封装工具Pyltp对文本进行分词和词性标注，同时将语料库导入LTP中，然后进行依存句法分析，输出三元组。通过分析结果发现，有些潜在语义关系的挖掘需要剖析例句的深层含义，如“浮点加减运算包括对阶、尾数求和、规格化、舍入4个步骤。”这句话中的实体“对阶”是“尾数求和”的前导知识点，无法采用依存句法分析的方式抽取。因此，通过设置统一的手动抽取规则，前导、后继、参考和特殊关系采用专家手动抽取的方式，最终得到2 027个关系。将上述操作得到的知识点与关系进行融合，导入Neo4j图数据库中生成一个相对完整的计算机组成原理课程知识图谱。

2.2.4 知识加工

知识加工主要包括质量评估与更新维护两部分。质量评估贯穿于课程知识图谱的全周期，主要从准确性、完整性、时效性和一致性4个维度考察[14]。准确性用来检验知识图谱中课程知识的准确性；完整性指知识的覆盖范围是否全面；时效性检验知识能否与时俱进。计算机学科领域的专家或教师通过对计算机组成原理课程知识图谱进行抽样质量检测和评估，完成这3个维度的考查。一致性用来测试知识表示方式有无重复，本研究采用Protégé中自带推理机验证本体，若启动推理机后没有错误，则表示本体一致性验证成功。经过上述操作，得到较高质量的课程知识图谱。同时，教师根据学习者的使用与反馈情况，对课程知识图谱中的知识、教学资源、知识图谱可视化展示等方面进行更新和维护，保证知识图谱的质量。经过多轮迭代式扩充与完善的课程知识图谱更能适应智慧教育环境下的培养要求。

3 面向智慧教育的课程知识图谱应用

基于人机协同的思维，本研究将课程知识图谱作为教学载体，MOOC学习平台作为辅助，以计算机组成原理课程中的“算术逻辑单元”知识点为例，从课前精准定位、课堂精准掌握、课后精准提升3个方面探讨课堂活动实施方案（图4），实现精准化教学，打造高效智慧课堂。

图4“算术逻辑单元”课堂活动实施方案

课前精准定位阶段，教师发布预习内容——绘制个人知识框架图，学生通过教材、课程知识图谱、依附于知识点属性中的MOOC资源[16]等方式预习知识点，将掌握的内容绘制在个人知识框架图中，教师通过布鲁姆认知领域目标中的6个层次对学生预习情况进行精准定位，并将其分为基础组、应用组和创新组，并选择相应的教学活动，如图3所示。

课堂精准掌握阶段，教师创设教学情境，通过“ALU电路”案例讲授重点知识，为各小组发布相应任务。学生通过小组协作，利用课程知识图谱中的学习路径（图5）和相关资源进行探究，精准掌握学习内容。在此过程中，教师提供针对性指导与教学干预，解决各小组存在的共性问题。最后，从学生课堂表现、小组任务完成度、课程知识图谱使用率3方面进行精准评价。

课后精准提升阶段，学生通过试题对知识点进行检验与巩固，采用操作语言Cypher在Neo4j图数据库中搜索查询，实现对“CU”“运算器”等知识的迁移，完成自身精准提升。同时，教师实时检测评价，为学生提供教学反馈与个性化学习服务。

4 结语

通过剖析现在的课程知识图谱中存在的问题，并在此基础上构建课程知识图谱，在一定程度上解决了本体设计单一、关系不明确、知识图谱缺乏更新维护等问题。通过探讨课程知识图谱在实际课堂教学的实施方案，发现知识图谱能够有效支持教学活动的开展，为智慧教育提供了坚实保障。后续研究将进一步探究采用自动化的方式准确获取知识点与关系，同时将结合课程知识图谱和学生行为数据两方面内容，实现精准描绘学习者画像、推荐个性化学习服务、精准评价与反馈等，推动智慧教育持续发展。

图5“算术逻辑单元”知识点可视化展示图

参考文献