知识地图模型及其在教学资源导航中应用研究 *

黄 涛，施 枫，杨华利

(1.华中师范大学 国家数字化学习工程技术研究中心，湖北 武汉 430079；2.华中师范大学 教育信息技术学院，湖北 武汉 430079；3.中央电化教育馆 项目部，北京 100031)

知识地图模型及其在教学资源导航中应用研究 *

黄 涛1，施 枫2,3，杨华利1

(1.华中师范大学 国家数字化学习工程技术研究中心，湖北 武汉 430079；2.华中师范大学 教育信息技术学院，湖北 武汉 430079；3.中央电化教育馆 项目部，北京 100031)

数字化学习时代，随着教学资源爆炸式增长，学习者的知识过载问题日益突出。该文针对数字化学习中教学资源的知识化组织和可视化导航与检索问题进行了研究，首先构建了知识地图与资源导航模型，并以此为基础，实现教学资源实体向知识本体的映射；其次，基于知识地图模型，构建学生知识框架，并进行知识可视化；最后，设计与实现了基于知识地图的资源导航与检索系统，基于知识地图的知识隐性关联检索与推荐相关教学资源，实现学习者的个性化推荐与导航。

知识地图；知识可视化；资源检索；本体

一、引言

随着信息技术与教育教学的深度融合，以MOOCs、可汗学院、翻转课堂等为代表的学习革命正强烈冲击着传统教育的生态，彰显出大规模在线教育正在引领学习方式的创新与变革，是促进教育公平、提高教育质量的有效途径[1]。传统的在线学习中，教学资源检索主要是通过关键词来实现，它的三类模型如BOOL模型、向量模型和概率模型[2]，都能快速实现，很长一段时间内满足着人们的需求，也是实际应用中使用得最为广泛的检索模式。大规模在线课程虽然内容丰富，但是随着资源内容不断增长，通过关键字检索的结果仅仅是大量资源的堆积，缺乏课程内容的整体性和系统性，学习者无法辨识自己所学知识与在线课程的关联关系，无法选择合适的学习路径，容易造成知识迷航。

针对大规模在线课程资源中存在的资源缺乏组织、分类不清晰的问题，国内外学者引入知识管理领域研究成果开展对教学资源进行知识组织的研究，例如：知识地图在情报学、图书馆书籍管理及相关信息管理行业已有相当的应用，它以一种通用、直观的方式来获取知识，并组织呈现知识，进行知识的快速检索，实现知识的共享和重利用[3]。2008年于海涛等提到了“概念知识树模型”[4]的框架，用来解决基于知识树的知识组织问题，是利用知识树来组织知识的一种应用模型。在中学小课堂中，老师也常利用“思维导图”构建知识地图，直观地呈现出学科间的脉络与联系，引导学生理清概念学习思路后沿着思维导图上的线路学习。思维导图类似于本文中的知识地图，在教师教学中已有相当的应用，但思维导图所创建的多半为一张静态图像，是纯概念之间关系的直观展示，不支持数字化学习中数字教学资源的动态显示及超链接等资源组织和检索应用的需求。事实上，基于知识地图的资源检索与导航方法，是一种能方便浏览、检索、共享和重用知识的技术方法，知识地图可以有效促进知识的交流、共享和创新[5]。

本文针对数字化学习中教学资源的知识化组织和可视化导航与检索问题进行了研究，首先构建了知识地图与资源导航模型，并以此为基础，实现教学资源实体向知识本体的映射；其次，基于知识地图模型，构建学生知识框架，并进行知识可视化。最后，设计与实现了基于知识地图的资源导航与检索系统，基于知识地图的知识关联检索与推荐相关教学资源，实现学习者的个性化推荐与导航。

二、知识地图模型概念与内涵

(一)核心概念

本文研究知识地图模型及其在教学资源导航中应用，涉及到的核心概念如下：

知识地图：描述了知识之间的关系和获取路径，通过可视化技术显示知识点及相关关系，可以通过直观的方式来获取、组织、呈现和快速检索知识[6]，以促进知识共享和交流，本质上是一种知识索引工具[5]。知识地图除了简单的线性关系模型、树状关系模型外，还有网状关系模型，三者由简至繁。在知识点的层次关系基础上添加前趋、后继关系，知识树结构演变为网状结构，形成最复杂的知识地图，常用于个性化资源推荐。

知识树：线性知识地图模型，突出知识点之间的树状层次结构关系。基于知识地图的资源导航，不仅能够表示知识体系的层次结构，帮助使用者方便、快捷地找到所需要的知识，还能对学习资源进行导航，对学习过程进行引导[7]。知识树主要用于描述知识点之间的层级关系，引导学生有层次地学习；而网状知识地图用于某个知识点出现问题后，向上寻找出现问题的来源和原因，有性对性地推荐所需学习的知识点和相关资源。

本体：本体最初来源于哲学领域，用来描述客观存在物的系统，是对客观存在物的说明和解释[8]。后来运用于人工智能学科，表示对事物的明确的形式化规范，主要特点是形式化、无歧义和规范化。

学科知识本体：将本体概念引用到具体学科知识中，创建学科知识地图以保证构成知识本体的单个知识点是唯一确定的。继承本体的特点，学科知识本体是用明确无歧义的形式化语言规范进行描述的，以便达到知识的共享。

知识元：在学科中不能再分割且独立的、可以完备表达知识的最小单位，具有原子性。

(二)知识地图模型与资源导航架构

知识地图在资源组织中的应用源于Fisher于1996年提出的“知识地图是详细的、相互关联的非线性思维表示”[9]。知识地图是一种知识的指南，通过将单个知识点以网状、树状方式建立关联，运用于资源组织与导航中能显示出学科资源间的关系。实现知识地图包括如下三个要素：一是知识本体建设，二是知识本体可视化，三是相关资源可视化。基于知识地图模型在资源组织中的应用架构如图1所示，核心包括知识本体模型、资源实体模型、资源实体向知识本体的映射机制(或映射模型)、知识可视化工具、知识导航与推荐。

图1 基于知识地图模型在资源组织中的应用架构

知识地图模型在资源组织中的应用机制是：(1)收集知识本体元素，通过专家整理、审核后初始化知识本体；同时，收集资源实体，并对其进行关键词描述，建立描述资源的关键词集；(2)通过资源实体向知识本体的映射机制，建立二者关联；(3)通过可视化工具将知识本体可视化，生成学科知识地图；(4)系统将监控学习者学习认知状态，利用知识地图导航知识以及检索资源，并针对学习者的认知缺陷推荐与知识相关的个性化资源。

(三)知识本体模型

知识本体是既定领域中的概念及这些概念之间关系的集合，关系反映了概念间的约束与联系[10]，能较好地解决同一个学科知识点在不同版本教材中呈现方式不同的情况，使得不同教材都能用到同一个知识点[11]，知识本体主要用于形成知识地图。知识本体由三个元素进行描述，可形式化表示为有序的三元组，

1.知识元。学科知识的“知识元”主要由学科专家整理得出，目前大多课程知识本体均按不同教材的章节来组织，最多支持章、节、知识点三级目录，不能兼容更多级，也不支持不同学科自由级别。在此，知识本体模型中知识元的级别突破了常规设计中知识模型按照“章节”层次划分的约束，用“级”的观念代替章节层级划分，所以知识本体以“知识元”为基本单元，每个知识点元都是知识地图上的一个节点。一级知识元为某学科名称，属于最高级；二级知识点是将学科内容分类，单个学科中概括性最强，对应教材中的“章”；一级知识点包含多个二级知识点，二级知识点包含若干三级知识点，随级别增加，其知识点的分类越细，是一个逐步细化的过程，使知识点内涵增加，外延逐渐缩小。设定固定的最大级别，且每一级均可为叶子结点，使和知识点与叶子结点的绑定更加灵活自由。

图2 知识本体结构图

2.知识权重。知识权重是由多个学科专家对每个知识元的相对重要程度进行的判别。多个学科专家根据其知识元在中高考中的比重给每个知识点标记0-1的权重值，用于突出知识元的重要性，知识权重的最终结果为多个学科专家给予权重的平均值。

3.知识关系。知识元与知识元之间有多种关系，从知识元的级数来看，知识本体从上到下被划分过几次，内含父子关系，下一级知识元是上级知识元的子结点；兄弟关系，知识元是平级的，且两个知识元呈并列关系；知识元间的前趋与后继关系，用“先备知识”及“延伸知识”标识，先备知识是学习该知识元之前需要掌握的预备知识，该知识点可作为后继知识点的预备知识点。知识元的关系具体用基于知识元的向量空间模型来表示[12]，

R(Pi,Pj)表示知识元Pi和知识元Pj的关系。若R(Pi,Pj)=1，则表示父子关系，即知识元Pi是知识元Pj的父知识元；反之，则为子知识元；若R(Pi,Pj)=0，则表示两知识元没有关系；若R(Pi,Pj)=2，则表示前趋关系，即知识元是Pi知识元Pj的先备知识元；若R(Pi,Pj)=3，则表示兄弟关系，即知识元Pi是知识元Pj的兄弟知识元。

(四)资源实体

资源实体格式多种多样，除了简单的结构化数据外，还有非结构化的数据和隐性知识，如文本、图片、声音、动画、视频等多媒体文件。为了对资源实体统一管理，并实现资源实体向知识本体的映射，需对资源实体进行结构化表征[13]。这里实体资源可以用一个三元组来表示，

式中，ID是系统资源实体唯一标识符；KWS是关键词集合，是资源实体向知识本体映射的桥梁，它内含描述单个资源实体的一到多个核心关键词，DS为其它描述信息集合，包括资源困难度、文件名、资源内容等描述项。

三、基于知识地图模型的教学资源组织与检索设计与实现

可视化的学科知识地图首先在资源组织中的应用除了能构建并强化学习者大脑中的知识架构以外，更重要的是能够帮助学习者建立一个形象直观[14]的“知识地图导航”[15]，引导学习者高效获取所需要的资源；同时通过关键词模糊匹配查询进行学科教学资源的检索，实现学习资源快速定位；最后，在学习完成后，根据学习者学习认知情况，向学习者智能推荐下一步学习的资源，保证学习者个性化的学习。

(一)基于知识地图构建学生知识框架

本文设计的知识地图模型及其在资源组织中的应用系统架构如下页图3所示，由底至顶分别为：本体层、语义层、知识可视化层、应用层。本架构采用云端服务技术，下层为上层提供服务，上层调用下层的开放接口，整个平台开放实现了资源的开放与共享。本体层存储资源实体及知识本体；语义层进行知识元标引与资源描述；知识可视化层用于将知识地图以图状形式直观呈现；应用层面向用户，支持多条件的资源检索并呈现资源结果列表。纵观知识地图模型架构图，其中有两条主线：第一条主线以知识本体为基础，经过知识元标引，生成知识地图可视化的知识线；第二条主线是对多种多媒体格式的资源经过整合描述而形成的资源线。

本体层是静态物理层，负责知识本体与实体资源等非结构化数据的存储检索及更新，文件访问与存储采用基于分布式云存储技术，将知识本体与实体资源存储于云端服务器中，为知识地图和资源库的建设作素材准备。

图3 知识地图模型架构图

中间语义描述层是整个框架最重要的部分，语义表征数据的含义，是数据在某个领域上的解释和逻辑表示[13]。此层中通过对知识本体的构成元素“知识元”进行标引，并对结构化或非结构化资源进行标注、描述、关键字提取、整合。

知识可视化层中，系统开发有知识本体可视化工具，用于将知识本体可视化为直观可见的知识地图。

应用层，为终端用户提供访问入口，包括三种应用场景：基于知识地图的资源导航应用，基于知识地图的知识检索应用，以及基于知识的个性化资源推荐应用。三种应用中最终将呈现与知识点相关的资源列表，将学习者查看资源实体显示在用户界面上。

(二)基于知识地图的资源导航与检索

为了防止教学资源像零元件杂乱无章地堆放在库中，基于知识地图的资源导航与检索将资源按知识地图形成的框架来组织，首先需要构建知识地图框架，如图4所示为基于知识地图的资源导航与检索实现流程图。

基于知识地图的资源检索与导航步骤如下：

(1)收集知识点，构建知识本体。学科专家收集并整理知识点，拆分整合为最小单元“知识元”，并标识各知识元间的社会关系，构建完整的知识本体。在基于知识地图的资源导航与检索过程中，知识本体的构建是整个过程的关键，知识本体的质量将直接影响学习者对学科框架的理解，决定检索和学习的效率。

图4 基于知识地图的资源导航与检索流程

(2)收集资源，建立资源实体库。从互联网海量资源库中收集学科资源，建设资源实体库，并对资源进行本体进行常规描述，其描述方式见上文中资源实体规范，形成资源实体记录存储到数据库资源描述表中。

(3)资源实体向知识本体的映射。基于知识地图的资源组织最重要的是将资源实体存到抽象、通用的知识地图框架中，则需从表征资源实体的关键字集合出发，为每个实体匹配相关的知识元。由于实体资源拥有一个关键词集合，具有多个关键词，在进行知识元匹配时需遍历关键词集合的每个关键词，一个关键词与一个知识元相对应，多个关键词则对应多个知识元，如图5所示。但从资源实体整体层面来看，一个资源实体可映射到多个知识元，如图6所示。

图5 资源实体关键词向知识元的映射

图6 资源实体向知识元的映射

故将资源实体整体与知识元的匹配公式设计如下页公式(4)所示。

其中，sim表示匹配度，Rei表示第i个资源，Pj表示第j个知识元；当Sim(Rei, Pj)=1 时，则Rei资源与Pj知识元相关，建立Rei资源到Pj知识元的映射；当时，则Rei资 源与Pj知 识元无关。

资源实体与知识本体的映射关系表示成一个“资源-实体”矩阵，如公式(5)所示。

Sim(Rei,Pj)=1表示Rei资源与Pj知识元的有映射关系。

(4)可视化知识地图。本文开发有知识可视化工具，其底层实现采取“先读取后转再封装”的思路，即从数据表中读取知识本体数据，保存至程序临时缓存表DataTable，再循环遍历逐条解析将其封装为JSON标准格式数据，传递至前端页面，调用DTree API，即可实现知识地图的可视化。

(5)资源导航与检索。用户在接口界面可视化知识地图中发出资源导航与检索请求，将知识元发送至服务器，服务器根据接收的知识元信息，查找Re-P矩阵中第j列为1的资源，

返回所有的 Rei资源给用户。

基于知识地图的资源导航与检索效果如图7所示，学习者根据已有知识选择学科，则其熟悉的知识以树状层次结构呈现在界面左侧，通过知识点查找所有与之相关的资源，以往海量杂乱存储的资源将以“树状知识元”为单位合理编排，按其“资源困难度”由易到难依次排序并呈现，指引学习者循序渐进式地查看和学习。

图7 基于知识地图的资源导航与检索效果图

(三) 教学资源个性化推荐

将“知识地图”应用在资源组织与导航中，学习者除了能以知识地图为线索查找学习资源外，系统还能根据学习者学习情况智能推荐相关学习资源。教学资源个性化推荐的运行原理与资源导航与检索相似，都需要收集知识元建立知识本体，收集资源建设资源实体库，资源实体向知识本体的映射及知识本体可视化处理，唯一不同的是个性化资源推荐还需输入学习者的认知状态，经过“个性化资源推荐机制”处理后推荐相关的资源，其推荐方法如图8所示。

图8 基于知识地图的个性化资源推荐方法图

个性化推荐方法是教学资源个性化推荐的核心部件，根据实际情况分为三种情况：

(1)当学习者在某知识元的认知状态为特差时，个性化推荐机制根据认知缺陷找到较弱知识元P，在知识本体关系矩阵R中查找此知识元的“先备知识”元，即满足条件R(Pi,P)=2的所有Pi的知识元的集合。再通过上述资源实体向知识本体的映射算法，查找出实体资源集推送给用户。

(2)当学习者在某知识元的认知状态为中等时，个性化推荐机制通过同样的方法找到此知识元的“子知识元”，即满足条件R(Pi,P)=-1的所有Pi的知识元的集合将查找出的实体资源集推荐给用户。

(3)当学习者在某知识元的认知状态为优秀时，个性化推荐机制通过同样的方法找到此知识元的“兄弟知识元”或“后继知识元”，即满足条件R(Pi,P)=-1或R(P,Pi)=2的所有Pi的知识元的集合，再查找出的实体资源集推荐给用户。

如此，知识地图构建时记录了组成知识本体各知识元所构建的隐形网络，通过利用隐藏在知识地图中的网状路径，查找相匹配的教学资源。当学习者学习某资源遇到困难时，系统将自动沿着隐形网络向上寻找此知识的前趋知识，将映射到的知识元的精品资源给学习者，补充知识的薄弱环节；当学习者在当前知识点的学习过关时，系统将自动沿着隐形网络向下找到当前知识点的后继知识，推荐精品资源。运用在中小学课程教学中，学习者将能够进行自适应学习，找到适合自己知识状态的学习内容。

四、结论

本文基于知识地图的资源检索方法克服了资源检索在当前信息爆炸时代面临的混乱现状，通过知识地图清晰形象地描绘了学科知识地图中各知识点与知识点之间的关系。知识地图是一种有效表示知识的工具，当学习者需要检索资源时，可以通过直观地观察知识树，点击获取或呈现知识，实现资源的快速检索，避免了检索中的迷航现象。归纳其特性，总结有如下优点：

(1)利用资源本体描述知识地图，使得杂乱无章的知识元形式化、标准化，不会有重复或歧义，达到了知识本体共享的目的。

(2)采用知识地图可视化技术将知识本体呈现，以可视化的方式显示知识结构，学习者一目了然，能轻松把握知识框架的同时，也能快速检索所需知识点资源进行学习，节约检索时间，避免思路分散，提高学习积极性与连贯性。

(3)基于知识地图的资源整合使资源不再是单一零乱的个体，而是放在知识地图框架中有序实体。此种知识地图能直观地帮助学生强化学科知识结构，并将无序的资源变的有序，便于快捷导航和检索。

(4)基于知识地图的个性化资源推荐，根据学生认知状态及知识地图中规划的知识元路径，有针对性地推荐个性化教学资源引导学生学习，有助于提高学习的效率。

总之，使用“知识地图”模型组织资源，改变了资源组织混乱现状；采用基于知识地图的资源检索与导航方法，同时将关键词的检索上升到模糊匹配和语义的高度，提高信息检索效率，实现了资源精确快速的定位；基于知识地图的个性化资源推荐改善了资源服务质量，提高了资源的管理与应用水平。

[1]Anders Jacobsson , Åsa Ek, Roland Akselsson.Learning from incidents-A method for assessing the effectiveness of the learning cycle[J].Journal of LossPrevention in the Process Industries, 2011, 25 (3):561-570.

[2]何绍华,黄艳艳. 知识地图在信息检索中的应用研究[J]. 情报杂志,2009,(5):187-189.

[3]陈强,廖开际,奚建清. 专家知识地图的关键技术与设计[J]. 计算机工程与科学,2008,(2):96-98.

[4]于海涛,高一波,杨一平. 基于知识树的领域知识组织和应用[J]. 计算机应用研究,2008,(11):3246-3248.

[5]赵京,徐少同. 知识地图的关键技术与典型应用[J]. 情报理论与实践,2012,(12):101-105.

[6]陈强,廖开际,奚建清. 知识地图研究现状与展望[J]. 情报杂志,2006,(5):43-46.

[7]石磊. 基于语义Web的学科知识地图的建构研究[J]. 现代教育技术,2011,(7):110-113.

[8]王晓东,刘进营. 基于本体的分布式网络协作学习系统建模研究[J].中国电化教育,2010,(4):52-55.

[9]Chung G. K. W. K.et al. Development Model for Knowledge Maps[DB/OL].http://www.cse.ucla.edu/products/resource/cresst_resource14.pdf,2015-02-10.

[10]王云才. 知识本体构建研究[J]. 山东图书馆季刊,2008,(4):19-21.

[11]丁国柱,余胜泉. 基于本体学习算法的学科本体辅助构建研究——以学习元平台语文学科知识本体的构建为例[J]. 中国电化教育,2015,(3):81-89.

[12]艾伟,孙四明,张峰. 基于本体的Web文本挖掘与信息检索[J]. 计算机工程,2010,(22):75-77.

[13]杨现民,余胜泉. 学习资源语义特征自动提取研究[J]. 中国电化教育,2013,(11):74-80.

[14]李亚男,李楠. 基于知识可视化的移动学习环境设计研究[J]. 中国电化教育, 2013,(11):21-24.

[15]黄万艮. 基于知识树的多媒体课件[J]. 中国教育信息化,2009,(14):56-58.

黄涛：副教授，博士生导师，华中师范大学国家数字化学习工程技术研究中心数字资源部部长，研究方向为智能教学系统、教育大数据分析、信息技术与学科教学融合(tmht@mail.ccnu.edu.cn)。

施枫：在读博士，研究方向为信息技术支持下的教育变革与创新(shif@moe.edu.cn)。

杨华利：助理研究员，研究方向为智能教学系统(yanghuali@mail.ccnu.edu.cn)。

2015年4月10日

责任编辑：赵兴龙

The Research of the Knowledge Map Model and the Application in Learning Resources Navigation

Huang Tao1, Shi Feng2,3, Yang Huali1
(1. National Engineering Research Center for E-Learning, Central China Normal University, Wuhan Hubei 430079;2. School of information technology in education, Central China Normal University, Wuhan Hubei 430079; 3. National Center for Educational Technology, Project Department, Beijing 100031)

In digitalization learning time, with the explosive growth of teaching resources, learners’ overloaded knowledge is becoming an extruding problem. On account of that, this paper focuses on digital learning resources of knowledge organization,and problem of visual navigation and retrieval in teaching, firstly we build up knowledge map and navigation model, so that it can implement teaching resources entities to knowledge ontology mapping; secondly, based on the knowledge map model, we construct the student knowledge framework, and make knowledge to be visual; finally, based on knowledge map, we succeed in designation and implementation of the resources navigation and retrieval system; association retrieval of potential knowledge and recommendation of relevant teaching resources, which helps learners to realize personalized recommendation and navigation.

Knowledge Map; Knowledge Visualization; Vesources; Resources Search; Ontology

G434

A

1006—9860(2015)07—0073—06

* 本文系国家社会科学基金教育学青年课题 “学科知识能力智能诊断理论、方法与应用研究”(课题编号：CCA140152)研究成果。