多模态知识图谱的个性化MOOC课程构建与应用

伍宏珏

摘  要：文章以MOOC在线平台为依托，提出多模态知识图谱理念，即利用知识实体和基层之间的关联关系构建的“知识实体—关系—知识实体”三元组。针对多模态数据资源的融合最终完成个性化MOOC课程搭建。通过具体教学实践来证明，要想提高学生在MOOC上的学习积极性、学习效率，利用多模态知识图谱对MOOC课程进行个性化建设是很好的选择。

关键词：知识图谱;多模态;MOOC课程;个性化

中图分类号：G642.4    文献标识码：A    文章编号：1673-7164（2021）47-0064-03

随着信息时代的飞速发展，MOOC已在全球成为一种教育流行趋势。它打破了传统的课堂以教师为中心、学生被动学习的填鸭式教学模式，并且MOOC也因开放性、教学元素多元化等优点影响着各国教育产业再一次重大革新。

我国教育部出台的《关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知》要求严格本科教育教学过程管理，淘汰“水课”，打造“金课”[1]。全国高校也都正积极推广，借助MOOC等多种教学平台让越来越多的学生可以真正实现自主选课、自主学习。后疫情时代，未来教育方式将会发生翻天覆地改变，教育改革变得迫在眉睫。未来学习者有更多的话语权，他们可以根据自己的具体情况任意选择所需要听的课程和喜欢的教师，还可以合理安排适合自己的教学进度和学习推荐方案。这才是一种学习者想要的学习模式。教学平台需要能够通过协同过滤等算法为每个学习者提供更加个性化的学习路径推荐。

当前随着MOOC的推广和普及，人们会发现在平台上某些热门课程有时会达十几种之多，不但没有满足学习者深度学习的需要，还会出现完成率降低、课程资源重复开发，跨平台衔接难度增加，在线学习效率低下等众多问题。这主要是由于：（1）很多在线学习者选择某一门课的单个MOOC课程学习，只关注它上面提供的有限学习资源，而无法做到学习更深层面的扩展;（2）很多在线学习者在线学习时间不长，有些人甚至中途放弃学习，是因为目前很多学习平台上的MOOC课程只是把关键的知识点连接起来，但并没有提供有效的引导和課程资源推荐，这对刚入门学习这门课程的在线学习者来说，很难选择适合的学习路径进行学习;（3）没有相应的评价体制，很多MOOC课程的制作者仅仅把自己已有的资源发布在平台，而不去考虑平台重复率、高质量问题，更没有配套的评价体制来衡量在线学习者最终学习情况，在线学习者不能通过平台获取想要的考评结果，也会直接影响学习者对MOOC课程学习的效率[2-3]，降低学习热情。

知识图谱是一种用实体、实体属性、实体关系来描述知识体系，所有数据被制作成一副有前后关联的有向图。确切来说，知识图谱就是一门交叉学科，把复杂的知识域用数学算法、图形图像处理、信息可视化分析等技术来分析，挖掘知识域中所蕴含的规律，还能通过专业软件绘制并展示知识领域里的发展过程与领域内外一些关系组织结构图。如果能把知识图谱的教学思想理念融入MOOC课程在线学习平台中，就可以把不同课程当作一个个节点，课程的先修、后修关系用课程与课程之间的有向边来表示连接，这就可以形成一个完成的课程知识图谱。它就像一张课程导图，在线学习者通过它从全局的角度来了解整个专业的知识体系、发展方向以及课程之间的关联关系。它还能为在线学习者提供良好的引导作用，在线学习者可以根据它，结合自己曾经学习过的课程、正在学习的课程及自己的个人兴趣爱好，来规划下一步的学习。帮助在线学习者更好地掌握专业内容，提高学习效率[4]。

利用多模态知识图谱来协助个性化MOOC课程构建，可以用图谱的表达方式很好地展现课程与课程之间，或者某门课程内部众多知识点之间的关联关系。

一、多模态知识图谱

多模态知识图谱[5]具有导航、关联、框架结构等特性，能够为MOOC课程构建提供以知识实体为核心、非线性组织方式的多模态课程资源。以多模态知识图谱作为MOOC在线课程的基础资源，通过课程知识实体、实体与实体之间的关系来构建MOOC课程组织结构，从而实现多模态课程资源的跨平台检索与融合是个性化MOOC课程建设的精髓。它使在线学习者在海量课程资源里得到多模态学习资源，达到精准的个性化学习。因此，对MOOC在线平台课程进行个性化构建的核心正是要构建多模态知识图谱。

在线平台中的MOOC课程设计成由视频、图像、文本等多模态方式构成，由在线测试、在线作业、在线讨论、微视频等部分组成。面向多模态MOOC课程的知识图谱，是以抽取课程资源中的知识实体为节点，根据课程相关的知识实体间层级关系，融合多媒体知识实体生成的“知识实体—关系—知识实体”三元组，依据这些三元组生成表示MOOC课程知识实体间相互关系的多模态知识图谱[6]。MOOC课程中不同知识实体之间的层级关系是以课程名为起始节点，以各知识实体所在的节点与起始节点及其相关节点之间的关系来表示。

（1）课程中主要知识点用知识图谱形式呈现关联关系，形成条理清晰、准确完整、专业系统的网状图形。这种网状图形可以让在线学习者迅速理清课程知识点间的关联，有助于熟悉学习课程的框架结构。

（2）多模态知识图谱不局限传统的文字元素，融入视频、文字、图片等多种形式，使课程内容变得更加丰富、多样化，方便在线学习者更容易理解和接受。

（3）多模态知识图谱增加了课程建设者与在线学习者的多模态在线学习互动环节，包括有课程建设者与学习者的互动、学习者与学习内容的互动和课程建设者之间的教学互动。这样会留给课程建设者更大创作空间，让在线学习者的学习热情高涨。

二、多模态知识图谱的MOOC课程构建

在对构建多模态知识图谱的主要步骤熟悉后，就可以理顺多模态知识图谱中的节点与知识实体在MOOC课程平台资源中的关系，还可以把不同课程里检索到的多种资源进行整合，最终可以得到一个由相同或者相似课程聚集在一起有关系网的MOOC新课程。

文章以软件工程课程为例，构建多模态知识图谱的MOOC新课程，其中以课本、教学大纲和MOOC中的平台资源作为主要信息来源。（如图1所示）

为了构建一个完整的软件工程课程多模态知识图谱，首先需要针对该课程进行独立知识点的罗列，定义相关属性;再针对属性值进行多模态资源的抽取，针对有关联关系的知识点进行挖掘，找出它们之间的内部关系，构建一张关系图后，就能完成完整多模态知识图谱的构建。

（一）知识点图谱构建

知识图谱具有知识检索和可视化的功能，基于多模态的资源学习，可以将各个知识点的属性和相互之间的前后关联关系以有向图形式体现出来，在检索某个特定知识点时，还可以将与该知识点相关的信息、资源以及与之关联的其他知识点也展示出来[7]。假设要为软件工程课程构建知识图谱，可以首先把软件工程教材里的知识点罗列出来作为核心，结合教学大纲和培养计划要求，理顺软件工程课程知识图谱的主心骨，进一步构建知识图谱中的知识点主干。为了方便概括知识点和相应属性值进行下一步知识抽取及多模态资源数据的整理，还需要采用教学目标、教学重难点、难易程度和教学背景等作为知识点的附加属性。

（二）知识抽取及多模态资源数据整理

个性化教学需要做到个性化培养，因材施教，数据收集整理需要体现出来。以软件工程课程为例，该门课程以知识图谱为基础，多模态资源数据包括：（1）文字性数据资料。这些数据主要从课本、教学大纲、教学计划等方面获取。（2）案例项目资源。由于课程的特殊性，开发项目案例是课程的精髓，占重要地位，可以从课本、网络中获取项目资源。（3）多模态数据。不仅仅包括文本数据，包括与知识点相关的图片、音频和视频等文件。这些可以直接从网络中下载提供给学生使用，也可以由教师制作成微视频或者音频文件，发布在相应的MOOC平台中。另外平台上收集到的考题资料放在试题库中，根据部分知识点汇总而形成的课堂练习试卷需要以教学内容和考核目标为前提要求。为了让教师进一步掌握在线学习者的在线答题情况，方便今后的有针对性教学，也为了方便在线学习者更深入了解自己的学习情况，系统复习薄弱环节，学习平台需要在学习者每次作答完成后，及时给出分数和每道题的讲解，尽可能地根据每位同学答题情况给出反馈，总结归纳知识点的掌握情况。

（三）知识点关联关系深度挖掘

学好一门课程，要挖掘每个知识点的前后关联关系，例如前序课程、后续课程、相近知识点和易混淆知识点等，这对构建层次的知识点结构图很关键。个性化课堂教学就需要根据指定的教学目标和教学内容，以整体知识图谱为依托，生成对应的某章节网状图，该网状图形的中心知识点是主要讲解内容，根据知识点之间的前后关系（前序课程、后序课程、相近知识点、易混淆等）组织课堂教学内容[8-11]。对于相近知识点的内容可以在MOOC教学平台上放一起对比学习，让学生对这类问题进行强化练习;而易混淆的知识点，则可以帮学生罗列出来，以便学生学习时区分，通过MOOC资源弄清易混淆知识点间的不同之处和相互之间的关联，提高学生的区分能力。知识图谱中的多模态信息可以链接到课程对应的知识点目录下，在线学习者在自主学习时可把图谱作为主线索，查找相应资源，为线上线下教学提供丰富资源。

三、结语

本文以“软件工程”課程为例，将知识图谱应用到教学过程中，以学科知识点为实体，从课本、教学大纲及网络上抽取的相关属性信息以及多媒体资源，构建多模态知识图谱的个性化MOOC建设。在实践教学过程中，将270名选修“软件工程”课程的同学按班级分成两组进行测试比较。第一组学生通过重新构建的多模态知识图谱个性化MOOC课程在线学习，另一组学生采取老式方式随机在线学习。通过实验比较证明，第一组同学的辍学率明显降低，在线学习时间增长，课程考核通过率明显提高。进一步证明了新型多模态知识图谱的个性化MOOC学习可以实现个性化学习，能够帮助学习者更方便收集所需课程资源，优化个性化学习的路径，快速提高学习者的学习效率和学习效果。

参考文献：

[1] 汪基德，王超然. 信息技术与深度学习：信息技术教育研究新进展——中国教育技术协会信息技术教育专业委员会第十三届学术年会综述[J]. 电化教育研究，2017（11）：121-123+128.

[2] 徐振国，张冠文，石林，等. MOOC学习者辍学行为的影响因素研究[J]. 现代教育技术，2017（09）：100-106.

[3] 王雪宇，邹刚，李骁. 基于MOOC数据的学习者辍课预测研究[J]. 现代教育技术，2017（06）：94-100.

[4] 陆星儿，曾嘉灵，章梦瑶，等. 知识图谱视角下的MOOC教学优化研究[J]. 中国远程教育（综合版），2016（07）：5-9+79.

[5] 顾曰国. 多媒体、多模态学习剖析[J]. 外语电化教学，2007（02）：3-12.

[6] 官赛萍，靳小龙，贾岩涛，等. 面向知识图谱的知识推理研究进展[J/OL]. （2018-04-16）. 软件学报，2018（04）：1-29. https：//doi. org/10.13328/j.cnki.jos.005551.

[7] 崔京菁，马宁，余胜泉. 基于知识图谱的翻转课堂教学模式及其应用——以小学语文古诗词教学为例[J]. 现代教育技术，2018，207（07）：45-51.

[8] 刘婷. 教育技术学知识图谱的构建[D]. 哈尔滨：哈尔滨师范大学，2014.

[9] 熊回香，杨滋荣，蒋武轩. 跨媒体知识图谱构建中多模态数据语义相关性研究[J]. 情报理论与实践，2019，42（02）：13-18+24.

[10] 王亮. 深度学习视角下基于多模态知识图谱的MOOC课程重构[J]. 现代教育技术，2018，28（10）：100-106.

[11] 李直旭，何芙珍，刘安. 多模态教学知识图谱的构建与应用[J]. 福建电脑，2019，35（08）：5-8.

（荐稿人：姜火文，江西科技师范大学教授）

（责任编辑：汪旦旦）