基于知识图谱的增强型混合式学习的教学实践与思考

史宇坤，许姝艺，董少春

南京大学 生物演化与环境科教融合中心，南京 210023

1 前言

混合式学习（blended learning或hybrid learning），是指线上线下的互动式教学模式，通常通过线上平台，在课前完成知识传输，而在课堂（线下）以教师指导下的师生互动等方式进行学习。自Cooney等（2000）提出混合式学习以来，这一方法在各个教育阶段的教学中已有广泛的实践和研究。混合式教学（blended learning pedagogy、blended pedagogy;Buluma and Walimbwa，2021）即针对这种学习方式的教学活动，在高等教育中也极为常见。高等教育的目的是让学生掌握完整的科学理念，成为创新、创业的专门人才（王世岳和陈洪捷，2019；潘懋元，2020）。混合式学习所采用的双主角模式（学生为主体、教师为主导），注重学生的自主学习、协作学习和个性化学习（钟玉琴，2017），正是实现高等教育教学目的的创造性学习模式。

笔者在教学实践中发现，混合式学习强调学生自主学习，其核心环节之一是在教学中对学生自主学习、协作学习和个性化学习的方法给予引导，帮助学生高效地完成自主预习——课堂讨论——课后自主总结与深化的学习闭环。针对这一问题，笔者构建了增强型混合式学习模式，也可称为“混合式+”模式，即在混合式学习中引入其他的学习方法，加强对学生自主学习环节的引导。针对学生在知识型课程的自主学习中，难以形成具有清晰内在逻辑的知识架构这一问题，笔者引入了人工智能领域的知识图谱概念，充分利用知识图谱清晰描述知识体系的特点，构建了基于知识图谱的增强型混合式学习模式，引导学生在线上学习的过程中自主搭建知识构架，形成逻辑线，以增强学生自主学习的效果。本文将详细阐述这一新型教学法，并分析其在南京大学《古无脊椎动物学》课程中实践的初步效果。

2 混合式学习的产生、优势与问题

混合式学习是科技化教学发展下的最新产物，其线上学习部分的雏形最早可追溯到20世纪60年代。当时的少数企业借助大型和小型计算机高效实现了企业内部员工培训任务，如由伊利诺伊大学开发的分布式计算机学习系统PLATO（Programmed Logic for Automatic Teaching Operations; Woolley,1994）。再经过70年代基于卫星技术的学习创新，如斯坦福大学教育电视网络SITN（Dipaolo，1995）以及80年代的学习光盘时代（Bersin，2004），并最终迎来了1998年至今以互联网为主要媒介的线上学习模式。

21世纪初期，线上教育与传统教学相结合的混合式教学模式出现，有效整合了面对面口头交流与在线书面交流的优势（Garrison and Vaughan，2012）。从教师层面看，混合式学习鼓励教师发挥引导、启发和监控教学过程的主导作用（何克抗，2004）。教师可以打破传统教学范式，并对其进行重新设计。教师在教学中的指导作用也不再局限于纯教授式的内容传递，还可以通过创设多种学习环境、提供多种学习资源、组织实施多样化的学习评价等方式（孟庆双等，2008），从不同的维度实现对学生的启发和引导。

从学生角度看，混合式学习能够有效地提升学习者的自主学习、批判性与创新性思维能力。学生的自主学习、协作学习和个性化学习可以贯穿在教学过程的各个环节，其中最重要的是课前预习环节。混合式学习的在线部分主要用于学生进行课前预习，即先行探索，开展自适应性学习。经过线上自主学习后，学生带着问题进入课堂，在教师的精心设计的课堂学习活动中，通过与老师和同学进行高效的讨论，或练习，深化前修知识。

因此，混合式学习能够有效打破传统教育模式下的教师单一化教、学生被动式学的固有缺陷。但是，教学实践也发现，学生在自主学习过程中往往只注意到了单个的知识点和概念，而缺乏架构指引和对单元知识内在逻辑的探索，缺少对知识体系的整体思考（彭静雯和许祥云，2017），因此自主学习的整体效果不佳，教学效果仍然极大依赖于课堂教学，形成“轻自主学习，重课堂教学”的假双主模式。并且，学生的适应性、学习能力参差不齐，加上自我约束能力、对传统教学中教师讲授的依赖程度等的不同（陈慧芝，2016；周德慧，2020），学习体验和效果可能也会千差万别。因此，在混合式学习的教学实践中，如何引入有效的学习方法，引导学生的自我学习，提升学生的自适应能力，是非常关键的一环。

3 知识图谱概念及其在教学中的应用

知识图谱（Knowledge Graph）由谷歌公司在2012年提出，是指通过图形化的方式，表达知识元素之间关系的一种知识表示形式（肖仰华等，2020）。它由节点和边组成，节点是人类语言中所涉及到的实体或者概念，边表示它们之间的关系（王昊奋等，2019；朱小燕等，2020），由此构成包含实体、概念及其之间各种语义关系的大规模语义网络。知识图谱的构建需要从目标事物中识别主体和联系，建立知识模型，进而从海量数据中抽取信息，形成图谱。知识图谱从构建到应用包含知识表示、知识获取、知识融合、知识推理以及知识检索和知识分析等多个环节，是实现认知层面的人工智能不可或缺的重要技术（图1，王昊奋等，2019）。

图1 规模化的知识图谱系统工程（选自王昊奋等，2019，有修改）Fig.1 Knowledge graph system design

近些年，随着机器学习与人工智能在各领域的普及，知识图谱已在各学科研究领域逐步拓展并广有收效（Page, 2016; Yu et al., 2017; Chen et al., 2018;Mrdjenovich et al., 2020; 齐浩等，2020）。但实际上，知识图谱的“知识结构化”主旨，决定了它在知识习得以及教学上也能发挥重大作用。人类学习知识的过程，完全可以借鉴知识图谱构建的路径，通过分析、归纳分散的知识，形成高度结构化且逻辑清晰的知识体系，再加以演绎和推理，从而获得新的知识。

知识图谱在教学中的优势也逐渐受到关注。例如，杨宏伟（2013）初步探讨了将知识图谱思路应用于旅游管理学科的课程教学改革中，建立通用、便于规范、检查与操作的教学模式，有利于学生专业知识体系的构建。戈其平和钟艳如（2019）从理论层面提出了针对数学教学内容的知识图谱构建方法，认为可以加强教学内容章节与章节之间的联系，帮助学生有效存储与分享数学知识。但是，这些研究都仅有理论和思路，缺乏教学实践的检验。

值得注意的是，计量学领域的知识域可视化（Mapping knowledge domains）也曾被译为知识图谱（郭文斌，2015）或科学知识图谱（刘则渊等，2008），并引入教育研究以及教学工作中（刘则渊等，2008；赵玉鹏等，2009；郭文斌，2012，2015；房宏君和宿迎雪，2014）。知识域可视化虽然也是一种对知识资源的可视化描述，但倡导计量学理念，注重对海量信息的自动集成和展示，缺乏知识表示模型和对知识的深度理解，因此和本文讨论的知识图谱有本质的区别。而与时下在教学中也较为常见的思维导图法（崔银洁等，2019）相比，知识图谱更强调归纳和总结知识中的结构性关系，即知识点之间的逻辑关系，而前者更强调思维的发散性。另外，知识图谱与思维导图也有显著的不同，它更加强调知识的高度精炼，需要将所有的知识点和信息转化为实体和概念，而后者则更注重知识点间的连贯性，表达形式可以是多样化的。从教学的意义上看，前者对知识理解的要求更高。

4 混合式学习中引入知识图谱概念的合理性

如前所述，混合式学习的优点在于调动学习者的主观能动性。学生需要在线上学习过程中，理解课程内容，自主建构合适的知识体系，但并不是所有学生都可以很好地完成这一步骤。虽然大多数本科生在高中阶段的训练中都已经养成了总结、整理知识点的良好习惯，但仍偏重条目式整理，较少进行知识点链接，本质上是缺乏对知识架构和逻辑的思考。因此在线上自学的效果不尽如人意，而这一问题可以用构建知识图谱的训练予以解决。

在知识图谱的构建中，所有错综复杂的知识内容均可以通过“实体—属性—值”或“实体—关系—实体”的三元组来表达（肖仰华等，2020；朱小燕等，2020）。这些三元组可以通过实体对齐、关联和合并等系列操作（王昊奋等，2019），整合为不同主题的本体（ontology），实现知识融合（knowledge fusion）。在这一过程中，通过实体对齐，可以将相似属性的实体统一，加强整体的逻辑性。例如，在古无脊椎动物中，三叶虫和珊瑚是两类常见的后生动物，它们都具有外壳。三叶虫的外壳发育头甲、尾甲等；而珊瑚的外壳发育隔壁、横板等。由此可建立起一系列三元组关系，其中三叶虫、珊瑚、外壳、头甲、隔壁均为实体，以特定的关系相连（图2）。观察并对齐这两个系列三元组，就可以融合二者，推演出关于后生动物的外骨骼以及各骨骼组成部分的框架。学生在预习过程中，如果对所有古生物类群都构建起这样的三元组，就可以快速穿透繁杂的知识点困扰，捕捉到其中的结构规律，通过实体对齐和知识融合，构建起相对合理的关于后生动物实体的知识体系。这一体系的形成，为进一步的知识推理和分析奠定了基础。

图2 三叶虫与珊瑚知识关联示意图Fig.2 Trilobite and coral knowledge connection

依据需求，笔者将科技领域的知识图谱构建流程进行了简化，分为两个基本步骤：第一阶段，以三元组法为基本思路构建各部分的知识图谱。学生可以根据每一章的教学视频以及阅读材料中的知识点，用三元组的方式归纳总结，形成各部分的知识框架。第二阶段，总结所形成的知识图谱，根据知识的相似性结构，融合相近的实体和概念，并根据章节之间的内在逻辑关系，对所有已形成的知识图谱进行合并或消歧，形成相对完整的知识体系。完整的知识体系应该能够用清晰的三元组（系列），概括出所有章节的内容（即构建出一个完整的本体）。

5 基于知识图谱的增强型混合式学习的教学实践

2019年南京大学的《古生物学》慕课（MOOC）上线，2020年秋季学期笔者即利用此课程，在《古无脊椎动物学》的课程教学中推行线上线下混合的学习方式。在线下面对面教学之前，学生需要自行完成线上MOOC课程的相关内容。为帮助学生提高线上自主学习的效率，笔者引入了知识图谱作为引导和评估学生学习效果的工具和手段。由于多数学生对知识图谱的概念还较为陌生，此次仅试行了知识图谱构建的第一阶段，强调对知识点的结构性认识。

课程学习的具体步骤为：（1）课程初始，教师介绍知识图谱概念并举例说明这一方法的应用；（2）学生课前针对有关内容进行线上学习，结合提供的参考资料，进行归纳和总结，根据预习内容初步构建知识图谱；（3）课堂时间内进行分享和讨论，教师针对知识图谱进一步总结，学生根据讨论内容深化理解，对知识图谱进行进一步补充和完善；（4）课程中期，请学生复习知识点并相互纠错；（5）课程结束，学生针对主要内容进行知识体系的关联和总结，形成覆盖该门课程全部知识点的相对完整的知识图谱构建。全知识图谱将整门课程的内容全部有机串联，帮助学生理解、掌握和记忆。

虽然初期形成的知识图谱并不完全满足三元组的简洁性，仍存在知识的堆砌（图3a），但学生自身对于知识点总结的条理性得到了加强。例如在“化石”一节中，学生要构建起知识图谱，就需要弄清楚化石、实体化石、遗迹化石、模铸化石、化学化石等实体的内涵，以及它们之间的关系（图3），而不是只记住名词。由于学生在自主学习的过程中理清了大部分概念，在课堂讨论过程中，他们能够思路清晰地讲解图谱，准确表述各知识点之间的逻辑关系，所提出的问题也更有针对性和深度。

图3 学生构建的“化石”知识体系（a）以及课堂上的知识复现（b）（b图中黑色为学生首次复现结果，绿色为之后根据（a）补充的知识点）Fig.3 Fossil knowledge system constructed by a student (a) and his later knowledge recovery (b)(The green words in (b) were omitted key points)

在课程中期时，笔者采用突击检查的方式，让学生复现已经学过的某类知识点。以往的教学中，这一环节对学生是较为困难的，由于平时并没有针对性的复习，学生对知识点的复现通常是零散的。此次，大多数学生会采用原定的知识图谱方式进行知识复现，且复现情况良好（图3b）。笔者对课中进行的四次突击检查复现情况进行了汇总，得到的知识点平均正确率（正确的知识点数目与完整的总知识点数目之比）分别是72.0%、60.5%、63.0%、75.2%，即学生在无复习的情况下对已学知识的正确记忆大于60%。课程结束时，大多数学生已经可以熟练应用知识图谱思路进行全面总结，对古无脊椎动物学的整体架构和逻辑有较为清晰的认知（图4）。

图4 学生构建的古无脊椎动物学全知识图谱（部分）Fig.4 A part of Invertebrate Paleontology Knowledge Graph constructed by a student

6 基于知识图谱的增强型混合式学习的应用潜力与现存问题

基于知识图谱的增强型混合式学习在《古无脊椎动物学》中的初步实践表明，知识图谱的引入能够引导学生主动思考，帮助学生的课前自主学习过程，充分加强学生课前学习的主动性。在课堂教学和课后复习中，知识图谱也是有效的引导，使全体学生可以较为快速地理解、交流有关内容。同时教师还可以引导学生自主更新知识图谱，实现知识的融合，同步加强教师主导和学生主动学习，对混合式学习具有良好的促进作用。这一教学法的优点可具体归纳如下：

锻炼学生知识提炼的能力。构建知识图谱基本三元组的过程中，需要学生深度理解概念，高度提炼相关内容，是对知识的深度再加工。学生学习过程中接触到的知识是多维度的描述，如参考书中是文字描述，线上视频是更加“立体”和图像化的描述，目的是让学生透彻地理解内涵和外延。但是学生吸收知识的过程，需要更近一步，从描述中以三元组的方式概括、提炼出其中的关键内容，这是形成知识体系的重要一步。

锻炼学生融合知识，形成完整知识体系的能力。学习建立知识图谱，可以帮助学生，尤其是学习不够系统化的学生，完成知识体系的构建（戈其平和钟艳如，2019）。当学生完成所有章节的知识图谱之后，需要构建关于化石无脊椎动物的完整知识图谱时，需要“拼接”所有的实体（即知识融合），就更需要理清它们之间的逻辑关系，是一个将所学知识完全系统化的过程。这不仅可以加深学生对已有知识的理解，更可以使学生了解整个知识体系建立的逻辑。此时可以鼓励学生继续深入思考，提出体系中可能存在的问题。

为知识推演奠定基础。学生的创新力之一，就是要能够由此及彼，从已知到未知。知识图谱中严密的逻辑关系，是进行预测和推理的坚实基础，而知识推演也是知识图谱系统工程的必要一环。在古生物的研究中，很多化石生物的生活习性是依据其同类现生生物推演而来，但对于那些无同类现生类群的化石生物，其栖息、移动、进食等特征则要根据与其他生物相似的形态特征去推演。因此，根据生物类群实体的形态特征、栖息、移动、进食等属性所建立的知识图谱，为后续的高阶推演打下了必要基础。

知识图谱通过可视化引擎工具表现各实体、概念之间的关系，可形成形象记忆（黄艳萍，2010），对于增强学生记忆可能有事半功倍的效果。在知识型课程中，知识的记忆和存储是一个重要环节。与线上视频用多媒体方式展现实体特征的功效相似，知识图谱使用图形与文字结合的方式展示实体之间的逻辑关系，均是加强记忆的有效手段（罗伯特·麦迪根，2019）。

但是，目前由于绝大多数学生尚未接触过知识图谱概念，在课程进行中需要一段时间逐渐消化其内涵和方法，可能出现总结的知识图谱有较大知识结构重复性、逻辑关联不明晰等问题。因此在教学实践中，教师需注意加强对知识图谱内涵的讲解和实例分析，使学生逐步熟悉知识点的三元组归纳思路。待学生适应和理解后，还可继续加深至第二阶段，使学生在知识点总结步骤中，不只是进行实体关联，还要学会使用消歧、融合等技巧，进一步简化图谱，形成更为系统的知识体系，甚至本体。

近十年来，教学方式愈加多样化，线上线下混合式学习更加普遍，教学资源空前丰富。笔者认为这一趋势将在今后更加显著，因此如何进一步丰富教学方式，改善混合式学习中存在的问题，也是高等教育工作者将迅速面临的挑战。混合式与其他方式相结合的增强型混合式学习教学法，是应对这一挑战的一个新思路，其中以知识图谱为基础的增强型混合式学习有利于提高学生自主性学习效果，具有广阔的应用潜力。