基于知识图谱的在线学习系统设计

陈光仪，陈义明，乔波

（湖南农业大学 信息与智能科学技术学院，湖南 长沙 410128）

0 引 言

随着终身学习观念的不断深入人心，外加近年来新冠疫情的防控需求，在线学习已越来越多地成为广大学习者的重要学习方式。各地学校和教育主管部门纷纷建立起各自的在线教学平台，教育部也在融合现有开放教学资源的基础上建立了国家智慧教育与公共服务平台，为社会大众提供全方位的面向中小学教育、职业教育和高等教育的在线教学服务。然而，对现有在线学习系统进行深入研究后发现：目前绝大部分在线课程的学习内容、学习资源和学习路径都仅按其所用教材的章节顺序加以组织，缺乏基于课程知识点内在关联逻辑的体系结构支撑；同时几乎所有系统都缺乏对不同学习者个体特征和个性化需求的自适应性，亦无法提供及时而富有针对性的个体指导。从而使得学习者不知如何自主把握学习过程和学习进度，也难独立形成系统性的课程知识体系结构，造成整体上的系统交互体验不好、学习效果不佳。本文拟就如何解决这一问题展开研究，以期推动新一代信息技术与在线学习系统的深度融合，促进全社会智慧学习环境的创设和发展。

1 相关技术研究

新一代信息技术尤其是人工智能、大数据技术的发展给创建更具智慧的在线学习系统带来了无限可能。智慧化在线学习系统本质上可视作为一种语义网络应用，因为语义网络的目的即为全体互联网用户提供一个更加准确、更加智能的知识获取环境，知识图谱是实现语义网络的技术基础，是通向语义网络环境的鲜明道路。

知识图谱由Google 公司在2012年提出，其初衷是为了优化搜索引擎，将传统基于关键词的搜索升级为基于语义的搜索，以此提高用户的使用体验。知识图谱有通用知识图谱和垂直知识图谱之分，均采用SPO（Subject-Predicate-Object）三元组的形式描述现实世界中的实体、实体的特性以及实体之间的相互关系。知识图谱相当于一个大型的语义知识库，它以图形化的结构来表示知识之间错综复杂的关联关系。构建知识图谱有自顶向下和自底向上两种方式，前者通常指基于百科类网站等高质量的结构化数据源，从中提取本体和模式信息后再加入知识库中，因而适用于那些内容明确、关系清晰的领域知识图谱构建；后者一般指通过借助特定的技术手段从公开采集的数据中提取模式信息，选择其中置信度较高的新模式，经人工审核后再加入知识库中。

智慧化学习系统是人工智能、大数据技术和现代教育技术相融合的典型成果。与传统学习系统的最大区别在于：智慧化学习系统以学习者为中心，主动适应学习者的个体特征和个性需求，全程强调学习者个人学习方式和学习习惯的充分发挥。它借助大数据和人工智能的相关技术，全面及时地获取学习者与学习系统交互所产生的各种数据信息，进而分析他们的认知水平、学习习惯、学习方式和学习状态，然后根据学习者画像动态调整他们的学习路径和学习资源，针对性地推荐后续学习内容和学习活动，从而真正实现了因材施教的教学过程。

2 系统模型设计

实现基于知识图谱的在线学习系统，需要人工智能以及大数据技术的支持。参考Brusilovsky 等人提出的自适应超媒体教学系统（Adaptive Educational Hypermedia Systems，AEHS）通用模型，再结合目前主流在线学习平台的发展情况，本文设计得到基于知识图谱的在线学习系统的系统模型如图1所示。

图1 在线学习系统模型

基于知识图谱的在线学习系统由课程知识图谱模型、学习者模型、学习模型、交互界面模型和自适应引擎组成。

课程知识图谱模型是实现智慧学习系统的前提和基础。构建课程知识图谱首先必须选择好课程领域内的经典教材；然后以知识点为核心建立完整的课程知识结构体系，并抽取教材上所涵盖的全部学习内容，加工整理后再组织到对应的各个知识点中。学习资源方面，既要积极鼓励教育者根据课程知识特点自制各种富媒体教学材料，也可以搜集整理互联网上与课程有关的开放教育资源加以利用，然后再建立学习资源与课程知识点之间的关联关系。

学习者模型是所有使用系统的学习者的数字画像。构建学习者模型之前，应该尽可能全面地采集其个体化静态特征和动态特征。静态特征是指学习者在使用系统之前即已具有的相关信息，主要包括其个人描述和对课程知识的现有认知水平；动态特征是指学习者在使用系统之后，随着学习的进行和不断深入所产生的交互信息，主要包括其学习行为习惯、学习风格和个体需求等。学习者模型在学习者注册时创建，并随其在线学习活动的开展而不断调整、丰富和完善。

学习模型是对学习者和学习系统交互融合过程的抽象。在该模型中，学习者的学习行为受到课程知识图谱模型及学习者模型的影响，同时也和系统提供的交互界面模型紧密相关。学习者可以根据课程知识体系结构自主选择知识点和相关学习资源进行学习，也可以根据系统推荐的学习路径开展学习活动，学习模型能保证学习者高质高效地逐步完成课程全部知识点的系统性学习。

交互界面模型是对学习者和学习系统信息交互场所的抽象。学习者将个体学习需求和学习目标通过该模型反馈到系统，系统将个性化的学习路径和学习资源通过模型及时呈现给学习者。构建交互界面模型时，一方面要考虑学习者群体层次的丰富性，功能界面应尽量简洁、友好和美观；另一方面根据马斯洛需求层次理论，也要考虑学习者在移动互联网时代的社交习惯需求，多提供系统和主流社交平台的互联共享通道。

自适应引擎负责学习系统中各模型之间的信息交互和传递。其主要作用在于：一方面，将学习者使用系统时在交互界面模型中生成的动态信息传递给学习者模型和学习模型；另一方面，根据学习者的学习情况和实际需求，基于课程知识图谱模型推荐学习路径和学习资源，并将相应信息传递给学习模型或通过交互界面模型呈现给学习者。

3 系统功能设计与实现

本章将以“Python 程序语言设计”课程为例，详细介绍基于知识图谱的在线学习系统的功能设计与实现流程。系统的数据库模型、功能模块和程序流程均围绕系统模型而展开，数据库设计重点考虑创建课程知识图谱模型和学习者模型所需的数据组织结构和物理存储要求；功能模块主要考虑如何创建并使用学习者模型和交互界面模型；程序流程则主要考虑学习模型和自适应引擎的实现，以及如何利用学习者和系统的交互不断改进完善所有模型。

3.1 数据库设计

关系型数据库在结构化数据的存储和处理方面拥有绝对优势，但对知识组织及存储的支持却不够友好，而以图论为基础的图数据库在此方面却恰好拥有与生俱来的长处。基于知识图谱的在线学习系统在支持课程知识图谱模型方面选择了开源的图数据库Neo4j，而在支持学习者模型以及组织存储学习者和系统的交互信息等方面则选择了开源的关系型数据库PostgreSQL。使用数据库辅助建模工具设计得到的数据库模型如图2所示。

图2 在线学习系统数据库模型

数据库中主要存储与课程知识点有关的学习资源信息以及所有学习者的个人信息，同时学习者的学习行为和交互数据也会保存在数据库中。这些内容将用于初始课程知识图谱模型、学习者模型和学习模型的创建，也将用于后期对这些模型的优化和完善。

3.2 功能模块设计与实现

基于知识图谱的在线学习系统实现了课程知识图谱模型、学习者模型、学习模型、交互界面模型和自适应引擎的创建、使用和管理功能。系统功能模块主要包括学习模块和管理模块两部分。前者给学习者使用，提供用户注册登录和课程在线学习等功能，系统将根据注册信息创建学习者模型，基于课程知识图谱模型初始化当前学习者的学习模型，并将符合其个性需求的学习路径和学习资源通过交互界面模型呈现给学习者；后者给管理者使用，提供对课程知识图谱、学习资源、学习者注册过程及个人信息的统一管理功能，以便于在系统使用过程中不断对各模型进行调整和完善。

3.2.1 学习模块

学习模块首先为所有学习者提供了注册功能。为了后续提供个性化的学习服务，要求学习者在注册时必须提供与课程有关的学习经历等背景信息，并参加课程基础知识测试。学习者登录系统后，可以自主选择课程知识点进行学习，或者根据系统推荐的学习路径开展学习活动。学习者在学习过程中，可以随时对学习资源进行评论、收藏和评分，还可以就学习内容和知识点问题在课程讨论区中与其他学习者相互交流探讨。学习者使用学习模块的基本流程如图3所示。

图3 系统学习模块程序流程图

根据上述流程，分析学习模块的主要子功能应该包括学习者个人注册、课程在线学习、课程知识交流讨论和学习者个人信息管理等。设计得到学习模块的功能模块图如图4所示，各子模块实现的主要功能为：

图4 学习功能模块图

（1）个人注册模块，实现学习者注册功能。用户需提供姓名、昵称、性别、出生日期、电话号码、电子邮箱和社交账号等个人基本信息，同时还必须补充个人专业背景以及与Python 程序语言设计有关的学习经历，并参加课程基础知识测试，系统才能获取相关信息并构建当前用户的初始学习者模型。

（2）课程学习模块，实现在线课程学习功能。学习者登录系统后，可以根据课程知识点分类目录自主选择学习内容，系统也将根据学习者模型和课程知识图谱模型建立起对应的学习模型，推荐符合其认知水平的个性化学习路径和学习资源。同时，系统还将实时记录学习者的个体学习行为习惯，包括学习者在系统中的浏览路径、视频和文档的学习时长、各个知识点和学习资源的点击次数等，所获信息将用于对现有学习者模型和学习模型的优化和完善。

（3）交流讨论模块，实现课程知识的交流讨论功能。学习者在学习过程中，可以随时根据个人学习体验对学习资源进行评论，或就具体问题与其他学习者进行探讨。实现的功能主要包括学习资源评论、收藏和评分，以及知识点分组讨论区的话题新建、回复、点赞、收藏和分享等。这种社交性学习活动本质上是一种协同知识构建的方式，既有利于学习者进一步巩固和拓展学习效果，也有利于系统获取更多学习者的学习行为习惯，提升系统模型的准确和完善程度。

（4）个人管理模块，实现学习者个人信息的管理功能。系统允许学习者随时修改其个人信息，尤其是学习者在系统之外获得的与课程有关的学习经历和学习成果，这些反馈有利于系统对学习者更精准的用户画像。同时，系统还提供了学习者查看其个人历史学习记录的功能。

最终实现的在线学习系统学习功能模块如图5所示。

图5 学习功能模块实现界面

3.2.2 管理模块

管理者登录系统后，可以对“Python 程序语言设计”课程知识图谱进行管理，也可以对课程知识点以及关联学习资源进行修改，以便于系统后期不断充实和完善课程知识图谱模型。此外，管理者还可以对学习者注册过程和课程知识测试题目进行调整，以便建立更完善、更精准的学习者模型和学习模型。设计得到管理模块的功能模块图如图6所示，各子模块实现的主要功能如下：

图6 管理功能模块图

（1）课程知识图谱管理模块。系统采用湖南农业大学信息与智能科学技术学院院长朱幸辉教授编写的《Python程序设计案例教程》作为教材，构建了较为完整的Python 程序语言课程知识图谱。系统运行时，管理者可以通过该模块对现有知识图谱进行修改，及时补充Python 程序语言发展的新知识、新内容，同时还可以对界面模块中呈现给学习者的课程知识点及其相互关系进行调整，使之更准确、更科学、更全面地体现课程的知识结构体系。

（2）学习资源管理模块。系统所使用的学习资源主要来源于课程教学团队多年来的自制积累，同时也搜集整理了互联网上与Python 程序语言有关的许多开放教育资源，清洗整理后再将它们与课程知识图谱中的各个知识点建立关联关系。系统允许管理者在后期不断补充和更新课程学习资源，并根据学习者反馈对学习资源和课程知识点之间的关联关系进行调整，以完善课程知识图谱模型，优化学习体验，提升学习效果。

（3）注册过程管理模块。学习者模型是否准确反映了学习者的个性，是实施学习路径和学习资源推荐的关键。管理者能够根据系统运行后的反馈意见和实际效果，及时调整获取学习者个体特征的手段和方式。譬如对于不便于在学习过程中动态获取的信息，或者获取质量不高的信息，可以调整至学习者的注册流程，以用户“个性标签选择”或“学习习惯设置”等方式转而由学习者自主提供。同时，系统也允许管理者对课程基础知识测试进行修改调整，这样可以创建更精准的学习者模型。

（4）学习者管理模块。管理者能够查看并管理所有学习者，包括其个人学习记录和学习成绩等，从而及时掌握学习者的学习进度和学习水平，对其进行个性化的学习指导。同时，管理者还能通过系统和学习者实时交流互动，参与话题讨论，解答课程相关问题等。

最终实现的在线学习系统管理功能模块如图7所示。

图7 管理功能模块实现界面

4 结 论

本文介绍了基于知识图谱的在线学习系统的设计思路，提出了智慧化学习系统的设计模型，并以“Python 程序语言设计”课程为例设计实现了完整的系统功能模块。应用结果表明：本文成果能给Python 程序语言的学习者提供高效且个性化的在线学习环境，课程知识点分布科学合理，系统推荐内容符合个体学习需求，交互体验友好，学习效果良好。后续研究工作重点在于：一方面，系统获取学习者的行为数据后，如何跟随其学习进程实时优化学习模型并同步调整交互界面模型还需要进一步深入研究；另一方面，对于如何规范系统模型和功能模块设计，以便将成果推广至其他同类在线学习系统也需要反复实践。作者将从以上方向着手，扎实开展后期的理论研究和实践创新工作，以期取得更有价值的成果，为推动全社会形成良好的智慧学习环境做出贡献。