知识图谱在在线学习系统中的应用

闫博

(黑龙江工商学院 黑龙江哈尔滨 150001)

根据教育部、国家发改委、财政部《关于引导部分地方普通本科高校向应用型转变的指导意见》提出的“将现代信息技术全面融入教学改革，推动信息化教学、虚拟现实技术、数字仿真实验、在线知识支持、在线教学监测等广泛应用，通过校校合作、校企合作联合开发在线开放课程”，在国家政策支持、相关技术日趋成熟的背景下，围绕在线学习系统开展的线上线下混合式教学的相关研究，变得日益重要。

目前，大部分在线学习系统均提供了在线视频、在线练习、在线问答、资源下载等功能，能够监控学生学习行为和学习过程，但是在如何利用学习系统中历史数据提升学习效果和教学评价仍存在一定不足。在人工智能与大数据迅速发展的背景下，知识图谱在教育信息化中的应用价值日益突出，但是国内对于相关研究的内容较少。该文着眼于知识图谱在在线学习系统的应用，分析知识图谱对课程知识和学生知识的多维度描述能力，帮助评价学习效果。此外，知识图谱在解决“知识迷航”问题中的优秀效果，帮助学生及时发现学习中的不足。该文通过分析知识图谱在在线学习系统的应用现状，以及在线学习系统的发展困境，依托于理论支撑，对知识图谱在在线学习系统中的应用价值及发展方向进行探讨。

1 在线学习系统的发展现状

各大高校在线上教学快速发展的大背景下，不断推动混合式教学的发展，线上教学也从辅助教学手段，逐步发展成为不可或缺的教学组成部分，在疫情防控的大背景下，在线教学系统更是成为重要的教学资源。在线学习系统具有时间、空间不受局限的特点，为学生提供灵活的学习环境，具有较强的用户自主性、实时学习性，以及学习资源易于获取的特性。

目前，在线学习系统的用户主要分为学生、教师两类角色。教师端具备的功能主要包括：上传教学视频、上传教学资料、布置在线作业与测验、在线批改学生作业与测验、查看学生在线学习数据、在线答疑等功能。学生端具备的主要功能包括：在线观看视频、下载学习资料、在线填写作业与测验、查看批改信息与分数、在线提问等功能。一些在线学习系统提供了具有专业特色的特殊功能，例如在线判题系统，为计算机相关专业的同学提供编程语言的在线编辑与运行检测功能。国内主流的在线学习系统包括中国大学MOOC、学堂在线等，包含了国内诸多“双一流”高等院校的一流课程，学生注册登录后可以在线选择课程；EduSoho在线教育软件，是国内广受欢迎的跨平台开源项目，主要面向网络教育培训机构，提供教学资源管理、在线讨论、师生互动问答等多种功能，并提供功能模块的定制化服务；网易云课堂在提供大量在线课程的基础上，提供了个性化学习进度安排，以及在线笔记、在线互动交流等功能。这些在线学习系统，为教学模式和学习方式的改革，起到积极的推动作用。

随着混合式教学的日益普及，仅仅具有上述功能的在线学习系统已无法满足现代教学的要求，不足之处也逐渐暴露。在线学习系统普遍缺少对学生学习效果的评价。学生在在线学习系统中的历史学习信息存储在数据库中，仅提供简单的展示与统计功能，如学习时常、测验得分等，不能够准确反映学生的学习效果。学生仅根据平台提供的功能机械式学习，无法明确知识与知识间的逻辑关系，由于线上学习缺乏师生互动，导致容易出现知识碎片引起的知识迷航问题。同时，单一的教学信息统计结果，无法准确评价教师的教学效果，缺少对学生学习情况的反馈，教师难以把控班级的整体学习情况。

2 知识图谱概述

知识图谱的概念由谷歌公司于2012 年5 月提出，旨在描述现实世界中存在的实体以及实体之间的关系。伴随着人工智能与大数据技术的快速发展，已经被广泛应用于智能搜索、智能问答、自然语言处理、个性化推荐、内容分发等领域。

知识图谱根据应用范围的不同，主要分为通用知识图谱、垂直知识图谱。通用知识图谱也叫作开放领域知识图谱，强调知识的广度，包含海量的实体以及实体间的关系，很难完成对知识整体统一性的管理，准确性和质量一般，常用的项目有YAGO、Freebase 等。垂直知识图谱也叫作行业知识图谱，主要面向某一特定领域，实体以及实体间的关系数量较少，专门为解决特定领域专业问题定制，具有很强的专业性。该文研究的专业课程知识图谱属于垂直知识图谱。

知识图谱在教育方面的研究在国外主要集中在个性化学习方面。Rizun 通过将知识图谱结合推荐系统设计了个性化学习系统[1]。Signer 等结合知识图谱和学习路径设计了一种个性化学习系统[2]。

国内的研究相比于国外更为活跃，且更多集中于知识抽取方面的研究。胡茹燕提出了基于Web的课程知识图谱构建方法[3]；单娅辉等人基于教材教辅材料和百度百科采用自然语言处理的方法抽取关键词，取得了不错的效果[4]；李直旭等人则采用人工进行知识提取的办法，但是将知识从文本扩展到了图片、音视频等多模态信息[5]。在个性化学习方面，吴彦文等人将知识图谱与推荐算法相结合，取得了一定的效果[6]。

实际应用中，美国的Knewton 公司利用知识图谱构建了包含概念和先决关系的跨学科知识体系；可汗学院将知识图谱作为数学、科学、计算机等学科课程的基本组织结构。相比之下，目前国内主流的在线教学平台尚缺乏对知识图谱的使用。

3 知识图谱在在线学习系统中应用的理论支撑

3.1 第四代评价

1989年，美国学者古贝和林肯在《第四代评价》专著中提出了相关理论。他们从建构主义和哲学出发，提出评价是评价中与其对象双方交互作用，形成共同的心理构建过程[7]。真实性评价、作业评定等评价方式均属于第四代评价范畴，这些评价方式尤其重视问题解决中的思维过程和层次。

围绕学生学习效果评价，依据专业课程知识图谱、学生专业课程学情知识图谱进行诊断性评价、形成性评价的研究，以达到专业教学的诊断、调节作用。

3.2 联通主义

联通主义是George Siemens 在2005年提出的一种互联网时代的学习理论（他也是MOOC 课程模式的缔造者之一）[8]，其基本思想是：知识是网络化联结的，学习是连接专门节点和信息源的过程。

以联通主义理论作为知识图谱应用的理论依据之一，以可视化方式构建知识结构并呈现给学生，实现对知识的有效组织，知识点清晰的逻辑关系有效解决学生学习过程中产生的知识迷航问题。

3.3 垂直知识图谱

垂直知识图谱是面向特定领域的知识图谱，基于行业数据构建，强调知识的深度。可以采用自顶向下和自底向上相结合的方式构建垂直知识图谱。以专业课教材、大纲、教案等资源作为知识来源，进行知识提取、知识融合，以及垂直知识图谱的构建，从而形成专业课程的垂直知识图谱。在构建专业课程知识图谱的过程中，可以参考垂直知识图谱的构建方法、模型、技术等。

4 知识图谱的构建方法

该文以专业课程为例，探讨知识图谱的构建流程。

4.1 定义业务问题

知识图谱设计人员应根据专业课程的实际情况进行深入分析，界定知识图谱开发必要性与可行性。明确课程定位，以专业课某一章节为案例，对知识点的实体信息、知识点与知识点的关系进行分析，某些较为简单的专业课程通过传统关系型数据库中的E-R 图（实体-联系图，Entity Relationship Diagram）分析即可，使用知识图谱反而会增加复杂性。知识图谱与关系型数据库可以从可视化、深度搜索、查询效率、数据多样性、预期成本几个方面进行比较分析，进而确定方案的选择。

4.2 数据收集

数据是构建知识图谱的基本元素，需要通过确定专业课涉及的场景确定实体信息。对于专业课程，数据资源包括结构化数据、半结构化数据、非结构化数据。结构化专业课数据包括专业知识的表格数据，大多是以Excel、CSV 格式存储的关系型数据表结构；半结构化专业课数据，例如教师的教案，具有一定的基本结构，既包含了课时、题目、授课地点等信息，还有教学重点、教学方法、教学内容等复杂信息；非结构化数据，例如教学视频、教学图片、教材等资源。

4.3 知识抽取

将结构化专业课数据通过专有工具转换成三元组；非结构化专业课数据一般针对文本进行自然语言处理，并抽取实体、关系以及属性。

4.4 知识融合

将实体、关系以及属性通过相似度计算的方法，将属性、实体进行合并。

4.5 知识加工

包括本体构建、知识推理、质量评估，将知识抽取和知识融合得到的结果，经过进一步加工获得结构化、网络化的知识体系。

4.6 可视化平台开发

搭建知识图谱可视化平台，提供知识图谱生成、知识图谱展示等功能，根据应用场景的需求，融合人工智能、深度学习、数据挖掘等技术，提供课程推荐、学习路径规划、智能答疑等功能。

5 知识图谱在在线学习系统中的应用价值

5.1 监控学生的学习行为和学习过程

构建基于学生学习行为的在线学习系统，对学生专业课程的作业、测验等进行数据记录，直观反馈题目的正确率、题目的提交次数、答题时间等信息，形成学习行为和学习过程监控的原始数据，为分析专业教学情况、提升专业教学质量提供重要信息。通过学习态度、学习效率、交流协作、资源利用、学习效果等指标，构建基于在线学习行为的用户画像模型。

通过学生学习行为数据的积累、画像模型的创建，多角度刻画学生的在线学习情况，通过融合知识图谱，挖掘数据的潜在价值。

5.2 有效提升学习效果

垂直知识图谱的构建技术已相对成熟，通过专业课程知识图谱、课程单元知识图谱的构建，不仅能够帮助学生清晰地认识知识与知识之间的逻辑关系，而且能够解决由于知识碎片导致的知识迷航问题，明确学习目标。

应用中，将知识图谱融合到在线学习系统中，根据学生学习行为和学习过程的监控数据，反馈到知识图谱中，通过技术手段做到一个课程单元一个知识图谱、一个学生一个知识图谱，解决学生知识迷航的问题，帮助学生有针对性地系统化学习。

5.3 迅速有效地反馈教学

通过专业课程知识图谱、学生专业课程学情知识图谱的研究，从整体、个体不同角度进行专业教学学情分析，为专业教学改进提供依据，提高学生自主学习能力、专业的教学水平。

基于知识图谱的教学评价，从学生学习效果进行评价，反馈每个学生以及班级整体的教学情况，弥补了单一分数评价的不足。一方面，从学生角度，直观地了解知识点掌握情况，快速定位自身不足，解决学习过程中知识迷航的问题；另一方面，知识图谱的数据反馈到人才培养效果，帮助改进专业教学过程。

6 知识图谱在在线学习系统的发展方向

6.1 构建知识图谱，以及与在线学习系统的融合

以信息技术为手段，围绕在线学习系统进行项目开发，通过记录学生学习行为和学习过程，生成学生专业课程学情知识图谱、专业课程知识图谱。学生和教师从不同维度查看知识图谱，达到解决学生知识迷航、帮助老师了解学生学情的目标。

知识图谱自动化构建的研究是未来研究的主要方向，通过神经网络、深度学习算法优化等方法，提升实体与关系抽取的准确性。同时，依托于在线学习系统中学生的学习行为和学习过程监控数据，反馈到知识图谱中，刻画学生的实际学习效果，明确个人与整体的知识点掌握情况，实现知识图谱与在线学习系统的融合。

6.2 基于知识图谱的学生学习效果评价体系

根据专业课程知识结构与教学目标，生成专业课程的知识图谱，将知识点以可视化的形式展示给学生，帮助学生构建知识体系。依据在线教学视频、试题、测验、教材等教学资源，结合学生的在线学习行为与学习过程，生成每个学生的专业课程学情知识图谱，精准刻画学生的学习情况。

通过比对专业课程知识图谱与学生学情知识图谱，从个体、班级整体对学生学习过程进行评价，帮助专业教师深化了解学生学情，发现教学过程不足之处，指导专业教学策略的改进，通过与教研资料关联，帮助教师提升备课效率和质量，达到提升教学质量的目标。

6.3 基于知识图谱的智能化在线学习平台

通过将知识图谱与当前主流技术相结合，使得在线学习系统更具智能化，主要研究与发展方向包括以下几个方面。

第一，自适应学习。通过知识图谱与数据分析技术的结合，实现对学生学习知识点薄弱情况的研判，结合知识图谱的实体关系，为学生个性化制定学习策略、规划学习路径，并实现优质学习资源的推荐。第二，智能备课。利用知识图谱在辅助教学过程中，实现讲义、练习等教学资源的推送，考试中以知识图谱为背景的智能分析。第三，智慧课堂。通过知识图谱与数据挖掘的融合，针对性制定教学策略，实现授课过程的动态学情诊断。第四，智能答疑。通过融合自然语言处理技术，综合实现知识检索、知识推荐、知识答疑等互动环节。

7 结语

在全国疫情防控的大背景下，线上线下混合式教学的相关研究变得日益重要。通过对知识谱图在教育教学信息化中的研究现状和应用情况进行梳理，以在线学习系统为基础，研究知识图谱在提升学习效果和教学评价方面的应用。结合用户画像、深度学习、数据挖掘等技术，开发知识图谱与在线学习系统的融合软件，研究的同时，形成可复用、可推广的教学工具，为一线教学工作服务。