基于知识图谱与跨平台技术在“1+X”证书考证学习路径与实践

张景文

本文研究基于知识图谱概念和应用跨平台技术构建和实现了“1+X”考试新的在线学习途径。较好解决了“1＋X”考证中，学生对考试理论知识掌握不稳固问题。采用多技术结合加以创新，将知识图谱技术与学科教学深度融合，实现学生“学情画像”和个性化学习，具体应用于教学和复习各环节中，学生对理论知识掌握有明显进步，成绩和通过率得到提升。

一、背景与问题

（一）背景

知识图谱，是一种通过将数学、图形学、信息技术和关系映射等结合在一起的现代化、高度结构化的知识理论（袁博，施运梅，张乐，2021）。知识图谱是基于问答系统的发展方向之一，基于知识图谱的各类学习平台也是人工智能研究的自然语言处理技术的重点研究方向之一，应用知识图谱技术优化学习平台，借助它的技术优势构建的学习平台目前已在教育多个领域得到广泛的应用。基于知识图谱的技术支持优化原有学科知识复习平台可提升平台的智能化和个性化学习。“1+X”证书制度是为了深入贯彻党的十九大精神和全国教育大会精神，教育部会同国家发展改革委、财政部、市场监管总局制定了《关于在院校实施“学历证书+若干职业技能等级证书”制度试点方案》进行推广应用的。“1+X”证书制度是一种面向职校学生的新型人才评价体系，学校根据“1+X”证书制度的实施要求，积极开展人才培养模式、培养方案的创新探索，系统梳理各学科专业人才培养的目标和定位。学校计算机专业科通过“1+X”考证为教学体系的重塑指明方向，为学生的学习规划和职业发展规划提供科学指导，搭建基于“公共基础课+专业理论课+专业技能课”的多元课程模块。目前计算机专业科申请了Web前端（初级）和Web安全（初级）两个项目的“1+X”考证试点，每年超过500名学生进行考试。

（二）问题的提出

对于职业院校学生而言，“1+X”考证的理论题目难度较大，“1+X”考证的理论内容复习倚重课内辅导，时间有限导致学生基础不扎实，影响整体通过率。

“1+X”考证在专业课堂教学实施过程中存在问题归纳如下：

（1）课堂教学中以操作类为主，理论的讲授较少，导致学生理论基础不扎实，加上学生对学习纯理论知识缺乏兴趣，如何更好地激发学生学习兴趣，从而达到巩固的效果；

（2）学生对“1+X”学习过程忽视对体系化知识的掌握，知识点之间联结不紧密，碎片化严重，影响学生对整体内容结构的理解。

二、实践应用

（一）解决路径和主要技术

为了充分利用学生课余时间进行课堂复习，本文提出构建一种基于知识图谱与跨平台技术移动端学习平台。实现无论是在课堂用电脑，还是在课余时间用手机、PAD等设备都能进行“1+X”复习。碎片化学习利用各类平台，搭建碎片化学习环境，是实现学习途径新模式，也是教育革新的一个突破点。本文研究与论证用知识图谱与跨平台学习提供了互联网+环境下“1+X”证书考试的理论智慧化和个性化学习路径，弥补课堂学习时间不足，较好地解决了学生考前复习理论的瓶颈问题。

谷歌公司于2012年提出了关于知识图谱的概念，也可视为一种用于映射我们客观世界的语义网络，通过其中蕴含关系模式，实现对现实世界关系模型梳理与建模。知识图谱技术最初用于提高谷歌搜索引擎的效率。知识图谱包括了本体构造、知识抽取和关系抽取、知识推理和关系推理等（刘峤 等，2016）。应用知识图谱技术构建一般采用自动或半自动技术从结构化、半结构化以及非结构化数据资源中抽取知识，并存入基于逻辑划分的数据层和模式层，是一个迭代更新的过程，主要包含信息抽取、知识融合、知识加工三个阶段（徐增林 等，2015）。基于知识图谱的特点，本文设想一个构建于模板化方式的知识图谱智能问答系统，将学校使用的移动端理论复习题库进行“智慧化”改造，将原来答题模式转变为基于知识图谱的“练习——反馈”智能练习模式，在功能与实践效果上均有提升。大数据时代背景下，教育走向智能化，基于知识库以及知识图谱模板问答学习模式出现，将处理对象的知识图谱引入，由散乱学习文档和文本转变为结构化、逻辑严密的知识结构，解决了原来理论学习不成体系、知识凌乱等问题。

采用微信公众号作为框架进行设计与开发的“1+X”证书考试的理论基础复习平台，主要因为互联网+发展迅速，纯原生开发的时间成本较大。而微信是一种多平台使用的软件框架，使用微信平台原生技术进行开发，界面的绘制调用原生UI，然后再用 JS 来调用控件和编写各类的业务代码，是目前大部分跨平台框架的思路。本文也使用设计框架思路，解决跨平台开发的技术难点和节省开发成本和增加代码复用性，提高效率。随着微信生态不断扩大，企业客户的获取和互动平台从微信公众号扩展到小程序和微信网页。安卓手机、平板、IOS手机、PC都能支持同一账号通用登录及使用。本文提出的平台可在许多应用，例如小程序、公众号后台、微信网页中获得同一学生账号的基础信息和他们的学习轨迹和偏好，并绘制学生的个人客户画像（Single Customer View），这为学生的推送和个性化学习提供了有效知识图谱的图像和数据支撑。借助微信平臺和平台框架，我们将各个有用的信息抽取和借用。将原来的多个信息孤岛——DB、平台和练习系统数据（各个没有连接数据但存储着用户的信息孤岛）整合成有用的个人信息画像。平台将引用学生的微信和练习时产生的数据，并进行整合，在知识图谱中生成有关学生SCV（个人客户画像）是整个设计的关键概念和技术。

（二）平台功能介绍

该平台可以准确地显示出用户查询需求和实现个性化的知识推送。系统能够对用户查询需求的信息进行分析，通过前面提到的知识图谱的用户个人客户画像知识聚合，为用户提供精准的学习参考方案（图1）。平台为使用“1+X”证书的理论复习考生快速遍历知识点，提醒用户存在哪些知识盲点并进行推送。主动培养考生学习的好习惯和提高学习效率。系统具备如下功能：①知识点练习，学生选择知识点练习，随机抽取试卷进行模拟练习；②成绩排行榜，激发学生的比较与学习热情，提高学习效率；③知识图谱复习模式，个性化地推送“1+X”考证的理论知识。

该系统采用前端框架微信公众号，后端 Servlet 技术，编程语言PHP，数据库采用MySQL 数据库，系统技术架构如表1所示，系统架构如图2所示。

（三）应用端主要操作界面（图3）

（四）功能模块

教师模块：导入题库、知识点关连模板设置、题目分值设定、查看练习情况、数据分析题目的情况、图形化显示班级学习情况、标注个体的学情。

课程知识模块主要完成后台可创设多个课程，例如1+X考证计算机一级、英语一级等课程。

学生模块：注册、移动练习、查询知识、查阅推送的知识、查看个人成绩及分析和排名。

（五）关键技术

在公众号的问答系统中，学生输入知识性的问题，在意图识别之后，对用户问题进行分类，数据相匹配获得最终的答案三元组对应关系模式，根据三元组寻找与之相匹配的 SPARAL查询模板，再根据SPARAL查询模板与知识库中的 RDF用SQL语句调用数据库存放的知识图谱数据，生成答案及推荐相近的答案反馈给用户（图4）。为提升学生复习的效率，我们在后台题库也采取三元组对应关系方式，将不同题目进行关联，在学生答题过程中可迅速找出学生对某些知识点掌握的问题，在进行知识的推送时实现个性化、精准化学习。

三、实施成效

课程学习平台能够提供给每个学生个性化的学习服务是一个非常必要的路径和提升效率的思路。引入了知识图谱技术后，课程学习平台实现了对课程知识点和学生学习情况的个人画像。我们将数据用于“1+X”课堂学习的应用实践。基于前后数据对比证明，知识图谱的课程平台较好解决了以前存在的知识分散和信息孤岛问题。将整个学习智能化和精准化。整个体系实现了促进关联知识之间的学习和记忆，大大提升了学员对各个理论知识点的掌握度。自2020年平台使用以来，该专业科学生在“1+X”证书考试中取得了良好的通过率。在移动环境中，学生通过体验与探索，熟练掌握相应课程的理论知识体系，为学生后续课程的学习掌握奠定基础。自2020年6月学生采取这个学习平台以后，该专业科两门的“1+X”的考证课程的合格率得到提高，从图5数据统计分析可见，通过率从原来的6成稳定提升到8成以上。

四、推广应用

通过实践后，学校技术人员将平台的应用进行推广，同时本平台已推广到其他的 “1+X”证书考证和其他考证项目中，从原来的计算机“1+X”证书考证练习辐射到其他考证。笔者将系列课堂教学资源部署在移动端上使得学生通过手机实现“3A”学习成为可能。基于学校公众号的移动练习系统目前集成了“1+X WEB前端”“1+X WEB安全”“计算机一级理论”“计算机一级理论”“英语一级理论”“汽车维修工中级”“数控车工中级”“数控铣工中级”等考试题目。目前该平台积极在学生考证中进行探索，在计算机一级考证、数控考证等专业考试中都得到推广与应用。学生把日常碎片化时间充分利用起来，特别是对专业课程热爱的学生慢慢地转变了使用手机的方式，加强了学习的积极性，提高了自主学习的能力。

五、结语

基于知识图谱与微信公众号的智能平台是对“IT 教育+互联网”新型学习模式的探索，通过互联网+为“1+X”理论学习交流提供线上教学辅助。系统实现了上传题库、整理知识图谱的模板、创建班级、基础学情分析等功能。系统的运用有效地减少了教师批改作业的时间，教师通过学生的做题情况及答题质量，利用数据分析，总结学生的问题所在，有助于教师了解学生的学习动态，对课堂教学迅速做出相应调整。学生随时随地刷题练习、查看解析以及提问讨论，不再受限于时间和地点，个性化分析与知识推送功能有助于学生学习兴趣的提高，系统智能时代下利用好信息化2.0技术创新，智慧化实现了课堂和复习一体化。

实现课程知识图谱的自动化构建，精准化、个性化学习功能，有助于提升和推动教与学知识服务智能性和效率，对于推进教学信息化发展具有较大的意义。

责任编辑 何丽華