SmartKG在高职计算机课程教学中的应用探究

摘 要：SmartKG是一款开源的知识图谱构建工具，以选取节点式架构方式，引入语义发现、解析、建模、推理等操作。SmartKG的核心功能与教育优势在于多层次语义解析和知识节点联结并以此构建知识生态系统，以Python编程中的“函数的定义与使用”一节为例，从课程设计阶段、教学实施阶段、教学评估阶段阐述SmartKG在高职计算机教学中的应用，并针对SmartKG平台在技术、培训、教学效能等方面遇到的问题，提出建立动态调适机制，以推进认知素养与实践能力转型再构的建议。

关键词：SmartKG；高职；计算机教学；Python编程基础；函数

中图分类号：G64 文献标识码：A 文章编号：0450-9889（2024）33-0147-04

SmartKG（Smart Knowledge Graph，基于深度学习的知识图谱）是一款开源的知识图谱构建工具（平台），旨在通过简化和可视化的操作，帮助用户快速创建知识图谱，以实现基于知识图谱的问答操作［1］。平台依托语义网络和知识图谱的深度融合，实现数据与信息的智能关联与推理，既重构了信息的获取方式，又赋予了受教者更深的语义理解层次。在教学中借助SmartKG平台可方便高效地构建知识图谱；整合关联数据、实时更新教学内容、智能升级分析引擎、定制学习路径。

高职计算机教育是一种深度嵌入产业链与技术生态系统的教育形态，兼具技术技能与职业思维的双重塑造属性［2］。与传统学术教育的单一理论导向不同，现代高职教育的核心是以技术更新为脉络，紧密围绕产业需求的动态变化，以技能迭代为驱动，具有实践性强、知识体系开阔的综合特征。其强调在真实项目和复杂情境中完成学习和创造，塑造了一种直接面向技术变革和市场需求的学习体系，注重提升学生在迅速变化的科技环境中的敏感性和应变力。这一知识图谱工具既回应了高职计算机课程集成的诉求，也为教育教学带来了深刻变革。现以Python编程基础课程中“函数的定义与使用”一节为例进行教学设计，并对平台架构、教学实效及推广应用进行反思求索。

一、SmartKG在高职计算机教学中的应用优势

（一）构建知识图谱，整合关联数据

知识图谱能为受教者建构“学习—评价—再学习”的循环式机制，推进知识扩充增长［3］。在计算机专业中，SmartKG的核心功能在于高效集成数据与创建语义网络。首先，在数据集成层面，SmartKG通过分布式计算架构和并行处理技术，能够从异构数据源中高效地收集和整合大规模数据，并对数据进行预处理；其次，在数据语义化过程中，SmartKG借助深度学习算法和自然语言处理技术，能开展语义解析与建模，提升了图谱的存储与检索效能；最后，SmartKG也具有高度的语义推理与知识发现能力，使得系统能够进行高度抽象的思维模拟，实现了从数据到知识的全链路转化，为智能应用提供了坚实的技术基础。

（二）实时更新内容，对接实践诉求

SmartKG具备实时更新内容的能力。一方面，它采用了“事件驱动架构”，该架构不同于传统的处理方式，它不需要等待定时任务来检查和更新数据，而是能够在数据产生的瞬间做出反应，显著提升了响应速度和数据的时效性；另一方面，SmartKG具有“图数据库”的结构优势。“图数据库”采用节点式的存储模型，更适合存储和操作高度互联的数据，可以毫秒计的速度完成复杂关系的查询和更新操作。因此，当有新数据或关系需要添加到图谱中时，SmartKG可以直接在图结构中插入或修改节点，而无需重构整个数据库，大大减少更新的延迟。这种方式能使SmartKG迅捷地处理文本、图像、音频、视频等大量异构数据源，更高效地处理超大规模的数据集和高并发的查询请求。

（三）智能分析引擎，分析学习习惯

SmartKG的智能推理能力是其作为分析引擎的核心特性之一。通过知识图谱的构建，SmartKG能够进行复杂的逻辑推理并求解问题。它不仅能分析学生的学习数据，发现其知识盲点，而且能根据这些盲点推理出可能的学习障碍，并自动推送具针对性的学习资源。SmartKG擅长处理各种概念、理论和实践技能之间的关系。SmartKG能够细化拆解知识点以捕捉学生在不同主题和子领域上的掌握程度，为个性化学习路径的设计提供了结构化的基础。同时，SmartKG借助深度学习和机器学习技术，能对学生的学习速度、错误率、重复学习次数、解题思路等数据进行实时跟踪处理，更快识别出学生在哪些知识点上表现出学习障碍，哪些领域表现优异，以深入挖掘学生的认知模式和学习习惯。

二、SmartKG在高职计算机教学改革中的应用

Python编程因具有强大语法体系而成为计算机专业中关键的教学语言［4］。依据“新工科、信息化3.0”核心课改理念，现以Python编程基础课程中“函数的定义与使用”一节为例，阐述引入SmartKG平台辅助课程改革的流程。

（一）课程设计阶段：架构模块化知识体系

尽管高职一年级学生大多具备一定的数学和逻辑思维能力，但对编程语言的语法和结构编程基础的了解不深，缺乏系统性的编程经验，因此对Python语言的了解多限于简单的语法和基本操作。故教学时需注重教学内容的模块化、系统化建设，要加强实际操作和应用，帮助学生迅速而系统地积累编程经验。依据“新工科、信息化3.0”核心课改理念，本节的教学目标可分为知识目标、技能目标和情感与态度三个目标：知识目标方面，通过SmartKG平台，学生能够理解函数的定义、用途、结构（包括函数名、参数列表、函数体、返回值等），以及函数如何在编程中通过模块化代码实现重构。学生能够通过SmartKG平台上的实例库，学习函数在数学计算、数据处理和逻辑控制等不同编程问题中的应用；技能目标方面，学生能够利用SmartKG平台进行交互式编程练习，熟练掌握如何在Python中定义函数、传递参数以及调用函数来解决实际问题。同时，通过SmartKG平台的可视化工具，学生能够理解递归函数的执行流程和调用栈变化，掌握递归和嵌套函数的实现方法，能够设计简单的递归算法；情感与态度目标方面，利用SmartKG平台的游戏化学习模式，学生能够在小组项目中分享代码、交流经验，增强团队合作精神和沟通能力。

同时，针对学生对编程的理解和接受存在能力差异，教师可借助SmartKG平台的个性化学习优势，对学生开展更为精细的教学策略：对编程基础薄弱的学生，让平台推荐基础函数定义的教程和简单练习；而对有一定编程经验的学生，则推荐更具挑战性的递归和嵌套函数练习。

（二）教学实施阶段：智能辅助实践性教学

教学实施阶段一般可划分为引入、讲授、课堂练习及小组讨论三个环节。

首先是引入环节。教师在课堂上提出与课程高度相关的问题，如：“你们在编程中遇到过哪些重复的任务，如何更有效地管理这些重复的任务？”引发学生对函数概念的初步思考。然后，教师利用SmartKG平台展示一个Python编程中常见操作（如数据处理、数学计算等）及其相关函数的知识图谱，点击图谱中的各个节点，探索不同函数的定义和用法。学生可以看到不同编程任务通过函数进行模块化处理的过程，对即将学习的内容形成基本概念。

其次是讲授环节。教师解释函数的定义，强调函数通过封装代码块来实现重复代码的过程。随后，教师讲解Python函数的基本结构，解释函数如何接收参数并返回结果，讨论不同类型的参数（位置参数、关键字参数、默认参数）及其作用。完成授课后，教师使用SmartKG平台的动态演示功能，现场展示定义一个简单的Python函数的流程。教师使用平台的代码编辑器逐步输入函数代码，通过自动生成代码的执行流程图，帮助学生更加直观理解函数的定义和调用过程，更为形象化地展示函数与其他Python语法（如变量、控制流）的关系，帮助学生建立函数的知识体系。在此过程中，学生可以使用SmartKG平台在线编程环境来编写和测试递归代码，平台会实时分析学生的代码，并提供反馈和优化建议。

最后是课堂练习及小组讨论环节。教师布置一个编写简单的递归函数的课堂练习任务，如计算某列表中所有元素的和及阶乘。根据学生的练习表现，由SmartKG平台自动推荐相应难度的后续练习题目。学生利用SmartKG平台的在线协作工具，共享代码和思路，讨论递归算法的设计和优化。每个小组成员可以在平台上实时编辑和查看代码，平台会记录每个成员的贡献情况，以提升学生的合作能力和编程思维。

（三）教学评估阶段：动态学习反馈，个性化效果分析

SmartKG平台的介入，让评价方式在本质上转变为数据驱动的实时动态评估，提供了个性化的精准反馈，使得评价从单一的结果测量转向全方位的过程监控与学习支持，实现了对学习过程的深度洞察和个性化指导，避免了传统教学评价的静态性和滞后性。本节课的教学评价分为三个方面。

一是评价“函数的基本概念、定义和调用，参数传递方式，函数的嵌套调用和递归实现”等内容的掌握方法。在每个知识点讲解结束后，SmartKG平台自动生成相关测试题目（如选择题、填空题、判断题），学生即时完成测试并获得反馈。这种即时测试可以帮助教师快速评估学生的知识掌握情况，同时学生通过自评了解学习进度。同时，SmartKG平台通过知识图谱功能，跟踪学生在图谱上的学习轨迹，记录每个知识点的学习时间、浏览次数、测试成绩等，生成个人知识掌握度报告。这些数据都有利于教师分析学生在哪些知识点上存在理解困难，方便后续开展个性化辅导。

二是评价编程实践能力，即评估学生在函数编程练习和项目中的表现，重点评估代码的正确性、效率、可读性及优化能力。依托SmartKG平台提供的在线编程环境，学生在此提交的代码被自动分析，其中的语法错误、逻辑错误和性能问题将被标注，最终的详细的反馈报告将包括错误类型、建议改进措施、代码效率评估等内容，供师生参考。

三是评价学习进程与学习行为。SmartKG平台记录学生在平台上的所有学习行为，包括视频观看时间、知识图谱浏览轨迹、练习题目完成情况、讨论区参与度等。平台通过大数据分析，生成学习进程报告，识别学习中的共性问题和个体差异。四是评价教师教学方法的实效性。SmartKG平台拥有教师端反馈功能，教师可以根据学生的学习表现和教学反馈，评估教学工具的适用性和改进空间。如果发现学生在某些知识点上掌握不够，可以增加相关的互动演示和即时测试，优化教学工具的使用。

三、SmartKG平台优化与教学推广的思考

SmartKG平台作为智能知识图谱教学工具的创新载体，尽管在初期应用中显现了诸多优势，但在后续教育推广过程中仍需深入优化。现有的技术架构难以完全匹配实际课堂的多样性和个性化需求，且平台在技术架构、教学效能以及教师认知应用等方面存在一定困难，亟待持续的优化和改进。

（一）平台存在技术瓶颈，应调整系统以突破数据处理局限

现有的SmartKG平台采用的是传统的单机计算架构，这种架构在处理海量教学数据时存在明显的瓶颈。单机计算系统虽然能在数据量相对较小、需求不频繁的场景下正常运行，但当数据量急剧增加时，系统的响应时间将呈现指数级的增长。在面临需要实时处理大量学生输入、反馈和错误调试等场景时，单机架构的处理能力已经无法满足需求，容易出现教学互动滞后与个性化推送缺失的情况。如在Python编程基础一节教学中，平台对学生实时代码解析与运行结果反馈的延时，直接制约了学生对错误的即时识别与修正，阻断了平台向真正智能化、个性化教育工具转型的进程。为破解这一瓶颈，必须从系统架构的最根本层面进行重构。一方面，引入分布式计算与云平台技术，将计算与存储进行有效分离，突破单机计算的负载极限，以提高系统的并发处理能力；另一方面，构建基于人工智能和大数据的智能化分析引擎，对学习数据进行实时采集与即时处理，实现对每一位学生学习进程的深度洞察与定制化指导。

（二）教学效能存在失衡困境，应建立动态学习路径优化机制

SmartKG平台的教学效能通常指用于量化在学习过程中学生能够获得的知识和技能指标，该指标涉及学习活动的深度、互动的及时性、学习资源的个性化适配以及学习行为与反馈之间的有机联动。在教学实践中发现，平台存在一定程度的数据缺失与误用问题。平台基于大数据的“推荐引擎”假设，是基于学生在同一课程体系中拥有类似的学习轨迹，即将学生的学习看作一个可以量化的线性过程，但实际上，每个学生在知识掌握、错误识别与纠正的速度和方式上都存在显著差异，需不断进行动态调配；另一方面，存在教育目标与技术功能的割裂问题。SmartKG平台目前更多侧重于数据驱动、结果导向的“效率优化”，即通过实时反馈、个性化推荐等技术手段提高学习的“可操作性”与“响应速度”，这种设计虽然能够解决表层的反馈和纠错问题，但未能触及教育的深层目标——培养学生批判性思维、创造性思维以及自主学习能力。由此，技术应当服务于教育的根本需求，推动学生从知识的接受者转变为知识的主动构建者和批判性思维的践行者。平台的使用者应从认知结构和思维发展的角度，深度洞察学习过程中潜在的认知差异和个体需求，力求跳出机械化执行的“知识传递—错误反馈—改正”的循环中，以提升教学效能。

（三）教师认知应用存在障碍，应增加平台运用的调适性与共生性

在之前的教学过程中，教师通常依赖于经验、直觉和课堂互动来评估学生学习状态，而平台的智能功能则依赖于大数据分析、算法推荐和实时反馈来设置个性化的学习路径。当前，教师在SmartKG平台上的认知实践障碍主要有两个方面。一方面，教师面临数据解读认知障碍。平台提供的大量数据和反馈信息呈现的方式通常是高度抽象和符号化的，而部分教师在面对这些数据时，未能充分洞悉这些信息的深层含义，进一步限制了平台在教学决策中的应用实效。另一方面，教学本质上是一个情境化、层次化的活动，依赖于教师的情感判断、经验积累和学生个体的即时反应。平台提供的数据虽然可以高度量化和标准化，但无法模拟教师在复杂课堂环境中基于实时情境做出的判断和决策。此时，教师拿到的是一个由抽象数据和算法推导出的建议，往往有“脱离实际”之感。因此，应提升教师的数据解读能力与技术素养，切实推进教师认知转型。一是推进教师认知从“直觉驱动”到“数据驱动”的转型。教师应当突破“经验至上”的教学局限，深刻洞察数据背后的教育“故事”，并从数据中汲取出有价值的教育启示；二是平台反馈机制要建立从数据抽象到教学智慧的深度链接，打造“数据+经验”的双循环的反馈闭环。教师不再是单纯的技术应用者，而是反馈链条中的关键节点，承担着从数据到经验再到创新优化的动态角色转变。教师在使用SmartKG过程中所生成的所有操作痕迹、学生的学习轨迹与交互行为等数据，必须通过量化处理后形成反馈矩阵，提升教学数据及技法的可推广性，以为后续的技术修正与教学调整提供有益指导。

人机协同逐步成为教学新常态［5］。在数字化时代，高职计算机课程应注重培养学生的数字素养和信息素养，即侧重于培养学生在数字环境中有效获取、评价、整合和交流信息的能力。由此，课程应强调“信息意识、信息知识、信息能力和信息道德”四大要素，使学生能够在数字环境中具备科学技能与文化素养。当前知识图谱构建面临的一个重大挑战是如何高效处理大规模的异构数据。SmartKG需要在大数据处理和存储方面进行优化，从而提高大规模图谱构建的效率和可扩展性。以后，高职计算机教学应利用SmartKG平台尝试新的突破，聚焦于多模态数据融合和跨学科知识图谱的构建，培养学生在实际项目中利用自然语言处理、计算机视觉和数据挖掘等多种技术整合构建复杂知识图谱的能力，从而成为能够适应和引领未来人工智能与大数据时代的综合型技术人才。

参考文献

［1］李刚.融合SmartKG的中职计算机网络课程教学设计与实施［D］.济南：山东师范大学，2023.

［2］杨顺弟.基于职业能力的高职计算机应用基础教学资源库建设研究［J］.数字通信世界，2024（5）：194-196.

［3］时云峰，孙熠，夏莉娜，等.基于知识图谱的个性化学习资源构建研究［J］.电脑知识与技术，2024（21）：24-26.

［4］赵敏.人工智能之Python课程建设的研究与实践［J］.科技视界，2021（29）：96-97.

［5］李秀，陆军，牛颂杰，等.人工智能时代计算机基础课程建设与教育教学思考［J］.清华大学教育研究，2024（2）：42-49，70.