APP下载

知识图谱赋能下工科俄语课程建设与应用探究

2024-07-30吕婧玮

科教导刊 2024年18期

摘 要 在现代教育领域,课程建设和应用的创新成为众多教育者和研究者关注的焦点。特别是在工科专业中,如何有效地融入外语教学,以提升学生的技术外语能力和跨文化交际能力,已经成为一个重要的课题。文章以工科俄语课程为例,探讨如何在知识图谱的赋能下,开发和应用新型俄语教育课程。

关键词 知识图谱;工科;俄语

中图分类号:G424 文献标识码:A DOI:10.16400/j.cnki.kjdk.2024.18.043

Exploration of the Construction and Application of Engineering Russian

Curriculum under the Empowerment of Knowledge Graph

LYU Jingwei

(Xuzhou University of Technology, Xuzhou, Jiangsu 221018)

Abstract In the field of modern education, innovation in curriculum construction and application has become the focus of attention for many educators and researchers. Especially in engineering majors, how to effectively integrate foreign language teaching to enhance students' technical and cross-cultural communication abilities has become an important issue. This article will take the "Engineering" Russian course as an example to explore how to develop and apply new Russian education courses under the empowerment of knowledge graphs.

Keywords knowledge graph; engineering; Russian

2023年3月20日,在赴莫斯科对俄罗斯联邦进行国事访问之际,国家主席习近平在《俄罗斯报》和俄新社网站发表题为《踔厉前行,开启中俄友好合作、共同发展新篇章》的署名文章,指出中俄双方要密切人文交流,开展好夏令营、联合办学等活动,不断增进两国民众特别是青少年的相互了解和友谊。重构人才知识体系,重塑人才培养质量观,以立德树人为引领,以应对变化、塑造未来为理念,以继承与创新、交叉与融合、协调与共享为主要途径,培养多元化、创新型卓越工程人才是当前新工科教育的改革方向。新时代,随着人工智能和大数据技术的发展,知识图谱作为一种新的知识组织和管理工具,正在逐渐被应用到教育领域,教育数字化是我国开辟教育发展新渠道和塑造教育发展新优势的重要突破口,能进一步推进数字教育,为个性化学习、终身学习、扩大优质教育资源覆盖面和教育现代化提供有效支撑。

1 知识图谱的定义与特性

1.1 知识图谱的定义

知识图谱曾与概念图、知识地图等存在一定的混用现象,它是一种结构化的知识表示方法,其基本构成是实体、关系和属性。知识图谱以图的形式,将知识中的实体以节点的形式表示,实体之间的关系以边的形式表示,实体的属性则可以添加到相应的实体节点上。更具体地说,知识图谱是一种由实体、关系和属性构成的多关系图,其中实体表示事物,关系表示事物之间的联系,属性表示事物的特性。知识图谱也可以理解为用“实体-关系-实体”三元组形式对知识系统进行资源描述和存储,其核心思想是以图论的方式表达和存储知识,使得知识的组织和检索更加高效。

1.2 知识图谱的特性

知识图谱能进行知识获取、更新,还可以进行关系推导,这些特性使得知识图谱成为支持各行业具体应用的重要技术。

首先,知识图谱是一种结构化的数据,以语义结构为基础、使用统一的语义模型和标准,通过将知识以图形结构的形式表示,以节点和边的方式连接不同的知识实体,使得知识之间的关系更加明确和清晰,语义结构更加完整。完成对知识的获取,如;知识图谱补全、实体识别、实体对齐、关系抽取等是知识图谱最重要的特性。

知识图谱具备多种模态,可整合不同类型的数据,包括文本、声音、图像,知识呈现的形式更加全面、立体,更加多元化。

知识图谱的可扩展性可随着新的知识和数据的加入不断演化和发展,这就使得知识推理成为可能,在已有知识的基础上,能自动地进行推理和推断,从而生成新的知识和结论,形成知识推理和关系推导,并能根据用户的需求进行扩展和更新。

知识图谱实现了知识的可视化,用户能更加直观地理解和探索知识,并完成同其他平台的相互操作,可以和其他数据资源进行整合和交流,从而提高知识的共享和利用效率。

1.3 知识图谱在教育领域的应用

知识图谱可以检测学生的学习水平、诊断学生学习情况、分析学生的薄弱知识点,为学生提供更具针对性的内容推荐,构建优质教学资源库,能将多媒体课件、思政元素、题库、视频、教学实物、教学案例库、教材、科研论文、MOOC、SPOC及创新大赛等与知识点相关联,这在教育应用上体现为:

学习资源管理:对学习资源进行分类和管理,建立资源之间的关系,提高资源利用率。

课程设计和教学支持:对教学资源(思政元素、题库、视频等)进行分析和整合,为教师提供课程设计和教学支持,帮助教师广泛涉猎同类课程资源,提供课程设计和教学支持的借鉴,使其更好地组织教学内容和活动。

学习评估和反馈:比对、分析学生学习数据,利用知识图谱的推理能力,可以为学生提供学习反馈,也能帮助教师进行学习评估,学习情况和进展能够直观展现。

2 工科俄语课程需求与挑战

2.1 工科俄语学习需求

随着“一带一路”倡议的部署安排,同共建国家和地区的交流和合作促使小语种需求明显增加,外语类专业急需一批熟悉党和国家方针政策、了解中国国情、具有全球视野的外语人才,也需要一批精通外语的高端科技人才。加大外语类专业建设,“专业+外语”人才的培养力度不断加大,“专业+外语”复合型人才储备不断加大,这是中外合作办学项目的机遇,同时也极具挑战。

工科外语是在工科领域中应用的外语,其语言特性主要体现为工科专业性:即需要特定的专业课学习,从而支持学生在工科领域的学习、研究和未来工作。随着中俄合作办学的扩大化,“工科+俄语”复合型人才培养呈扩大化趋势,如:徐州工程学院在“电气工程及其自动化”专业、“机械电子工程”专业同俄罗斯开展合作办学,并在2023年4月份获批圣彼得堡联合工程学院,新开设“环境工程专业”“机器人工程专业”“电子工程专业”,学生的主要专业是工科专业,俄语是对工科专业知识的“锦上添花”。

俄语即使是必学课程,也被动性地分成两个部分——通用俄语和专业俄语,前者是要打好俄语语言基础,而后者是为直接学习工科知识提供语言支持。学生的需求则不是孤立地进行“听说读写译”,而是要结合人文视野、工科发展历程、专业背景知识,使俄语学习同工科产业需求、实践应用、实践创新相结合。

2.2 现行“工科”俄语课程的挑战

“一带一路”倡议涉及的外语除了英语、俄语、法语、德语、西班牙语、阿拉伯语之外,还有大量的非通用语种,除常态化对外贸易合作,海洋工程、油气矿产、信息技术、新能源、新材料等各个产业合作也极具潜力,专业特殊性使得工科俄语课程面临多重挑战:学生方面的挑战、教师方面的挑战、教材方面的挑战,以及地方经济建设和行业就业需求的挑战。

课程内容具有挑战:工科俄语课程总体上仍然停留在侧重教授基本的语法、词汇上,但对工程师、建设者来讲,他们需要更多与专业相关的词汇和表达方式,因此,课程需要更多关注工程领域的技术术语和实际应用,这些专业知识不仅是对学生的挑战,还要求授课教师具备良好的工科知识储备和俄语授课能力,这也是对工科俄语师资和工科俄语教材的要求。

教学方法存在挑战:听力、跟读、复述、小组讨论、视频教学是外语最常见的教学方法,有助于能激发学生对于外语的兴趣。但工科专业,如:电子工程、机械工程、土木工程这些专业,知识的实用性强、实践性强,学生的学习强度大;且工科专业使用的技术更新、迭代速度非常快,这就要求针对这些专业的教学方法必须走在时代的最前沿,不断根据实际需要进行设计、开发和优化。

对学生实践的挑战:一方面,工程专业需要大量的实验和实践,以实际操作和实地经验来验证和深化理论知识,学生在这个过程中用俄语作为工作语言,去理解和应用复杂的理论和技术;另一方面,俄语也是一种需要大量实践的语言,但很多工程专业课时设置庞大,俄语课程缺乏实际应用的机会,学生不能学以致用,很难提高基本的实际应用能力,从而直接影响工科实践。

2.3 以知识图谱为基础的工科俄语课程教学

通过知识图谱的构建,知识点可被搭建成多角度、多维度、横向纵深发展的立体化知识平台,形成知识辐射。俄语不再是孤立的外语教学,而是和专业紧密结合起来,专业知识将成为知识图谱构建的“躯干”,而俄语将成为丰富“躯干”的“血肉”,通过知识图谱这一“脉络”的滋养,将俄语这些“血肉”灌注到“躯干”的每一处,从而实现工科和俄语联动、工科和俄语促进,工科和俄语共荣。

“工科”俄语的着力点仍为专业基础,而知识图谱可以为学生提供更加准确的信息,并做出全面的总结,提供更有深度的相关信息。基于知识图谱的推荐,可以根据学生的学习偏好及个人学习能力,实现因材施教,其学习资源可以形成错题举一反三,从而减少学生重复练习的时间,减轻其课业负担,并根据知识点之间的关系和学生自身的学习偏好,为学生定制个性化学习方案,“由浅及深”“由表及里”进行精准学习和靶向学习。

知识图谱可以收集俄语工科领域的相关知识、收集与工科领域相关的俄语文献、专业课程、学术论文、技术手册等,并进行整理和分类;构建知识库,将收集到的知识进行整理和组织,建立一个结构化的知识库,还可使用图数据库等技术来存储和管理知识库。通过自然语言处理和机器学习等技术,对俄语文本进行实体抽取和关系抽取,识别问题本中的实体和他们之间的关系,将工程知识库中的实体进行连接,并连同俄语翻译一起形成一个完整的知识结构(见图1)。

3 知识图谱赋能下的工科俄语课程建设

3.1 利用知识图谱的课程组织与学习应用

智慧教育的核心之一是自适应学习,也就是基于学习者之间的差异性特征采用智能化手段为学习者创建自适应的教学环境。知识图谱的核心功能就是可以为不同的学习者在不同的场景下选择合适的学习对象构成不同的学习路径,利用知识图谱进行课程工科俄语内容的组织与管理。其有以下几方面应用。

俄语基础知识点关联和解释:知识图谱可以将基础俄语知识进行关联,并充分利用当前已有的MOOC课程资源形成知识扩展,根据学生的学习需求和偏好,进行基础知识推送。随着数字化网络教育的不断发展,高校外语教学领域积累了大量的在线课程、慕课、教材、大纲、试题等资源,但是这些资源都是分散和非结构化的,学科知识图谱可以将这些资源和教学大纲、课程教学关联起来,建立起它们之间的语义网络。

学习路径规划:基于知识图谱中知识点之间的关系和学生的学习能力等维度,可以为学生提供合适的学习路径规划,因人而异制订个人学习路径:基础学习路径——主题学习路径——专业学习路径,模块之间既独立,又能进行联动。

教学资源管理:通过构建工科俄语知识图谱,一方面可以对工科教学资源进行分类、标注和管理,方便教师和学生查找和使用相关资源;另一方面,可以解决专业俄语教学资源缺乏,甚至是没有专门的工科俄语教材的问题。

3.2 利用知识图谱的工科俄语课程应用实例分析

我们以材料工程专业的材料力学课程为例,了解“材料的断裂”这一知识,并生成专业俄语知识图谱(图2,p138)。

首先,材料的断裂主要包括“断裂韧性”和“高分子材料的断裂”两部分,我们主要选取“断裂韧性”为知识点,梳理层次,归纳的知识点属种如下:断裂韧性,其中包括断裂强度、断裂类型,这些和断裂韧性构成共生关系,而断裂过程、裂纹扩展方式、断裂机制、裂纹尖端的应力场强度因子、线弹性条件下的断裂韧性、弹塑性断裂力学简介和断裂韧性构成种属关系。

梳理、确立了知识体系后,我们为每一处匹配上俄语翻译,如:断裂类型( )、断裂韧性( )、断裂机制( )等,并搭建知识点俄语语法间的关系,对出现的俄语语法进行导向性学习,如: 这是俄语中第二格的用法,通过资源链接回到俄语第二格用法上,并自动总结、归纳高频俄语术语、重要词汇,生成词汇表,如: (断裂)、 (韧性)、 (裂纹)等,形成工科知识+外语知识的联动结构。

3.3 知识图谱的工科俄语课程应用启发

通过知识图谱进行学习评估和反馈,我们发现学生在学习“断裂”这个知识点的时候,可以反复遇见 这个生词,反复强化对于俄语专业词汇的识记过程,并回顾俄语第二格的用法,这就达到了我们工科俄语教学的目的——用俄语识记专业词汇,用俄语学习专业课程。

以上实例给我们的启示是工科俄语要立足于工科知识,俄语只是进行工科学习的一个辅助工具,在反复观摩、练习专业内容的同时可以完成对俄语专业词汇的识记过程,而对俄语词汇的学习也可以加深对专业词汇的印象,从而实现“专业”“外语”共荣、并进发展。

4 结语

在当前的教育环境中,知识图谱的应用为我们提供了新的可能性。在工科俄语课程的建设和应用中,知识图谱不仅可以帮助我们更有效地组织和管理课程内容,还可以为学生提供更个性化的学习路径,提高学习的效率和效果。目前,知识图谱在教育领域的应用还处于初级阶段,我们需要进一步研究与实践,以发挥其最大的潜力。

基金项目:徐州工程学院课程思政示范课程项目;徐州工程学院圣彼得堡联合工程学院课程思政示范课程项目。

参考文献

[1] 陈恩红,刘淇,王士进,等.面向智能教育的自适应学习关键技术与应用[J].智能系统学报,2021,16(5):886-898.

[2] 李直旭,何芙珍,刘安.多模态教学知识图谱的构建与应用[J].福建电脑期刊,2019,35(8):5-8.

[3] 李佐文.外语学科知识图谱的特征、建构与应用[J].中国外语,2023,20(2):70-76.

[4] 刘晓玲,王炜.基于知识图谱的课程教学改革[J].中国冶金教育,2024(1):7-14.

[5] 王昊奋,漆桂林,陈华钧.知识图谱:方法、实践与应用[M].北京:电子工业出版社,2019.

[6] 徐雷,潘珺.知识网络等相关概念比较分析[J].情报科学,2017,35(12):10-15.

[7] 渊明.基于知识图谱的自适应学习路径推荐方法研究与应用[D].西安:西安理工大学,2021.