知识图谱在数智化教育时代中的创新研究

［摘 要］ 随着数智化教育时代的到来，数字技术和智能技术已被广泛应用于教育领域，以提高教学效率、个性化学习体验和教育质量。知识图谱作为人工智能的重要手段之一，也已经广泛应用于教育教学。以建筑类“建筑构造”课程教学为背景，探讨了“建筑构造”课程知识图谱的构建以及基于知识图谱的课程教学改革。首先，分析了传统“建筑构造”课程存在的问题和挑战，包括知识点分散、教学资源不足等。其次，阐述了“建筑构造”课程知识图谱的构建过程，包括课程知识获取、知识点实体识别、知识点间关系抽取以及知识图谱的可视化等。最后，探讨了知识图谱在教学改革中的应用，包括优化教学内容和方法等，为“建筑构造”课程的教学改革提供了新思路和参考。

［关 键 词］ “建筑构造”课程；知识图谱；教学改革

［中图分类号］ G712 ［文献标志码］ A ［文章编号］ 2096-0603（2024）28-0133-04

“建筑构造”课程在建筑类专业中扮演着至关重要的角色，它是建筑设计和实施的基础，涉及建筑结构、材料、施工工艺等方面的知识。然而，传统的“建筑构造”课程教学存在一些问题，包括知识点分散、学生学习兴趣不高、教学资源不足等[1-3]。知识图谱作为人工智能技术的重要组成部分，能够赋能课程建设与教学创新，可以实现智能化资源推送、多样化教学创新、个性化学习路径以及学习成效分析等。首先，利用知识图谱技术，可以将“建筑构造”课程的教学内容进行智能化呈现。学生可以通过交互式界面浏览知识图谱，深入了解“建筑构造”知识，提高学习效率和质量。其次，基于知识图谱，可以为每个学生量身定制个性化的学习路径。通过分析学生的学习情况和需求，智能系统可以推荐适合学生的学习内容和学习方法，帮助学生更好地掌握“建筑构造”知识。此外，知识图谱可以作为教学资源的智能管理工具，帮助教师更好地管理和利用教学资源。教师可以根据知识图谱的结构和内容，设计教学计划和教学活动，提高教学效果和趣味性。综上所述，利用人工智能技术解决“建筑构造”课程教学中存在的问题，对于提升建筑学专业教学质量和培养高素质建筑类人才具有重要意义。

一、“建筑构造”课程c9922564c4c351c36a449ea79792b55320d9346b131c8d501c0044652e39bd1b教学存在的主要问题

（一）知识点间缺乏整合与关联

“建筑构造”课程涉及的知识点众多，包括建材特性、力学分析、结构作用原理、施工工艺等多个方面。然而，在教学中，往往只是简单地列举这些知识点，缺乏将其有机整合起来形成一个完整的知识体系的方法。这种教学方式使得学生难以从碎片化的知识中建立全面的认识。例如，在结构设计分析中，各个要素之间存在着密切的关系，如墙、梁、柱、板等构件在力学上的相互作用，但教学往往只是独立介绍这些要素，而忽略了它们之间的内在联系。这种教学方式使学生难以理解结构设计的整体思路和方法，限制了他们的综合分析和解决问题能力的提升。

（二）缺少个性化学习路径推荐

“建筑构造”课程存在缺少个性化学习路径推荐的问题，这导致学生在学习过程中难以找到适合自己的学习方法和节奏，影响了他们的学习效果和学习体验。“建筑构造”作为一个综合性强、实践性强的学科，涉及的知识面广，学生在学习这门课程时，往往会面临诸多挑战。例如，部分学生可能对某些知识点理解较快，而对另一些知识点则理解较慢；部分学生可能更善于通过实践操作来理解和掌握知识，而另一些学生则可能更倾向于理论学习。然而，传统的教学模式往往是以统一的教学内容和教学方法为基础，忽视了学生的个体差异性。

（三）缺乏以图的方式存储知识的方法

“建筑构造”课程知识多以文本形式存储，虽然可以清晰地表达理论知识和案例分析，但缺乏网络或图的存储方式会导致学习者难以理解和记忆建筑构造的复杂结构和关系。建筑构造涉及的多方面的知识之间存在着复杂的关联和影响。如果只通过文字来描述，学习者往往难以形成整体的把握，容易在细节上迷失。

综上所述，目前“建筑构造”课程教学存在以教师为中心的单一模式，缺乏以学生为中心的教学方式，导致教学效果有限。针对“建筑构造”课程教学存在的问题，本文将构建“建筑构造”课程知识图谱，从传统以教师为中心的单一授课模式向以网状知识图谱为核心的教学模式转变。

二、“建筑构造”课程知识图谱的构建

知识图谱的概念最早由谷歌提出，其本质上就是一种语义网络，由“实体—关系—实体”三元组构成，其中的节点代表实体或者概念，边代表实体或者概念之间的各种语义关系。近年来，知识图谱已经被广泛应用于教育领域[4-6]。《中国智慧教育蓝皮书（2022）》[7]指出智慧教育将聚焦发展素质教育，基于系统化的知识点逻辑关系建立数字化知识图谱，创新内容呈现方式，让学习成为美好体验，培养学习者高阶思维能力、综合创新能力以及终身学习能力。

（一）“建筑构造”课程知识获取

“建筑构造”课程知识来源于结构化、半结构化和非结构化的课程资源。为了保证获取课程知识的全面性，学习者可以通过多个渠道获取课程知识。具体有，通过文献资料搜集，包括教材、课程大纲、学术论文等；查阅课程网站和在线资源，获取课程讲义、视频和考试试题；进行教师和专家访谈，了解他们对课程的理解和经验；进行学生调研，了解他们的学习需求和反馈；实地考察和实践操作，感受建筑实践中的实际情况。这些方法获取的课程内容数据将为建立“建筑课程”知识图谱提供丰富的内容和数据支持，有助于学习者更好地理解和应用建筑构造知识。

（二）“建筑构造”课程知识实体与关系抽取

1.标注者间一致性检验

为了保证标注的质量，我们的项目团队由5名建筑类专业教师组成。在正式标注之前，“建筑构造”课程负责人分三个阶段对标注者进行培训，并对每个阶段的标注结果进行评估。具体做法是将选定的一个单元分配给每一位标注者进行三轮标注。在每一轮标注之后，我们使用Inter-Annotator Agreement（IAA）[8]在同一文档上比较标注者之间的标注一致性。我们以课程负责人的标注作为金标准，使用式（1-3）计算F1分数来评估每个标注者的标注熟练程度。经过三轮培训，所有标注者的IAA均达到98.7%以上。总的来说，我们建立的语料库质量很高，能满足研究的需要。

2.课程知识实体识别与关系抽取

“建筑构造”课程知识实体的提取是按照教材中教学内容的组织方式进行的。依次包括“章”知识点、“节”知识点以及具体的知识点。章知识点包括：基础与地下室、墙体、楼地层、屋顶、门窗、楼梯与电梯、变形缝和装配式混凝土建筑，“节”知识点则对应于每一章后的小节。最终确定“建筑构造”课程共有352个知识点。将教材中的章、节和知识点等内容以结构化的方式表示，有助于建立清晰的知识组织结构。

关系抽取是自然语言处理（NLP）中的一项关键任务，旨在识别和提取文本中实体之间的关系。根据“建筑构造”课程的特点以及对课程知识图谱相关文献的调研，课程知识实体之间的关系分为前驱关系、包含关系和并列关系[9]。

在本研究中，我们使用了BRAT[10]标注工具对预处理后的数据进行实体与关系抽取。BRAT是一种基于Web的文本标注工具，支持标注实体、关系和事件等信息。基于BRAT的实体和关系标注页面如图1所示。

（三）“建筑构造”课程知识图谱可视化

Neo4j是目前最流行和功能最强大的图形数据库之一，专门用于存储和处理图形数据。在图形数据库中，节点表示实体，边表示实体之间的关系。Neo4j采用Cypher查询语言查询和操作图形数据，提供了直观的可视化界面，帮助用户理解和管理图形数据。由于其灵活性和高效性，Neo4j被广泛应用于各种领域，如社交网络分析、知识图谱构建、推荐系统等。在文本中，我们使用Neo4j对“建筑构造”课程进行存储，并使用Cypher查询语言操作图形数据。根据实体和关系抽取，共获取352个实体节点和418个关系，使用Python编程语言来导入数据。

（四）基于Cypher语句的知识操作

Cypher是一种图数据库的声明性图形查询语言，专门用于与图数据库中的节点、关系和属性进行交互，且提供了一种类似于描述的方式来查询图数据，使得用户可以更轻松地表达复杂的查询需求。对于知识图谱（Knowledge Graph）这种基于图的数据结构，可以使用Cypher进行多种操作。

1.计算节点的出入度

分析知识图谱节点的出度和入度有助于理解节点在整个图谱中的重要性和影响力。这些度量可用于识别中心节点、发现潜在的关键节点，并分析节点间的关系。出度较高的节点可能是信息的源头，它们传播的信息量可能较大。通过分析节点的出度和入度，我们可以更好地理解节点在网络中的地位，并据此进行进一步的分析和应用，比如识别网络中的核心节点、发现异常节点等。

2.路径查询

Cypher查询最短路径的目的通常是为了找到两个节点之间的最短路径。在“建筑构造”课程知识图谱中，节点代表知识点，关系代表知识点之间的连接或关系。通过查找最短路径，可以了解两个节点之间的最短路径长度，即通过最少数量的关系从一个节点到达另一个节点所需的步骤数。通过最短路径算法可以确定两个知识点之间的关联性，从而为学习者提供准确的学习路径推荐。图2展示了使用Cypher语句查询“基础与地下室”到“强夯法”之间的最短路径。通过最短路径查询可为学生提供最快掌握从已知知识点到目标知识点的顺序路径，提升学生的学习效率。总的来说，Cypher是一种功能强大的查询语言，提供了丰富而灵活的功能，可以帮助用户充分利用知识图谱的数据资源，实现对知识图谱的深入分析和应用。

三、基于知识图谱的“建筑构造”课程教学改革

（一）知识点整合与梳理

知识图谱的可以清晰地展示课程知识点之间的关联关系和层次结构，帮助理解课程的知识结构和内在逻辑。可以利用建好的知识图谱对知识点进行整合。首先，应确定课程中的核心知识点，例如基础、墙体、楼板、屋顶、门窗等。这些核心知识点构成了课程的骨架，是学生必须掌握的基础内容。接下来，通过知识图谱，将核心知识点与其相关的次级知识点进行关联。例如，墙体可以进一步细分为材料、结构、施工工艺等。这样可以确保每个知识点在知识图谱中都有明确的位置和关联。

在梳理知识结构时，根据知识点的关联关系，构建课程的知识结构层次。这可以通过层级图、树状图等形式展示，明确每个知识点的上下级关系。这种层级结构有助于学生系统地理解和掌握知识。在此过程中，可能会发现一些遗漏的知识点，这时需要查漏补缺，确保知识图谱的完整性。例如，发现某些建筑构造细节没有在图谱中体现，就需要补充相应的知识点和关联。同时，整合相似或相关的知识点，避免重复。进一步细化知识点之间的关系也是必要的。例如，墙体与楼板之间不仅是构造上的关联，还可以有施工顺序、材料兼容性等多种关系。明确这些关系，有助于更好地理解知识点之间的联系。对梳理后的知识图谱进行评价，邀请专家或教师团队进行审阅，提出优化建议，通过多次迭代，不断完善知识图谱，确保其准确性和实用性。此外，为每个知识点关联相应的学习资源，如教材章节、视频讲解、习题、案例等，确保学生在学习过程中可以方便查阅相关资料，深入理解知识点。知识图谱应是动态更新的，随着课程内容的变化、教学方法的改进，及时更新知识图谱，确保其与时俱进，反映最新的教学内容和方法。

通过以上步骤，建筑构造课程的知识图谱不仅能提供清晰的知识结构，还能作为教学和学习的有力工具，帮助教师优化教学内容，帮助学生系统掌握课程知识，提高学习效果。

（二）优化教学内容

利用“建筑构造”课程知识图谱优化教学内容是一项重要而有效的教学改革措施。首先，通过对知识图谱的构建和分析，可以清晰地展示课程知识点之间的关联关系和层次结构，帮助教师深入理解课程的知识体系和内在逻辑。在此基础上，教师可以针对课程的重点知识点和难点进行突出讲解，加强学生对重点和难点知识的理解和掌握，提高教学的针对性和实效性。其次，利用知识图谱中的案例和实例，设计相关的案例分析和实践应用活动，帮助学生将理论知识应用到实际问题中，加深学生对知识的理解和记忆。同时，根据学生在知识图谱中的学习轨迹，为每个学生设计个性化的学习路径，调整教学内容和节奏，提高学生的学习兴趣和学习效果。综上所述，利用“建筑构造”课程知识图谱优化教学内容，能够提高教学的针对性和有效性，激发学生的学习兴趣，提高学习效果，是一种值得推广和应用的教学改革方法。

（三）定制个性化学习路径

利用知识图谱定制个性化的学习路径是一种能够有效提高教学效果的方法。通过分析学生在知识图谱中的学习轨迹和行为模式，教师可以为其推荐适合的学习内容和学习顺序，提高学习效率和学习动力。个性化学习路径的设计可以从以下几个方面进行：首先，根据学生的学习目标和兴趣，为其推荐相关的知识点和学习资源，使其学习更加有针对性和主动性。其次，根据学生的学习能力和学习进度，调整学习路径中各知识点的学习难度和学习深度，达到最佳学习效果。再者，根据学生的学习偏好和学习方式，为其选择合适的学习方法和学习资源，提高学习的效率和质量。通过利用知识图谱定制个性化的学习路径，可以更好地满足不同学生的学习需求和兴趣，提高教学的针对性和实效性，促进学生的个性化发展和全面提升。

四、总结与展望

本文构建了“建筑构造”课程知识图谱，并探讨了基于知识图谱的教学改革。知识图谱的构建不仅可以帮助教师和学生清晰地理解课程知识点之间的关联关系和层次结构，还可以为个性化学习路径设计、教学内容优化等教学改革提供基础支持。通过个性化学习路径设计，可以根据学生的学习需求和兴趣，为每个学生定制个性化的学习路径，提高学习效率和学习动力。同时，优化教学内容，突出重点难点，结合案例分析和实践应用，可以帮助学生将理论知识应用到实际问题中，加深对知识的理解和记忆。

未来，可以进一步完善知识图谱，不断加强与实际案例和项目的结合，提升跨学科整合能力。此外，还可以探索更多基于数据和技术的教学方法，如利用人工智能技术实现智能化的个性化学习推荐系统，为“建筑构造”课程的教学改革注入更多创新元素。基于知识图谱的教学改革不仅可以提高教学效果，还可以激发学生的学习兴趣和创新能力，促进教育教学质量的不断提升。

参考文献：

［1］ 赵敬辛，郑方园，张玉坤.新工科视域下建筑构造课程“多维翻转”教学法构建：基于南阳理工学院的实践［J］.大学教育，2023（24）：41-43，48.

［2］ 付林江，肖婵，贾岩.地方应用型高校《建筑构造》课程教学改革探索与实践［J］.科教导刊，2023（34）：114-116.

［3］ 单菁菁，姜兴华.《建筑构造》课程与设计院人才需求相结合的实践教学研究［J］.房地产世界，2023（6）：64-66.

［4］ 孙雪梅.基于知识图谱的高中《信息技术》课程知识导航研究与应用［D］.昆明：云南师范大学，2022.

［5］ 盛嘉祺.融合线上线下教育资源的课程知识图谱构建研究［D］.上海：华东师范大学，2020.

［6］ 马友忠.基于课程知识图谱的智慧教学应用研究［J］.河南教育（高教），2024（2）：84-86.

［7］ 李永智.中国智慧教育蓝皮书（2022）［M］.北京：中国教育科学研究院，2023.

［8］ Hripcsak G，Rothschild A S. Agreement，the f-measure，and reliability in information retrieval［J］. Journal of the American medical informatics association，2005， 12（3）：296-298.

［9］ 单佩佩.基于核心课程知识图谱的学习路径推荐研究［D］.昆明：云南师范大学，2021.

［10］ Stenetorp P，Pyysalo S，TopiG，et al. BRAT：a web-based tool for NLP-assisted text annotation［C］//Procee-dings of the Demonstrations at the 13th Con-ference of the European Chapter of the Association for Computational Linguistics，2012：102-107.

编辑 张 慧