知識圖譜助力學(xué)科教學(xué)
——以大學(xué)模擬電子技術(shù)基礎(chǔ)課程為例

吳彥文，孫晨輝，李 斌

（華中師范大學(xué)物理科學(xué)與技術(shù)學(xué)院，湖北武漢 430079）

0 引言

傳統(tǒng)教學(xué)模式由于受時間和空間限制無法滿足學(xué)習(xí)者日益增長的個性化學(xué)習(xí)需求。為此，部分高校紛紛推出適宜于學(xué)生的在線學(xué)習(xí)平臺，用于日常輔助教學(xué)，但隨著平臺資源的日益增長又出現(xiàn)“資源過載”現(xiàn)象，學(xué)習(xí)者一直處于“碎片化學(xué)習(xí)”狀態(tài)，不利于知識體系構(gòu)建。

康德認(rèn)為，人類記憶中知識經(jīng)驗是以圖的形式存儲的，只有當(dāng)新概念與原有知識概念建立聯(lián)系才能產(chǎn)生意義［1］。利用知識元關(guān)聯(lián)可以幫助學(xué)習(xí)者建立知識體系，通過系統(tǒng)學(xué)習(xí)、實踐、反思轉(zhuǎn)化，將新知識與自身已有知識進(jìn)行整合與關(guān)聯(lián)，最終內(nèi)化為能夠獨立輸出的知識系統(tǒng)。人工智能發(fā)展到認(rèn)知智能階段，學(xué)科知識圖譜以其特有的語義關(guān)聯(lián)、知識推理以及可解釋性等特征，同智慧教育高度切合，在學(xué)習(xí)者模型建立、在線學(xué)習(xí)平臺、智能答疑系統(tǒng)等方面起著重要作用。與此同時，作為現(xiàn)今主流的學(xué)習(xí)資源推薦方法，協(xié)同過濾算法已在眾多在線教育平臺中得到運用且表現(xiàn)不俗。然而協(xié)同過濾算法只考慮用戶和資源之間的二元關(guān)系，所呈現(xiàn)的推薦結(jié)果欠缺知識元之間的關(guān)聯(lián)性，大量碎片化知識學(xué)習(xí)不利于構(gòu)建學(xué)習(xí)者知識體系。

基于學(xué)習(xí)資源關(guān)聯(lián)的推薦是知識圖譜和個性化推薦技術(shù)相互融合的結(jié)果，可以充分發(fā)揮二者雙重優(yōu)勢。因此，本文通過設(shè)計基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦模型，結(jié)合模擬電子技術(shù)基礎(chǔ)課堂教學(xué)實踐經(jīng)驗開展實證研究，以驗證該模型在構(gòu)建知識體系及提升學(xué)習(xí)效果方面的有效性。

1 學(xué)習(xí)資源個性化推薦相關(guān)算法概述

協(xié)同過濾算法作為智能領(lǐng)域最成功的一項技術(shù)，最早由Palo Alto 研究中心提出［2］。協(xié)同過濾推薦算法主要有基于用戶的協(xié)同過濾算法和基于物品的協(xié)同過濾算法兩種，其本質(zhì)都是基于鄰域的推薦算法［3］。

在線教育平臺中，基于內(nèi)容的推薦方法和傳統(tǒng)的協(xié)同過濾推薦算法應(yīng)用最為廣泛［4］。近年來，基于協(xié)同過濾算法的推薦系統(tǒng)發(fā)展迅速，是個性化在線學(xué)習(xí)重點研究方向。熊回香等［5］融合基于內(nèi)容與協(xié)同過濾推薦思想，利用LDA 進(jìn)行相似度計算得出資源與用戶的近鄰集合，并抽取資源內(nèi)容關(guān)鍵詞進(jìn)行資源推薦，但由于缺乏一些個性化特征，最后的推薦結(jié)果個性化程度并不高；何娟［6］綜合分析學(xué)習(xí)者個人和學(xué)習(xí)者群體閱讀特征，借助用戶畫像，構(gòu)建學(xué)習(xí)者個人畫像與群體畫像，依據(jù)學(xué)習(xí)者借閱行為特征為其推薦圖書，但模型建立技術(shù)不夠新穎且特征單一；徐海玲等［7］在分析用戶行為屬性的同時在建模過程中加入需求屬性，通過概念格方法挖掘用戶之間的關(guān)聯(lián)，以此提升用戶群體模型構(gòu)建的準(zhǔn)確性，但該模型在構(gòu)建過程中用戶動態(tài)數(shù)據(jù)采集不及時，導(dǎo)致模型更新缺乏實時性。以上基于協(xié)同過濾算法的學(xué)習(xí)資源推薦大多只利用了用戶—學(xué)習(xí)資源評分矩陣，在推薦結(jié)果精準(zhǔn)度和召回率方面表現(xiàn)得差強人意。因此，更多的研究采用混合推薦方法進(jìn)行學(xué)習(xí)資源推薦。劉忠寶等［8］參考物理學(xué)的物質(zhì)擴散理論設(shè)計學(xué)習(xí)資源推薦模型，該模型在為學(xué)習(xí)者推薦學(xué)習(xí)資源時的同時兼顧資源熱門性、新穎性，但存在一定的數(shù)據(jù)稀疏問題；孫承愛等［9］依據(jù)圖書特點設(shè)計一種個性化閱讀系統(tǒng)，系統(tǒng)融合興趣標(biāo)簽和協(xié)同過濾算法，充分考慮用戶的興趣特征，但興趣特征信息來源于顯式反饋，對用戶隱式反饋數(shù)據(jù)缺乏分析；付芬等［10］通過隱式行為反饋方式獲取用戶隱式興趣特征，加入到用戶資源評分矩陣中，并改進(jìn)傳統(tǒng)的相似度計算方法，實現(xiàn)在線學(xué)習(xí)平臺的資源推薦功能。

協(xié)同過濾推薦算法以及混合推薦算法一直是在線教育領(lǐng)域研究熱點，并在學(xué)習(xí)資源推薦方面取得很好效果。然而，這些推薦方法大多只考慮學(xué)習(xí)者與資源之間的二元關(guān)系，沒有對學(xué)習(xí)資源中的知識進(jìn)行關(guān)聯(lián)分析。趙國慶等［11］通過3 種概念構(gòu)圖任務(wù)對教師學(xué)科知識進(jìn)行評價，結(jié)果顯示小學(xué)數(shù)學(xué)教師同樣存在學(xué)科本體知識不足、知識碎片化程度嚴(yán)重及知識結(jié)構(gòu)不甚合理等問題。因此，在學(xué)習(xí)資源推薦過程中加入知識點關(guān)聯(lián)分析顯得尤為重要。在線學(xué)習(xí)資源大多以文檔、PPT、視頻等多模態(tài)形式存在，這些資源因其數(shù)據(jù)結(jié)構(gòu)的無序性而被定義為非結(jié)構(gòu)化學(xué)習(xí)資源，但這并不代表這類學(xué)習(xí)資源是沒有結(jié)構(gòu)的，事實上任何學(xué)習(xí)資源內(nèi)部以及資源與資源間都存在聯(lián)系。因此，如何從這些非結(jié)構(gòu)化數(shù)據(jù)中抽取知識是實現(xiàn)資源關(guān)聯(lián)和多模態(tài)資源推薦的重要前提。Goole 公司為了提高搜索效率于2012 年5 月提出“知識圖譜”［12］。知識圖譜可從非結(jié)構(gòu)化學(xué)習(xí)資源中抽取實體、關(guān)系等要素，利用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識之間的聯(lián)系，是海量知識的一種表征形式［13］。知識圖譜可以運用深度學(xué)習(xí)實現(xiàn)知識的自動推理，避免大量人工操作，在海量學(xué)習(xí)資源處理過程中有著先天優(yōu)勢。Yang 等［14］提出一種知識抽取框架，實現(xiàn)數(shù)字預(yù)組裝階段校驗報告中關(guān)鍵信息的抽取，分享和反饋文本的重要內(nèi)容，大大提高生產(chǎn)效率，節(jié)約成本。領(lǐng)域知識圖譜構(gòu)建有助于知識體系構(gòu)建，Kim［15］利用產(chǎn)品知識圖譜描述電子產(chǎn)品、電子產(chǎn)品標(biāo)準(zhǔn)以及各種產(chǎn)品之間的關(guān)系，為商家展示更有效的產(chǎn)品信息傳遞渠道?；谶@一特性，研究者們期望將知識圖譜技術(shù)應(yīng)用于在線資源組織與推薦中。如陸星兒等［16］建立基于心理學(xué)課程的知識圖譜，為MOOC 提供教學(xué)新思路。

本文利用學(xué)科知識圖譜構(gòu)建方法，對在線平臺資源進(jìn)行組織，挖掘資源之間的關(guān)聯(lián)關(guān)系；通過構(gòu)建基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦模型，實現(xiàn)學(xué)習(xí)者—學(xué)習(xí)資源—知識元三者關(guān)聯(lián)。在學(xué)習(xí)者模型及學(xué)習(xí)者群體模型構(gòu)建中加入學(xué)習(xí)者偏好屬性，引入學(xué)習(xí)行為等隱式反饋數(shù)據(jù)填充偏好屬性，以此實現(xiàn)學(xué)習(xí)資源的精準(zhǔn)推薦，幫助學(xué)習(xí)者更系統(tǒng)地學(xué)習(xí)課程，提升學(xué)習(xí)效果。

2 學(xué)習(xí)資源推薦模式研究

本文借助知識圖譜強化知識元內(nèi)聯(lián)，結(jié)合學(xué)習(xí)者畫像構(gòu)建學(xué)習(xí)者—學(xué)習(xí)資源—知識元（實體）關(guān)聯(lián)，系統(tǒng)構(gòu)建思路如圖1 所示。

圖1 基于知識圖譜的混合協(xié)同過濾推薦流程

本文通過非結(jié)構(gòu)化學(xué)習(xí)資源的知識圖譜構(gòu)建，實現(xiàn)異質(zhì)資源的知識融合；基于學(xué)習(xí)者資源交互行為構(gòu)建學(xué)習(xí)者動態(tài)模型，利用協(xié)同過濾算法為學(xué)習(xí)者推薦學(xué)習(xí)資源；在推薦列表產(chǎn)生過程中借助學(xué)習(xí)資源知識圖譜的知識元關(guān)聯(lián)性優(yōu)化推薦列表。

2.1 動態(tài)學(xué)習(xí)者畫像模型

學(xué)習(xí)者畫像構(gòu)建是一個不斷完善的動態(tài)過程，通過對學(xué)習(xí)行為、學(xué)習(xí)偏好等數(shù)據(jù)分析，突出學(xué)習(xí)者個體差異，為每個學(xué)習(xí)者打上標(biāo)簽，從而不斷提高個性化程度，為學(xué)習(xí)者更加精準(zhǔn)地匹配學(xué)習(xí)資源。本研究通過對學(xué)習(xí)者學(xué)習(xí)傾向、先前學(xué)習(xí)經(jīng)驗、學(xué)習(xí)風(fēng)格、學(xué)習(xí)態(tài)度等分析，描述學(xué)習(xí)者個體差異。以華中師范大學(xué)云課堂作為知識庫，在動態(tài)學(xué)習(xí)者畫像構(gòu)建過程中整合華中師大云課堂相關(guān)平臺數(shù)據(jù)。通過對數(shù)據(jù)進(jìn)行統(tǒng)計、分類/聚類分析，細(xì)分學(xué)習(xí)者并勾勒出個體學(xué)習(xí)者及群體學(xué)習(xí)者畫像。

學(xué)習(xí)者畫像構(gòu)建數(shù)據(jù)來源見表1。

表1 學(xué)習(xí)者畫像數(shù)據(jù)來源

動態(tài)學(xué)習(xí)者畫像建立步驟：

（1）整合學(xué)習(xí)者數(shù)據(jù)，如在云課堂、信息門戶、移動信息平臺以及其它平臺上的學(xué)習(xí)者個人信息、課程信息、好友信息、資源交互行為等動態(tài)數(shù)據(jù)。

（2）利用數(shù)據(jù)挖掘、數(shù)據(jù)分析等技術(shù)對這些信息進(jìn)行抓取、清洗、轉(zhuǎn)換、分類、聚類等處理。學(xué)習(xí)者畫像標(biāo)簽即從學(xué)習(xí)者動態(tài)行為數(shù)據(jù)中挖掘信息，進(jìn)行聚類操作［17］。通過標(biāo)簽建模分析，進(jìn)一步區(qū)分個體學(xué)習(xí)者和學(xué)習(xí)者群體。學(xué)習(xí)者群體畫像構(gòu)建過程中需要對學(xué)習(xí)者群體基本屬性、學(xué)習(xí)者之間社交關(guān)聯(lián)、資源瀏覽、學(xué)習(xí)評價等行為進(jìn)行相似度分析，進(jìn)而對個體學(xué)習(xí)者聚類分析形成學(xué)習(xí)者群體。除此以外，動態(tài)學(xué)習(xí)者畫像模型要求不斷根據(jù)學(xué)習(xí)者基本信息的變化及動態(tài)行為數(shù)據(jù)調(diào)整標(biāo)簽。

（3）根據(jù)所建立的學(xué)習(xí)者畫像構(gòu)建預(yù)測模型，為個體學(xué)習(xí)者和學(xué)習(xí)者群體提供有針對性的個性化服務(wù)，并不斷根據(jù)學(xué)習(xí)者反饋調(diào)整畫像。

2.2 學(xué)習(xí)資源推薦策略

根據(jù)動態(tài)學(xué)習(xí)者畫像形成預(yù)測模型，該預(yù)測模型可預(yù)測學(xué)習(xí)者需求偏好、潛在的學(xué)習(xí)資源需求以及響應(yīng)和服務(wù)，將學(xué)習(xí)者感興趣、有知識關(guān)聯(lián)的學(xué)習(xí)資源呈現(xiàn)給學(xué)習(xí)者，學(xué)習(xí)資源推薦流程如下：首先采集和處理學(xué)習(xí)者畫像數(shù)據(jù)及學(xué)習(xí)資源的知識元關(guān)聯(lián)數(shù)據(jù)，然后建立標(biāo)簽細(xì)分個體學(xué)習(xí)者和學(xué)習(xí)者群體，最后將學(xué)習(xí)資源在學(xué)習(xí)者之間進(jìn)行匹配、呈現(xiàn)，如圖2 所示。系統(tǒng)需要依據(jù)用戶行為數(shù)據(jù)實時調(diào)整學(xué)習(xí)者畫像，確保資源推薦的準(zhǔn)確性、有效性。

圖2 動態(tài)學(xué)習(xí)者畫像視角下學(xué)習(xí)資源推薦

3 基于云課堂的推薦效果分析

依據(jù)基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦模型，借助華中師范大學(xué)師大云課堂平臺進(jìn)行課程教學(xué)設(shè)計，并展開實證研究。云課堂資源種類涵蓋授課視頻、授課講義（PPT、PDF 文件）、試題題庫及大量的課后拓展資源等，是打破時空限制的混合式教學(xué)方式。借助師大云課堂移動學(xué)習(xí)平臺，筆者結(jié)合近5 年的實際教學(xué)經(jīng)驗開展面向電子信息類專業(yè)的模擬電子技術(shù)基礎(chǔ)課程教學(xué)實驗。

3.1 學(xué)習(xí)效果評價指標(biāo)

從平臺獲取學(xué)習(xí)者相關(guān)數(shù)據(jù)，根據(jù)線下課程的反饋和測試成績驗證學(xué)習(xí)效果與推薦模型的有效性。學(xué)習(xí)效果體現(xiàn)在兩個方面：①直觀的學(xué)業(yè)成績；②課程學(xué)習(xí)的滿意度評價［18］。通過文獻(xiàn)分析法可知學(xué)習(xí)效果影響因素主要包括：先驗知識、認(rèn)知風(fēng)格、學(xué)習(xí)態(tài)度、難易評價、學(xué)業(yè)成績、學(xué)習(xí)滿意度6 種。因此，本研究將期末學(xué)習(xí)成績和學(xué)習(xí)滿意度作為因變量，選取先驗知識、認(rèn)知風(fēng)格、學(xué)習(xí)態(tài)度、難易評價4 個影響因素作為學(xué)習(xí)者畫像特征要素，探究模型的學(xué)習(xí)效果。

3.2 實驗數(shù)據(jù)采集與結(jié)果分析

（1）數(shù)據(jù)采集。該門課程開設(shè)兩個班級，選修學(xué)生共84 名。本研究選取A、B 兩個班級進(jìn)行對照實驗，其中A班43 人作為平臺實驗者，B 班41 人作為對照組。實驗數(shù)據(jù)來源由平臺數(shù)據(jù)和調(diào)查問卷數(shù)據(jù)兩部分組成。

（2）數(shù)據(jù)分析。根據(jù)學(xué)習(xí)者畫像特征對A、B 兩個班級學(xué)習(xí)群體進(jìn)行分析，然后以學(xué)習(xí)成績和學(xué)習(xí)滿意度作為評價標(biāo)準(zhǔn)檢驗學(xué)習(xí)效果。

為了解A、B 兩個班級學(xué)習(xí)者群體特征，本研究從先驗知識、認(rèn)知風(fēng)格、學(xué)習(xí)態(tài)度、難易評價4 個角度對A、B 兩個班級進(jìn)行學(xué)習(xí)者畫像特征描述，以期末學(xué)習(xí)成績和學(xué)習(xí)滿意度作為評價標(biāo)準(zhǔn)，具體數(shù)據(jù)如表2 所示。

從表2 可知，A 班在先驗知識方面比B 班略有優(yōu)勢，認(rèn)知風(fēng)格方面兩個班級都偏好視頻學(xué)習(xí)資源，學(xué)習(xí)態(tài)度方面都表現(xiàn)積極。因此，兩個班級在學(xué)習(xí)者特征刻畫方面基本一致。經(jīng)過一個學(xué)期的教學(xué)實驗，A 班學(xué)生在難易評價中選擇好學(xué)的比例明顯高于B 班，期末考核后，A 班成績達(dá)到良好及以上的人數(shù)比B 班多出9 人，沒有出現(xiàn)不合格學(xué)生，同時有接近91.7% 的學(xué)生在期末評課環(huán)節(jié)選擇滿意，表明本文基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦方法在一定程度上提高了學(xué)習(xí)效果。

表2 實驗數(shù)據(jù)統(tǒng)計分析

4 結(jié)語

針對當(dāng)前推薦算法僅關(guān)注學(xué)習(xí)者和資源二者關(guān)系，導(dǎo)致學(xué)生處于“碎片化學(xué)習(xí)”而缺乏系統(tǒng)性學(xué)習(xí)問題，本文提出基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦模型。該模型通過學(xué)習(xí)資源知識圖譜構(gòu)建，實現(xiàn)知識元關(guān)聯(lián)的可視化描述，并借助動態(tài)學(xué)習(xí)者畫像進(jìn)行學(xué)習(xí)資源的精準(zhǔn)匹配。選取模擬電子技術(shù)基礎(chǔ)課程在A、B 兩個班級進(jìn)行對照實驗，實驗結(jié)果證明，基于知識圖譜的學(xué)習(xí)資源關(guān)聯(lián)推薦模型能在一定程度上提高學(xué)習(xí)效果。本研究還存在不足之處，如進(jìn)行模電知識圖譜構(gòu)建過程中，融合異質(zhì)資源數(shù)量不足（僅融合了百度百科和師大云課堂的相關(guān)資源），缺乏資源準(zhǔn)確性審核環(huán)節(jié)。后續(xù)工作重點將著眼于高質(zhì)量學(xué)習(xí)資源知識圖譜構(gòu)建，確保資源正確性和豐富性。本模型還可應(yīng)用于在線學(xué)習(xí)平臺，但由于在線學(xué)習(xí)平臺學(xué)習(xí)者體量巨大，學(xué)習(xí)背景不一致且缺乏教師干預(yù)指導(dǎo)，需要在模型中加入認(rèn)知診斷機制，根據(jù)學(xué)習(xí)者認(rèn)知能力推薦學(xué)習(xí)資源。