知識地圖模型及其在教學資源導航中應用研究 *

黃 濤，施 楓，楊華利

(1.華中師范大學 國家數字化學習工程技術研究中心，湖北 武漢 430079；2.華中師范大學 教育信息技術學院，湖北 武漢 430079；3.中央電化教育館 項目部，北京 100031)

知識地圖模型及其在教學資源導航中應用研究 *

黃 濤1，施 楓2,3，楊華利1

(1.華中師范大學 國家數字化學習工程技術研究中心，湖北 武漢 430079；2.華中師范大學 教育信息技術學院，湖北 武漢 430079；3.中央電化教育館 項目部，北京 100031)

數字化學習時代，隨著教學資源爆炸式增長，學習者的知識過載問題日益突出。該文針對數字化學習中教學資源的知識化組織和可視化導航與檢索問題進行了研究，首先構建了知識地圖與資源導航模型，并以此為基礎，實現教學資源實體向知識本體的映射；其次，基于知識地圖模型，構建學生知識框架，并進行知識可視化；最后，設計與實現了基于知識地圖的資源導航與檢索系統，基于知識地圖的知識隱性關聯檢索與推薦相關教學資源，實現學習者的個性化推薦與導航。

知識地圖；知識可視化；資源檢索；本體

一、引言

隨著信息技術與教育教學的深度融合，以MOOCs、可汗學院、翻轉課堂等為代表的學習革命正強烈沖擊著傳統教育的生態，彰顯出大規模在線教育正在引領學習方式的創新與變革，是促進教育公平、提高教育質量的有效途徑[1]。傳統的在線學習中，教學資源檢索主要是通過關鍵詞來實現，它的三類模型如BOOL模型、向量模型和概率模型[2]，都能快速實現，很長一段時間內滿足著人們的需求，也是實際應用中使用得最為廣泛的檢索模式。大規模在線課程雖然內容豐富，但是隨著資源內容不斷增長，通過關鍵字檢索的結果僅僅是大量資源的堆積，缺乏課程內容的整體性和系統性，學習者無法辨識自己所學知識與在線課程的關聯關系，無法選擇合適的學習路徑，容易造成知識迷航。

針對大規模在線課程資源中存在的資源缺乏組織、分類不清晰的問題，國內外學者引入知識管理領域研究成果開展對教學資源進行知識組織的研究，例如：知識地圖在情報學、圖書館書籍管理及相關信息管理行業已有相當的應用，它以一種通用、直觀的方式來獲取知識，并組織呈現知識，進行知識的快速檢索，實現知識的共享和重利用[3]。2008年于海濤等提到了“概念知識樹模型”[4]的框架，用來解決基于知識樹的知識組織問題，是利用知識樹來組織知識的一種應用模型。在中學小課堂中，老師也常利用“思維導圖”構建知識地圖，直觀地呈現出學科間的脈絡與聯系，引導學生理清概念學習思路后沿著思維導圖上的線路學習。思維導圖類似于本文中的知識地圖，在教師教學中已有相當的應用，但思維導圖所創建的多半為一張靜態圖像，是純概念之間關系的直觀展示，不支持數字化學習中數字教學資源的動態顯示及超鏈接等資源組織和檢索應用的需求。事實上，基于知識地圖的資源檢索與導航方法，是一種能方便瀏覽、檢索、共享和重用知識的技術方法，知識地圖可以有效促進知識的交流、共享和創新[5]。

本文針對數字化學習中教學資源的知識化組織和可視化導航與檢索問題進行了研究，首先構建了知識地圖與資源導航模型，并以此為基礎，實現教學資源實體向知識本體的映射；其次，基于知識地圖模型，構建學生知識框架，并進行知識可視化。最后，設計與實現了基于知識地圖的資源導航與檢索系統，基于知識地圖的知識關聯檢索與推薦相關教學資源，實現學習者的個性化推薦與導航。

二、知識地圖模型概念與內涵

(一)核心概念

本文研究知識地圖模型及其在教學資源導航中應用，涉及到的核心概念如下：

知識地圖：描述了知識之間的關系和獲取路徑，通過可視化技術顯示知識點及相關關系，可以通過直觀的方式來獲取、組織、呈現和快速檢索知識[6]，以促進知識共享和交流，本質上是一種知識索引工具[5]。知識地圖除了簡單的線性關系模型、樹狀關系模型外，還有網狀關系模型，三者由簡至繁。在知識點的層次關系基礎上添加前趨、后繼關系，知識樹結構演變為網狀結構，形成最復雜的知識地圖，常用于個性化資源推薦。

知識樹：線性知識地圖模型，突出知識點之間的樹狀層次結構關系。基于知識地圖的資源導航，不僅能夠表示知識體系的層次結構，幫助使用者方便、快捷地找到所需要的知識，還能對學習資源進行導航，對學習過程進行引導[7]。知識樹主要用于描述知識點之間的層級關系，引導學生有層次地學習；而網狀知識地圖用于某個知識點出現問題后，向上尋找出現問題的來源和原因，有性對性地推薦所需學習的知識點和相關資源。

本體：本體最初來源于哲學領域，用來描述客觀存在物的系統，是對客觀存在物的說明和解釋[8]。后來運用于人工智能學科，表示對事物的明確的形式化規范，主要特點是形式化、無歧義和規范化。

學科知識本體：將本體概念引用到具體學科知識中，創建學科知識地圖以保證構成知識本體的單個知識點是唯一確定的。繼承本體的特點，學科知識本體是用明確無歧義的形式化語言規范進行描述的，以便達到知識的共享。

知識元：在學科中不能再分割且獨立的、可以完備表達知識的最小單位，具有原子性。

(二)知識地圖模型與資源導航架構

知識地圖在資源組織中的應用源于Fisher于1996年提出的“知識地圖是詳細的、相互關聯的非線性思維表示”[9]。知識地圖是一種知識的指南，通過將單個知識點以網狀、樹狀方式建立關聯，運用于資源組織與導航中能顯示出學科資源間的關系。實現知識地圖包括如下三個要素：一是知識本體建設，二是知識本體可視化，三是相關資源可視化。基于知識地圖模型在資源組織中的應用架構如圖1所示，核心包括知識本體模型、資源實體模型、資源實體向知識本體的映射機制(或映射模型)、知識可視化工具、知識導航與推薦。

圖1 基于知識地圖模型在資源組織中的應用架構

知識地圖模型在資源組織中的應用機制是：(1)收集知識本體元素，通過專家整理、審核后初始化知識本體；同時，收集資源實體，并對其進行關鍵詞描述，建立描述資源的關鍵詞集；(2)通過資源實體向知識本體的映射機制，建立二者關聯；(3)通過可視化工具將知識本體可視化，生成學科知識地圖；(4)系統將監控學習者學習認知狀態，利用知識地圖導航知識以及檢索資源，并針對學習者的認知缺陷推薦與知識相關的個性化資源。

(三)知識本體模型

知識本體是既定領域中的概念及這些概念之間關系的集合，關系反映了概念間的約束與聯系[10]，能較好地解決同一個學科知識點在不同版本教材中呈現方式不同的情況，使得不同教材都能用到同一個知識點[11]，知識本體主要用于形成知識地圖。知識本體由三個元素進行描述，可形式化表示為有序的三元組，

1.知識元。學科知識的“知識元”主要由學科專家整理得出，目前大多課程知識本體均按不同教材的章節來組織，最多支持章、節、知識點三級目錄，不能兼容更多級，也不支持不同學科自由級別。在此，知識本體模型中知識元的級別突破了常規設計中知識模型按照“章節”層次劃分的約束，用“級”的觀念代替章節層級劃分，所以知識本體以“知識元”為基本單元，每個知識點元都是知識地圖上的一個節點。一級知識元為某學科名稱，屬于最高級；二級知識點是將學科內容分類，單個學科中概括性最強，對應教材中的“章”；一級知識點包含多個二級知識點，二級知識點包含若干三級知識點，隨級別增加，其知識點的分類越細，是一個逐步細化的過程，使知識點內涵增加，外延逐漸縮小。設定固定的最大級別，且每一級均可為葉子結點，使和知識點與葉子結點的綁定更加靈活自由。

圖2 知識本體結構圖

2.知識權重。知識權重是由多個學科專家對每個知識元的相對重要程度進行的判別。多個學科專家根據其知識元在中高考中的比重給每個知識點標記0-1的權重值，用于突出知識元的重要性，知識權重的最終結果為多個學科專家給予權重的平均值。

3.知識關系。知識元與知識元之間有多種關系，從知識元的級數來看，知識本體從上到下被劃分過幾次，內含父子關系，下一級知識元是上級知識元的子結點；兄弟關系，知識元是平級的，且兩個知識元呈并列關系；知識元間的前趨與后繼關系，用“先備知識”及“延伸知識”標識，先備知識是學習該知識元之前需要掌握的預備知識，該知識點可作為后繼知識點的預備知識點。知識元的關系具體用基于知識元的向量空間模型來表示[12]，

R(Pi,Pj)表示知識元Pi和知識元Pj的關系。若R(Pi,Pj)=1，則表示父子關系，即知識元Pi是知識元Pj的父知識元；反之，則為子知識元；若R(Pi,Pj)=0，則表示兩知識元沒有關系；若R(Pi,Pj)=2，則表示前趨關系，即知識元是Pi知識元Pj的先備知識元；若R(Pi,Pj)=3，則表示兄弟關系，即知識元Pi是知識元Pj的兄弟知識元。

(四)資源實體

資源實體格式多種多樣，除了簡單的結構化數據外，還有非結構化的數據和隱性知識，如文本、圖片、聲音、動畫、視頻等多媒體文件。為了對資源實體統一管理，并實現資源實體向知識本體的映射，需對資源實體進行結構化表征[13]。這里實體資源可以用一個三元組來表示，

式中，ID是系統資源實體唯一標識符；KWS是關鍵詞集合，是資源實體向知識本體映射的橋梁，它內含描述單個資源實體的一到多個核心關鍵詞，DS為其它描述信息集合，包括資源困難度、文件名、資源內容等描述項。

三、基于知識地圖模型的教學資源組織與檢索設計與實現

可視化的學科知識地圖首先在資源組織中的應用除了能構建并強化學習者大腦中的知識架構以外，更重要的是能夠幫助學習者建立一個形象直觀[14]的“知識地圖導航”[15]，引導學習者高效獲取所需要的資源；同時通過關鍵詞模糊匹配查詢進行學科教學資源的檢索，實現學習資源快速定位；最后，在學習完成后，根據學習者學習認知情況，向學習者智能推薦下一步學習的資源，保證學習者個性化的學習。

(一)基于知識地圖構建學生知識框架

本文設計的知識地圖模型及其在資源組織中的應用系統架構如下頁圖3所示，由底至頂分別為：本體層、語義層、知識可視化層、應用層。本架構采用云端服務技術，下層為上層提供服務，上層調用下層的開放接口，整個平臺開放實現了資源的開放與共享。本體層存儲資源實體及知識本體；語義層進行知識元標引與資源描述；知識可視化層用于將知識地圖以圖狀形式直觀呈現；應用層面向用戶，支持多條件的資源檢索并呈現資源結果列表。縱觀知識地圖模型架構圖，其中有兩條主線：第一條主線以知識本體為基礎，經過知識元標引，生成知識地圖可視化的知識線；第二條主線是對多種多媒體格式的資源經過整合描述而形成的資源線。

本體層是靜態物理層，負責知識本體與實體資源等非結構化數據的存儲檢索及更新，文件訪問與存儲采用基于分布式云存儲技術，將知識本體與實體資源存儲于云端服務器中，為知識地圖和資源庫的建設作素材準備。

圖3 知識地圖模型架構圖

中間語義描述層是整個框架最重要的部分，語義表征數據的含義，是數據在某個領域上的解釋和邏輯表示[13]。此層中通過對知識本體的構成元素“知識元”進行標引，并對結構化或非結構化資源進行標注、描述、關鍵字提取、整合。

知識可視化層中，系統開發有知識本體可視化工具，用于將知識本體可視化為直觀可見的知識地圖。

應用層，為終端用戶提供訪問入口，包括三種應用場景：基于知識地圖的資源導航應用，基于知識地圖的知識檢索應用，以及基于知識的個性化資源推薦應用。三種應用中最終將呈現與知識點相關的資源列表，將學習者查看資源實體顯示在用戶界面上。

(二)基于知識地圖的資源導航與檢索

為了防止教學資源像零元件雜亂無章地堆放在庫中，基于知識地圖的資源導航與檢索將資源按知識地圖形成的框架來組織，首先需要構建知識地圖框架，如圖4所示為基于知識地圖的資源導航與檢索實現流程圖。

基于知識地圖的資源檢索與導航步驟如下：

(1)收集知識點，構建知識本體。學科專家收集并整理知識點，拆分整合為最小單元“知識元”，并標識各知識元間的社會關系，構建完整的知識本體。在基于知識地圖的資源導航與檢索過程中，知識本體的構建是整個過程的關鍵，知識本體的質量將直接影響學習者對學科框架的理解，決定檢索和學習的效率。

圖4 基于知識地圖的資源導航與檢索流程

(2)收集資源，建立資源實體庫。從互聯網海量資源庫中收集學科資源，建設資源實體庫，并對資源進行本體進行常規描述，其描述方式見上文中資源實體規范，形成資源實體記錄存儲到數據庫資源描述表中。

(3)資源實體向知識本體的映射。基于知識地圖的資源組織最重要的是將資源實體存到抽象、通用的知識地圖框架中，則需從表征資源實體的關鍵字集合出發，為每個實體匹配相關的知識元。由于實體資源擁有一個關鍵詞集合，具有多個關鍵詞，在進行知識元匹配時需遍歷關鍵詞集合的每個關鍵詞，一個關鍵詞與一個知識元相對應，多個關鍵詞則對應多個知識元，如圖5所示。但從資源實體整體層面來看，一個資源實體可映射到多個知識元，如圖6所示。

圖5 資源實體關鍵詞向知識元的映射

圖6 資源實體向知識元的映射

故將資源實體整體與知識元的匹配公式設計如下頁公式(4)所示。

其中，sim表示匹配度，Rei表示第i個資源，Pj表示第j個知識元；當Sim(Rei, Pj)=1 時，則Rei資源與Pj知識元相關，建立Rei資源到Pj知識元的映射；當時，則Rei資 源與Pj知 識元無關。

資源實體與知識本體的映射關系表示成一個“資源-實體”矩陣，如公式(5)所示。

Sim(Rei,Pj)=1表示Rei資源與Pj知識元的有映射關系。

(4)可視化知識地圖。本文開發有知識可視化工具，其底層實現采取“先讀取后轉再封裝”的思路，即從數據表中讀取知識本體數據，保存至程序臨時緩存表DataTable，再循環遍歷逐條解析將其封裝為JSON標準格式數據，傳遞至前端頁面，調用DTree API，即可實現知識地圖的可視化。

(5)資源導航與檢索。用戶在接口界面可視化知識地圖中發出資源導航與檢索請求，將知識元發送至服務器，服務器根據接收的知識元信息，查找Re-P矩陣中第j列為1的資源，

返回所有的 Rei資源給用戶。

基于知識地圖的資源導航與檢索效果如圖7所示，學習者根據已有知識選擇學科，則其熟悉的知識以樹狀層次結構呈現在界面左側，通過知識點查找所有與之相關的資源，以往海量雜亂存儲的資源將以“樹狀知識元”為單位合理編排，按其“資源困難度”由易到難依次排序并呈現，指引學習者循序漸進式地查看和學習。

圖7 基于知識地圖的資源導航與檢索效果圖

(三) 教學資源個性化推薦

將“知識地圖”應用在資源組織與導航中，學習者除了能以知識地圖為線索查找學習資源外，系統還能根據學習者學習情況智能推薦相關學習資源。教學資源個性化推薦的運行原理與資源導航與檢索相似，都需要收集知識元建立知識本體，收集資源建設資源實體庫，資源實體向知識本體的映射及知識本體可視化處理，唯一不同的是個性化資源推薦還需輸入學習者的認知狀態，經過“個性化資源推薦機制”處理后推薦相關的資源，其推薦方法如圖8所示。

圖8 基于知識地圖的個性化資源推薦方法圖

個性化推薦方法是教學資源個性化推薦的核心部件，根據實際情況分為三種情況：

(1)當學習者在某知識元的認知狀態為特差時，個性化推薦機制根據認知缺陷找到較弱知識元P，在知識本體關系矩陣R中查找此知識元的“先備知識”元，即滿足條件R(Pi,P)=2的所有Pi的知識元的集合。再通過上述資源實體向知識本體的映射算法，查找出實體資源集推送給用戶。

(2)當學習者在某知識元的認知狀態為中等時，個性化推薦機制通過同樣的方法找到此知識元的“子知識元”，即滿足條件R(Pi,P)=-1的所有Pi的知識元的集合將查找出的實體資源集推薦給用戶。

(3)當學習者在某知識元的認知狀態為優秀時，個性化推薦機制通過同樣的方法找到此知識元的“兄弟知識元”或“后繼知識元”，即滿足條件R(Pi,P)=-1或R(P,Pi)=2的所有Pi的知識元的集合，再查找出的實體資源集推薦給用戶。

如此，知識地圖構建時記錄了組成知識本體各知識元所構建的隱形網絡，通過利用隱藏在知識地圖中的網狀路徑，查找相匹配的教學資源。當學習者學習某資源遇到困難時，系統將自動沿著隱形網絡向上尋找此知識的前趨知識，將映射到的知識元的精品資源給學習者，補充知識的薄弱環節；當學習者在當前知識點的學習過關時，系統將自動沿著隱形網絡向下找到當前知識點的后繼知識，推薦精品資源。運用在中小學課程教學中，學習者將能夠進行自適應學習，找到適合自己知識狀態的學習內容。

四、結論

本文基于知識地圖的資源檢索方法克服了資源檢索在當前信息爆炸時代面臨的混亂現狀，通過知識地圖清晰形象地描繪了學科知識地圖中各知識點與知識點之間的關系。知識地圖是一種有效表示知識的工具，當學習者需要檢索資源時，可以通過直觀地觀察知識樹，點擊獲取或呈現知識，實現資源的快速檢索，避免了檢索中的迷航現象。歸納其特性，總結有如下優點：

(1)利用資源本體描述知識地圖，使得雜亂無章的知識元形式化、標準化，不會有重復或歧義，達到了知識本體共享的目的。

(2)采用知識地圖可視化技術將知識本體呈現，以可視化的方式顯示知識結構，學習者一目了然，能輕松把握知識框架的同時，也能快速檢索所需知識點資源進行學習，節約檢索時間，避免思路分散，提高學習積極性與連貫性。

(3)基于知識地圖的資源整合使資源不再是單一零亂的個體，而是放在知識地圖框架中有序實體。此種知識地圖能直觀地幫助學生強化學科知識結構，并將無序的資源變的有序，便于快捷導航和檢索。

(4)基于知識地圖的個性化資源推薦，根據學生認知狀態及知識地圖中規劃的知識元路徑，有針對性地推薦個性化教學資源引導學生學習，有助于提高學習的效率。

總之，使用“知識地圖”模型組織資源，改變了資源組織混亂現狀；采用基于知識地圖的資源檢索與導航方法，同時將關鍵詞的檢索上升到模糊匹配和語義的高度，提高信息檢索效率，實現了資源精確快速的定位；基于知識地圖的個性化資源推薦改善了資源服務質量，提高了資源的管理與應用水平。

[1]Anders Jacobsson , ?sa Ek, Roland Akselsson.Learning from incidents-A method for assessing the effectiveness of the learning cycle[J].Journal of LossPrevention in the Process Industries, 2011, 25 (3):561-570.

[2]何紹華,黃艷艷. 知識地圖在信息檢索中的應用研究[J]. 情報雜志,2009,(5):187-189.

[3]陳強,廖開際,奚建清. 專家知識地圖的關鍵技術與設計[J]. 計算機工程與科學,2008,(2):96-98.

[4]于海濤,高一波,楊一平. 基于知識樹的領域知識組織和應用[J]. 計算機應用研究,2008,(11):3246-3248.

[5]趙京,徐少同. 知識地圖的關鍵技術與典型應用[J]. 情報理論與實踐,2012,(12):101-105.

[6]陳強,廖開際,奚建清. 知識地圖研究現狀與展望[J]. 情報雜志,2006,(5):43-46.

[7]石磊. 基于語義Web的學科知識地圖的建構研究[J]. 現代教育技術,2011,(7):110-113.

[8]王曉東,劉進營. 基于本體的分布式網絡協作學習系統建模研究[J].中國電化教育,2010,(4):52-55.

[9]Chung G. K. W. K.et al. Development Model for Knowledge Maps[DB/OL].http://www.cse.ucla.edu/products/resource/cresst_resource14.pdf,2015-02-10.

[10]王云才. 知識本體構建研究[J]. 山東圖書館季刊,2008,(4):19-21.

[11]丁國柱,余勝泉. 基于本體學習算法的學科本體輔助構建研究——以學習元平臺語文學科知識本體的構建為例[J]. 中國電化教育,2015,(3):81-89.

[12]艾偉,孫四明,張峰. 基于本體的Web文本挖掘與信息檢索[J]. 計算機工程,2010,(22):75-77.

[13]楊現民,余勝泉. 學習資源語義特征自動提取研究[J]. 中國電化教育,2013,(11):74-80.

[14]李亞男,李楠. 基于知識可視化的移動學習環境設計研究[J]. 中國電化教育, 2013,(11):21-24.

[15]黃萬艮. 基于知識樹的多媒體課件[J]. 中國教育信息化,2009,(14):56-58.

黃濤：副教授，博士生導師，華中師范大學國家數字化學習工程技術研究中心數字資源部部長，研究方向為智能教學系統、教育大數據分析、信息技術與學科教學融合(tmht@mail.ccnu.edu.cn)。

施楓：在讀博士，研究方向為信息技術支持下的教育變革與創新(shif@moe.edu.cn)。

楊華利：助理研究員，研究方向為智能教學系統(yanghuali@mail.ccnu.edu.cn)。

2015年4月10日

責任編輯：趙興龍

The Research of the Knowledge Map Model and the Application in Learning Resources Navigation

Huang Tao1, Shi Feng2,3, Yang Huali1
(1. National Engineering Research Center for E-Learning, Central China Normal University, Wuhan Hubei 430079;2. School of information technology in education, Central China Normal University, Wuhan Hubei 430079; 3. National Center for Educational Technology, Project Department, Beijing 100031)

In digitalization learning time, with the explosive growth of teaching resources, learners’ overloaded knowledge is becoming an extruding problem. On account of that, this paper focuses on digital learning resources of knowledge organization,and problem of visual navigation and retrieval in teaching, firstly we build up knowledge map and navigation model, so that it can implement teaching resources entities to knowledge ontology mapping; secondly, based on the knowledge map model, we construct the student knowledge framework, and make knowledge to be visual; finally, based on knowledge map, we succeed in designation and implementation of the resources navigation and retrieval system; association retrieval of potential knowledge and recommendation of relevant teaching resources, which helps learners to realize personalized recommendation and navigation.

Knowledge Map; Knowledge Visualization; Vesources; Resources Search; Ontology

G434

A

1006—9860(2015)07—0073—06

* 本文系國家社會科學基金教育學青年課題 “學科知識能力智能診斷理論、方法與應用研究”(課題編號：CCA140152)研究成果。