個性化教育知識平臺的設計與思考

陶偉 謝怡晨 鄒雨菲

摘 要：針對網絡社會信息過載和大學生通識教育效果不佳等現象，考慮設計一種個性化知識平臺。平臺采用輕量級的知識形態，應用知識圖譜和推薦系統對信息進行過濾和優化，進而完善學生的個性化教育。

關鍵詞：信息過載；通識教育；移動音頻；知識圖譜；推薦系統

一、緒論

當下我們正處于數字化的媒體時代，隨著信息技術的成熟和產業的迅速發展，社會產生的信息不斷累計，其量級不斷擴大。而我們對它的利用率卻變低，這又被稱為信息過載。

信息過載對社會的影響是深遠的。一方面，對于集體而言，我們身處巨大的集體學習浪潮中，任何人在任何地點都具備獲取、創造和傳播信息的條件。大量的信息和信息交互增強了人類社會創新的能力，這使得集體的發展水平和發展速度遠超歷史上的任何一個時期。信息廉價易得，知識隨處可見。這使得每個人都能從互聯網知識庫中獲益良多，也使得每一個個體都有發掘自身潛力，成為行業尖端的可能。而另一方面，對于個體，由于我們缺乏處理大量信息和數據的能力，信息過載和信息處理低效化將對個人的學習，生活，工作提出新的挑戰。若無任何應對策略，人類的大腦沒有辦法在短時間應對如此豐富且具有誘導性的多維動態信息。針對這一問題，我們探討的是，在并不缺乏學習資源的信息過載時代，如何合理整合學習資源和利用信息處理工具，消除信息過載對學生的不良影響，并完善大學生的通識教育及個性化教育。

二、知識平臺的設計

解決信息過載和知識超載的一種有效方式是搭建適合不同學生群體的通用知識平臺，這個平臺可由音頻電臺搭建、知識圖譜繪制，推薦系統設計三個部分組成，圍繞著個性化教育，嘗試處理知識過濾，知識解構，知識推薦，知識利用等問題。

（一）使用輕量級知識形態——音頻，文字，圖片的組合

移動互聯網催生了在線教育，但公開課、MOOC以及各類直播錄播課，對硬件要求高，對網絡要求高，學生需要長期觀看電腦和手機。對意志力薄弱的學生，在線教育時常成為時間的黑洞，健康的殺手而非學習的良藥。相較之下，集合音頻、文字、圖片的知識平臺易于使用，引導人們遠離手機電腦，解放雙眼，發掘健康的學習模式，適合需要快速提升自己的青年學生。

音頻是一種具有良好伴隨性的知識載體，它不受時間和空間限制。利用碎片化時間聽音頻；讀書本是一種有效的學習方式，一本優秀的教科書或技術書籍涵蓋了大量的知識點和作者的實踐經驗，仔細閱讀，必會受益良多。圖片和圖譜具有直觀性，一圖勝千言，一張層次清晰的圖譜能夠承載大量的結構化信息，有助于我們發掘和利用知識間的聯系。在繁雜的知識網絡中，一張制作精良的學習路徑圖能夠給初學者指明方向，避免走彎路，走錯路。

（二）使用知識圖譜和推薦系統過濾信息

知識圖譜是一種研究事物之間復雜聯系的量化工具，也可以理解為抽象意義上包含多種類型節點和邊的多關系圖，因此它比數學中的圖論和數據庫原理中的E.R圖更具應用價值。

我們經常提到個性化教育、因材施教等針對單個學生的教育理念，但這些想法僅憑教育體制和教師群體很難實現。借助于知識圖譜和推薦系統等智能信息處理技術，我們能夠對某一領域的知識進行解構，分析概念的邏輯結構，從而針對學生的需求和偏好，設計合理的學習路徑和完善的學習診斷機制。利用知識圖譜構建知識體系，利用推薦系統滿足個性化需求，省去了人工的信息過濾流程，節省了時間，也提升了知識獲取的效率。學校和教師借助于這樣一種平臺能夠了解每個學生的個性偏好和學習情況，并在這個基礎上對教學方式和教學內容進行改進，能夠大大提升教學質量。

三、討論個性化教育中知識平臺的應用

（一）個性化教育中的知識圖譜

在分析特定學生的知識結構和推薦學習路徑前，我們先要構建該知識域的通用概念知識圖譜。概念圖譜的核心是描述信息的數據模型，而根據不同信息的特征，數據模型常常分為層次、網狀、關系、面向對象數據類型等等。實踐中往往有著不同的側重點，這里根據教育領域知識的特征，我們介紹三種類型的圖譜。

1.層次型知識圖譜

大量的圖譜都采用了類似決策樹的分枝結構，因此狹義的思維導圖，知識歸納，技能圖譜實際上可以理解為非嚴格的決策樹歸納問題。通過精心設計的一系列屬性檢驗條件，我們通過分枝結構將實體進行分類，該決策樹不斷生長直至可以確定類標號。這樣所有的問題都被分在某一個具體的分枝中，樹形結構簡單明了，容易定位問題，方便學生查缺補漏。

2.概念模型的E.R圖

由于在通識教育領域，我們對知識的處理僅僅考慮其淺層的邏輯聯系而非其隱藏的復雜邏輯關系，這里我們可以用E.R圖來表達比層次型知識圖譜稍微復雜的知識結構。如下圖，我們可以直觀看到樹形結構和E.R圖的一些區別，在不同的場合下，我們需要綜合使用這兩類圖譜。

3.廣義RDF三元組模型的知識圖譜

知識圖譜的通用數據結構是RDF，它用資源、謂詞及陳述這三個對象類型來表示數據，使用SPARQL可以對RDF數據集進行查詢和修改等操作，限于篇幅，這里不多介紹，但讀者需知目前工業界主要使用RDF三元組理論來搭建知識圖譜。其在科研分析、醫療健康、工業設計、產品管理和圖書出版上應用廣泛。

4.知識圖譜在教育中的應用

知識圖譜是人工智能領域較常使用的技術之一，它的原理在于將信息世界中的信息和數據重新表達為計算機所能理解的形式，進而考察事物的實體、屬性和關系。在教育領域使用知識圖譜，可以建立問題搜索和求解的輔助知識庫，與基于關鍵詞和全文的搜索引擎不同，知識圖譜中所包含的層次結構和實體關系能夠更高效地定位問題，能夠從全局把握知識點在知識體系中的位置，既方便學生解決問題，也能幫助他們舉一反三，查缺補漏。

綜上，知識圖譜技術在分析各類問題特別是實體和實體關系時應用廣泛，有很好的發展潛力，也適合我們構建通識教育和專業教育的知識框架和學習路徑。

（二）個性化教育中的推薦系統

推薦系統應用在教育行業，其核心在于了解學生當前的知識水平及其知識體系，再進行推薦。而了解知識體系將極其依賴于我們所獲取到的關于學生的數據信息，例如考試評測數據、學習偏好，性格、年齡、知識水平等個性化特征。當知識體系過于龐大，學生不知道如何學習，學習什么，哪些要重點學習時，推薦系統就可以發揮很大的作用。系統通過模擬學生來處理接受到的信息或知識，并基于一定的搜索和優化策略，給出最合理的匹配結果，可以有效地解決學生信息過載的問題。

教育領域，目前主要使用基于用戶歷史行為的推薦和基于內容的推薦這兩種方法。第一種是根據學生的搜索、點擊、瀏覽和下載記錄，粗略記錄一個學生的學習偏好和興趣。將這些記錄進行量化，建立用戶畫像，即可方便地對不同的用戶進行自動推薦。另一種是針對知識實體本身相似性進行的物品建模，依據知識的特征和人的經驗，知識被分門別類地放在不同的內容集合中。在用戶的需求明確且無歧義的情況下，基于關鍵詞和標簽的檢索可以給學生推薦合適的內容。實踐中兩種方法常常結合起來使用，由于推薦系統的性能受到平臺規模和所用算法效率的影響，因此，針對不同問題，我們的推薦策略和方法也會作相應的調整。

特別地，對于初學者，可以采用基于用戶的協同過濾方法來實現內容推薦。協同過濾，簡單來說，就是先找到與某個用戶相似的人群，考察這些人的偏好和需求的內容，最后生成一個針對特定用戶的內容推薦列表。實際建模時，一般先收集具體的用戶偏好，將這些偏好處理為量化的評價值，在計算相似用戶時，使用歐氏距離或皮爾遜相關度判斷人們的興趣相似度。根據相似度，以相似度為權重，計算不同內容的加權評分，排名后即可得到一個推薦列表。推薦的作用就在于對學生所接觸的內容做減法，根據他的知識水平和學習情況，合理地推薦習題，知識點，教學資料甚至教學方法，能夠幫助學生舉一反三，高效學習。

另外，推薦系統結合知識圖譜和用戶數據集，還能對用戶的學習情況進行診斷分析。以在校生為例，若能準確記錄學生的各項評測數據，歷次考試、家庭作業的做題記錄，在線上平臺上，便可以就學生的做題正誤、題目難度、題型、知識點等相關數據進行數據分析。將個人的分析結果與整體的情況進行比對，可以了解一個學生的學習進度、學習態度和學習效率，由此得到學習過程的診斷結果，并給出合理的建議。

四、結論

在當下的信息爆炸時代，大學生的在校教育問題迎來了新的機遇和挑戰，對于這個問題，筆者提出并討論了一個想法，即設計和構建一種新型知識平臺。與在線視頻教育和各種MOOC不同，它采用音頻、文字和圖片等輕量級的知識形態，綜合利用知識圖譜和推薦系統等技術來進行信息過濾，減輕了學生的負擔，也讓我們離個性化教育更近了一步。

項目：安徽農業大學2017年省級大學生創新創業訓練計劃資助項目