基于知識圖譜的自適應學習引擎設計

摘? 要：介紹了自適應學習系統的意義以及發展和研究現狀，分析了基于知識圖譜的自適應學習系統引擎的應用現狀。結合高職工科課程的現狀，提出了基于知識圖譜的高職課程設計思路，并給出了詳細的設計架構以及課程設計實例。實踐表明，此架構能有效建立起知識與學習資源之間的網絡關聯，為學習者動態提供學習資源動態推薦和學習路徑的動態規劃。

關鍵詞：自適應學習? 知識圖譜? 智慧教育? 高職教育

中圖分類號：G712? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2020）11（a）-0163-03

Design of Adaptive Learning Engine Based on Knowledge Map

ZHOU Guodong*

（College of Network Technology， Hunan Radio and TV University， Changsha， Hunan Province， 410004 China）

Abstract： This paper introduces the significance， development and research status of adaptive learning system， and analyzes the application status of adaptive learning system engine based on knowledge map. Combined with the current situation of higher vocational engineering courses， this paper puts forward the idea of higher vocational curriculum design based on knowledge map， and gives a detailed design framework and curriculum design examples. The practice shows that this framework can effectively establish the network association between knowledge and learning resources， and provide dynamic recommendation of learning resources and dynamic planning of learning paths for learners.

Key Words： Adaptive learning; Knowledge map; Intelligent education; Higher vocational education

近幾年，在高職專業中進行分層教學的探索持續升溫，常州機電職院的莫莉萍教授，提出了基于分層教學的機電一體化專業教學改革方案。將該專業的職業方向分為4類，每一類的學生再分為3層，通過加大師資投入和實訓室建設，保證分層教學的質量。河南測繪職業學院的陳永貴老師提出在機電類專業中實施自由選擇方向、動態分組的方法進行分層教學的方案，但并未進行教學實踐。南通職業大學的劉陽老師，提出了在電氣控制課程的實踐教學環節中進行隱形分層教學方法，既保護了學生的自尊心，又提升了教學效果。分層教學雖然取得了非常好的效果，但目前的分層教學都是建立在巨大的教師工作量基礎上，難以形成長效機制，推廣難度較大。

隨著人工智能技術的普及，基于人工智能技術的智慧教育系統也快速發展，國內一批教育機構聯合人工智能企業先后推出智慧教育產品，如好未來、新東方、朗播、乂學、高木等教育平臺，網易、超星、騰訊也在積極進行布局自己的智慧教育平臺。

如何利用智慧教育平臺進行教學，必將是教育改革的下一個熱點問題。恰當地利用“人工智能”可以降低教師的工作量，更好地發揮教師教學過程中設計者的角色。但是過多地依賴人工智能，也有可能導致教師與學生之間的疏遠，從而降低情感和素質等隱性課程教育質量的下降。因此，如何巧妙地將智慧教育技術融入高職教育的各個環節，既分擔教師的工作任務，有效實現分層教學，又不破壞師生之間的必要互動，保證隱性課程的教學質量，是急待深入研究并做出科學規劃的一個重要課題。

1? 自適應學習系統的現狀與應用情況

目前，高職院校人才培養方案和教學方式的同質化與不同層次學生的全面發展、個性成才之間存在的矛盾日益明顯。

2020年，李克強總理在《政府工作報告》中再次提出，我國職業教育再擴招200萬。鼓勵更多應屆高中畢業生和退役軍人、下崗職工、農民工等報考，這是繼2019年擴招100萬基礎上再次大規模擴招。這標志著我國高等職業教育改革發展進入新階段，高職院校的生源結構將發生巨大變化。2019年以來，湖南省積極落實國家職教改革政策，先后啟動“農民大學生”項目、“士官大學生”項目等，為湖南省經濟社會建設培養更多職業技能人才。

擴招給高職院校帶來了發展機遇，但生源結構的多樣化，學生知識、技能、社會經歷的差異化，卻給高職院校的人才培養和教學實施都帶來了巨大挑戰。按照統一的人才培養方案和課程標準進行“批量”培養的方式越來越困難。

分層教學是一個好的解決思路，根據學生的不同情況分層進行教學實施。基礎好、學習能力強的學生提高其學習目標，反之，低層級的學生要適當降低學習目標。

然而，分層教學的理念雖然美好，但是教學實施難度卻很大，如何有效分組？如何設定不同組別的學習目標？如何實施差異化的教學過程？如何差異化進行評價？每一個環節的改進都會給教師帶來工作量的成倍增加。因此，針對分層教學的研究雖然多，但是真正能實施的高職院校卻寥寥無幾。

以自適應學習系統為核心的智慧教育系統給新的分層教學帶來了可行的實施路徑。將大量繁瑣的學生分層、教學項目決策、教學實施、學生評價等工作，由教師決策模式改進為基于智慧教育系統輔助的教師決策模式。新的分層教學模式，一方面有利于對學生的科學評價和分層，另一方面有利于減輕教師的工作量，為分層教學模式的普及提供了一種新的途徑。

國內的應用情況，商業化的自適應學習系統寥寥無幾，以國內某大型培訓機構的自適應系統為例，學習者需要自己預先設定年級、學習的科目和內容，“私人定制”功能會根據學生情況和預先答題的情況，動態調整學習內容。“私人定制”的內容現階段雖然較為粗放，但相較于同類現有的智能化教育類產品，已經算是一個很大的突破。但是，在細節上，仍沒有達到自適應學習的理想狀態。

2? 自適應學習系統的設計

自適應學習使用人工智能算法協調與學習者的交互，并提供定制資源和學習活動，以滿足每個學習者的獨特需求。其運行流程如下：首先，自適應系統對學習者進行必要的測評。通過涵蓋知識點的典型題目，完成學生對知識點的掌握程度的評估。利用AI算法，模擬優秀教師的教學分析、學情分析過程，智能分析出學生已掌握的知識結構網絡以及缺失的、理解不全的和未掌握的薄弱知識點。其次，AI算法根據預先制定好的課程知識圖譜，向學員推薦適合他的、個性化的授課內容和練習習題，完成優秀教師的教學過程。最后，解決學員的課程學習問題，使學生在自適應學習系統的支持下，掌握和應用所學知識。

依據自適應學習的工作流程，并結合機器學習、項目反映理論，以及知識圖譜等理論，該文設計了面向高職《C語言程序設計》課程的自適應學習系統。該系統是綜合人工智能算法、課程學習知識、學員學習數據和教師教學方法的一個復雜業務系統，系統任務是提供智能化的個性化教育服務試點。此業務系統能否順利實現運轉，關鍵任務是如何構建知識圖譜、如何實現基于概率圖模型的推薦引擎以及如何進行基于項目反映理論的學員認知能力評估。

2.1 課程知識體系的知識圖譜構建

自適應學習系統的數據結構采用Google公司的FreeBase知識標準形式。該模型的數據層將知識內容存儲到數據庫中，每個知識內容單元用一個三元素結構體數據來表示，最終存儲的豐富數據就形成了一個知識網絡，構成課程和章節知識圖譜。模式層是FreeBase標準中用于存儲經過提煉和優化的知識，其任務是逐漸整理知識圖譜，減少數據庫的知識冗余。可以使用結構化的概念模板具體來實現。

在知識圖譜理論中，實體元素之間一般有4種連接關系，分別是包括、評價、注釋和條件。其中，包括關系是指知識點A是知識點B的一個組成單元，其內容包含在知識點B概念范疇之內;評價則是表示實體內容A是知識點B的評價部分;注釋則是指實體內容A負責對知識點B進行具體解釋;條件概念則是指兩個知識點之間具有明顯的先后邏輯關系，即學習知識點A是學習知識點B的先決條件，意味著只有掌握了知識點A，才能夠開始學習知識點B。該設計以C語言課程知識為例來構建這4種關系。

在C語言數據類型知識圖譜中，變量知識點包含基本數據類型，而基本數據類型是結構體和數組的先修知識點。具體來說，“數組”這個知識點應該有“注釋”的講授視頻和“注釋”文字資源，還應該有實現“評價”功能的練習題庫，而題目單元又應該具有區分度、難易度、答題時間限制等多個特征屬性;同理，“結構體”這個知識點也有負責“注釋”的講授視頻資源和用于評價的題目。課程和章節知識圖譜便可以按照課程和章節的教學目標進行詳細的設計。

2.2 基于概率圖的自適應引擎設計

概率圖理論是用圖來表示變量概率依賴關系的理論，結合概率論與圖論的知識，利用圖來表示與模型有關的變量的聯合概率分布。通過知識圖譜的表示、學習情況的分析和自適應算法的決策來綜合解決學習實際問題。

概率圖模型在實際應用中主要有兩類，分別是貝葉斯網絡以及馬爾可夫網絡，如果網絡是有向無環圖，則這個網絡稱為貝葉斯網絡，若網絡是無向的，則是無向圖模型，又稱馬爾科夫網絡。顯然，在自適應的知識圖譜中，知識點之間形成有向無環網絡，適合運用貝葉斯網絡模型進行參數、結構的學習、分類決策。目前已經廣泛應用的自適應引擎，多數采用貝葉斯網絡作為核心，用來提供自適應學習路徑規劃服務、學習資源推薦服務，以及學員學習能力、學習現狀、薄弱知識點的分析診斷。

參考文獻

[1] 教育部.教育部關于印發《教育信息化2.0行動計劃》的通知[EB/OL].[2018-04-18].https：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2] 趙蔚，姜強，王朋嬌，等.本體驅動的e-Learning知識資源個性化推薦研究[J].中國電化教育，2015（5）：84-89.

[3] 周國棟.融入工匠精神培養的工科專業人才培養改革[J].科技資訊，2019，17（12）：144-145.

[4] 周國棟.自適應學習對高職課程改革的思考[J].科技資訊，2019，17（13）：102-103.

[5] 朱艷茹.基于知識圖譜的自適應學習系統設計與實現[D].吉林大學，2018.

[6] 朱艷茹，范亞芹，趙洋.基于知識圖譜的自適應學習系統知識模型構建[J].吉林大學學報：信息科學版，2018，36（3）：345-350.