知識圖譜如何賦能課堂教學評價？*——以小學階段優質數學課“平行與垂直”為例

宋 宇 肖 菁 湯 娜 劉冰曼 賈琛琛

知識圖譜如何賦能課堂教學評價？*——以小學階段優質數學課“平行與垂直”為例

宋 宇1肖 菁2[通訊作者]湯 娜2劉冰曼1賈琛琛3

（1．華南師范大學 人工智能與課堂教學交叉研究中心，廣東廣州 510631；2．華南師范大學 計算機學院，廣東廣州 510631；3．廣州市華僑外國語學校，廣東廣州 510095）

課堂教學是學校教育和人才培養的主陣地，而課堂教學評價是影響教育教學質量的關鍵。為了提高課堂教學評價的有效性和科學性，文章基于知識圖譜，通過文本分詞、關鍵詞抽取、知識點挖掘、語義表征、相似度計算五個環節，提煉課堂教學中的關鍵內容并以可視化形式呈現知識點之間的復雜關系，進而通過與教學設計中的關鍵內容相對照，客觀監測真實課堂教學在多大程度上實現了預定的教學目標。為驗證知識圖譜在課堂教學評價中的應用效果，本研究以小學階段優質數學課“平行與垂直”為例，展現知識圖譜賦能課堂教學評價的過程，結果顯示知識圖譜能被有效應用于課堂教學評價。文章的研究有助于教師客觀地了解教學水平、完善教學策略，創建優質課堂，并為教師專業發展和教育質量監測提供數據支撐。

知識圖譜；課堂教學評價；關系網絡；語義匹配

課堂是學校教育的主陣地，課堂教學質量直接關系著基礎教育發展和人才培養水平，而課堂教學評價是影響教育教學質量的關鍵環節。2020年，中共中央、國務院印發《深化新時代教育評價改革總體方案》，突出強調評價在教育發展中的指揮棒作用，要求強化過程性評價，充分利用信息技術提高教育評價的科學性、專業性、客觀性[1]。隨著課程教學改革的不斷推進，課程內容更加豐富，教學交互過程更為復雜，這就對評價方法和技術提出了更高的要求。但是，傳統的圍繞課堂教學過程開展的評價多依賴專家的經驗和主觀分析，難以展開規模化分析且難以提供科學、客觀的評價標準。因此，如何精準展現課堂教學過程，開展循證式、個性化的課堂教學評價，成為了提高課堂教學質量的重要課題。作為智能技術的重要組成部分，知識圖譜能夠以結構化的方式描述包括概念、領域知識、語義等實體之間的關系，在學生個性化輔導、學科知識建構等教育領域逐漸釋放其價值[2]。在開展過程性課堂教學評價時，知識圖譜能夠以可視化的形式有效表征課堂教學過程，為每節課的教學狀況精準畫像，提煉課堂教學中的關鍵內容并展現教學內容之間的邏輯關系，通過與教學預期目標相對照，有助于科學評價課堂教學水平，客觀監測課堂教學目標的完成情況?；诖?，本研究嘗試應用知識圖譜開展課堂教學評價，為深入了解教學水平、提升課堂教學質量提供客觀依據和數據支撐。

一 相關研究

1 課堂教學評價研究

課堂教學是學校教育和人才培養的主陣地，提高課堂教學質量是新時期基礎教育工作的重要要求[3]。而課堂教學評價是指對教學活動的準備、實施和結果進行測量、分析、價值判斷的過程，衡量教師是否有明確的教學目標并能否依據教學目標安排和組織教學[4]。課堂教學評價的有效性直接關系著優質課堂的創建和教育教學質量的提升，是教學方式的調節器和教師專業發展的助推器[5]。課堂教學評價分為過程性評價和終結性評價，其中，過程性評價注重教學的過程監測，突出教師的專業發展和學生的成長需要[6]。在過程性教學評價中，知識的講授水平處于基礎性和關鍵性的地位，教學評價要求教師在講解教學內容時能夠突出重點，抓住關鍵，注重新舊知識的內在聯系，體現知識的系統性和整體性[7]。以往研究主要采用傳統觀評課的方法對教學水平進行過程性評價，如宋秋前等[8]采用訪談和專家評判的方法，從知識技能、過程方法、情感態度三方面對課堂教學進行評價；Howe等[9]采用觀察法與人工編碼的方法，從基礎知識習得、高階思維培養等方面對教師的教學水平進行評判。然而，僅依靠傳統的觀察法、質性評價等方法容易出現主觀性過強、規?；治瞿芰^弱的問題，且難以判讀教學內容是否具備系統性和關聯性。

2 知識圖譜及其在教育評價的應用

知識圖譜是一種揭示領域知識、概念、關鍵內容等實體之間關系的結構化語義分析方法，此方法在2003年由美國國家科學院召開的“Mapping Knowledge Domains”主題研討會上被正式提出[10]。作為智能技術的重要分支領域，知識圖譜能以可視化的方式表征語義之間的復雜邏輯關系，系統展現學科知識體系結構和層次關系，在揭示教學路徑生成過程和教學特征建模方面具有獨特優勢[11]。近年來，知識圖譜逐漸在教育領域得到重視，并主要被應用于學科知識體系建構、概念關系抽取、學習路徑推薦等方面。例如，范佳榮等[12]提出通過建設學科知識圖譜，可以有效表征知識建構過程，從而促進學生思維的發展；李振等[13]借助知識圖譜進行知識元抽取和關系挖掘，可以診斷學習者的認知狀態，從而為其推薦適合的學習路徑。在課堂教學評價方面，知識圖譜能夠呈現課堂教學內容、知識建構過程和問題探究過程，為開展課堂教學評價提供了重要的手段。例如，如崔京菁等[14]以翻轉課堂中的小學古詩詞教學為例，借助知識圖譜有效呈現翻轉課堂教學模式，展現個體與群體知識建構過程，為改進教學提供了策略支持。

通過梳理前人的研究成果，可以發現：課堂教學評價以質性分析和傳統量化統計分析為主要的研究方法，新型課堂教學中的教學內容更為豐富、多元，知識建構過程也更為復雜，亟需更新評價技術，為教師提供更為精準、客觀的診斷反饋結果。目前，知識圖譜較少被應用于課堂教學評價，且相關分析結果仍依賴專家進行解讀，故其價值潛力有待進一步開發。為此，本研究采用知識圖譜對課堂教學過程中產生的話語數據進行語義抽取，提煉課堂教學中的關鍵內容并構建其關系網絡，進而通過與教學設計中的關鍵內容相對照，來科學判定課堂教學在多大程度上完成了既定的教學目標，以期更加科學、精準地開展課堂教學評價。

二 知識圖譜賦能課堂教學評價的方法

本研究提出的知識圖譜賦能課堂教學評價的方法主要包括三個部分：第一部分為知識圖譜的實體構建，旨在對課堂教學過程進行解構，從而提煉課堂教學中的關鍵內容、知識點，包括文本分詞、關鍵詞抽取和知識點挖掘三個環節；第二部分為知識圖譜的關系構建，旨在呈現課堂教學內容之間的復雜關系、建構知識關系網，包括語義表征和語義相似度計算兩個環節；第三部分為教學內容完成度監測，通過采用語義匹配方法測算真實課堂教學過程在多大程度上覆蓋了教學設計中的關鍵內容，從而為評價課堂教學水平提供客觀依據。

1 知識圖譜的實體構建

（1）文本分詞

文本分詞是知識圖譜構建的基礎。為了提高分詞的準確性，本研究使用基于BERT（Bidirectional Encoder Representations from Transformers）模型、雙向門控循環單元與條件隨機場相結合的深度神經網絡對課堂教學的轉錄文本進行詞法分析。其中，BERT模型能夠根據字粒度并結合上下文信息進行通用語義的表征學習，在用自然語言理解相關任務方面表現優異；門控循環單元是循環神經網絡的一種變體，擅長對全局結構進行特征學習；而條件隨機場是一種用來標記和切分序列化數據的統計模型，是自然語言處理領域用于序列標注的一種經典模型。文本分詞的實施過程如下：首先，將課堂教學轉錄文本輸入BERT模型，通過多層堆疊的雙向Transformer網絡，將文本轉換成語義向量空間上的初始特征嵌入表示；隨后，使用雙向門控循環單元對BERT模型輸出的字符向量序列進行全局特征表示學習，得到文本的上下文語義特征；最后，將正向序列和反向序列上的全局語義向量進行拼接、融合，之后輸入到條件隨機場進行特征解碼，得到包含字符、詞性、詞邊界、實體類別在內的序列標注輸出信息，經轉換后得到文本的分詞結果。

（2）關鍵詞抽取

關鍵詞抽取是在課堂教學轉錄文本分詞結果的基礎上，首先對課堂教學過程中出現的停用詞進行過濾，只保留指定詞性的詞語。隨后，結合詞頻統計特征，使用TextRank算法對內容文本中的關鍵詞進行抽取。TextRank是一種經典的基于圖的排序算法，被廣泛用于關鍵詞抽取和文本摘要，其基本原理是通過固定大小的滑動窗口在詞序列上構建中心詞與相鄰詞的無向圖，同時根據詞之間的共現信息構建網絡，并迭代計算網絡中每個詞節點的權重，再根據權重結果排序得到關鍵詞。最后，基于TextRank算法計算得到關鍵詞，將關鍵詞在課堂教學過程中出現的頻次與總詞數的比重作為權重值，并通過預先設定的權重閾值對低頻的關鍵詞進行過濾，得到最終的關鍵詞集合。

（3）知識點挖掘

為了進一步從關鍵詞集合中挖掘與課堂教學密切相關的知識點概念，本研究將知識點挖掘任務轉換成判斷關鍵詞與知識點是否相關的分類任務和關鍵詞之間的關聯規則挖掘任務。

①分類任務方面，首先對關鍵詞數據集進行人工標注，即按照與知識點相關、與知識點不相關兩種類別對每一個關鍵詞進行標注。然后，將標注好的關鍵詞輸入到分類器中進行監督學習。分類器訓練完成以后，將新的關鍵詞輸入其中，即可得到表示關鍵詞與知識點相關程度的置信度數值。最后，根據設定的置信度閾值，篩選出符合條件的關鍵詞作為知識點概念。

②關聯規則挖掘任務方面，首先將課堂教學中的每一個句子或段落出現的關鍵詞作為一個獨立的集合，然后使用Apriori算法對所有集合中的關鍵詞頻繁項集進行計算，并根據頻繁項集結果挖掘知識點概念之間的關聯規則。Apriori是一種較為經典的通過挖掘頻繁項集獲得序列模式的算法，其核心思想是在數據項集上通過連接產生候選項及其支持度，并通過剪枝產生頻繁項集，進而挖掘出關鍵詞之間的關聯規則。最后將Apriori算法輸出的頻繁項集包含的關鍵詞作為知識點概念，并與前文所述的經分類器訓練的知識點概念進行合并，得到最終的知識點概念集合，用于構建知識圖譜的實體。

2 知識圖譜的關系構建

（1）語義表征

基于初步構建的知識圖譜實體和使用Apriori算法輸出的關聯規則結果，本研究將每一條關聯規則當前結果項中出現的知識點概念作為源詞集合，而將知識圖譜實體中其余的知識點概念作為目標詞集合。之后，本研究使用基于知識增強的持續學習語義理解框架ERNIE，將源詞集合和目標詞集合中的所有知識點概念映射成固定維度的實值特征向量，便于進行后續的語義相似度計算。ERNIE采用預訓練技術對大規模語料數據進行文本詞匯、結構、語義等多方面語言知識的表示學習，可被應用于語義匹配、閱讀理解、文本分類等自然語言處理任務。

（2）語義相似度計算

對于源詞集合中的每一個知識點概念或教學關鍵內容，需先分別計算其與目標詞集合下所有教學內容或知識點的余弦相似度，以作為兩者間的語義相似度；然后，根據預先設定的關聯度閾值與相似程度閾值，將符合條件的目標詞與源詞相連，構建語義相似關系（包括語義強相似關系與語義弱相似關系），最終得到課堂教學的知識圖譜。其中，語義強相似關系在知識圖譜中體現為目標詞與源詞距離較近，代表兩者在課堂教學中的知識點聯系較為緊密；語義弱相似關系則與此相反，其在知識圖譜中表現為目標詞與源詞語義距離相對較遠，但反映了知識點的發散性和延展性。

3 教學內容完成度監測

為了分析真實的課堂教學過程能在多大程度上完成教學設計中的關鍵內容，本研究采用語義匹配方法，通過文本語義量化的形式，對課堂教學過程中每一個對話輪次的教學內容覆蓋情況進行分析：首先，對于教學設計中的關鍵內容，采用文本分詞方法抽取關鍵詞和核心知識點，并對它們進行詞向量表征；隨后，將課堂教學中每一個輪次的內容文本輸入到BERT模型，獲得教學轉錄文本中每一個字符的詞向量，并對所有詞向量求平均值，以作為當前輪次話語的特征向量；最后，對教學設計中的每一個關鍵詞所對應的詞向量與課堂教學中每一個輪次的內容文本所對應的句向量進行余弦相似度計算，獲得取值范圍為0～1的相似度——上述關于計算語義相似度的做法也是自然語言處理領域的通用技術范式。為了驗證該方法的可靠度，本研究選取25節課例（共4871條語料），邀請兩位學科專家對課堂教學話語的教學目標覆蓋度進行評價。評價采取李克特七點計分法，其中1分代表覆蓋度非常低，7分代表覆蓋度非常高。之后，通過歸一化處理得到人工評價結果，再與機器計算的得分進行Pearson相關分析，得到相關系數區間為[0.68, 0.89]（大于0.65標準值），且呈顯著相關。由此可見，語義匹配方法具有可靠性，語義相似度能夠體現實際課堂教學過程對教學設計中關鍵內容的覆蓋情況。

三 知識圖譜賦能課堂教學評價的實踐應用

為了驗證知識圖譜在課堂教學評價中的應用效果，本研究以小學階段優質數學課“平行與垂直”為例，展現其知識圖譜的構建過程，具體如下：首先，將該課堂的教學錄像轉錄為文本形式；接著，采用BERT模型、雙向門控循環單元與條件隨機場相結合的深度神經網絡，對轉錄文本進行解剖和分詞處理；隨后，提取課堂教學中的高頻關鍵詞，并進一步從關鍵詞集合中挖掘出與本節課教學內容密切相關的知識點概念；最后，通過計算余弦相似度來呈現概念之間的關聯性。在構建的知識圖譜中，實體是從課堂教學過程中出現的關鍵知識點概念抽取而來，實體之間的關系則根據教學內容或知識點概念間的語義相似度來構建。

經過實體構建和關系構建兩個步驟，本研究得到“平行與垂直”課例的知識圖譜樣例（如圖1所示），可以看出：課例主要圍繞“平行”“垂直”“位置關系”“直線”“相交”等關鍵知識點進行講述，與之相關聯的知識點概念有“直角”“平面”“曲線”“垂足”等教學內容。

圖1 “平行與垂直”課例的知識圖譜樣例

圖2 以“直線”為中心節點所延伸的知識點概念之間的關聯圖譜樣例

圖3 以“位置關系”為中心節點所延伸的知識點概念之間的關聯圖譜樣例

為了揭示課堂教學內容、知識點概念之間的關系，本研究以“直線”為中心節點進行延伸，得到如圖2所示的知識點概念之間的關聯圖譜樣例，可以看出：教師在授課過程中采用了“三角板”“寬度”“形狀”等外延知識點概念對平行與垂直的知識點進行擴展，使學生能夠更好地通過三角板工具學習寬度、形狀等知識點，從而更加有效地掌握平行與垂直的相關知識。

而以“位置關系”為中心節點進行延伸時，可以得到如圖3所示的知識點概念之間的關聯圖譜樣例，可以看出：教師在講述位置關系的相關知識點時，會引導學生尋求“相同點”，并對知識進行總結、歸納，注重培養學生的類比聯系能力，以促進學生的高階思維發展。此外，中心詞“直線”也與“相交”“垂直”“平行”等教學設計中的關鍵概念緊密相關，說明教師在教學過程中能夠緊扣教學設計的核心內容、突出重點，并重視教學內容的連貫學習。

本研究從“平行與垂直”課例教學設計中提取的核心教學內容為“平行”“垂直”“位置關系”“直線”“相交”，計算課堂教學中的話語對以上核心內容的覆蓋程度（即語義匹配度），輸出內容匹配曲線圖，可以展現真實課堂教學過程對教學計劃中某個核心內容的覆蓋情況——曲線數值越高，代表越能精準反映該內容；曲線數值越低，則代表越無法有效反映該內容。本研究以與“平行”“垂直”概念有關的課堂教學內容匹配曲線圖為樣例進行展示，如圖4所示。

圖4 與“平行”“垂直”概念有關的課堂教學內容匹配曲線圖樣例

表1 課堂教學關鍵知識點覆蓋分析樣例

表1例舉了具有高匹配度的課堂教學話語，如對話內容“互相垂直就是兩條直線相交，它們形成的角是直角，這就叫做互相垂直”較為詳細地描述了“垂直”知識點，匹配率為0.875，說明此對話內容精準地概括了“垂直”這一知識點的內涵與特征，與教學目標“讓學生初步了解垂直的基本概念，認識垂線”的匹配度較高；而對話內容“就是兩條直線在同一個水平線上”較為簡單地描述了“平行”的特征，匹配度相對低一些，為0.737。

上述課例分析證實了知識圖譜能以可視化的形式提煉課堂教學的核心內容與關鍵知識點，并展現教師如何以關鍵內容為牽引，對標教育教學目標進行教學組織和設計的過程，有助于清晰、深入地了解課堂教學狀態。同時，知識圖譜能夠呈現教學內容之間的關聯映射，并將內隱的知識建構過程用圖示化方式有效表征出來，使得高質量的課堂教學過程所呈現的不是碎片化的知識點，而是具有系統性、關聯性、網格化的知識點。通過“平行與垂直”課例的知識圖譜分析，可以發現高水平的課堂教學不僅有助于學生掌握單一的知識點，而且能深化學生對學科綜合知識體系的認識，促進高階思維的發展，并提升學生的學科思維能力、總結歸納能力和遷移運用能力。此外，語義匹配方法可用來客觀地監測課堂教學能否精準對標教學設計目標、教師是否緊扣課程核心內容開展有效教學，可為科學評價課堂教學水平提供依據。

四 結語

本研究基于知識圖譜對課堂教學展開過程性評價，通過文本分詞、關鍵詞抽取、知識點挖掘、語義表征、語義相似度五個環節提煉課堂教學中的關鍵內容，并有效表征知識點及其復雜關系，有助于深入了解課堂教學特征和水平；同時，采用語義匹配方法通過與教學設計中的關鍵內容相對照，科學測算真實課堂教學在多大程度上實現了預定的教學目標，為評價課堂教學質量提供了科學依據和數據支撐。此外，本研究以小學階段優質數學課“平行與垂直”為例，展現了知識圖譜賦能課堂教學評價的過程，證實了知識圖譜能被有效應用于課堂教學評價，表征教學特征與水平，并為教師提供個性化的評價反饋，有助于提高課程的系統性和綜合性，促進深度理解和思維進階。研究成果可應用于新教師遴選、教研培訓和教育質量監測等場域，以促進教師專業成長，提高教師課堂教學水平，創建優質高效的課堂，為教育治理和教育質量監測工作提供有力支持。未來研究可進一步挖掘知識工程的技術潛能，迭代發展知識圖譜、知識森林等方法并與教育教學場景深度融合，堅持“知識引導+數據驅動”的研究范式，以更有效地提取課堂教學內容、建構課程知識體系，為實現更加智能、精準的教育教學評價提供強大助力。

[1]新華社.中共中央國務院深化新時代教育評價改革總體方案[OL].

[2]高嘉騏,劉千慧,黃文彬.基于知識圖譜的學習路徑自動生成研究[J].現代教育技術,2021,(7):88-96.

[3]鐘啟泉.課堂轉型[M].上海:華東師范大學出版社,2017:164-169.

[4]羅生全,張玉.“雙減”與“雙提”:教學變革的邏輯轉換與理念重構[J].現代遠程教育研究,2022,(2):3-10.

[5]崔允漷,王少非.學校課程實施過程中的評價監測初探[J].教育研究,2020,(1):43-49.

[6]劉志軍,徐彬.新課標下課程與教學評價方式變革的挑戰與應對[J].課程·教材·教法,2022,(8):4-10、24.

[7]鐘啟泉,汪霞,王文靜.課程與教學論[M].上海:華東師范大學出版社,2008:272-274.

[8]宋秋前,齊晶瑩.生本化課堂教學有效性評價標準建構與實施方法[J].課程·教材·教法,2011,(7):15-20.

[9]Howe C, Hennessy S, Mercer N, et al. Teacher-student dialogue during classroom teaching: Does it really impact on student outcomes[J] Journal of the Learning Sciences, 2019,(4-5): 462-512.

[10]劉嶠,李楊,段宏,等.知識圖譜構建技術綜述[J].計算機研究與發展,2016,(3):582-600.

[11]陸星兒,曾嘉靈,章夢瑤,等.知識圖譜視角下的MOOC教學優化研究[J].中國遠程教育,2016,(7):5-9.

[12]范佳榮,鐘紹春.學科知識圖譜研究:由知識學習走向思維發展[J].電化教育研究,2022,(1):32-38.

[13]李振,周東岱.教育知識圖譜的概念模型與構建方法研究[J].電化教育研究,2019,(8):78-86.

[14]崔京菁,馬寧,余勝泉.基于知識圖譜的翻轉課堂教學模式及其應用——以小學語文古詩詞教學為例[J].現代教育技術,2018,(7):44-50.

How does Knowledge Map Enable Classroom Teaching Evaluation——Taking the High-quality Mathematics Course “Parallel and Vertical” in Elementary School Stage as an Example

SONG Yu1XIAO Jing2[Corresponding Author]TANG Na2LIU Bing-man1JIA Chen-chen3

Classroom teaching is the main front of school education and talent training, and classroom teaching evaluation is the key to affecting the quality of education and teaching. In order to improve the effectiveness and scientificity of classroom teaching evaluation, based on the knowledge map, this paper extracted the key content in classroom teaching and presented the complex relationship among knowledge points in a visual form through five links of text word segmentation, keyword extraction, knowledge point mining, semantic representation, similarity calculation. Accordingly, to what extent the real classroom teaching achieved the established teaching objectives was objectively monitored by comparing the key contents with the these in teaching design. In order to verify the application effect of knowledge map in classroom teaching evaluation, this paper took the high-quality mathematics course “Parallel and Vertical” in elementary school stage as an example to present the process of classroom teaching evaluation enabled by knowledge map. The results showed that the knowledge map could be effectively applied to classroom teaching evaluation. The research in this paper could help teachers objectively understand the teaching level, improve teaching strategy and create a high-quality classroom, provide data support for teachers’ professional development and education quality monitoring.

knowledge map; classroom teaching evaluation; relational network; semantic matching

G40-057

A

1009—8097（2023）01—0083—08

10.3969/j.issn.1009-8097.2023.01.009

本文受國家自然科學基金青年項目“學習分析視角下面向高階思維發展的課堂互動分析與評測”（項目編號：No.61907017）、國家自然科學基金面上項目“基于因果推理和少樣本學習的機器智能解答研究”（項目編號：No.62177015）資助。

宋宇，副教授，博士，研究方向為課堂教學評價、教育人工智能、課堂對話等，郵箱為sungyuepku@foxmail.com。

2022年5月5日

編輯：小米