基于知識圖譜的微機原理與接口技術混合式教學實踐

摘要：針對微機原理與接口技術課程教學中存在的挑戰，該研究依托超星平臺，系統性地完成了知識點提取、知識點關聯構建、知識點屬性設置以及課程資源鏈接等關鍵步驟，成功構建了完整的課程知識圖譜。基于此知識圖譜，文章創新性地設計了一套混合式教學模式。通過科學的數據分析和精心設計的貫穿式教學案例，實現了教學內容和學習路徑的持續優化。教學實踐驗證表明，該模式顯著提升了學生的學習主動性和知識掌握程度，為開展數據驅動的混合式教學實踐提供了有價值的參考。

關鍵詞：微機原理與接口技術；知識圖譜；數據驅動教學；混合式教學

中圖分類號：G642文獻標識碼：A

文章編號：1009-3044（2025）20-0134-04

0引言

2023年教育部部長懷進鵬在“世界教育數字大會”上指出要強化數據賦能，推動教學評價科學化、個性化，運用海量數據形成學習者畫像和教育知識圖譜，更好地實現因材施教。《2022中國智慧教育藍皮書》報告指出“智慧教育將聚焦發展素質教育，基于系統化的知識點邏輯關系建立數字化知識圖譜”。可見知識圖譜與教學的深度結合是教育數字化、智能化的趨勢之一。

近年來，在Python、離散數學、Java、數字圖像處理等各類課程教學中都有引入知識圖譜的案例[1-4]。相關教學實踐表明知識圖譜在優化課程結構、展示課程邏輯關系以及提供教學支持方面潛力巨大，同時有助于提高學生的學習興趣和自主學習能力[5]。此外，知識圖譜還被用于混合式教學資源庫建設[6-7]，為教學資源的組織、個性化推薦、質量評估等方面帶來了新的優勢和可能性。

本研究針對微機原理與接口技術課程教學特點，利用超星平臺的知識圖譜工具對原有的SPOC升級，開展數據驅動的混合式教學實踐，通過分析對比教學數據，驗證了基于知識圖譜的混合式教學有助于提升學生學習積極性和教學效果。

1微機原理與接口技術課程教學的問題

微機原理與接口技術是自動化等專業的學科基礎課，主要包括：原理部分，即CPU的組成結構、指令系統、存儲器技術等；接口技術部分，以各類可編程接口芯片的使用為主。先修課程包括程序設計基礎、數字電路、模擬電路等，后修課程有嵌入式系統設計、計算機控制技術等。課程在專業課程體系中占有重要地位，并且對學生系統思維的培養有重要作用。但是在目前的課程教學中，存在以下問題。

1）課程知識體系的系統性和整體性呈現不足，學生難以構建完整的知識框架。如教材第2章介紹了標志寄存器，然而9個標志位的使用分散在5個不同的章節，且此類情況在課程中較為常見，在按照教材章節順序進行的線性學習過程中，學生難以對課程知識結構有一個整體的認知。

2）課程軟硬件相結合，使用非結構化的匯編語言，自學難度大。匯編語言在微機原理課程中僅作為2個章節的內容，教學學時少；由于接近底層硬件，與結構化的編程語言差異較大；學習之后即用于接口電路的程序設計，對學生而言是不小的挑戰。

3）課程培養學生協同應用軟硬件知識解決微機系統中實際問題的能力不足。教材中的例題和案例大多針對孤立的知識點，較少有案例能貫穿多個章節，分步引導學生綜合應用所學知識解決復雜問題。

2解決方案

針對以上問題，課程組建設課程知識圖譜，設計并實踐了知識圖譜輔助的混合式教學模式。

2.1工具選擇

現有工作中較多采用Neo4j圖數據庫等工具用于知識存儲[2]，此外還需要Vue.js等技術用于知識圖譜可視化。對于非計算機專業的教師而言并非易事。

此外這些工具沒有直接解決知識圖譜與已有課程資源鏈接的問題。尋找構建方式友好、能夠有效關聯課程資源、便于開展精準教學的知識圖譜工具尤為迫切。超星知識圖譜工具可以通過手動、模板導入等多種方式便捷地構建知識圖譜，同時如表1所示，其滿足知識、資源、問題三個視角[8]，因此課程組選用其為工具構建課程知識圖譜并開展混合式教學。

2.2課程知識圖譜構建

課程組于2020年起在超星平臺建設微機原理與接口技術SPOC課，設置了主要知識點，并且與試題、課件等資源關聯，但知識點彼此是孤立的，沒有層次和聯系。2022秋季學期結課后課程組以課程大綱為基礎，結合專家經驗，按以下步驟構建了知識圖譜。

第一步：知識點提取。對教材章節內容進行分析，首先確定一級知識點（詳見3.2節），然后提取二級至六級子知識點，整門課程共264個知識點。圖1所示為知識圖譜中一級知識點“可編程定時計數器8253”及其子知識點示例。

第二步：知識點關聯。除了不同層級知識點之間的父子關系外，還建立了前置、后置和關聯關系。例如四級知識點“定時中斷”有3個前置知識點，見圖2。

第三步：知識點屬性設置。按布魯姆教育目標分類法從認知維度把知識點設置為記憶、理解、應用、分析、評價、創造等類型，從知識類型上分為事實性、概念性、程序性、元認知；并標注考點、重點、難點。

第四步：課程資源鏈接。將各類課程資源如課件、視頻、試題等與各級知識點鏈接。

以圖2所示的四級知識點“定時中斷”為例，其為考點、重點和難點，關聯的學習資源數為2、試題數為3。圖中的教學班對此知識點的完成率為97.37%、掌握率為88.15%，前置知識點的掌握率分別為92.3%、82.63%和88.15%。

2.3教學模式設計及痛點問題的解決

課程組設計了圖3所示的基于知識圖譜的混合式教學模式。

在教學實施過程中，教師首先需要完成課程知識圖譜的構建工作，包括知識點的系統梳理、資源整合以及關聯關系的建立。同時，教師會通過制作詳細的文檔說明和操作視頻，向學生全面介紹知識圖譜工具的使用方法。學生在開課前通過瀏覽知識圖譜，能夠對課程的知識框架形成初步認知。

在課前準備階段，教師會向學生發放明確的學習任務單，詳細說明即將學習的核心知識點以及需要自主完成的學習任務。學生則借助知識圖譜進行知識點檢索，準確了解每個知識點的學習目標、相關資源等信息，并據此開展預習活動，最終完成課前測試。課堂教學環節，教師會重點講解新知識點，深入剖析重難點內容，通過組織多樣化的師生互動活動和隨堂測驗，實現教學過程的閉環管理。課后鞏固階段，學生利用知識圖譜對所學內容進行系統復習和作業完成，教師則及時批改作業并提供個性化反饋。

在教學評估方面，教師會定期從知識點掌握情況和學生個體表現兩個維度，綜合分析平臺提供的完成率、掌握率等關鍵數據指標。針對掌握率偏低的知識點，教師會及時補充教學資源并組織二次講解；對于學習表現欠佳的學生，則會深入了解原因并提供針對性輔導。同時，學生可以通過知識圖譜工具實時掌握自身對各知識點的掌握程度，及時發現知識漏洞，并按照系統推薦的學習路徑開展個性化的查漏補缺學習。

如表2所示，按以上模式開展教學實踐，在一定程度能夠解決第1節指出的教學痛點問題課程。

3知識圖譜的應用與實踐效果

為了驗證基于知識圖譜開展數據驅動的混合式教學是可行的，通過計算學生課程成績與知識點掌握率的斯皮爾曼相關系數來說明兩者的相關性。定義1：斯皮爾曼相關系數也稱為斯皮爾曼等級相關系數，記為ρ，是一種非參數的統計度量，用于評估兩個變量之間的相關性，計算方法如下：

式中：n是變量中數據點的數量，本文為班級學生人數；di是兩個變量的等級之間的差值，在本文中是學生i的課程成績排名和掌握率排名的差值。

ρ的取值范圍為[-1，1]，ρ越大說明兩個變量的正相關性越大，反之負相關性越大，當ρ為0表示變量沒有相關性。

研究使用2022秋季學期筆者任教班級的學生課程成績和學習通平臺產生的學生掌握率數據（知識圖譜構建在2022秋季學期結課之后，教學過程中未使用，但構建圖譜后可從平臺獲取完成率和掌握率數據），按定義1計算得到兩者的斯皮爾曼相關系數（使用Python的scipy.stats庫中的spearmanr函數，可以直接計算斯皮爾曼相關系數及其P值），結果為0.641且P值小于0.05，表現為強相關[9]，說明基于知識圖譜開展數據驅動的混合式教學是可行的。因此課程組從數據分析結果出發，對2023秋季的教學內容進行了調整，并實踐了圖3所示的教學模式。

3.1知識圖譜用于教學內容重構

2022秋季學期期末卷面得分率最低的試題是涉及可編程并行接口芯片8255A、可編程定時/計數器8253和中斷技術等3個一級知識點的復雜問題。如表3所示，超星平臺上這3個知識點的平均掌握率分別是60.69%、79.54%、26.07%。

經過深入分析發現，學生對8255A芯片的掌握程度顯著低于8253芯片，主要存在兩個關鍵原因：首先，8255A芯片在實際應用中具有更高的靈活性，相應的編程復雜度也更大；其次，原有的教學安排采用“中斷技術→8253→8255A”的講授順序，導致學生在解決復雜問題時接觸8255A的機會相對有限。基于此，在2023年秋季學期實施了教學改革：一方面調整了教學順序，將8255A提前至中斷技術之前講授；另一方面創新性地采用了表4所示的遞進式貫穿案例教學法。

該方法以交通燈控制系統為教學載體，從最基礎的“8086+簡單I/O接口芯片”系統架構出發，通過四個教學階段的迭代升級，將接口技術的關鍵知識點有機融入綜合案例。這種循序漸進的教學設計不僅幫助學生更好地掌握專業知識，更有效培養了學生運用知識解決復雜工程問題的能力，同時促進了學生微機系統整體觀的建立。

知識點中斷技術的掌握率低，除了本身是難點外，另一個主要原因是其部分子知識點缺少關聯的習題等資源。因此2023秋季，課程組梳理了原來關聯資源不足的知識點，開發和補充了新的優質資源，知識圖譜關聯的試題數量和資源數量分別增加了7.6%和20.7%，見表5。2023秋季8255A、8253和中斷技術這3個知識點的平均掌握率提升至83.28%、86.91%、74.91%，見表3；期末試卷中相同題型的得分率提高了17%，說明學生綜合運用所學知識解決復雜問題的能力得到了提升。

3.2知識圖譜應用的效果

通過表5可知，使用知識圖譜后的2023秋季學期，無論是平均完成率、平均掌握率還是學生成績，較未使用圖譜的2022秋季學期都有提升。下面進一步對比分析知識點相關數據，說明知識圖譜在教學中所起的作用。

由于課程知識點較多，僅選取一級知識點的完成率和掌握率作為指標，來說明知識圖譜的應用效果。需要說明的是下文中1～9號知識點按2023秋季學期的教學順序排列；2022秋季時7號知識點在9號知識點后講授；此外，10～11號知識點的排列與教學順序無關；11號知識點為2023秋季新增。

1）完成率對比。

圖4中給出了2個學期的知識點完成率對比。

2022秋季1～9號知識點的完成率有一個明顯的下降趨勢，說明學生開學初學期積極性較高，隨著課程推進、難度加深，學習積極性有所下降。2023秋季雖然略有起伏，但整體相對穩定，3～10號知識點一般高于開學初期的1～2號知識點；并且6～9號知識點的完成率明顯高于2022秋季，說明雖然知識點難度在增加，但是學生學習積極性還是良好的。

出現以上差異的可能原因之一是構建知識圖譜是在2022秋季學期結課之后，2022秋季教學過程中并未使用，而2023秋季學生在學習過程中可以通過知識圖譜工具關注到知識點相關任務的完成情況，無形中激發學生的學習熱情，提升學習主動性。

2）掌握率對比。

圖5給出了2個學期的知識點掌握率情況對比，除了1、2號知識點外，2023秋季學期其余知識點的掌握率均高于2022秋季。說明借助知識圖譜，學生在學習過程中可以及時了解自己對知識點的掌握情況，根據個人學習情況利用課程資源開展個性化學習，有助于查缺補漏和提升學習效果。

3）不同知識點的掌握率情況分析。

針對2022秋季學期8號知識點掌握率偏低的問題，如3.1節分析所示，主要歸因于相關測試題目數量不足。為此，課程組在2023秋季學期進行了針對性調整：一方面增加了相關試題數量，另一方面在作業布置和小組任務等教學環節強化了該知識點的訓練。圖5數據表明，這些改進措施取得了顯著成效。10號知識點的掌握率提升也遵循類似的改進路徑。

從圖5的對比數據可以觀察到，兩個教學班級在中斷技術知識點的掌握率均明顯低于其他內容，這與該知識點作為課程核心難點的定位相符。同時，由于教學資源建設相對滯后，2023秋季學期新增的外圍器件知識點掌握率也處于較低水平。針對這一現狀，后續教學工作中需要重點加強這兩個知識點的教學資源開發與教學方法創新。

4）完成率、掌握率與課程成績分析。

基于定義1的計算方法，2023秋季學期課程成績與知識點掌握率的斯皮爾曼相關系數達到0.667，再次驗證了二者之間存在顯著相關性。圖6詳細展示了完成率、掌握率與課程成績的關聯特征：

①在完成率和掌握率均超過80%的學生群體中，大多數都能取得中等及以上水平的課程成績。

②對于完成率高于90%但掌握率不足80%的學生，可能存在學習方法不當的問題，教師應提供個性化指導，幫助學生善用知識圖譜工具進行針對性補強。

③掌握率偏低的學生群體，其課程成績普遍處于較低區間，這要求教師在教學過程中重點關注此類學生的學習進展，實施持續跟蹤。

④針對完成率較低但掌握率表現良好的特殊個案，需要深入分析其成因：若源于學習態度問題，則需及時干預；若屬于個性化學習模式所致，則應給予適當引導[16]。

4結論

課程組依托超星知識圖譜工具開展數據驅動的混合式教學實踐，研究結果表明：知識圖譜的應用能夠有效支持教學內容的精準優化和課程資源的系統建設，不僅幫助師生及時發現并彌補知識漏洞，還顯著提升了學生的學習主動性和教學效果。然而，當前研究仍處于初步探索階段，尚存在以下亟待解決的問題：

首先，知識圖譜構建的科學性有待加強。現階段課程知識圖譜中的知識點劃分、粒度設置、認知維度分類，以及知識點間的邏輯關系和層級架構，主要依賴專家經驗進行人工設定，這種方法存在一定的主觀性和局限性。

其次，知識圖譜的用戶體驗需要持續優化。作為提升學習效果的重要工具，如何增強知識圖譜的易用性和吸引力，使學生主動使用、樂于使用并善于使用，是當前面臨的關鍵挑戰。

最后，知識圖譜的教學應用價值仍需深入挖掘。

本研究僅聚焦于教學模式創新和教學內容重構兩個維度，在新形態教材開發、課程思政融合等更廣泛的教育教學場景中，知識圖譜的應用潛力還有待進一步探索。

針對上述問題，后續研究將重點推進以下工作：引入AI技術輔助課程知識點的智能抽取與關系建模；通過系統化的需求調研，結合學生反饋持續優化知識圖譜結構和教學資源配置；深化知識圖譜與AI技術的融合應用，推動智慧課程建設，最終實現教育教學與人工智能、信息技術的深度協同發展。

參考文獻：

[1]鄭飛軍.基于Python程序設計課程的知識圖譜構建研究[J].電腦知識與技術，2024，20（33）：171-174.

[2]柴玉梅，李迎春.基于知識圖譜的“223”實踐教學模式在離散數學課程中的應用[J].電腦知識與技術，2024，20（22）：137-140.

[3]顏慧.混合式教學中課程知識圖譜的構建與應用研究[J].電腦知識與技術，2024，20（2）：175-177

[4]陳榮元，王芷萱，戚蓓蓓，等.基于知識圖譜的數字圖像處理培養研究生科研創新能力的實踐[J].電腦知識與技術，2024，20（34）：120-123.

[5]張慧楠，松云.面向智慧教育的課程知識圖譜構建[J].計算機教育，2023（9）：120-125.

[6]韓明陽.知識圖譜技術在數字媒體技術專業混合式教學資源庫建設中的應用[J].電腦知識與技術，2024，20（20）：110-112.

[7]時云峰，孫熠，夏莉娜，等.基于知識圖譜的個性化學習資源構建研究[J].電腦知識與技術，2024，20（21）：24-26.

[8]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，2022，43（1）：32-38.

[9]CONDEJ，SONSOLESLP，EnriqueB，et.al.Thetemporaldynam?icsofprocrastinationanditsimpactonacademicperformance：thecaseofatask-orientedprogrammingcourse[C]//HONGJ，PARKJW，Przyby?ekA.SAC'24：Proceedingsofthe39thACM/SIGAppSymposiumonAppliedComputing.NewYork，NY，USA：AssociationforComputingMachinery，2024：48-55.

【通聯編輯：王力】