基于知识图谱技术的教师继续教育自适应学习系统模式研究

崔焱燚

什么样的教学方式是最有效的呢？有研究指出，教师与学生的一对一教学，是当前最有效的教学方式之一。但让每位学生都得到一对一的教学是不现实的。因此，人们期望信息系统能够模拟专家教师，智能地对学生的学习进行诊断和指导，实现个性化学习。

教和学这两种活动，其实质上也是一种供求关系，教与学这一对供求矛盾的解决，就是个性化学习主要目的。互联网时代的教学矛盾主要在于，随着互联网+和教育信息化时代的飞速发展， 网络信息资源也呈现指数增长，但随之而来的问题是，面对如此巨大的信息资源库，学习者很难快速有效地找到适合自己的学习资源，甚至会出现认知超载、迷航等问题。为此，自适应学习应运而生。2017新媒体联盟中国高等教育技术展望的地平线报告中指出，自适应学习技术在未来二至三年内会被广泛应用于网络在线学习系统中，并逐步成为教育领域的研究主流。

知识图谱也逐渐成为在线教育公司以及学术研究者关注的热点方向， 如， 美国的自适应学习平台Knewton构建了一个学术概念交叉的知识图谱， 百度公司搭建了K-12教育知识图谱来实现个性化学习路径的生成， 北京师范大学研究团队构建了基于知识图谱的唐诗语义搜索引擎等。

结合中小学教师继续教育培训的实际应用，对基于知识图谱技术的教师继续教育自适应学习模式提出以下设想：

一、多维度知识图谱结构

1.个人知识图谱，建立千人千面的个人知识画像

个人知识图谱将系统内每一名学习者所掌握的知识点及知识点之间的连接关系通过图形方式进行展示。

在新技术的加持下，自适应学习系统可以通过“无感式”的数据采集方式，对学习者的学习行为数据进行采集和分析，为每一名学习者构建专属的个人知识图谱。学习行为数据的采集来源包括了：个人所学习的课程资源知识图谱、学习者所完成教学任务中对知识的掌握情况、提取学习者分享及交流互动过程中的关键字段、通过学习者所浏览资源的特征等。通过多维度的数据采集、清洗和处理，建立关于学习者的千人千面知识画像，且画像根据系统智能化的运算规则，不断自动更新、适配、迭代，与学习者的实际知识掌握情况同步更新，为自适应学习功能的实现提供最基本的数据基础。

2.资源知识图谱，建立基于知识结构的学习资源库

资源知识图谱与个人知识图谱相类似，将系统内每一件资源所涵盖的知识点及知识点之间的连接关系通过图形方式进行展示。

在线学习的课程资源主要分为视频类资源、音频类资源、还有少数的文本类的资源，可以利用语义识别、文本识别等工具，提取资源信息并进行知识图谱分析。

3.均值知识图谱，建立知识图谱的分析罗盘

均值知识图谱，通过选定一定范围，将该选定范围内的所有学习者知识图谱叠加后求平均而成的知识图谱，这里的范围可以指同一个学校，可以是同一个学科，也可以是同一个行政区域。

可以预见，随着个人图谱的不断动态更新，均值知识图谱也是一个动态存在的图谱，所以系统自动匹配学习资源后制定的学习路径也是一个动态调整的路径，而整个调整的过程，不需要系统管理员或者学习者进行任何的操作，真正实现自动化和智能化的适应性学习功能，提供“一对一教学”的服务。

二、知识图谱叠加对比

自适应学习系统的核心分析过程我们可以理解为三种知识图谱的对比分析过程，通过对比不同的知识图谱结构找到“知识差距”，然后匹配学习资源，补齐学习者知识短板，消灭知识差距。

这种分析过程可以根据学习的目的，分为两种实现方式：补全式学习方式，和深入式学习方式。

1.补全式学习（水平比较）

补全式学习的目的，是让学习者能够通过学习，达到或者超越和学习者自身属于同一水平的所有学习者平均水平。

当自适应学习系统界定学习者是以该目的作为学习方向的时候，将会根据学习者自身的属性，如学科、选段、教龄、职称、区域等作为特征值，在系统内选取具备此类特征值的其他学员，将他们的知识图谱合成均值知识图谱。学习者个人的知识图谱，与这些具备相同特征的学习者均值知识图谱进行横向的水平对比，可以找出其中的知识差距。为了使自己的结构可以提升到平均水平以上，就需要填补这些知识的差距，为此，系统将会匹配资源库，找到与这些缺漏知识点关联的资源进行推送，设定学习路线，指引学习者进行学习，从而补全他们的知识结构。

2.深入式学习（垂直比较）

当学习者的知识图谱结构已经达到甚至超越了均值知识图谱，或者学习者的学习目的是为了能够晋升到下一层级的教师行列，那么针对这种学习情况或者学习目的，可以采用深入式学习方式。

个人知识图谱结构已经达到或者超越与自身属于同一层级群体的均值知识图谱的学习者，他们往往都会希望可以往更高一層级发展，让自己的知识图谱结构可以达到高一层级的均值知识图谱，那么针对这些学习目的的学习者，自适应学习系统会自动根据学习者的属性特征选择其高一层级的群体，制定对应的均值知识图谱。

依靠以上两种学习方式，通过自适应学习系统的学习路径设计，系统内学习者的均值知识图谱水平必然会整体上移，即学习者的整体知识掌握水平将会不断提高，知识结构不断完善，对教师的专业发展起到了很好的促进作用。

基于知识图谱技术的教师继续教育自适应学习系统为每一名学习者制定关于知识的专属学习路径，提供犹如“一对一教学”一样，及时准确的伴随式教学服务，实现在线学习平台的去中心化，让每一名学习者成为学习的中心，每一名学习者可根据自己的学习目的、学习进度、及学习方式，与学习平台进行互动，并获得平台的学习推荐。这样的一种学习平台，将很大程度的改变现有在线学习的效率，成为每一名教师身边的智能助手、知识百科，让学习成为教师工作常态，让继续教育成为教师满意的学习方式。

基金项目： 2019年度科研基金青年专项项目《关于教师继续教育的自适应学习模式研究》（项目编号：2019KYQN03）