知識圖譜結合強化學習在物聯網導論教學藝術中的體現探究

摘要：如何創造性地因材施教是從古至今人們不斷思考的問題。如今人工智能技術在各個領域的應用都取得了一定的進展，具有更好地回答這個問題的潛力。針對物聯網知識繁多、更新快等特點，人工智能技術中的知識圖譜技術能梳理知識點之間的關系，進而啟發授課教師產生新的教學策略。圖是互相連接事物及其關系的一種結構化表達，是最接近真實世界的數據結構，通過圖將所有的知識點連接起來，更易于揭示其中復雜的關系結構。同時，人工智能中的強化學習技術可以根據環境反饋的獎勵情況調整參數來尋找最優策略。使用了強化學習技術的聊天機器人ChatGPT和GPT-4引發了熱烈討論。教學過程也可以看成強化學習的過程，教師可以采用的教學方法集合可以看成教學策略，學生的測試成績可以作為獎勵值。文章以自動識別技術這一章為例，介紹知識圖譜結合強化學習的教學案例。首先通過CiteSpace軟件分析相關文獻數據獲得知識圖譜，揭示知識點之間的隱性關系和知識點串聯的重要線索。其次，根據知識點之間的關聯關系開拓新的教學思路，改進教學策略。最后從強化學習的思想出發，根據學生的反饋來判斷所采用教學策略的效果，并盡可能找到最優策略。教學實踐表明，知識圖譜結合強化學習的方法符合成果導向性教育理念，可以增強教學的藝術性。

關鍵詞：強化學習；知識圖譜；物聯網；教學改革；教學策略

中圖分類號：G622 文獻標識碼：A 文章編號：1004-9436（2023）15-00-03

0 引言

先賢孟子曾提出，“有如時雨化之者，有成德者，有達財者，有答問者，有私淑艾者。此五者，君子之所以教也”，指面對不同的場景、不同的學生要采用不同的教學策略，有潤物細無聲式的，有重視思政道德的，有側重能力培養的，還有答疑解惑、激勵學生自學的教學策略。在教學中應采用哪些先進的教學策略，如何創造性地選擇教學策略，是從古至今人們一直思考的問題。

人工智能技術中的知識圖譜和強化學習技術有望成為解決教學策略產生和選擇兩大問題的關鍵。強化學習，也叫增強學習，源自對動物行為心理的學習和心理學的行為主義［1］。類似于動物學習適應環境的過程，強化學習中的智能體是根據環境反饋的獎勵情況調整參數，從而找到最優策略。OpenAI公司開發的聊天機器人ChatGPT和GPT-4引發了熱烈討論，同樣使用了強化學習技術。

1 物聯網導論的教學特點

物聯網導論作為物聯網工程專業的學生接觸到的第一門專業課，其重要性毋庸置疑。但物聯網導論的一些特點使其成為一門看似容易實則難度不小的課程，教學過程中存在一些難點需要克服。

1.1 課程內容的多樣性

物聯網課程是信息學科的集大成者，內容涉及眾多學科，例如識別技術部分就涉及模式識別、無線通信以及電子信息中的射頻識別芯片技術、信息安全等技術；而定位技術部分涉及衛星通信、無線接入、蜂窩網等技術，還涉及一些高中解析幾何的思想，同時又和前一節的射頻識別技術內容相關。學生在短時間內會獲取大量知識點和專有名詞，增加了學生學習的難度，容易挫傷他們的積極性。

如今物聯網導論的內容在不斷擴展和延伸。隨著一些物聯網新技術在現實生活中的不斷普及和發展，物聯網導論的課程內容也需要與時俱進。例如在新興智能交通的大背景下，基于5G技術的車路協同智能交通技術迅速發展，智能交通章節的內容不能僅局限在導航和不停車收費系統等的簡單介紹，而要緊跟時事，介紹車聯網新技術，讓學生了解我國制定的車聯網新標準及其思政意義。

1.2 教學策略的選擇難題

因為物聯網導論課程涉及內容眾多，各種技術雖然在使用場景方面有不少共同點，但在原理方面大相徑庭，所以章與章、節與節之間的關聯性不強，建立整體的知識結構需要花費較長的時間。

如何選擇適合講授當前知識點的教學策略是一個重要問題。因為各個知識點的特點不同，所以要在講授過程中隨時調整。例如講授條形碼和二維碼技術時比較適合采用對比教學策略，通過對比一維條形碼和二維碼之間的進化關系和區別來講授二維碼的特點，從而使學生更容易理解與二維碼相關的知識點。但是教學策略是否適合，目前還是通過教師的主觀感受和經驗來判斷。

2 強化學習與知識圖譜結合的教學思想

2.1 強化學習的教學思想

往年引起轟動的打敗人類頂尖圍棋手的AlphaGo就是基于強化學習，通過蒙特卡洛采樣遍歷整個棋局走向，找到最優的下棋步驟。下棋對弈是一個典型的馬爾科夫過程，而強化學習非常適用于解決馬爾科夫過程的問題。同樣，大學中的教學也可以看成一個較為復雜的馬爾科夫過程。教學過程可以看成強化學習的過程：教師以及相關的教學設備可以看成強化學習中的智能體（或者決策者）；教師采用的教學方法集合可以看成策略；實際的教學過程就是動作；學生對本課程知識點的掌握程度（或者教學效果）可以看成狀態，但該指標無法直接觀察，是一個隱變量；因為狀態直接影響學生的測試成績，所以可將便于觀察的學生測試成績（或者成績達標情況）作為獎勵值。

基于強化學習的教學思想符合當前最先進的成果導向性教育理念。根據學生的學習情況調整教學策略，以學生能力培養為導向，強調以學生學習掌握知識的情況為核心，而不是以教師的講授內容為核心，是一種研究性教育思想而非傳統的填鴨式教育，同時在一定程度上還能體現個性化的教學。

教學過程有一些特點，一些綜合性知識點和交叉知識點會受到之前多節課的影響，是一個復雜的馬爾科夫過程。因此在教學工作中利用強化學習的思想也面臨一些挑戰。一是教學策略集的建立：教學策略是教師教學能力的體現，受到教學經驗的影響，因為策略集的豐富程度在很大程度上會影響強化學習在教學中的使用效果，所以如何迅速建立教學策略集是一個重要的問題。二是獎勵值的觀察：測試的手段包括平時作業、課題測試和期末考核等，但存在反饋周期較長、時間花費較多等問題，這些都不利于策略的選擇。

2.2 知識圖譜的使用

六度分割理論很好地將人類社會描述成一個網狀的結構。知識圖譜就是將這一理論擴展到知識領域的現實化和實體化方法［2］。圖是互相連接事物及其關系的一種結構化表達，是最接近真實世界的數據結構。通過圖將所有的知識點連接起來，易于揭示其中復雜的關系結構［3］。

圖由節點和邊構成，具體到教學應用中，節點就是各個知識點，節點可以由多種屬性和標簽構成，表示知識點的重要程度、難易程度等不同屬性，同時邊也有多個屬性，表示知識點之間的多種關聯，如包含關系、理論與案例的關系等。這與生活中人的屬性多樣性和人與人之間的相關關系多樣性是一致的。這些容易被忽視的隱性關系和看似極為常見的關聯關系往往是突破口和知識點串聯的重要線索。

知識圖譜的建立：現有的知識圖譜工具很多，本文選用的是CiteSpace，其可以梳理各個數據庫中的文獻，將文獻之間的關系以知識圖譜的方式可視化展現在研究人員面前，既能夠梳理過去的研究軌跡，又能對未來的研究前景形成大概的認識［4］。這些特點非常契合物聯網導論這門課，既可以梳理物聯網眾多相關學科的發展，又可以使物聯網導論的內容不斷擴展和延伸。與此同時，關聯圖譜可以幫助人們發現容易被忽視的隱性關系和整理看似極為常見的關聯關系，還能從各個知識點之間的關系中啟發教學策略的產生。

3 知識圖譜結合強化學習的教學案例

以自動識別技術這一章為例，這一章的核心知識點是射頻識別技術。針對這一核心知識點，采取以下步驟。

首先，將從知網獲取到的相關文獻數據導入CiteSpace軟件進行分析。因為本文對CiteSpace軟件的使用主要側重于知識基礎和學科結構兩個方面，所以選擇的是共現網絡分析中的關鍵詞分析。

其次，為了更清晰地展現各關鍵詞之間的關聯程度，本文使用CiteSpace軟件中的聚類功能，將文獻分成若干簇［5］。射頻識別技術是物聯網感知識別層的重要技術，和物聯網其他層的技術關系緊密，這與聚類結果是相對照的：簇0是射頻識別自身，簇1、2、3分別是移動系統、信息感知和云計算，分別對應其他層的主要技術；簇5為二維碼，是射頻識別技術的相近技術。

最后，分簇圖體現了與射頻識別技術關聯緊密的知識點，但當需要擴展思路時，主要關聯知識點往往不夠用。此時可以通過調整展示節點的度值顯示更多的關聯知識點，尤其是更多的應用場景，如智能礦山、智能倉儲、冷鏈物流、醫療系統、古樹名木等。順著這個思路，可以選擇易于學生理解的相關案例。

知識圖譜的建立可以通過圖的形式將所有知識點連接起來，從而幫助任課教師更好地建立教學策略集。尤其是使用強化學習思想時，策略價值函數就不僅僅與當前知識點的策略獎勵值有關，還與其相關知識點的策略獎勵值有關。

用于物聯網導論教學的強化學習方法如下：建立策略價值表，存放每次課采用每種策略產生的策略價值；采用ε貪心算法，在策略價值表中選擇當前狀態的策略，即設定一個較小的ε值隨機選擇策略，剩下的1-ε選擇最優策略。執行策略，并根據公式更新策略價值表。

以前述的射頻識別技術這一節為案例，按照知識圖譜結合強化學習的思路，本節課采用的教學方法有以下幾種。

第一，識別技術引入法，即通過識別技術引入要解決的問題。感知識別技術融合物理世界和信息世界，是物聯網區別于其他網絡最獨特的部分。接著可以從三方面展開：人類認識世界的過程就是不斷識別的過程；從人工識別向自動識別轉換；自動識別技術是物聯網的基礎。

第二，橫向技術比較法，包括與一些生物特征識別方法的比較和與二維碼等方法的比較。生物特征識別是指與人體生命特征存在一定關聯的技術，包括語音識別、指紋識別、人臉識別、虹膜識別等，它們都需要提取人的生命特征，而這也導致它們的適用范圍有限。

第三，交集技術引入法，射頻識別技術與智能卡技術之間有很大的交集，非接觸智能卡大量使用射頻識別技術，可以通過身份證等既是智能卡又使用了射頻識別技術的例子展開論述。

第四，案例引入法，案例法可以作為引入課程的方法。以一次時間教學為例，在本節課的開始階段，可以設置一個如何實現無人超市的討論，讓學生發現無人超市場景中的識別難題，從而順理成章地引入射頻識別技術。

第五，案例補充法，案例可以作為相關技術介紹的補充。比如講述射頻識別技術的工作原理時，可以結合不停車收費系統，將枯燥的知識實例化，讓學生有具象認識。

第六，案例講述法，即結合實例講述工作原理等知識。

在實際教學中，發現案例引入法、案例補充法和案例講述法的結合能達到更好的教學效果。在2020—2021第一學期采用交集技術引入法后，發現學生測試成績下降，于是在下一學期探索新的引入法，采用案例引入法后學生成績有所提升。在實際教學過程中，要避免不停試錯的過程，任課教師應根據教學的實際情況有傾向性地選擇合適的教學策略，避免采用教學效果一般的策略，體現出一定的主觀能動性。受到課時的限制，教學過程中并不能選擇所有的教學策略。

4 結語

相較于傳統的無反饋教學方法和單純采用強化學習的方法，本文所提方法在物聯網導論課程的教學中，有以下優勢：能幫助任課教師迅速了解最新的應用；能提供更多可供選擇的教學策略，幫助任課教師更好地進行教學改革的嘗試；能通過不同的教學策略激發學生的學習興趣，幫助他們更清晰地了解物聯網這個專業，做好大學的學習規劃以及將來的職業規劃。從近兩年的教學數據來看，學生的平均成績均超過85分，相較于往年提升了3分左右，教學滿意度達到了92分。

知識圖譜結合強化學習符合成果導向性教育理念，能根據學生的學習情況調整教學策略，以學生能力培養為導向，強調以學生學習掌握知識的情況為核心，使其成為復合型高素質理工類人才。同時，本文所提方法也可以應用在其他專業、其他科目的教學中，具有普適性。

參考文獻：

［1］ 余亮，張騰飛.基于強化學習的算法分析與設計課程重難點教學方法探索［J］.計算機教育，2022（5）：185-188，195.

［2］ 潘玉珠，賈文麗，徐方全，等.基于知識圖譜的云計算技術研究現狀與分析［J］.軟件導刊，2020，19（7）：267-270.

［3］ 湯宇軒，齊恒，申彥明，等.基于知識圖譜的課程思政素材庫構建［J］.軟件導刊，2022，21（7）：214-219.

［4］ 李杰，陳超美. CiteSpace： 科技文本挖掘及可視化［M］.北京：首都經濟貿易大學出版社，2016：31-64.

［5］ 謝榕，朱衛平.人工智能課程領域知識圖譜及其創新教學模式［J］.軟件導刊，2021，20（12）：179-186.

作者簡介：師曉曄（1982—），男，山西忻州人，博士，講師，研究方向：物聯網通信、強化學習。

基金項目：本論文為2020年度江蘇省自然科學基金項目“無線攜能中繼系統中的能量-信息權衡傳輸”成果，項目編號：BK20160903