基于知識圖譜的社區課程個性化學習的研究

張磊　陳芳　石秀麗

［摘 要］ 隨著信息社會的進一步發展，傳統的線上教學無法滿足社區居民更深層次的個性化學習需求。分析了社區教育在線教學的現狀，概括了個性化學習實現的意義、可能性與難點，然后以社區信息技術類課程為案例提出了基于學科知識圖譜的個性化學習的設計及應用。研究成果可以為社區學院的教師優化線上教學設計，提高社區居民的學習興趣和創造力，設計、實踐滿足社區居民個性化學習需求的教學環境提供借鑒。

［關鍵詞］ 個性化學習；知識圖譜；社區教育

［基金項目］ 2021年度上海市教育委員會社區教育實驗項目“基于個性化學習的社區課程的混合式教學設計”（54）

［作者簡介］ 張 磊（1972—），女，山東招遠人，碩士，上海市寶山區業余大學計算機系副教授，主要從事教育學、計算機應用人工智能方向研究。

［中圖分類號］ G434［文獻標識碼］ A［文章編號］ 1674-9324（2023）24-0180-04［收稿日期］ 2022-05-27

一、社區教育在線教學現狀分析

（一）社區教育的特點

一是覆蓋范圍廣，應該說基礎學歷教育和普通高等學歷教育之外的所有教育都屬于社區教育的范疇。二是相對于接受全日制學歷教育的學生，社區教育的學習者構成成分要復雜得多。學習者的年齡跨度、職業背景、知識背景參差不齊，學習需求和學習動機也非常多樣化。三是社區教育意義重大，以提高全民整體素質和生活質量、促進社會和諧發展為宗旨。

（二）在線教學的現狀

隨著信息社會的發展，在線教育進入了社區教育領域。由于諸多因素的限制，目前社區教育中的在線教學實踐普遍存在以下問題：（1）絕大部分學生學習在線課程的方式是參與在線直播，教師將在線下課堂講授的內容原封不動地搬到線上，教學過程單向、相對靜止。（2）在線學習資源形式單一，缺乏個性化、有針對性的學習資料。（3）在線資源內容缺乏多樣性，設計難度“一刀切”，統一的教學內容、教學進度和學習任務等阻礙了學生的個性化發展。

目前，傳統的在線教育并沒有觸及傳統面授教學模式的根本性改變，只能作為課堂教學的點綴延伸，因而研究如何優化在線教育教學和教育資源設計以滿足社區居民的個性化學習需求更加必要。

二、個性化學習設計研究分析

（一）個性化學習的界定

個性化學習是指以學生的個性差異為基礎、以促進學生個性發展為目標的學習方式，主要表現為：（1）學習內容的個性化。學習者能夠保持自己的學習風格，以自我需求為導向挑選學習內容。（2）學習者的主體地位。打破由于學生個體差異而形成的阻礙學習活動的壁壘，允許并支持學習者自主選擇，學生憑借自力開拓地學習。（3）學習的無目的性。不以功利的目的驅使，而是依賴興趣引導學習。

個性化學習服務則需要依據各種渠道或者技術手段對學習資源進行收集、整理和分類，進而精確地向學習者提供和推薦相關信息，滿足其個性化、多樣化的學習需求。

（二）社區居民個性化學習實現的可能性與難點

1.個性化學習實現的可能性。隨著信息社會的進一步發展，教育科學從憑感覺的經驗教育學過渡到基于腦科學、心理學的實驗教育學，然后過渡到現階段的基于大數據機器學習的計算教育學階段。人工智能技術對教育的影響也從最外圍的教務管理逐步滲透到測評、作業練習，甚至于現在核心的教學。在傳統教學條件下難以實現的個性化學習，隨著教育教學技術的發展有了一些實現的途徑：（1）學習時空的自由?；谟嬎銠C網絡的在線學習為個性化社區教育提供了基本保障。（2）課程資源選擇自由。課程資源形式和獲取渠道多樣，學習者實現了依據自身需求而選擇的自由。（3）學習目的自由。相比學歷教育，社區教育的學習目的多樣化、不功利。（4）互動交流手段自由。傳統面對面的交流與微信、QQ、在線課堂等各種線上交流手段并存。（5）評價方式自由。突破傳統的單一考試分數評價，建立了促進學習者全面而個性發展的評價標準。

以上所述的學習自由再加上學習者背景的多樣性和需求動機的不同，使得社區居民學習路徑、參與度和學習結果存在多樣性，也就奠定了個性化學習實現的基礎。

2.個性化學習實現的難點包括：（1）學習需求診斷難。傳統的學習需求診斷手段包括訪談、問卷調查等，診斷者從自己的主觀意志出發，或者從學校能提供的教學資源出發，設計有限的題項，判斷學習者的需求。這種方法的缺陷是設計者主觀性太強，有時學習者也不十分清楚自己的學習需求。而現代學習需求分析是根據學習者的畫像、搜索數據、學習數據和測試數據，挖掘學習者潛在的學習缺陷來診斷學習者的需求，更為客觀、準確。（2）學習資源推薦、匹配難。傳統的在線學習資源推薦方法主要有基于內容的推薦和基于用戶的協同過濾推薦，分別以學習者閱讀過的文本資料為依據，或者以學習者之間的相似性為依據，通過相似度算法計算得出相似度高的資源或者相似度高的學習者喜歡的資源，將其推薦給學習者。

（三）國內社區教育個性化在線學習實現的理論研究

目前，國內比較有代表性的有關社區教育個性化學習設計的研究并不多。羅殷［1］借鑒供給側改革的思路，進行了社區教育資源整合優化路徑的研究；王秋林［2］系統設計了基于慕課平臺的個性化社區教育服務模式；潘曉瑜［3］分析了社區教育服務平臺的應用現狀，在現有平臺的基礎上進行局部改造擴展，然后應用數據挖掘技術提供個性化學習服務；宋其輝［4］提出可通過頂層設計統籌規劃、打破地域性條件限制、尊重個性化來重構社區教育數字化資源生態；沈悅［5］以“江蘇學習在線”為例設想了學習平臺進一步智能化升級的前景。

這些研究大多關注于理論政策方面宏觀的論述、學習平臺智能化的設想、基于用戶過去訪問地學習記錄預測今后興趣的推薦等［6-7］，沒有具體的實現途徑的研究。因此，如何優化線上教學資源，提高社區居民的學習興趣和創造力，設計、實踐滿足社區居民個性化學習需求的教學環境，是今后在線教育研究的重點。

三、知識圖譜相關理論

（一）知識圖譜簡介

知識圖譜（Knowledge Graph）是 Google公司 2012年推出的一種描述節點與節點之間語義關系的語義網，可以描述大量復雜的語義關系。

知識圖譜是基于圖的數據結構，如圖1所示，每一個節點表示現實世界中存在的“實體”（梅西、巴塞羅那等）或“概念”（人物），每條邊為實體與實體之間的“關系”或者“屬性”（出生地、效力球隊、繼承等）。從圖1中可以看出，知識圖譜把人物、人名、地名、出生地等不同種類的信息全部連接在一起形成了一個復雜又包羅萬象的關系網絡，提供了從“關系”的角度去分析問題的一種可能性。實體、關系、實體組成的三元組，簡單又巧妙，人和計算機都易于理解。

例如：梅西為什么偉大？通過知識圖譜的知識推理，梅西獲得了金球獎，而金球獎是影響力最大的獎項之一，從而推理得到證明梅西偉大的答案。知識圖譜通過知識推理提供了數據挖掘的基礎途徑，使得計算機接近人類理解問題的方式。所以說，知識圖譜是人工智能進步的階梯，在人工智能技術架構體系中處于基礎層的位置。

（二）教育領域的知識圖譜

相對于通用的百科知識圖譜來說，教育行業的知識圖譜對質量要求較高，主要以不同學科的知識點來構建。圖譜的質量取決于兩點，一是知識點的粒度切分、元知識點的數量；二是知識點之間關系的豐富程度。常見的應用有以下幾點。

1.實現個性化學習資源的推薦。首先，學科專業教師對學科知識點進行切割、確定關系，然后建立或者整理與知識點相關聯的各類文本、視頻、試卷等教學資源。知識點與學習者之間的關聯是通過收集學生的個人信息、學習記錄或者通過測試等手段來實現的。最終通過學科知識圖譜中的知識點連接起學習者和教學資源，從而進一步實現學生與教學資源的針對性匹配。知識圖譜是智能教育架構的基礎。

2.規劃學習路徑。教育領域的學科知識圖譜中，知識之間主要包括繼承關系、包含關系（整體與部分）以及先后序關系（前置或后置）。

知識圖譜中的這些關系能引導學習者在學習新知識點或者遇到困難時尋找本知識點的前置知識點或者繼承的上層概念進行學習，還可以引導學習者在掌握一個知識點后繼續學習后置知識點。

3.通過搜索關鍵詞、智能問答或者匹配知識點，學生實現精準學習，避免“信息過載”，提升學習效率。

四、知識圖譜在社區信息技術類課程教學中的實現

從社區教育中老年信息技術課程的內容看，其教材內容的安排注重知識的系統性，大致包括四個板塊：信息技術基礎（理論）、數據文件管理、計算機網絡及應用（理論）、數據處理基礎（包含多種常見軟件的使用）。教學內容系統完整，類似學歷教育。如果教學安排完全依照順序循序漸進，就不太符合社區居民、老年人的學習需求。這樣的學習內容繁多，教學周期性長，老年學員容易忘掉前面的知識與操作技能，而且遲遲學不到自己感興趣的內容，容易喪失學習熱情。而以知識圖譜為基礎的個性化學習，可以完全以學生的需求與興趣為導向進行學習。學生端通過收集學生的興趣愛好、搜索的關鍵詞、提問或者做試卷等信息得到學習者認知側面的畫像，意即得到學習者的知識薄弱處，匯集學習者所有還未掌握的知識點缺陷。知識點與學習資源構建了關聯，根據知識圖譜中的包含、前置、后置等關系匹配到合適的資源，規劃學習路徑，可為學習者推測適合的學習資源。

傳統教育要實現個性化教學、分層教學，經常采用的方法是劃分普通班、進階班等。這種劃分方法太粗略，有時會引起學生反感，認為自己被“貼標簽”了，是迫不得已的權宜之計。依據知識圖譜的個性化學習，相當于實現了一人一班的分班效果，是徹底的個性化學習。

學科知識圖譜的構建有自動構建和人工構建兩種方式。自動構建的知識點數量很多，但是不夠精確，許多節點沒有存在的意義。筆者采用人工構建的方式，由教學經驗豐富的學科教師分工構建知識圖譜，并且建立文本、視頻等教學資源，同時在知識點與教學資源之間建立關聯，設計一些問答題模板。（1）應用案例。計算機基礎課程人工提取知識點構建的學科知識圖譜可以引導學習者厘清知識的來龍去脈，引導學習者對沒掌握的知識點進行學習，在掌握一個知識點后引導他們掌握后續的知識點，避免了學習的盲目性。（2）傳統教學中計算機基礎Excel軟件的界面介紹、公式和函數、圖表、排序篩選、分類匯總、數據透視表等知識點是依照教學大綱安排依次教學的。而圖表、數據透視表等知識點并無先后次序，同樣都是包含關系，因此不用完全按部就班地依次學習整個軟件的知識點，可以先學習圖表，也可以先學習數據透視表。也有些知識點是有先后次序的，例如數據透視表的前置知識點是分類匯總，分類匯總知識點的前置知識點是數據排序，那么根據這個次序就可以規劃學習路徑了。（3）基于知識圖譜的問答系統大致可以分為兩類：基于信息檢索的問答系統和基于語義分析的問答系統。前者屬于淺層回答，借助知識圖譜對學習者查詢的關鍵字進行解析和推理，將其映射到圖譜中的概念上，然后根據圖譜概念、層次結構，告知用戶答案。后者屬于深度問答，需要基于語義分析，在知識圖譜的幫助下對自然語言的問題進行語義分析和語法分析，進而將其轉化成結構化形式的查詢語句，然后在知識圖譜中查詢答案［8-9］。

結語

基于知識圖譜的社區課程個性化學習未來還有很長的路要走。因此，要克服底層技術關，要有新一代的學習平臺，學習平臺要在教師、學生的大量應用中不斷完善。教師要理解人工智能技術才能挖掘人工智能技術在教育中的應用場景，理解知識圖譜的基本原理，更好地設計、構建本學科知識圖譜進而開展教學活動，人工智能技術終將助力社區教育。

參考文獻

［1］羅殷.供給側改革背景下社區教育資源整合優化路徑研究［J］.當代職業教育，2020（5）：83-89.

［2］王秋林.學習者個性化需求導向的社區教育及其實現路徑：基于慕課的視角［J］.中國成人教育，2018（9）：124-128.

［3］潘曉瑜.面向社區教育的個性化學習系統的研究與實現［D］.蘇州：蘇州大學，2011.

［4］宋其輝.社區教育數字化資源建構的生態學思考［J］.中國成人教育，2017（2）：148-151.

［5］沈悅.社區教育智能化學習平臺支持服務體系構建：以“江蘇學習在線”為例［J］.繼續教育研究，2021（1）：54-57.

［6］沈光輝，蔡亮光.社區教育：從任務驅動到需求推動的轉變：福州市居民社區教育認知度和學習需求調查研究分析報告［J］.現代遠距離教育，2012（2）：22-27.

［7］周衛峰.論個體化社會中社區教育服務居民個體性學習的策略和途徑［J］.江蘇開放大學學報，2014，25（6）：73-77.

［8］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，2016，53（3）：582-600.

［9］徐增林，盛泳潘，賀麗榮，等.知識圖譜技術綜述［J］.電子科技大學學報，2016，45（4）：589-606.

Research on Personalized Learning for Community Courses Based on Knowledge Graph

ZHANG Lei， CHEN Fang， SHI Xiu-li

（Computer Department， Shanghai Baoshan Sparetime University， Shanghai 200431， China）

Abstract： With the further development of the information society， traditional online teaching cannot meet the deeper personalized learning needs of community residents. This paper analyzes the current situation of online teaching of community education， summarizes the significance， possibilities and difficulties of personalized learning implementation， and then proposes the design and application of personalized learning based on subject knowledge graph based on community information technology courses as cases. The research results can provide reference for teachers in community schools to optimize online teaching design， improve the learning interest and creativity of community residents， and design teaching environments that meet the personalized learning needs of community residents.

Key words： personalized learning; knowledge graph; community education