基于知识图谱的学习评价与推荐系统设计与实现

    祝衍军 彭勇 叶广仔

    

    

    

    摘要：针对高职院校计算机应用技术专业大部分采用项目化教学模式的特点，结合翻转课堂教学模式改革，利用知识图谱技术构建了可以匹配学生实际学习情况的学习评价与推荐系统，提出使用学习路径达成度来实现个性化的学习路径规划及学习资源推荐算法，阐述了系统总体架构和系统资源本体模型的构建方法，可以有效解决学生线上自主学习的信息过载与知识迷途问题。

    关键词：知识图谱;推荐系统;个性化学习资源

    中图分类号：TP399? ? ? ?文献标识码：A

    文章编号：1009-3044（2021）18-0001-02

    开放科学（资源服务）标识码（OSID）：

    1引言

    互联网+、人工智能、大数据等新型理念与技术强势介入教育，教育教学环境发生了巨大变化，推动着我国的教育教学改革，在线自主学习、翻转课堂教学等各种形态的学习模式深入发展。各种平台丰富的网络教学资源为教师和学生提供了极大的便利，使得学习变得泛在化和碎片化，但各个平台上的海量教育资源大部分以独立个体存在，或者只进行了简单分类，使得学生在学习过程中容易造成“网络迷航”和“认知过载”，学生在面对海量的学习资源时，有个时候不知道这些资源的学习先后顺序，且检索出来的资源还包含了大量的类似或者相同内容[1]。

    知识图谱作为一种知识点汇总及知识点间内在联系的直观描述，其概念最早由Google公司提出， 目的在于提升搜索引擎的搜索质量， 增强用户的搜索体验[2];其本质是一个存储知识实体与实体之间关系的结构化网络， 可以帮助形式化描述、理解现实世界的事物及其相互关系[3-4]。知识图谱由节点和边组成，节点表示实体（Entity）或者概念（Concept），边则表示实体或概念之间的各种语义关系，它能够将不同种类的信息进行连接，进而得到一个关系网络，在此基础上便能通过知识图谱从"关系"的角度去分析问题，如“A是B的父亲”，则实体为A和B，关系为is_father_of[5]。

    在教学过程中，通过知识图谱可以将各个知识点相互连接起来，形成知识框架，学生在学习的过程中，可以很清晰的理解每个知识点间的关系，并且可以很迅速的掌握对应专业的知识体系。本文遵循OBE教学理念[6]，以成果为导向，以项目作为知识点的融合体，采用知识图谱技术，解决在线上线下相结合的翻转课堂教学模式中学生学习容易产生的知识迷途与信息过载问题。

    2 总体架构

    本文以学生为中心，遵循OBE教学理念，支撑线上线下相结合的翻转课堂教学模式，构建了基于知识图谱的学习评价与推荐系统架构，架构分为数据层、功能层和用户层，具体如图1所示。在架构中教师需要课前根据课程教学目标和学生需要达到的预期学习成果设计出一个个完整的项目，再将项目需要用到的相应知识点及对应资源以知识图谱的方式组织放到线上给学生自主学习，在线下课堂教师只需要根据学生的学习情况和项目完成情况讲解重难点知识[7]。

    在知识图谱构建模块中，教师需要将各个知识点的相关线上资源上传到系统中，线上资源包括视频、课件、测试等，并指定各个知识点的依赖关系，然后再根据教学目标和学生需要达到的预期学习成果设计出来的项目对知识点进行组织和呈现，进而构建一个完整的知识图谱。具体功能包括课程管理、项目管理、知识点管理、知识点关系管理、统计分析、线下课堂学习情况数据导入等功能。

    在个性化推荐模块中，系统根据学生的在线学习情况、线下课堂情况和构建好的知识图谱评估学生的学习情况，根据学生学习情况动态的规划个性化的学习路径，并将个性化学习路径上的相应线上资源推送给学生自主学习和评测。具体功能包括学生学习情况评估、关联知识点生成、学习路径规划等功能。

    在学生学习模块中，学生以项目作为基本学习单位，按照完成项目必须需要掌握的知识点（系统自动推荐）来组织学习，系统自动记录学生的各种学习行为数据。具体功能包括课程列表、项目列表、学习评测、知识点推荐类别和统计分析等功能。

    3关键技术实现

    3.1系统资源本体模型构建

    本文构建的学习评价与推荐系统为采用以实现预期学习成果为依据的线上线下相结合的翻转课堂教学模式服务，授课内容聚焦于学生在受教后能够获得什么能力以及能够做什么。在该教学模式中所有的教育教学和自学活动都是以项目为载体，一门课程可能包含多个项目，一个项目可能又融合了多个知识点，同一知识点又可能在多个项目中出现。因此本文以知识点作为本体[8]的资源描述基本单位来构建系统资源本体模型，對于项目和知识点之间的复杂关系，在一个项目中本体模型只标识该项目中新增的知识点，其他知识点则通过链接来产生关联。每个知识点由基本资源、各种标签和知识点之间的关联关系组成，基本资源包括视频、课件、测试、素材等用于学习的资源，标签则由教师根据知识点的难易程度和资源类型对其进行评定，对于知识点难易程度，系统提供简单、一般、较难、难四个等级供教师评定，对于学习资源类型，系统提供文档、视频、素材三种类型（这三种可以多选）供教师评定，知识点之间的依赖关系则描述了知识点的学习先后顺序，具体的系统资源本体模型如图2所示。

    知识点之间的依赖关系是指多个知识点之间的逻辑关系，若知识点B依赖知识点A，则知识点A为知识点B的预备知识，要学习知识点B，必须先学习知识点A。除了知识点之间有依赖关系外，项目之间可能也存在依赖关系，项目之间的依赖关系是指教师根据项目工艺流程或者项目产出成果先后顺序设计的项目之间的逻辑关系，若项目B依赖项目A，则项目A为项目B的输入，要学习和完成项目B，必须先学习和完成项目A。

    3.2基于知识图谱的学习路径规划

    在给学生规划学习路径和推荐学习资源时，不仅要考虑知识点与学生学习兴趣及学习目标的相关度，还需要考虑学生的学习能力与知识点难易程度之间的匹配度。如果将难度等级较高或者学习资源非常少的知识点推荐给学习能力弱的学生明显是不合理的。在系统资源本体模型中，项目作为学生学习的载体，完成一个项目需要融合多个知识点，而一个新知识点的学习可能又对应多个不同的学习路径，为了提高学生的学习兴趣和成就感，系统以学习时间短及学习难度低作为衡量标准来规划学生学习的学生路径和推荐学习资源。因此系统在规划学习路径时，首先需要获取学生的学习行为数据来评估学生的学习情况，再根据学生对知识点的掌握程度、知识点难易程度和对应的资源类型来规划最易达成的个性化学习路径，并将对应的学习资源推荐给学生。个性化路径规划问题可以转化为在多条学习路径中寻找最易达成的学习路径，为了量化每条学习路径的学习难度，本文定义了一个衡量指标——学习路径达成度（P）。

    学习路径达成度（P）是指完成该路径上所有知识点学习概率的平均值，其数学表达式如公式（1）所示。

    [P=i=1nDpi×Dfi×Drin×100% ，1≤i≤n]? ? ? ?（1）

    其中n表示该路径上包含知识点的总个数，[Dpi]表示第i个知识点的难易程度，其值为对应知识点的难易程度：简单（1）、一般（0.75）、较难（0.5）、难（0.25）;[Dfi]表示第i个知识点的学生学习情况，由对应知识点的学生测验情况（按照百分制转换成百分比）和视频或者文档的播放进度来进行计算;[Dpi]表示第i个知识点的学习资源难易程度，由对应知识点拥有的资源类型丰富程度来决定。学习资源难易程度[Dpi]按照第i个知识点是否有视频、文档、素材这三类资源来进行折算，它们的占比比例分别为70%、20%、10%，知识点拥有对应类型资源标示1，没有则为0，[Dpi]的计算公式如公式（2）所示。

    [Dpi]=是否有视频[×]70%+是否有文档[×]20%+是否有素材[×]10%? ? ? （2）

    在個性化学习路径规划时，只需要寻找完成新知识学习的所有学习路径中学习路径达成度P最大值的那条路径，具体的学习路径推荐算法伪代码如下所示。

    [学习路径推荐算法 输入：目标知识点，学生已经学习过的知识点列表FList

    输出：个性化学习路径 Begin：

    Step1：根据依赖关系遍历目标知识点的所有前驱节点，形成学习路径集合PList;

    Step2：遍历学习路径集合PList中的每条路径R，结合已经学习过的知识点列表FList，按照[P=i=1nDpi×Dfi×Drin×100%]计算每条路径上的学习路径达成度P并将计算结果存储到学习路径达成度值列表Alist中;

    Step3：遍历学习路径达成度值列表Alist，找出列表中的最大值形成最优学习路径GList

    Step4：遍历最优学习路径GList的每个知识点节点，剔除学习完成度大于70%的节点，形成最终推荐学习路径。

    End ]

    对于融合了多个知识点的项目，系统根据项目中需要学习的新知识点列表按照顺序依次逐步推荐对应新知识点学习路径上的学习资源给学生。如果项目之间有依赖关系，如项目B依赖项目A，则系统直接提示必须先完成项目A才能进行项目B的学习。

    4总结

    随着线上线下相结合的翻转课堂教学等各种形态的学习模式深入发展，要求学生线上自主学习的时间越来越多，如何帮助学生规划学习路径和选择合适的学习资源越来越重要。本文从高职院校计算机应用技术专业大部分采用项目化的教学模式，结合翻转课堂教学模式改革，利用知识图谱技术构建了可以匹配学生实际学习情况的个性化学习评价与学习资源推荐系统，阐述了系统总体架构和系统资源本体模型的构建方法，提出了使用学习路径达成度来实现个性化的学习路径规划及学习资源推荐，有效地解决学生线上自主学习的信息过载与知识迷途问题。

    参考文献：

    [1] 黄华升.基于知识图谱的个性化学习资源推荐研究[J].软件工程，2018，21（10）：24-26，23.

    [2] 杨玉基，许斌，胡家威，等.一种准确而高效的领域知识图谱构建方法[J].软件学报，2018，29（10）：2931-2947.

    [3] 陈曦，梅广，张金金，等.融合知识图谱和协同过滤的学生成绩预测方法[J].计算机应用，2020，40（2）：595-601.

    [4] 朱艳茹，范亚芹，赵洋.基于知识图谱的自适应学习系统知识模型构建[J].吉林大学学报（信息科学版），2018，36（3）：345-350.

    [5] 张尚韬，詹可强，张晓敏.OBE教学理念与信息化教学手段相结合的教学设计的研究——以《网络设备配置与管理》课程模块二交换型网络的规划、设计与实施为例[J].电脑知识与技术，2020，16（1）：149-152，156.

    [6] 祝衍军，叶广仔，彭勇.基于OBE理念的SPOC在线课程资源设计与实践[J].信息与电脑，2020，32（10）：239-241

    [7] 陈德彦，赵宏，张霞.专家视图与本体视图的语义映射方法[J].软件学报，2020，31（9）：2855-2882.

    【通联编辑：朱宝贵】