融合知识图谱的远程教育课堂教学:挑战与实施

2020-02-22 02:51韦书令陈铭斌
广西广播电视大学学报 2020年6期
关键词:协作学习远程教育知识图谱

韦书令 陈铭斌

[摘 要]随着知识图谱在远程教育领域的应用和融合,将赋能远程教育的教学改革,同时也对远程教育教师的信息素养和学生的自主学习能力提出更高的要求和挑战。通过查阅和检索有关知识图谱教学应用方面的文献资料,对知识抽取、知识表示、知识融合等技术应用进行梳理,认为知识图谱可为远程教育的教与学提供智能语义搜索、问答系统、自适应评测等方面的有效支持。文章还从强化政策引导、转变教学理念、建立师生协作学习共同体和创新课堂教学管理等方面提出知识图谱在远程教育课堂教学的实施策略,以期为进一步开展知识图谱远程教学研究提供有益的参考。

[关键词]知识图谱;远程教育;信息素养;自主学习;协作学习

[中图分类号]G434 [文献标识码]A [文章编号]1008-7656(2020)06-0012-04

一、前言

知识图谱起源于上世纪提出的语义网,用于描述和体现对客观世界的理解,实质上也是将概念标准化的过程。随着互联网知识元数据规模的不断增加,谷歌于2012年提出“知识图谱”的概念,基于大规模语义网的知识表示、检索和管理,其具体概念包括描述真实世界客观存在的实体、概念及其关联的语义网络。知识图谱已成为学习支持服务领域的新热点,受到国内外学者广泛关注。例如,德国莱比锡大学和曼海姆大学共同创建的多语言综合型知识库DBpedia,维基媒体基金会主持的一个自由的协作式多语言辅助知识库Wikidata,德国马普所(Max Planck Institute,MPI)构建的综合型知识库YAGO和Metaweb公司创建Freebase等。国内对于知识图谱的研究已经起步,清华大学建成了第一个大规模中英文跨语言知识图谱XLore、中国科学院计算技术研究所基于开放知识网络(OpenKN)建立了“人立方、事立方、知立方”原型系统,上海交通大学构建并发布了中文知识图谱研究平台zhishi.me,复旦大学GDM实验室推出的中文知识图谱项目,这些项目的共同点是通过开发大规模的知识库,用于涵盖广泛的知识领域,并能提供一定的智能搜索和问答服务。

在远程教育的教学过程中,教师可利用知识图谱技术构建领域知识库,提供多元化的知识表示和管理,帮助学生精准定位知识点;通过构建学生知识图谱模型,为学生的学习评价提供依据,为教师制定教学策略提供参考;通过语义三元组构建学科领域知识图谱,向学生提供搜索工具,并推荐具有高关联性的课程知识;通过信息抽取和数据关联技术建立学生个体、学科知识点和学习资源之间的语义化关系,经过知识融合形成新的结构化知识来促进学生学习,有利于学生对学科知识理解、内化和迁移;构建自适应学习知识模型,精确定位学生薄弱知识点,根据学生现有学科知识水平进行定量测评、内容推荐和课后答疑等工作。比如黄志芳基于领域本体构建方法,提出了面向基础教育学科领域的本体构建方案,并通过实验验证该方法的有效性[1];廖轶结合本体和元数据技术实现自适应学习的核心组件学习者模型[2];Hall等使用知识图谱做了与教学相关的研究和实验,结果表明知识图谱的引入提高了学生的学习效率[3];Bidarra等将知识图谱引入到了网络教学中[4];P.H.Wu等发现了知识图谱作为评测工具的有效性[5]。由此可见,知识图谱强大的语义处理、互联和推理能力可让教师在远程教育领域的智能搜索、自主评测、智能问答和个性化推荐等应用中获得更多教学价值。

基于此,利用知识图谱的多元层次结构把分散的知识收集起来,通过概念及概念间的关系实现知识的共享,为知识创新提供坚实基础,为知识图谱中知识元、知识链接和动态更新等过程提供有效支撑,可以解决目前远程教学系统中所存在的知识共享效果不好、缺乏互操作等问题,提高学生在远程教育中的学习效率,并从知识图谱技术本身去激发远程教育师生的参与度和积极性,阐释知识图谱教学应用优势和挑战,推动知识图谱技术在远程教育教学领域的应用和实践。

二、知识图谱在远程教育课堂教学的应用

(一)技术框架

知识图谱技术可将在线课程内容进行结构化和半结构化处理,并以语义三元组的形式进行知识点分类和标注,可将知识点和相关学习资源进行关联和融合,实现知识动态更新、自适应推荐和自动问答等应用。其中的关键技术包括从大规模网页中抽取出实体、属性和相关联系信息。知识图谱技术适用于解决与实体相关的智能检索、问答和评测等问题,是一种新的信息处理模式。

知识图谱的技术框架可分为模式层与数据层,数据层主要是由大规模的事件或事实组成,并通过(实体、属性、属性值)的三元组来表达,一般使用图数据库作为存储中介,如开源的Neo4j、Twitter的FlockDB、sones的GraphDB等。模式层做为知识图谱的核心,将基于数据层进行模式层的构建,并通过本体库的规则、条件和来规范化数据层中的事件或事实表达。知识图谱的构建从非结构化、半结构化和结构化的原始数据出发,从中提取出知识要素(事件或事实),并将其按要求存入知识图谱的数据层和模式层。

(二)构建技术

大规模语义网的知识图谱需要多种信息处理技术的支持,包括知识抽取、知识表示、知识融合以及知识推理等技术。

1.知识抽取

知识抽取主要是面向已链接的知识数据,通过自然语言处理技术抽取出可用的知识点或知识单元,以此形成大规模和高质量的事件或事实描述和表达,为模式层的应用提供数据基础。从异构数据源中自动抽取实体、关系以及属性等结构化信息,消除知识要素之间的歧义,构建高质量的知识图谱,常用的抽取方法包括基于规则与词典的方法、基于统计机器学习的方法和面向开放域的抽取方法。

2.知识表示

通常使用(实体、属性、关系)的三元组作为知识图谱的知识表示形式和復杂语义关联。虽然该类型的知识表示形式已得到广泛认可,但是其在计算效率或数据稀疏性等方面仍面临着较多问题。除此之外,框架表示、问题归约、语义网络表示、过程表示或谓词逻辑表示等知识表示形式也得到应用。其中,框架表示是指以模式化数据结构描述现实问题;问题归约是通过变化将问题分解为子问题的集合;语义网络表示由词法部分、结构部分、过程部分和语义部分组成,每个节点和弧线叙述符号排列的约束条件用来描述相关问题和结构化表示;过程表示就是将有关某一领域知识和方法表述于如何求解问题的过程;谓词逻辑表示把现实世界的各种问题表示为逻辑命题。

3.知识融合

知识图谱中的多源异质特性,还存在知识质量良莠不齐、数据重复和关联不明确等问题,因此需要对来自不同数据源的知识进行异构数据整合、消歧、加工和推理,构建可共享的高质量知识图谱。知识图谱的认知能力、知识储备和事务需求将在应用过程中不断递增,其构建内容也需要与时俱进,不断地迭代更新和相互融合。

(三)应用范围

1.智能语义搜索

通过知识图谱将互联网的大规模信息抽取、组合和表达成更接近人类的认知形式,更好地组织、管理和利用海量信息的方式。因此,在智能语义搜索应用中,搜索应用可借助知识图谱,对用户提交的关键词进行分析与推理,根据知识图谱中的知识表示结构,通过标准查询语句进入知识图谱进行检索,从而对相应的实体以及与其在概念、关系、相关性等方面匹配实体,最后向用户返回图形化的知识结构。

2.问答系统

该系统实质上是信息检索系统的高级形式,使用人类可认知的自然语言为用户提供问题的解答,使用知识图谱来构建问题知识库。首先将给定的问题分解为多个小的问题集合,然后通过匹配算法在知识库中抽取合适的答案,最后以直观的方式反馈给用户。问答系统对数据规模和匹配速度要求较高,目前很多问答平台引入知识图谱为用户提供解答和查询服务,如苹果智能语音助手Siri、华盛顿大学的Paralex系统和亚马逊自然语音助手Evi等,都通过知识图谱为用户提供高效准确的问答和信息查询服务。

3.自适应评测

为实现自适应测评,需要从多个数据源中抽取实体和实体之间的语义关系来构建知识图譜。首先,通过点、链、树和块四种不同粒度来表示整个知识网络,确定核心知识节点和集合,定义知识元的属性和关系。然后,利用知识间的相互关系和结构,把分散的知识点串联起来,通过概念及概念间的关系构成知识网,并进行分类处理及可视化展示,提高知识图谱对个性化学习支持服务的质量和体验。最后,依据学习者的认知水平、学习风格及学习历史等个性化特征为其推荐自适应知识点匹配的学习路径、学习资源和评测题库等学习服务。学习资源以知识图谱为联系和依据,存储包括有文本、图文、视频和交互动画等各类学习资源。

三、知识图谱在远程教育课堂教学面临的挑战

(一)教师的信息素养需要提升

挖掘隐藏知识图谱的教学价值,提升远程教育教学决策和教学实践,完善自身专业发展和信息素养,是远程教育教师面临的挑战。作为远程教育数字化变革的关键主体,教师应具备扎实的专业知识和较高的信息素养,快速掌握学生对知识点的理解程度,及时为他们推送个性化的教学资源。人工智能时代海量的非结构化和半结构化信息为教师的信息存储、处理甚至检索带来了挑战,而知识图谱技术正是针对人类大脑信息加工能力的不足,借助智能教学平台进行补充和辅助。教师可以通过基于知识图谱分析得出的结果,为每个学生布置符合其学习水平的作业,并实时了解学生知识掌握的情况;但也需要教师提升使用信息技术评价和判断的能力,这又对教师的信息素养提出了新的要求。

(二)学生需具备自主学习能力

由于不同学科知识点繁多且逻辑性紧密,且师生处于时空分离状态,即使是简单的学科问题,也需要对学科知识点进行划分和确认,都还需提升精准度和检索效率;对相学科知识图谱的构建也需进行相应的调整和扩展。知识图谱能使学生了解自身学习状态,及时查漏补缺,建立个性化学习路径。但学生应对自己的学习进行自我反思,面对知识图谱提供的学习资源和路径作出正确的选择。因此,教师应激发学生运用学习帮助技能,引导学生依靠知识图谱所提供的反馈信息选择有益的学习帮助;教师应设计学习提示、解题分析、详细步骤,制定基于知识图谱的教学策略,帮助学生提升自我反思的技能。

四、知识图谱在远程教育课堂教学的实施策略

(一)强化政策引导

应该大力支持和实施远程教育领域的知识图谱发展计划,研制远程教育教师的信息素养提升标准,提高远程教育教师的信息素养和信息化教学能力。制定与知识图谱相适应的教育培训政策,为教师教育改革打好基础。首先,教师培训部门和地方政策制定者应共同合作设计教师信息素养培训项目;然后针对远程教育的实践需求,在政策实施的层面上呈现阶段性和连续性;最后,针对知识图谱技术实施阶段,将信息素养和专业能力作为首要解决的任务。

(二)转变教学理念,重新定位教学职责

知识图谱提供了全新的知识获取路径和学习模式,涉及教学方法、模式和理念的变革,需要远程教育教师重新审视自己的角色。教师知识传播者的角色将会弱化,逐渐转变成为学生探索新知识、获得有效学习方法的引导者和参与者,不再仅仅当知识的搬运工,而是要当好学生学习的组织者与协调者。知识图谱技术将改变传统意义上师生之间的知识传递关系,学生获取知识将变得快捷、高效,学习过程将由讨论、沟通、分享与协作等环节组成,教师和学生每个人都扮演着学习知识、建构知识和传授知识的角色,原有的知识传递方式逐渐被改变。

(三)建立师生协作学习共同体

通过知识图谱构建的学习环境,形成个性化的社交学习网络平台,人与环境之间将建立多元化的相互联系,使分散或碎片化的知识点按照语义关联建构知识图谱。构建师生协作学习共同体,可以保障大多数教师与学生在共同体内自学、交流或知识分享,师生们只要通过知识图谱学习平台就可以参与学习与培训,而且有助于学生将新学的知识运用到实践中,在协作分享中促进师生个体能力的发展。引入知识图谱技术,可提升在线学习平台的智能性,有利于在线学习活动有序进行,营造良好的在线学习氛围。

(四)创新课堂教学管理

学生在教师的帮助下,可以借助智能课堂实现个性化学习,提升学习效率和学习效果;教师可通过知识图谱将教学活动系统化,对教师的教学、学生的学习进行科学评估和标注,实现教学活动和资源的智能管理。知识图谱技术为远程教育的智能学习环境提供支撑,对远程课堂教与学的结构和流程进行融合与革新,能对课程知识点进行语义智能分析和自动关联,实现学习内容的跨媒体检索和呈现;能根据特定教学场景组织师生建立群体协作学习关系,为师生之间的沟通和交流提供支持;将不同的学生群体的学习效果进行对比,可以有效地把不同学习特点的学生区分出来,从而为远程课堂管理者分配教学资源提供有效指导。

五、小结

在远程教育领域中,随着信息技术的快速发展,积累了海量教学数据,教学数据的有效使用对智能语义搜索、问答系统和自适应评测等工作都有着重要的意义,能够推进教学数据自动化和智能化处理,为远程教育领域带来新的发展契机。本文从远程教育知识图谱构建的视角出发,对知识图谱的技术框架、构建技术以及应用范围进行了分析和探讨,并对知识图谱构建工作所面临的挑战和实施策略进行了总结。知识图谱技术作为一项新兴的互联网技术,应用于远程教育将在理念和技术层面带来深刻变革,有助于精准定位知识点、推荐优质学习资源、促进学科知识理解以及提升教学评价精准度,从而提升远程教育的教学质量。

[參考文献]

[1]黄志芳.面向E-Learning的适应性学习路径推荐研究[D].武汉:华中师范大学,2015.

[2]廖轶.面向基础教育的自适应学习服务系统研究与应用[D].北京:北京交通大学,2017.

[3]Hall R H, O'Donnell A. Cognitive and Affective Outcomes of Learning from Knowledge Maps[J]. Contemporary Educational Psychology, 1996, 21(1):94-101.

[4]Bidarra J,Dias A.Ecological Strategies and Knowledge Mapping[J].Lecture Notes in Computer Science,2004,3038:1025-1029.

[5]Wu P H, Hwang G J, Milrad M, et al. An innovative concept map approach for improving students' learning performance with an instant feedback mechanism[J]. British Journal of Educational Technology, 2012, 43(2):217-232.

[作者简介]韦书令(1984-),男,壮族,广西马山人,硕士,广西广播电视大学助理研究员,研究方向:智能教学应用、社区教育和在线教育;陈铭斌(1983-),男,广西防城港人,南宁市第三十三中学教师,中学一级,研究方向:地理教学、多媒体技术和现代教育技术。

[责任编辑 何一辉]

猜你喜欢
协作学习远程教育知识图谱
云计算环境下协作学习教学平台的设计与实现
项目教学法在《微机原理》教学中的应用
基于知识图谱的产业集群创新绩效可视化分析
基于知识图谱的产业集群创新绩效可视化分析
教育信息处理在远程教育中的应用
从《远程教育》35年载文看远程教育研究趋势
基于知识图谱的智慧教育研究热点与趋势分析
网络远程教育学习行为及效果的分析研究
独立学院“大学计算机”实验课程教学改革
基于IPoverDVB—S单向传输模式的远程终端系统与数据维护技术