教育数字化转型视域下医学院校基于知识图谱的自适应学习模型构建与实践

袁磊 宋莹莹 靳瑞霞

摘 要：本研究在教育数字化转型的理念下，依托医学院校校本网络教学平台，基于知识图谱的知识建模、知识抽取、知识加工、知识融合、知识更新等关键技术，构建包含学科知识图谱、智能知识推荐、智能学习路径规划等模块的自适应学习系统，为学生提供个性化学习、自适应学习服务，帮助教师及教学管理人员进行智慧教育改革，建立医学院校“以学生为中心”的育人体系，提升医学人才培养质量。

关键词：教育数字化转型；知识图谱；自适应学习模型

基金项目：河南省重点研发与推广专项项目（软科学）（编号：232400410338）；河南省高等教育教学改革研究与实践重点项目（编号：2021SJGLX320）

作者简介：袁磊（1983— ），男，新乡医学院三全学院副教授，研究方向为医学高等教育、教育信息化；宋莹莹（1993— ），女，新乡医学院三全学院助教，研究方向为教育大数据；靳瑞霞（1973— ），女，新乡医学院三全学院副教授，研究方向为教育信息化、教育大数据。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，加快数字化发展，建设数字中国。2022年全国教育工作会议明确提出实施教育数字化战略行动。教育部高等教育司司长吴岩也曾指出，高等教育数字化不是一般的策略问题，而是决定高等教育高质量发展的战略问题，是实现高等教育从学习革命到质量革命再到高质量发展的突破口和创新路径。2022年8月，河南省教育厅等八部门联合颁布《河南省“十四五”教育信息化发展规划》，将“构建信息化支撑环境，推动学校数字化转型”作为八大重点任务之一。基于此，课题组结合医学院校自身专业特点，探索将大数据、人工智能等技术与教育教学融合，推进教育数字化转型，以期改变传统教育模式，提升医学人才培养质量。

一、基于教育数字化转型的“知识图谱+自适应学习”教育生态系统

当前，大数据和人工智能等新兴信息技术的快速发展推动着教育信息化步入2.0阶段，这也意味着智慧教育时代的到来。数字化教育教学资源海量增长，给学习者带来了便利，也带来了资源过载、资源选择困难、自适应学习难度加大等问题。研究表明，作为智慧教育的主要践行模式，自适应学习能够根据学习者的个性特点和发展潜能，采用灵活和适合的方式充分满足学习者个体需求的学习，为学生提供个性化学习服务。而自适应学习模型构建的核心在于知识图谱的构建，知识图谱可以为自适应学习系统中的精准化教学、智能化学习诊断、高效教育资源整合等教育应用提供理论基础及技术支撑，从而为学生提供符合其个性特征的适应性支持和服务，促进学生在知识、能力和情感等方面多元发展。

祝智庭教授指出，教育数字化转型是建立在数字化转换（从模拟格式到数字格式的转变）、数字化升级（利用数字技术和信息改变组织的运作过程）基础上的转型，指向系统化的发展。由此可见，教育数字化转型的过程也是一个教育生态系统构建的过程。知识图谱能够帮助教师和学生在这些方面获得良好体验，可以促进教育生态系统内教师教学路径、学生学习路径设计的优化，实现教育生态系统良性、上升式发展。因此，课题组基于教育数字化转型理念，构建“知识图谱+自适应学习”的教育生态系统（如图1所示），以高校学生、教师、管理人员的数字素养及能力培养为核心要素，以教育大数据应用为驱动要素，通过基于知识图谱的智能分析、智能推荐、智能问答等技术，落实“全要素、全领域、全业务、全流程”的智慧教育，支撑高校的校本教学平台构建以学习评估、知识推荐、学习规划为中心的自适应学习模型。

二、医学院校基于知识图谱的自适应学习模型构建及应用

（一）教育领域学科知识图谱构建的模式及流程分析

北京大学教育学院的郭文革博士等，对基于知识图谱的新型教材进行了深层次定义，其认为基于知识图谱的新型教材是一种采用文字、图画、色彩、音频、视频、VR、游戏等多模态表达元素，以超链接、网状结构编排和组织内容，通过服务器＋PC、iPad、智能手机、电子书等设备的方式发布使用的出版形态。基于此，课题组依托基于知识图谱的新型教材概念及其建设理念，从沉浸感、愉悦感、个性化、自主学习能力、学习效果等学习感知及效能维度，对学科知识、学习资源、学习活动等知识体系进行规划，具体涵盖文字、图画、色彩、音频、视频、VR、游戏等多模态形式，然后通过知识抽取（实体抽取、关系抽取、属性抽取）、知识融合、知识加工等方法对数据层的“知识元”进行专家评判、知识校验、知识补充及优化，构建形成教育领域的学科知识图谱。基于学科知识图谱，学生可以使用服务器+PC、iPad、智能手机、电子书、VR设备等，依托语义搜索、智能问答、个性化推荐等知识图谱技术，获取个性化引导、个性化评价、个人图谱等服务，從而激发学习兴趣，提升自我管理意识，提高学习能力，完成知识构建，顺利进行自适应学习。

（二）医学院校基于知识图谱的自适应学习模型设计

当前，随着生物、电子、材料、能源信息、计算机等学科与医学领域的深度融合，医学领域发展迅速，医学科研与教学、临床诊断与治疗、疾病预防与康复也由于新技术的融入，有了新的研究视角。《关于加强医教协同实施卓越医生教育培养计划2.0的意见》明确提出，要推动医科与工科、理科等多学科交叉融通。因此，对医学人才的培养贯穿整个医学生涯，医学生需要养成终身学习能力，经过在校教育、住院医师规范化培训、继续医学教育等阶段，不断更新医学知识、学习医疗先进技术、开展临床研究等，持续提升专业知识、技能与素质。传统医学教育由于无法打破时空限制，存在诸多不足。实践证明，将知识图谱引入依托于校本网络教学平台的自适应学习系统设计，可以促进学习支持工具与学习者个性化学习过程的深度融合。医学院校利用知识图谱技术，在校本教学平台上记录与追踪医学生学习情况、认知水平、能力水平、情感态度等个性化特征，同时将医学生学习的个性化特征与医学学科知识图谱中的实体属性进行关联。医学院校基于知识图谱的自适应学习模型的主要功能模块设计如下。

1.学情分析模块。基于知识图谱及数据分析技术，对医学院校校本在线教学平台的医学生学习记录等行为轨迹进行数据挖掘，可以分析医学生的知识掌握情况等显性特征以及学习速度、学习偏好、认知水平等隐性特征。基于学情分析数据，医学院校教师，可以在课前制定教学策略，做到决策数据化；在课中利用制定的教学策略，有针对性地进行教学，讲解知识点，分组讨论教学，利用知识图谱对知识内在的关联进行可视化处理，帮助医学生构建深层次认知；在课后推荐相关习题，让学生根据学情状况、学习能力，有针对性地进行练习，实现智慧教学。

2.内容推荐模块。基于知识图谱及数据分析技术，结合医学学科知识体系的特征，对医学生过程化动态学习数据的自动分析，检测医学生的学习水平，精确诊断医学生的学习情况，并分析医学生薄弱知识点，从而有针对性地向医学生推送学习内容。同时，融合协同过滤等多种推荐技术，实现自适应学习所需要的路径推荐、资源推荐、同伴推荐、试题推荐、系统引导等，有针对性地向医学生推荐更优质的学习资源，提升个性化学习效果。此外，基于知识图谱，医学生在学习过程中，可以通过语义搜索、智能问答、个性化推荐等功能，充分实现“以学习者为中心”，发挥个人感知、决策判断与修正等主体作用，积极主导并完成学习活动。

3.学习策略规划模块。基于知识图谱技术，挖掘医学学科知识体系中知识点之间的关系，研判医学生自身的学习偏好、学习能力等因素，从而帮助医学生进行目标设定、路径选择、资源选择、知识建构、监控评价、反馈调节等，构建基于医学学科知识体系的学习效果精准检测、学习资源精准推送、学习路径精准规划的动态闭环，为医学生量身定制个性化学习方案，使医学生实现从表层知识学习到深层知识学习的转化，稳步提升医学生学科专业知识掌握程度。

三、医学院校基于知识图谱的自适应学习模型实践应用的关键模块分析

课题组构建的基于知识图谱的自适应学习模型，依托于学校的校本网络教学平台及雨课堂，以课程的线上线下混合式教学为抓手，进行实践应用验证。

（一）多模态医学学科课程知识图谱框架搭建

目前，教育知识图谱的数据来源通常是文本数据和结构化数据，但基于医学类课程的特色以及医学院校在线教学平台的应用特色，教学资源大多是文本、图片、音频、视频等信息。同时，在线教学平台中的课程资源还包含测验作业、问题讨论、记录教学及学习资源，体现多模态资源的特性。在医学院校基于知识图谱的自适应学习系统构建过程中发现，目前医学院校校本在线教学平台中的课程资源往往是单独存在的，课程知识的整体框架多是依托课程教材的章节目录关系呈现。一方面，课程群中的各课程之间没有建立知识点之间的紧密联系；另一方面，章节中所包含的细小知识点与知识点之间的关系并不是十分明确，影响了基于知识图谱的智慧教学模式的运用。基于此，课题组从知识点检索、个性化学习路径推荐、智能教育分析三个维度，依托学科标准知识实体资料库、学科知识实体识别模型库，围绕文本、图片、音频、视频、测验作业、问题讨论等要素，构建多模态学科课程知识图谱框架。此外，在模型框架中以知识节点的先序、后序关系，对知识节点进行定级，确定父节点、子节点、兄弟节点等，构建医学学科的多模态学科课程知识图谱框架，以期有效解决以上问题。

（二）基于知识图谱的智能化推荐框架搭建

在医学院校基于知识图谱的自适应学习系统中，学生获取智能的学习资源推荐、学习路径规划，教师获得智能学情分析、智慧教学等服务，都离不开智能化推荐技术。在教学过程中，所谓的智能推荐功能，是指不需要教师或学生提出明确的需求，平台或系统只需要根据教师或学生的历史行为数据去建模，然后根据他们的历史行为判断接下来的行为和喜好，为教师或学生进行内容推荐或策略规划服务。目前，医学院校构建基于知识图谱的智能化推荐框架，可以通过知识图谱的概念层次结构，采集医学生的用户学习兴趣、学习行为属性等，并通过知识图谱的关联语义推理，挖掘医学生的学习兴趣，构建医学生兴趣模型，并在此基础上，依托自适应学习系统中基于知识图谱管理的学科课程项目数据，建立医学学科课程之间的多层次、强关联知识体系，实现教学资源的高效利用。实践证明，基于知识图谱关联挖掘用户历史行为数据以获取其兴趣特征等實体属性，是医学院校基于知识图谱的自适应学习系统实现智能化推荐的关键。因此，医学院校构建基于知识图谱的自适应学习模型，必须设计教育大数据的采集、挖掘及管理环节，从而实现自适应学习系统内的动态适配数据源、迁移数据库模式等数据分析需求，为智能教育奠定良好的基础。

参考文献：

[1]童名文，师亚飞，戴红斌，等.智慧学习环境中自适应学习系统动力机制研究[J].电化教育研究，2020（2）.

[2]祝智庭，胡姣.教育数字化转型的本质探析与研究展望[J].中国电化教育，2022（4）.

[3]郭文革，黄荣怀，王宏宇，等.教育数字化战略行动枢纽工程：基于知识图谱的新型教材建设[J].中国远程教育，2022（4）.

[4]高茂，张丽萍.融合多模态资源的教育知识图谱的内涵、技术与应用研究[J].计算机应用研究，2022（8）.

[5]孙雨生，祝博.基于知识图谱的信息推荐架构体系研究[J].情报理论与实践，2021（11）.

责编：初 心