李艷燕 張香玲 李新 杜靜
[摘 要] 人工智能、大數據和物聯網是發展智慧教育的基礎，學科知識圖譜作為一種語義網絡，既能增強人工智能的可解釋性，又能助力智慧教育體系框架的構建。文章在分析學科知識圖譜的內涵、應用案例的基礎上，從學科知識圖譜助力智慧教育體系框架的構建以及智慧教育生態系統的重構兩個方面探討了學科知識圖譜與智慧教育的適切性;從總體流程、學科知識自動獲取以及學科知識融合三個方面討論了學科知識圖譜在智慧教育中的構建路徑;最后，提出了學科知識圖譜在智慧教育中的六大應用場景：學科知識點查詢、知識關聯查詢、學科知識自動問答、學科知識資源推薦、個性化學習路徑推薦和查詢以及學習興趣遷移，并分析了學科知識圖譜在智慧教育應用中面臨的三大挑戰：學科知識驗證挑戰、學科知識融合挑戰以及學科知識圖譜的自適應可視化挑戰，期望為學科知識圖譜在智慧教育中的應用提供借鑒與啟示。
[關鍵詞] 智慧教育; 學科知識圖譜; 人工智能; 構建應用
[中圖分類號] G434 [文獻標志碼] A
[作者簡介] 李艷燕（1975—），女，重慶人。教授，博士，主要從事計算機支持的協作學習、學習分析、STEM教育研究。E-mail：liyy@bnu.edu.cn。張香玲為通訊作者，E-mail：zhangxiangling@bnu.edu.cn。
一、引 言
智慧教育受IBM公司倡導的“智慧地球”啟發延伸而來，該公司率先將“智慧地球”的概念應用于教育領域，由此提出了“智慧教育”的概念[1]。隨后，學者圍繞智慧教育的內涵特征[2]、系統要素[3]、發展戰略[4]等開展了大量的理論研究與實踐探索，其中，黃榮懷教授認為，“智慧教育系統包括智慧學習環境、新型教學模式和現代教育制度三重境界，具有感知、適配、關愛、公平、和諧五大特征”[3]。祝智庭教授認為，“智慧教育是借助新一代信息技術的力量，來創建具有感知、推理、輔助決策等智慧特征的學習環境，從而促使學習者的智慧得到全面、協調和可持續的發展，為信息時代培養適應社會發展的創新型人才”[5]。楊現民教授認為，“智慧教育是信息時代我國教育發展的必然選擇和重要趨勢，是破解教育發展難題的創新舉措”[4]。經過學者的持續研究與探索，2018年4月教育部發布的《教育信息化2.0行動計劃》中首次提到：“以人工智能、大數據、物聯網等新興技術為基礎，依托各類智能設備及網絡，積極開展智慧教育創新研究和示范，推動新技術支持下教育的模式變革和生態重構。”[6]這不僅說明了智慧教育在我國已經逐漸得到政界、商界、學界的高度認可與關注，也進一步指明了智慧教育的發展之路，便是要充分發揮人工智能、大數據和物聯網等新興技術的作用與價值，為學生、教師、家長、社會公眾等提供一系列差異化的支持和按需服務，能全面采集并利用參與者群體的狀態數據和教育教學過程數據來促進公平、持續改進績效并孕育教育的卓越[3]。
近年來，人工智能已經由計算智能階段和以語音與圖像識別為主要應用的感知智能階段發展到以理解、解釋、推理為核心使命的認知智能階段，智慧教育則是以認知智能為基礎，以教育內容為核心，圍繞學生開展的一系列教育活動。智慧教育作為教育信息化的一種新境界，對我們來說既是一種機遇，但同時又面臨一系列的挑戰。而學科知識圖譜作為一種體量巨大、在知識點與知識點以及知識點與教學資源之間建立連接的語義網絡，能夠在教育語義計算、學習資料的語義關聯、學習者模型建立、網絡教學平臺開發、智能答疑系統開發、學習資源的個性化服務等方面發揮重要的基礎性作用[9]，為認知智能階段發展提供可能，推動智慧教育的創新發展。基于此，本研究在介紹學科知識圖譜內涵及應用的基礎上，從教育視角切入分析學科知識圖譜與智慧教育的適切性，并討論學科知識圖譜在智慧教育中的構建流程與應用場景，最后，提出學科知識圖譜在智慧教育應用中可能存在的挑戰，期望借助學科知識圖譜來推動智能化、個性化以及終身化的智慧教育服務體系的發展。
二、學科知識圖譜的發展
隨著互聯網中語義網絡[8]以及開放鏈接數據[9]等大量RDF（Resource Description Framework）數據被發布，谷歌公司于2012年推出知識圖譜技術，該技術遵循語義網的理念和原則[8]，是由實體或概念以及它們之間的關系組成的知識庫，使用三元組<主語、謂語、賓語>的形式進行表示（如圖1所示），其中三元組包括<諾貝爾，國籍，瑞典>、<諾貝爾，出生日期，“ 1833年10月21日”>等。
知識圖譜主要服務于自然語言處理、推薦系統、自動問答等業務場景，具有代表性的大規模知識圖譜包括YAGO、DBpedia、Freebase、NELL、谷歌Knowledge Graph以及中文通用知識圖譜Zhishi.me、百度“知心”、搜狗“知立方”等。此外，知識圖譜在中醫藥、海洋以及金融等垂直行業也有重要應用[10]，并提供數據集成、智能搜索以及可視化呈現等功能。在教育領域，知識圖譜也引起學術界和產業界的高度關注，其在教育領域中的應用也愈發廣泛，并出現教育知識圖譜以及學科知識圖譜等概念與應用。
（一）學科知識圖譜的基本內涵
學科知識圖譜是由結點以及結點之間的關系組成的知識庫，其中結點由知識點或與知識點相關的教學資源所組成，每個結點都具有一個全局唯一的標識符，結點之間的關系表述的是知識點與知識點之間、知識點同教學資源之間以及教學資源之間的關系。學科知識圖譜基于課程標準與學科教學規律進行構建，并充分考慮學習知識點的先后順序、同一個知識點在不同學習階段的不同要求等。比如：初中化學中知識點“元素周期表”的教學目標是“通過觀察元素周期表的結構，能說出元素周期表提供的一些信息，如元素名稱、元素符號、原子序數、相對原子質量”，而高中化學中知識點“元素周期表”的教學目標則是“了解元素周期表的結構以及周期、組等概念”，可見，同一個知識點，面對不同年齡段的學生其教學目標存在較大的差異，而這些差異在學科知識圖譜的構建中都需要體現出來。具體而言，學科知識圖譜主要包括如下特點：
1. 學科知識圖譜結點具有多樣性
學科知識圖譜中的結點由知識點以及與知識點相關的教學資源組成，知識點可以是實體、概念、公式或命題。其中，實體是指現實或虛擬世界中具有特定語義的對象，如圖1中“居里夫人”“氫”等;概念則是指通過抽象化的方式從一群事物中提取出反映其共同特性的單位，如“化學元素”“科學家”等，一個概念可能包含多個實體;公式則可能是來自數學、物理、化學等學科的公式，比如勻速直線運動的速度公式為V=s/t，公式中每個符號又分別對應著不同的知識點;命題包括定理、公理等，如牛頓第一運動定律，其內容是“任何物體都要保持勻速直線運動或靜止狀態，直到外力迫使它改變運動狀態為止”，該定理有其對應的數學公式，同時，該定理中還包含著“勻速直線運動”等知識點。
2. 學科知識圖譜結點關系具有特殊性
學科知識圖譜不僅僅是知識點或者教學資源的堆疊，而是包含知識點之間、知識點與教學資源以及教學資源之間的關系連接。學科知識圖譜中結點間的關系主要有三個特征：首先是方向性，知識點之間的關系具有明確的方向指向，并不是雜亂無序的連接;其次是相互性，如“氫化物”的知識點中包含“氫”，則“氫”就被包含于“氫化物”這個知識點中;最后是傳遞性，如描述知識點之間前序關系，“氫化物”知識點的前序知識點是“氫”，而“氫”知識點的前序知識點包括“化學元素”，那么“氫化物”知識點的前序知識點也包括“化學元素”。
3. 學科知識圖譜是多模態的
考慮到每位學習者的認知差異以及學習風格差異等因素，為更好地為學習者提供學習服務，學科知識圖譜中的資源具備多模態屬性，不僅包含文本形式的學習資源，還包括視頻、音頻、圖片等多種形式的學習資源，以滿足不同學習者的不同學習需求，從而為其提供更具針對性的學習資源。比如：有的學習者喜歡觀看視頻進行學習，則可以為其推薦更多的視頻學習資源;而有的學習者更喜歡看圖，則可以為其推薦更多的圖像形式的學科知識資源。
4. 學科知識圖譜的數據質量要求嚴格
學科知識圖譜最終是面向學習者的一個知識庫，與其他領域知識圖譜不同，學科知識圖譜的數據質量要求極高，其內容必須準確無誤。學科知識圖譜主要從兩個方面來保證其數據的精準無誤，一方面學科知識圖譜構建所使用的數據源包括教學大綱、教材、教師指導用書等，從數據源保證內容的準確性;另一方面是算法層面，在圖譜構建、知識融合、知識驗證等環節通過算法來保證學科知識圖譜數據的準確性。
（二）學科知識圖譜的應用實例
學科知識圖譜是基于知識之間的語義關系所形成的知識間邏輯關聯網[7]，包含學科目標、內容、特征等信息，以可視化的形式來表征學科知識及其內在的邏輯關系。國內外研究者圍繞學科知識圖譜在教育領域中的應用也進行了大量的研究實踐與探索，我們以國外的可汗學院、Knewton平臺以及國內的清華大學和北京師范大學所構建的學科知識圖譜為例，介紹學科知識圖譜在教育領域的應用情況。
1. 國際學科知識圖譜應用實例分析
在線教育平臺可汗學院構建數學學科的知識地圖來表示知識點之間的先后依賴關系。比如，兩位數加法比一位數加法難度略高，一位數加法是兩位數加法的基礎，所以在知識地圖上兩位數加法對應的知識點要比一位數加法靠下，并且通過一根線進行連接（如圖2所示）。這種連接關系具有一定的傳遞性，也就是說，一位數加法是兩位數加法的先修知識點，兩位數加法是一位數乘法的先修知識點，則一位數加法也是一位數乘法的先修知識點。教師通過知識點之間的先后序關系以及學習材料的對應關系，可以獲得學生的知識掌握情況，如果學生做錯一道有關一位數乘法的試題，那么該學生可能是兩位數加法沒有完全掌握或者是一位數加法沒有完全掌握，教師則可以為其再提供比一位數乘法難度稍低的試題來定位學生沒有完全掌握的知識點，進而準確獲取學生的知識掌握情況，從而為學生推送個性化的學習資料并制定個性化的學習路徑。
美國知名在線教育平臺Knewton基于學科知識圖譜，在個性化學習應用中取得了較好的效果，美國亞利桑那州立大學使用該平臺來提高學生的數學水平，為每位學生提供針對性的指導，該校2000名學生使用平臺兩學期之后，畢業率從64%提升到75%，數學成績也大幅提高[11]。Knewton平臺通過學科知識圖譜定位學生困難類型，主要考慮了四種邏輯關系，即包含、評測、指導、先序[12]。其中包含關系是指某個知識點包含另一個知識點，如知識點“氫化物”包含知識點“氫”;評測是指某個內容是對某個知識的評價方式;指導是指某個內容是對某個知識的具體講解，通過該關系能夠找到與該知識點相關的學習資源;必要條件代表了知識點之間的前驅后繼關系，只有掌握前驅知識，才能開始后續知識點的學習。Knewton平臺利用這些關系，將不同學科、不同學段、不同知識點以及所有的學習資源鏈接在一起，形成了一個巨大的知識地圖，該平臺以這個知識圖譜為基礎，診斷學生的認知水平，推送個性化的學習資源以及推薦個性化的學習路徑等。
2. 國內學科知識圖譜應用實例分析
國內部分高校圍繞學科知識圖譜進行了一系列的理論研究與實踐探索。如清華大學知識工程研究室構建了中國第一個基礎教育的RDF知識圖譜eduKB。該知識圖譜基于學科的知識概念體系，抽取當前基礎教育九門課程（語文、數學、英語、物理、化學、生物、歷史、地理、政治）教材中的知識，總共包含二千二百多萬條三元組、一百六十二萬多個實例、一千多個概念、四千多個屬性。其中，學科知識圖譜中的知識來源包括標注庫和外源庫，標注庫通過人工標注以及自動標注相結合的方法從教材中的標注知識進行獲取;外源庫主要是從大百科全書以及互聯網中的數據進行獲取。此外，該平臺具備圖搜索、推理和查詢等功能，并且能夠基于學科知識圖譜為學習者提供準確、簡潔的問答服務（如圖3所示）。
北京師范大學互聯網教育智能技術及應用國家工程實驗室研發的“唐詩別苑——基于知識圖譜的全唐詩語義檢索與可視化平臺”，為學習者提供唐詩檢索功能，提供詩人信息查詢、詩人交友情況查詢以及詩歌地點、風格、教學階段查詢等功能。比如，學習者輸入“李白”后，該平臺將會顯示與李白相關的知識圖譜信息，包括李白的作品、好友、生平事跡等，還提供學習資源的鏈接，學習者可以跳轉到其他頁面學習更多關于李白及其相關的內容（如圖4所示），另外還提供百度百科的鏈接，以及詩人李白的作品和好友鏈接等，支持學習者靈活實現知識遷移。此外，該平臺還提供知識圖譜可視化功能，比如，詩人的社交網絡圖顯示詩人之間的好友關系（如圖5所示）、詩人遷徙游歷圖顯示詩人的游歷信息（如圖6所示）、作品地域熱點圖顯示唐朝詩人最愛駐足的地方（如圖7所示）等。唐詩知識圖譜的構建及可視化呈現，一方面能夠為學習者提供多維度的知識呈現，豐富學習者的知識維度;另一方面有助于學習者在頭腦中進行知識關聯，激發學習者的創新意識，進而促進學習者更加主動積極地開展知識探索與實踐。
三、學科知識圖譜與智慧教育的適切性分析
智慧教育作為教育信息化發展的新境界，需要借助于人工智能、大數據、云計算、物聯網等技術來支撐其生態系統的構建。學科知識圖譜作為人工智能的關鍵技術之一，既能促進認知智能的發展，又能服務于智慧教育體系框架的構建以及生態系統的重構，助力智慧學習資源建設、共享、服務以及學習者模型構建等（如圖8所示）。
（一）學科知識圖譜助力智慧教育體系框架的構建
智慧教育已經成為我國教育信息化發展的新方向，其“一個中心、兩類環境、三個內容庫、四種智慧技術、五類用戶、六種業務”的架構體系已經成為智慧教育發展的基本框架[13]。具體而言，“一個中心”是指一個智慧云中心;“兩類環境”包括支持學校教育的智慧校園和支持終身教育的學習型智慧城市;“三個內容庫”是指學習資源庫、開放課程庫、管理信息庫;“四種智慧技術”包括物聯網、大數據、云計算、泛在網絡;“五類用戶”包括教師、學生、家長、教育管理者以及社會公眾;“六種業務”分別是智慧教學、智慧學習、智慧管理、智慧科研、智慧評價和智慧服務。學科知識圖譜將所有學科的知識點以語義關聯的方式進行鏈接，構建了一個巨大的知識體系， 能夠為教師、學生等在教學、學習、評價等方面提供支持，與智慧教育的架構體系存在一定的交叉（見表1），因此，本部分主要從智慧內容庫、服務用戶以及智慧業務三個視角探討學科知識圖譜與智慧教育的適切性。
1. 學科知識圖譜為智慧內容庫的建設提供支撐
智慧內容庫是實現教育系統變革的基礎，是教育智慧沉淀、分享的重要載體[13]，其中，學習資源庫主要包括教學案例、多媒體課件、試題和試卷以及認知工具，是教師智慧教學和學習者智慧學習所需資源的基本來源。學科知識圖譜作為多模態的知識庫，結點是知識點以及與知識點相關的教學資源，包含文字、音頻、視頻等多模態資源，從而能夠為學習者提供諸如教學案例、多媒體課件等學習資源，成為學習資源庫中一種重要的知識元。此外，隨著智慧教育理念深入人心，開放課程資源建設與共享已經成為教學資源發展的重要趨勢，而學科知識圖譜能夠將所有知識點和教學資源通過結點以網狀形式進行相互關聯，在加強知識點關聯性的同時，也能夠促進知識點的傳播與共享，推動開放課程資源在教師以及學生群體中的應用。
2. 學科知識圖譜為多個用戶提供服務
智慧教育旨在為教師、學生、家長、教育管理者和社會公眾等用戶提供多樣的教育教學服務，其中，為教師提供智慧教學服務、為學生提供智慧學習服務、為家長提供智慧溝通服務、為教育管理者提供智慧管理服務、為社會公眾提供智慧資源服務。隨著泛化學習、終身學習的開展以及技術應用的便利性，知識的獲取將更加便捷，學科知識圖譜作為一種具有語義關聯的知識邏輯網絡，能夠為教師、學生、家長、教育管理者以及社會公眾提供不同的服務。其中，可以為教師提供教學資源推薦，方便教師備課，支持課堂教學，提升教學效率;為學生提供個性化的學習資源與學習路徑;為教育管理者提供群體學習數據可視化呈現，比如可以將某一個年級的知識點掌握情況進行可視化呈現，便于教育管理者進行決策，優化教學;為家長和社會公眾提供跨學科的知識檢索服務，助力每一個學習者的終身學習。
3. 學科知識圖譜為多項智慧業務的開展提供支持
智慧教育最終將實現信息技術與教育教學的深度融合，在智慧教學、智慧學習、智慧管理、智慧評價、智慧科研以及智慧服務等方面提供多樣化的服務。基于知識點以及知識點相關的教學資源所構建的學科知識圖譜可以為開展智慧教學、智慧學習、智慧評價提供支撐。學科知識圖譜能夠在課前、課中、課后三個環節根據教師的不同需求為其提供教學資源，支持教師智慧教學的開展;同時，還將助力教師了解學生的整體學習情況，開展集體教學以及有針對性的個性化指導。其次，學科知識圖譜能夠根據學習者的知識掌握情況，通過知識點間的關聯為其提供所需的學習資料，幫助學習者營造智能、高效、個性的學習環境，促進智慧學習的發生。最后，學科知識圖譜能夠對學習者的學習路徑進行記錄，獲得學習者的學習過程數據，從而為面向過程的、動態的教育評價提供可能。
（二）學科知識圖譜助力智慧教育生態系統的重構
1. 良好的智慧教育生態的形成，需要優先解決優質教學資源共享的問題
智慧教育遵循以學習者為中心的人本主義理念[14]，為學習者提供個性化的學習服務是智慧教育的出發點和最終歸宿。從學習者的角度來看，需要準確、豐富的學習資源來促進自身的個性化成長，而學科知識圖譜正是將權威、優質的教學資源以結構化的形式集成在一起，最終為學習者提供多元準確的學習資料。
學科知識圖譜是多學科、多模態的知識圖譜，強調學科間的相互聯系。比如：語文學科中的《蜀相》，這首詩是杜甫游覽武侯祠時所創作，武侯祠位于四川省成都市，這屬于地理知識;《蜀相》的主旨是懷念諸葛亮，與諸葛亮相關的內容還包括歷史學科的知識。因此，《蜀相》這首詩歌將語文、地理、歷史等學科的知識關聯起來，融合各學科的知識內容。教師在講授《蜀相》時，可以借助歷史、地理方面的知識幫助學習者更好地理解這首詩歌的內涵，同時，也能夠加強學生在地理、歷史等學科的知識儲備。學科知識圖譜中包含詩歌《蜀相》的文字，詩人杜甫、諸葛亮和景點的圖片以及與該詩歌有關歷史人物的音視頻學習資源，這些資源不僅將成為教師備課的豐富教學資源，也將成為學習者學習該知識點的重要學習資源。學科知識圖譜整合教學法、信息技術以及學科知識于一體，其共享的核心既包括單獨的某個知識點或者知識點的組合，也包括融合了知識、教法以及信息技術于一體的學習單元，學科知識圖譜的共享基于課程結構及元數據標準，以所提供的工具及服務為平臺，更好地促進智慧教育生態的構建。
2. 良好的智慧教育生態的形成，需要解決個性化學習服務能力不足的問題
實現個性化教育是新時代對未來教育的美好理想和普遍追求，也是智慧教育所追求的教育目標。但受限于我國龐大的學生規模，以及技術在變革教育教學中的作用未能充分發揮，難以實現每位學生按照自己的喜好和需求開展學習，這也是目前困擾智慧教育發展的難題之一[15]。而在智慧教育服務體系構建中，學科知識圖譜能夠為學習者推送個性化的學習資源與學習路徑來實現學習者的個性化成長與發展。具體而言，學科知識圖譜基于對學生學習情況診斷分析的結果，利用圖譜間建立的語義關系，連接到學習者需要“補弱”或“固強”的知識點，推送適合其認知水平的學習資源，也就是預測學習者接下來需要學習的知識內容，從而為其推薦個性化的學習路徑，有效解決教育規模化與教育個性化矛盾的問題。
學科知識圖譜將教學內容分拆成一個個相互關聯的知識點，學習者根據自己的知識掌握程度決定學習進度，可以反復學習自己較為薄弱的知識點，教師也可以借助學習工具準確獲取學習者個體和群體的學習難點，從而給予個性化的指導。這樣保證學生在進入下一階段的學習之前，能夠掌握現階段的學科知識，最終構建完整的個人知識體系。而這正是對掌握學習教學法的實踐，有助于教師將集體教學和個別教學相結合，對學生學習后的成果進行及時有效的反饋和評價，進而對學生進行個別指導，確保每位學生能夠較好地掌握所學知識與技能。
3. 良好的智慧教育生態的形成，需要解決與智慧教育環境深度融合的問題
智慧教育環境融合了云計算、物聯網等現代化信息技術，將學校、家庭、社區、博物館、圖書館、公園等各種場所連接起來的教育生態系統，無縫連接，具備智能化、泛在化與感知化等特征。
教育教學理論、方法也融入學科知識圖譜中，教育教學理論、方法與學科知識圖譜的深度融合，將增強智慧教育環境的智能化、泛在化以及感知化。如通過對物聯網數據的分析，我們可以獲取當前用戶所在的位置，進而給用戶推薦與所處地點相關的知識點。比如：檢測到學習者到了“武侯祠”，就可以為其推薦與武侯祠相關的歷史知識與古詩詞等內容，同時，再結合學習者的畫像信息;學習者對建筑感興趣，則可以為學習者進一步推送關于武侯祠建筑設計等方面的內容，從而實現教育的千人千面和泛在性。
四、面向智慧教育的學科知識圖譜構建
（一）總體流程
學科知識圖譜構建所利用的數據源主要包括兩部分，一部分來源于教育領域，包括課標、教材、教案、試題集、考綱、開放課程庫等，其中，開放課程庫主要是由權威機構發布的課程，比如由中央電教館發起的“一師一優課、一課一名師”、網易公開課以及知識服務商“得到”等，這部分數據質量較高，能夠保證數據的權威性與準確性;另一方面來自開放領域，包括結構化數據、半結構化數據以及非結構化數據，其中，結構化數據包括開放的知識圖譜，比如DBPedia、CYC等，半結構化數據包括網頁上的表格等，非結構化數據包括網頁數據等（如圖9所示）。
為了保證學科知識圖譜中的數據質量以及權威性，采用自頂向下的方式來構建。首先，基于教育領域的數據源，由來自各個不同學科的專家參與構建學科知識本體，構建跨學段、跨學科的學科知識圖譜的體系結構。然后，利用面向教育領域數據源的眾包標注以及學科知識自動獲取等功能模塊，將已經構建的學科知識體系劃分為若干知識模塊，再逐層向下將知識模塊劃分為若干知識點，其中，學科知識自動獲取也在開放領域數據源中獲取學科知識數據，學科知識自動獲取模塊需要進行知識點識別與抽取以及知識點之間關系抽取的工作。最后，來自不同數據源的學科知識利用學科知識融合功能模塊實現融合，在學科知識融合功能模塊中，需要對知識質量進行評價，只有數據質量滿足一定要求的知識，才可以被收錄到學科知識圖譜中。在知識質量評價完成之后，還需要進行知識點識別、關系識別，因為相同知識點的來源不同，其描述方式便不同，如“普朗克常數”和“普朗克常量”是兩個相同的知識點，然而表達方式卻不同。此外，相同的知識結點表達的內容也可能有所不同，如“普朗克常數”一方面和物理學有關系，另外又是一部電影的名字。
（二）學科知識自動獲取
知識獲取是學科知識圖譜構建中很重要的一步，其核心技術是知識點識別與獲取、關系識別與獲取以及“屬性-值”的獲取。
知識點識別時，如果用戶沒有知識庫，則需要使用命名實體識別技術識別文本中的知識點;如果用戶有知識庫，則可以使用實體鏈接技術將文本中的候選知識點鏈接到知識庫中。在此過程中，還會用到分詞、詞性標注以及深度學習模型中需要用到的分布式表達方法。關系識別問題在統計學中被轉換為一個分類問題，通過分析關系上下文來確定知識點之間的關系，其中，有基于大量語料庫的監督學習方法以及利用少量標注信息的半監督方法，尤其是基于Bootstrap的方法和無監督學習類方法。
此外，針對學科知識點分布不均衡，比如，文獻中舉例知識點“三角形”在初高中課本中出現1779次，而“切點圓”僅出現3次，這種長尾特性會導致通用性高的知識點因為逆文檔頻率（IDF）過高而被認為是無關知識點。另外，還存在長知識點抽取困難的問題，李思良等針對學科知識圖譜構建的特殊性，提出了一種利用知識點定義以及知識點之間關系挖掘，綜合了構詞規則和邊界檢測的知識點抽取方法，實驗表明，該知識點抽取方法的F1分數（根據準確率和召回率二者給出的一個綜合評價指標）有明顯提升[16]。
（三）學科知識融合
知識融合技術是指將來自不同數據源構建的知識圖譜融合為一個更大的知識庫，包括學科知識體系的融合和知識點的融合。知識點融合主要是指發現具有不同標識但是卻代表同一知識點的對象，合并為一個全局唯一的知識點并且添加到學科知識圖譜中的過程。比如，“速度”既會出現在數學學科知識圖譜中，也會出現在“物理”學科知識圖譜中。目前，知識點融合通常采用的方法是聚類，其關鍵是定義相似性度量。相似性度量的定義可以包括字符相似，也就是兩個知識點的描述信息是相似的;屬性相似，具有相同“屬性-值”關系的實體可能是相似的;結構相似，指具有相同的相鄰知識點。不同學科知識體系也會存在某些屬于描述同一類數據的情況，也需要將不同數據源的知識體系進行融合。在學科知識圖譜中，學科知識本體模式匹配主要是尋找不同的知識體系中的對應關系。
五、面向智慧教育的學科知識圖譜
應用場景與挑戰
國內外研究學者圍繞學科知識圖譜在教育領域中的應用已經進行了一系列的探索研究，并取得了一些研究成果。本研究在此基礎上結合學科知識圖譜在智慧教育中的適切性，進一步提煉了智慧教育中學科知識圖譜的應用場景以及可能面臨的挑戰，從而為學科知識圖譜在智慧教育中的創新應用提供新思路。
（一）面向智慧教育的學科知識圖譜應用場景
基于學科知識圖譜的內涵、應用及其與智慧教育的適切性，本研究認為學科知識圖譜在智慧教育中的應用場景主要包括六個方面：學科知識點查詢、知識關聯查詢、學科知識自動問答、學科知識資源推薦、個性化學習路徑推薦和查詢以及學習興趣遷移。
1. 學科知識點查詢
基于學科知識圖譜，學習者可以查詢某個知識點及其相關的知識點，比如，學習者想了解和“氫化物”有關的知識點，則在查詢框里面輸入知識點的名稱，與該知識點有關系的知識點便呈現出來。
2. 知識關聯查詢
學習者可以輸入兩個知識點的名稱來了解這兩個知識點之間的關系，首先通過知識點識別技術對應到學科知識圖譜中的兩個結點，利用圖算法在學科知識圖譜上將兩個結點之間的路徑全部搜索出來，并且以可視化的方式呈現給學習者。比如，學習者想了解“一位數加法”與“借位減法”的關系，就可以通過學科知識圖譜找出這兩個知識點之間的所有路徑，從而更好地理清知識點之間的關聯關系。
3. 學科知識自動問答
基于學科知識圖譜的問答系統會根據學習者的提問為其直接提供學習者想要的答案，提高學習者的學習效率。目前，在搜索引擎中輸入與學科相關的知識，其中很多還不能直接給出答案。比如，在百度搜索引擎中輸入“固體分為哪幾種”，學習者在返回的結果界面中還需要進行二次檢索才能找到“晶體和非晶體”這樣的正確答案，無法直接獲得想要的答案。智慧教育提倡為學習者創設更加便捷、高效的學習環境，并提供更加智能的學習工具，而基于學科知識圖譜的問答系統可以利用知識點的關聯關系，對學習者的問題利用自然語言理解技術，首先定位到知識點“固體”，然后將學科知識圖譜中關系“包括”與問題中“分為哪幾種”進行對應，進而找到知識圖譜中“晶體”“非晶體”直接呈現給學習者（如圖10所示），不再需要學習者進行二次檢索或篩選，減輕學習負擔，提升學習體驗。
4. 學科知識資源推薦
智慧教育的技術特征之一是按需推送，能夠為學習者按需推送學習資源、學習服務、學習工具、學習活動等[17]，滿足學習者個性化成長與發展的需求。然而，現有互聯網中的學習資源大多無序、混亂、質量參差不齊，無法為學習者提供優質、個性化的學習服務。而學科知識圖譜以知識點為核心，匯聚多模態的學習資源，各資源間通過知識圖譜建立聯系，以網狀結構的形式呈現學科知識，從而可以利用知識間的關聯性為學習者提供更好的資源推送服務。比如：基于學科知識圖譜的學習平臺可以在診斷學習者問題的基礎上，根據圖譜間的語義關系為其推送需要強化的知識點，實現知識點的“補弱”;同時，也可以在發現其擅長知識點的基礎上為其推送拓展延伸性的知識點，實現知識點的“固強”。因此，學科知識圖譜可以根據學習者當前的學習內容、瀏覽的學習資源、學習停留時間以及學習者標簽等信息為學習者推薦個性化的學習資源，滿足其個性化學習的需求。
5. 個性化學習路徑推薦和查詢
智慧學習的目標理念之一是為不同學習者提供不同的學習路徑、設置不同的學習進度，以實現學習者的個性化成長與發展。很多研究者提出，通過大數據、人工智能等技術實現學習者的個性化學習，但到目前為止，似乎沒有特別成功的個性化學習案例。而學科知識圖譜在這方面有望為研究者提供一個新思路，學科知識圖譜將相關的學習知識建立聯系，能夠通過學習者當前學習的知識內容連接到后續相關的學習內容，基于此，可以為學習者推薦一條適合其現有知識水平的個性化學習路徑。學科知識圖譜根據每位學習者的學習情況為其提供個性化的學習路徑，實現學習者的個性化成長。
另外，學科知識圖譜還支持學習者學習路徑的查詢，如果某位學習者已經掌握了化學元素的概念，想要了解“氫化物的性質”，該學習者查詢“化學元素的概念”到“氫化物的性質”這兩個知識點之間連接關系即可獲得最合適的學習路徑。需要注意的是，由于學習者學習風格、認知風格以及知識掌握情況等因素的不同，即使是兩個相同結點的學習路徑也不盡相同。
6. 學習興趣遷移
學習興趣遷移是設計一條由學習者興趣點到學習目標之間的有效學習路徑，創設“人人皆學、處處能學、時時可學”的學習型社會，實現智慧教育終身學習的目標。而學科知識圖譜則能夠根據學習者的知識特點、學習興趣，構建學習興趣遷移路徑，將某類學科的學習興趣遷移到另一類學科，以提高學習者的學習興趣，實現學習者學習的常態化與動態化，從而樹立終身教育的理念與體系。比如：在化學教學中，如果學生對生物學中的植物有較濃厚的興趣，教師在引入新的化學知識的同時，便可以利用學科知識圖譜構建學科知識內容間的關系，從植物引到化學知識;“歐洲白蠟”作為瑞典的國樹引出“瑞典”，再由“瑞典”與“諾貝爾”的關系引出“諾貝爾”，之后則可以根據由“諾貝爾”命名的化學元素引出化學元素“諾”（如圖1所示），從而將學習者對植物的興趣遷移到化學知識的學習中，實現學習者學習興趣的遷移，提高學習者的學習興趣與學習效果。
（二）面向智慧教育的學科知識圖譜應用挑戰
學科知識圖譜在智慧教育中能夠發揮重要的價值，助力智慧教育服務體系走向智能化、個性化以及終身化，但其在智慧教育中的應用仍面臨以下挑戰：
1. 學科知識驗證挑戰大
垂直領域的知識圖譜構建強調知識的深度和精確度，尤其是面向教育領域的學科知識圖譜，所以其數據來源必須權威準確，得到教育領域專家和教師的認可。然而，目前還缺少針對學科知識圖譜的知識驗證模型和算法，知識驗證需要確保知識之間的一致性與準確性。所謂一致性就是指正確的知識應該與其他知識是相容的而不是矛盾的，準確性主要是指沒有拼寫錯誤、不存在重復數據等。
2. 學科知識融合挑戰大
學習資源是知識的載體，是教學和學習活動的基礎與參照。未來學習資源的發展將走向生成性、情境性、分布式、社會性以及開放性等。不同機構將構建針對不同學科、不同學段的學科知識圖譜，但是如何將來自多源的知識圖譜進行融合，從而使得學科知識圖譜能夠在教育中發揮更大作用，將會是學科知識圖譜面臨的一大挑戰。這主要包括學科知識圖譜本體的融合以及學科知識圖譜知識點層面的融合，如不同教材同一知識點的名稱可能有所不同，這就需要對兩種不同描述的知識點進行標準化處理。此外，不同教材學科內容不同，甚至知識點之間的關系也會有所不同，這都增大了學科知識融合的難度。另外，智慧教育的發展需要全球教學資源無縫整合共享，這是突破教學資源地域限制的有效途徑，同時，也借此縮小世界教育鴻溝，提升欠發達國家和地區的教育質量。然而教學資源全球整合共享是基于跨語言學科知識圖譜構建基礎上的，跨語言知識點對齊、跨語言學科知識本體對齊等都還存在非常大的挑戰。
3. 學科知識圖譜的自適應可視化挑戰大
相同的知識點針對不同學段的學習者，其教學目標、教學內容以及教學資源等都是不同的，如何針對學習者畫像提供自適應的學科知識圖譜可視化服務，與學習者已經有的知識體系建立關聯，同時，支持學習者自身知識體系的動態演進，具有一定的挑戰性。首先，學科知識圖譜可視化內容的確定具有一定的難度，需要根據學習者的知識體系、畫像特征等確定;其次，學科知識圖譜的可視化設計也具有一定的難度，即便相同的學科知識圖譜由于學習者的認知方法和學習方法等方面的差異，導致學科知識圖譜可視化的設計更加復雜多樣。
[參考文獻]
[1] 何克抗.大數據面面觀[J].電化教育研究，2014（10）：8-16.
[2] 祝智庭，賀斌.智慧教育：教育信息化的新境界[J].電化教育研究，2012，33（12）：5-13.
[3] 黃榮懷.智慧教育的三重境界：從環境、模式到體制[J].現代遠程教育研究，2014（6）：3-11.
[4] 楊現民，劉雍潛，鐘曉流，宋述強.我國智慧教育發展戰略與路徑選擇[J].現代教育技術，2014，24（1）：12-19.
[5] 祝智庭，沈德梅.基于大數據的教育技術研究新范式[J].電化教育研究，2013（10）：5-13.
[6] 中華人民共和國教育部. 教育部關于印發《教育信息化2.0行動計劃》的通知[EB/OL].[2019-04-28]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.
[7] 余勝泉，李曉慶.區域性教育大數據總體架構與應用模型[J].中國電化教育，2019（1）：18-27.
[8] BERNERSLEE T，HENDLER J，LASSIALA O.The semantic web[J]. Scientific american，2003，284（5）：34-43.
[9] LEO Y，UREN V，MOTTA E.SemSearch：a search engine for the semantic web[J].Lecture notes in computer science，2006，（10）：238-245.
[10] 阮彤，王夢婕， 王昊奮，等. 垂直知識圖譜的構建與應用研究[J].知識管理論壇，2016（3）：226-234.
[11] 楊宗凱.大數據驅動教育變革與創新[J].大數據時代，2017（5）：6-9.
[12] 萬海鵬，汪丹. 基于大數據的牛頓平臺自適應學習機制分析——“教育大數據研究與實踐專欄”之關鍵技術篇[J].現代教育技術，2016，26（5）：5-11.
[13] 楊現民，余勝泉.智慧教育體系架構與關鍵支撐技術[J].中國電化教育，2015（1）：77-84，130.
[14] 祝智庭.智慧教育新發展：從翻轉課堂到智慧課堂及智慧學習空間[J].開放教育研究，2016，22（1）：18-26，49.
[15] 胡欽太，劉麗清，鄭凱.工業革命4.0背景下的智慧教育新格局[J].中國電化教育，2019（3）：1-8.
[16] 李思良，許斌，楊玉基.DRTE：面向基礎教育的術語抽取方法[J].中文信息學報，2018，32（3）：101-109.
[17] 楊現民.信息時代智慧教育的內涵與特征[J].中國電化教育，2014（1）：29-34.
[Abstract] Artificial intelligence， big data and the Internet of things are the basis for the development of smart education. As a semantic network， discipline knowledge graphs can not only enhance the interpretability of artificial intelligence， but also facilitate the construction of the architecture of smart education system. Based on the analysis of the connotation and application cases of discipline knowledge graphs， this paper discusses the propriety of discipline knowledge graphs and smart education from the aspects： the construction of smart education system architecture and the reconstruction of smart education ecosystem. Then from three aspects of the overall process， automatic acquisition of discipline knowledge and fusion of discipline knowledge， this paper discusses the construction of discipline knowledge graphs in smart education. Finally this paper puts forward six applications of discipline knowledge graphs in smart education： discipline knowledge query， knowledge associated query， discipline knowledge automatic question-answering， resource recommendation， personalized learning path recommendation and query， and learning interest transfer. It also analyzes three major challenges in the applications of discipline knowledge graphs in smart education， including discipline knowledge verification， discipline knowledge fusion and the adaptive visualization of discipline knowledge graphs. It is expected to provide reference and inspiration for the applications of discipline knowledge graphs in smart education.
[Keywords] Smart Education; Discipline Knowledge Graph; Artificial Intelligence; Construction and Innovative Application
