人工智能解決問題的重要實踐方式是知識工程。知識工程旨在將人類的知識和推理能力賦予機器解決實際問題。知識工程發(fā)展到大數(shù)據(jù)時代的代表性技術(shù)就是知識圖譜。知識圖譜是一種大規(guī)模語義網(wǎng)絡(luò)，富含概念、實體及各種語義關(guān)系，成為了人工智能基礎(chǔ)設(shè)施，各類知識的重要載體，是實現(xiàn)認知智能的基石。教育知識圖譜將碎片化、分散式的教育資源與相關(guān)實體關(guān)聯(lián)成一張巨大的語義網(wǎng)絡(luò)，為教育的智能化應(yīng)用提供知識支撐。教育知識圖譜通過語義網(wǎng)絡(luò)的形式表達和沉淀了傳統(tǒng)教育教學(xué)過程中所涉及的課程知識、教學(xué)知識、學(xué)科知識、百科知識、語言知識等。教育知識圖譜側(cè)重于實現(xiàn)教育相關(guān)的實體或資源的關(guān)聯(lián)，包括知識點之間語義關(guān)聯(lián)、知識點與學(xué)習資源之間的語義關(guān)聯(lián)、知識點與術(shù)語、公式、圖表等各種表達形式之間語義關(guān)聯(lián)、知識點構(gòu)成的概念層級關(guān)系、以及與師生（甚至機構(gòu)）相關(guān)的語義關(guān)聯(lián)等等。
教育知識圖譜是實現(xiàn)教育智能化的關(guān)鍵基礎(chǔ)設(shè)施，是教育智能化實現(xiàn)的重要技術(shù)工具。教育知識圖譜的意義從技術(shù)視角來看，其重要作用體現(xiàn)在以下幾點：
1．知識圖譜是教育知識的集中載體。教育是典型的知識密集型行業(yè)，各類學(xué)科知識、教學(xué)知識、專業(yè)知識在教育的各環(huán)節(jié)密集呈現(xiàn)、相互交織。教育的基本使命是實現(xiàn)知識在人類代際之間的連續(xù)傳承。機器在教育過程中部分環(huán)節(jié)輔助甚至代替教師，首先需要具備教師的知識體系。而教育知識圖譜正是一種結(jié)構(gòu)化、規(guī)范化表達與承載教師經(jīng)驗或?qū)W科知識的技術(shù)手段。
2．知識圖譜實現(xiàn)碎片化教學(xué)資源的關(guān)聯(lián)。教育行業(yè)經(jīng)過信息化、大數(shù)據(jù)時代的發(fā)展，積累了教學(xué)資源、學(xué)習過程、評估評測等類型多樣的數(shù)據(jù)。這些數(shù)據(jù)以一種碎片化的形態(tài)分散在學(xué)校、教師、評估機構(gòu)、教學(xué)平臺等不同所有者手中，需要將碎片式的教育數(shù)據(jù)要素鏈接成為巨大的關(guān)聯(lián)網(wǎng)絡(luò)，創(chuàng)造價值。知識圖譜正是通過建立碎片化教育要素的之間的關(guān)聯(lián)而創(chuàng)造其技術(shù)價值。
3．知識圖譜實現(xiàn)教育智能服務(wù)。知識與推理是一個智能系統(tǒng)的核心要素。作為教育知識的載體，教育知識圖譜是教育知識引擎的核心部件，是教育智腦的重要構(gòu)成，實現(xiàn)各種智能化教育信息服務(wù)的基礎(chǔ)。教育知識圖譜為語義搜索、個性化推薦、用戶畫像、智能問答、行為預(yù)測、精準分析、決策支持等一系列智能服務(wù)提供不可或缺的知識支撐。
知識圖譜技術(shù)與教育各應(yīng)用場景深度融合之后將會釋放更大價值，對教育核心問題的解決帶來機遇，將有力促進教育走上高質(zhì)量發(fā)展道路，表現(xiàn)在以下幾個方面：
教學(xué)質(zhì)量很大程度上取決于技術(shù)手段對于個性化教育、精準化干預(yù)的支撐程度?；谥R圖譜的用戶畫像等技術(shù)能夠?qū)崿F(xiàn)學(xué)生學(xué)習情況、教師授課情況的精準刻畫，從而對學(xué)習與教學(xué)過程進行精準干預(yù)，比如向?qū)W生針對性地推薦學(xué)習素材或練習題以強化學(xué)生薄弱知識點的掌握。知識圖譜讓因材施教有了更為具體的發(fā)力點。
知識圖譜作為背景知識能夠?qū)崿F(xiàn)優(yōu)質(zhì)學(xué)習資源的語義搜索和智能推薦，降低學(xué)生學(xué)習資源的獲取門檻、提升資源獲取效率。將常見問題組織成知識圖譜實現(xiàn)答疑機器人，利用知識圖譜實現(xiàn)閱卷機器人，均能較大幅度節(jié)省師生時間，提高師生互動效率。
教育知識圖譜既是教學(xué)過程中的重要資源，也是感知教學(xué)效果、優(yōu)化教學(xué)過程的重要工具。提供個性化知識服務(wù)的同時，教育知識圖譜中的實體或概念可用作學(xué)情標簽幫助感知和刻畫個體學(xué)生的學(xué)習情況，學(xué)生集體的學(xué)習狀態(tài)，進而幫助學(xué)校和教師做出適時的、合理的教育決策，也可以作為檢驗知識指引并優(yōu)化序列化的教育決策過程。
教育知識圖譜作為公共教學(xué)資源，能夠借助互聯(lián)網(wǎng)傳播與服務(wù)等形式向所有學(xué)習者以一種智能化的交互方式提供優(yōu)質(zhì)學(xué)習資源，從而實現(xiàn)人工智能技術(shù)普惠，是緩解我國教育資源、教育發(fā)展不平衡等問題的重要手段。知識賦能下的應(yīng)用場景，比如智能閱卷，在減輕了教師負擔的同時，也能夠避免人為閱卷的主觀性，保證教育評測的客觀與公正。
教育的應(yīng)用場景復(fù)雜多樣，對于人工智能技術(shù)有著不同的需求。需要從場景價值與技術(shù)可行性等角度仔細甄別適合知識圖譜的應(yīng)用場景。從當前的技術(shù)水平來看，以下幾個典型的應(yīng)用場景是可以直接受益于知識圖譜的。
教材是教育最為重要的工具。發(fā)展教材的關(guān)鍵在于深植服務(wù)理念，深耕以教材為核心的知識服務(wù)。教材應(yīng)該以一種平臺化的服務(wù)形式呈現(xiàn)，一本經(jīng)典教材應(yīng)該變身成為該學(xué)科（或課程）的數(shù)字化與智能化教學(xué)與知識服務(wù)平臺，系統(tǒng)性地集成圍繞學(xué)科（或課程）學(xué)習、授課、練習、實驗、評價等各環(huán)節(jié)的智能服務(wù)平臺。知識圖譜是驅(qū)動整個教材數(shù)化轉(zhuǎn)變的知識引擎，是教材變革的助推器。
閱讀是人類獲取知識最重要的方式之一。閱讀過程本質(zhì)上是知識獲取的過程。通過知識圖譜技術(shù)，可以將書籍自身的知識元素（知識點、實體、概念）以及書籍之外的背景知識進行關(guān)聯(lián)，從而極大地拓展一本書籍所承載的有限知識容量。在內(nèi)容理解、關(guān)聯(lián)分析以及行為分析等技術(shù)的支撐下，可以實現(xiàn)個性化閱讀、探索式閱讀、主動推薦式閱讀，因而形成深度閱讀模式。早在2012年知識圖譜技術(shù)誕生之初，筆者就提出基于知識圖譜的深度閱讀模式，并篤信知識圖譜將在促進人類閱讀方式變革方面有所作為。圖1展示了《紅樓夢》深度閱讀的示例。
在學(xué)科教育中，尤其是高等教育的各個學(xué)科，其知識體系并非一成不變，往往處于動態(tài)發(fā)展與持續(xù)更新的過程。對于科研、教學(xué)和學(xué)科情報工作而言，需要具備足夠的學(xué)科背景知識才能擁有一定的學(xué)科洞察力。學(xué)科知識圖譜對于學(xué)科洞察具有積極意義，比如，學(xué)生搜索“深度學(xué)習”相關(guān)的文獻，通過直接匹配論文關(guān)鍵字很難檢索得到相關(guān)文獻，但事實上標題含有“圖神經(jīng)網(wǎng)絡(luò)”、“卷積神經(jīng)網(wǎng)絡(luò)”的論文均是符合要求的。顯然，如果機器也擁有人類類似的學(xué)科背景知識，是能夠勝任這類文獻查找工作的。學(xué)科知識圖譜的建立可以深化整個學(xué)科發(fā)展態(tài)勢的洞察，提升科技情報服務(wù)的內(nèi)涵。當前，詞匯挖掘和關(guān)系挖掘等方法能夠從海量學(xué)科論文、專利等語料數(shù)據(jù)自動挖掘?qū)W科術(shù)語（詞匯、關(guān)鍵詞等）及其之間的各種語義關(guān)系，構(gòu)建以術(shù)語為核心的詞匯知識圖譜（其內(nèi)涵與傳統(tǒng)圖書情報領(lǐng)域的敘詞表相近），為學(xué)科洞察奠定了良好基礎(chǔ)。圖2展示了人工智能領(lǐng)域的部分詞匯知識圖譜。
個性化教學(xué)、精準化服務(wù)建立在學(xué)生的學(xué)情畫像、教師的技能畫像的基礎(chǔ)上。而對于教師和學(xué)生的畫像建立在學(xué)習資源、教學(xué)素材的畫像基礎(chǔ)之上。全面、實時、多維度的標簽是精準畫像的關(guān)鍵，是實現(xiàn)學(xué)習資源的語義搜索、精準推送的關(guān)鍵。知識圖譜的標簽挖掘技術(shù)可以從教育素材和資源中自動挖掘或生成大量的優(yōu)質(zhì)標簽。標簽還可以進一步組織成標簽層級體系。教育知識圖譜和標簽體系可以增強知識點或者教學(xué)資源的語義描述，進而提升教師和學(xué)生畫像完整性與精度，精準感知與刻畫學(xué)情態(tài)勢，為個性化的資源推薦、學(xué)習路徑推薦等提供支撐，助力自適應(yīng)性教學(xué)。
知識圖譜作為背景知識有助于機器理解教育行業(yè)數(shù)據(jù)、提升機器學(xué)習的能力，實現(xiàn)可解釋人工智能，在數(shù)據(jù)分析、語義搜索、智能推薦、問答系統(tǒng)、可解釋決策以及文本生成中得以廣泛應(yīng)用。知識圖譜賦能的這些應(yīng)用均可以在教育場景中取得顯著效果。比如通過如圖2所示的以術(shù)語為核心的詞匯知識圖譜，有助于實現(xiàn)精準的學(xué)科熱點分析（比如將題目含有 “CNN”與“卷積神經(jīng)網(wǎng)絡(luò)”文獻進行合并統(tǒng)計）、學(xué)科資源語義搜索（比如搜索“CNN”召回卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的文章）、學(xué)科資源的精準推薦（比如向搜索了“CNN”的學(xué)生推薦RNN相關(guān)的資料）、自然語言問答（比如對于問題 “CNN存在哪些改進模型”，經(jīng)圖2的簡單檢索可以找到GRCNN）、可解釋決策（比如CNN與隨機森林之間的關(guān)系可以通過圖2中的相應(yīng)兩個節(jié)點的路徑進行解釋）。
教育知識圖譜與通用知識圖譜存在哪些異同，與其他領(lǐng)域知識圖譜相比有哪些特點，這些獨特之處帶來了哪些技術(shù)挑戰(zhàn)。這些問題是在開展教育知識圖譜實踐之前必須澄清的問題。只有深刻理解教育知識圖譜的獨特挑戰(zhàn)，才可能提出解決問題的有效思路。
教育所涉及的知識內(nèi)容豐富多樣，包含課程知識、教學(xué)知識、教材知識、學(xué)科知識、百科知識、課程題庫等。知識內(nèi)容的多樣性增加了知識獲取和組織的難度。不同類型的知識需要不同的表示方式，不同的知識處理手段。例如，在教學(xué)環(huán)節(jié)，教材知識極為重要，通常需要以知識點為核心組織教材的知識體系與內(nèi)容邏輯，因而需要建設(shè)以知識點之間的邏輯關(guān)系為核心、輔以知識點與其定義、公式、說明的關(guān)聯(lián)關(guān)系為外圍的知識點知識圖譜。而考評環(huán)節(jié)的關(guān)鍵是考題資源，往往需要建設(shè)以考題為核心的知識圖譜，包含題目與知識點、學(xué)生、老師的關(guān)聯(lián)關(guān)系。在某些應(yīng)用場景，比如機器輔助解題，需要進一步從題目中拆解題干、選項、答案、解釋等知識要素。教育的不同環(huán)節(jié)需要不同類型的知識，需要建設(shè)不同類型的圖譜。類型多樣對教育知識圖譜的建設(shè)提出了巨大挑戰(zhàn)。
學(xué)科中的知識點是有粒度之分的。歷史學(xué)科中的玄奘西行是個重要的歷史事件，是歷史教學(xué)重要知識點之一。一方面可以進一步抽象歸類到唐朝的宗教活動這一粗粒度知識點，另一方面也可以細分為玄奘西行的目的、時間、路線、意義等更細粒度的知識點。不同抽象層次的知識點很自然地組織成層級體系，不同的層級對應(yīng)不同的知識粒度，不同的知識粒度需要不同的處理手段。比如在將具體的教學(xué)資源向合適的知識點進行掛載時，知識點的粒度有著重要影響。一般而言粗粒度掛載較為簡單，細粒度掛載則相對困難。細粒度處理需十分精細的語義識別能力，比如識別一道題是否在講玄奘西行相對容易，但將其區(qū)分為是在考察玄奘西行的目的還是意義則要相對困難的多。不同學(xué)科的知識點層級也存在差異，往往在深淺、寬度、劃分的維度等方面存在差異，增加層級粒度處理復(fù)雜程度。圖3給出了化學(xué)和數(shù)學(xué)兩個學(xué)科的不同深淺的知識點層級結(jié)構(gòu)。
圖3 不同層級的知識點
現(xiàn)代教育的典型特征之一就是多媒體教學(xué)手段的大量應(yīng)用。多媒體教學(xué)采用諸如視頻、音頻等多種渠道和手段，促進教學(xué)過程的直觀性和趣味性，提升學(xué)習效率。多模態(tài)手段的應(yīng)用對于某些學(xué)科的知識而言是必要的，比如，很難想象如果不借助具體的圖示學(xué)生如何能夠理解等腰三角形這個概念。因此，教育數(shù)據(jù)往往呈現(xiàn)出復(fù)雜的多模態(tài)特性，這一特性多模態(tài)的教育知識圖譜提出了訴求也創(chuàng)造了條件。如圖4所示，教育知識圖譜中通常需要將多模態(tài)教育數(shù)據(jù)掛載到相應(yīng)的知識點。多模態(tài)知識圖譜本質(zhì)上實現(xiàn)抽象的符號化概念（知識點）向多模態(tài)實例（考題、多模態(tài)素材）的接地（Grounding)。人類的抽象概念或知識往往是通過具體經(jīng)驗歸納總結(jié)而得到。這些經(jīng)驗是具體的、可感官的，其對應(yīng)的數(shù)據(jù)形態(tài)是圖像與影音。因此，理解某個概念一定程度上體現(xiàn)為能夠列舉概念的某個多模態(tài)實例?？傮w而言，多模態(tài)知識圖譜的自動化構(gòu)建仍處于起步階段。相對于研究較多的互聯(lián)網(wǎng)環(huán)境的多模態(tài)知識圖譜構(gòu)建，教育知識圖譜的多模態(tài)化尤為困難。其原因是教育與互聯(lián)網(wǎng)（或消費互聯(lián)網(wǎng)）等通用領(lǐng)域的多模態(tài)數(shù)據(jù)內(nèi)容與形式不同，后者的多模態(tài)數(shù)據(jù)往往是人類社會的真實圖像、影音，而教育領(lǐng)域的多模態(tài)數(shù)據(jù)多是面向教學(xué)的示意圖、表格、公式、流程圖、原理圖。這些圖表的抽象程度介于真實世界的圖像與純文本之間，其理解方式與處理手段與物理世界圖像完全不同。如何高效地構(gòu)建大規(guī)多模態(tài)化的教育知識圖譜，如何基于教育多模態(tài)圖譜進行跨模態(tài)推理、跨模態(tài)搜索、跨模態(tài)閱讀理解等仍存在很大的研究空間。
質(zhì)量是教育的生命線，更是教育知識圖譜的生命線。錯誤、缺失、過期的知識會對學(xué)生的學(xué)習產(chǎn)生誤導(dǎo)，反而增加了學(xué)習成本。教育知識圖譜的質(zhì)量要求相對苛刻。然而，現(xiàn)有的自動化構(gòu)建方法往往帶來知識圖譜的質(zhì)量問題。一方面，自動化方法不可避免地產(chǎn)生錯誤。另一方面，教育知識圖譜的數(shù)據(jù)來源也良莠不齊。教育知識圖譜的質(zhì)量評估與控制需要付出巨大努力，需要專家的謹慎審核。為盡量減少教育知識圖譜的質(zhì)量維護成本，需要一套針對教育知識圖譜的質(zhì)量評估和控制方法，需要對知識圖譜進行準確性、時效性、完整性、一致性的全面評估，對圖譜的增、刪、改等操作做風險評估。
信息時代，知識日新月異。從知識的更新速度而言，高等教育甚于基礎(chǔ)教育。高等教育更關(guān)注理論與技術(shù)前沿，其持續(xù)更新恰是常態(tài)。在人工智能、氣候變化與碳中和、生物醫(yī)藥等新興學(xué)科，研究成果加速產(chǎn)出，新理論、新方法、新結(jié)果層出不窮，不斷刷新舊知識，補充并完善著整個學(xué)科的知識體系。因此，教育知識圖譜的持續(xù)更新能力對于高等教育而言尤為重要，然而，在技術(shù)層面知識圖譜的更新研究相對稀少。如何識別需要更新的知識，如何評估知識更新所帶來的影響均是開放性問題。
不同學(xué)科的知識形式與內(nèi)涵存在巨大差異，對于教育知識圖譜方案的普適性提出巨大挑戰(zhàn)，學(xué)科差異是教育知識圖譜落地的挑戰(zhàn)之一。例如，語文教學(xué)過程中注重學(xué)生對文字的感知和表達能力，課堂上以閱讀、寫作等形式為主，教材也以各種文學(xué)作品的解讀與分析為主。而數(shù)學(xué)教學(xué)過程則大不相同，其注重學(xué)生的數(shù)理邏輯和計算能力，課堂上以答題等邏輯和計算訓(xùn)練形式開展教學(xué)，教材則多圍繞術(shù)語提供大量的定義、解釋、示例進行組織。即使是同為理科的數(shù)學(xué)和化學(xué)之間也存在很大的區(qū)別，化學(xué)更加關(guān)注真實世界化學(xué)物質(zhì)的性質(zhì)、合成等，而數(shù)學(xué)則主要包含抽象世界中的邏輯和計算。
不同學(xué)科間的巨大差異對于知識表示與應(yīng)用提出巨大挑戰(zhàn)。數(shù)學(xué)中需要表達數(shù)理與運算的邏輯，歷史需要表達事件之間的時序關(guān)系、地理需要表達時空邏輯、物理需要表達物理規(guī)律。作為語義網(wǎng)絡(luò)的知識圖譜很難應(yīng)對不同學(xué)科的知識表示需求。學(xué)科差異也對知識的獲取與應(yīng)用手段提出了挑戰(zhàn)。語文、歷史、政治等文科類的學(xué)科，使用大規(guī)模語言模型有可能取得比較好的效果。理科的各類學(xué)科單單文本不足以表達相應(yīng)學(xué)科的基本邏輯，需要發(fā)展額外的知識表示方式，以顯著提升相應(yīng)學(xué)科的知識表示與應(yīng)用水平。此外，各個學(xué)科之間存在緊密關(guān)系（所謂文史哲不分家、數(shù)理化不分家），跨學(xué)科的知識融合對技術(shù)提出了巨大挑戰(zhàn)。比如牛頓的萬有引力（物理）與微積分方法（數(shù)學(xué)）有著緊密聯(lián)系。如何關(guān)聯(lián)與融合不同學(xué)科的知識仍有待深入研究。
教育知識圖譜的落地實踐應(yīng)堅持實用主義，要將知識圖譜系統(tǒng)視作一類復(fù)雜的人機交互系統(tǒng)，將其落地實踐視作一類典型的系統(tǒng)工程。堅持系統(tǒng)觀，不能將知識圖譜系統(tǒng)視作孤立系統(tǒng)，要將其置于整個教育智能化的大環(huán)境中，充分考慮與環(huán)境以及其他子系統(tǒng)之間千絲萬縷的關(guān)系。還要堅持工程觀，在成本與資源合理約束下最大化落地效果。此外，具體推進過程需要謹慎處理以下幾個問題：
教育知識圖譜作為新興信息技術(shù)，對于教育智能化發(fā)展的具有積極作用。然而，不能簡單認為教育智能化全部內(nèi)容就是知識圖譜建設(shè)。知識圖譜只是各種知識表示的一種形式，其表達能力仍然有待進一步拓展與提升，在教育領(lǐng)域的應(yīng)用模式仍有待深入探索與驗證?；谥R圖譜的教育智能化發(fā)展，是機器智能循序漸進發(fā)展，逐步代替人類教育工作者的部分工作的過程。認知智能在行業(yè)的應(yīng)用水平大致會經(jīng)歷新手、工匠、大師三個階段。在新手階段，認知智能通過領(lǐng)域知識的初步掌握能夠?qū)崿F(xiàn)類似文獻查找的功能（比如教育中的學(xué)習資料檢索）。在工匠階段，認知智能通過專家知識能勝任一些復(fù)雜問題的推理與決策（比如教育中答疑解惑）。在大師階段，認知智能習得了海量教育數(shù)據(jù)中所蘊含的隱形知識并通過解釋與反思等手段以人類可理解的符號形式表達出來。即便實現(xiàn)第一階段目標，就已經(jīng)能夠?qū)崿F(xiàn)教育行業(yè)極大的提質(zhì)提效。
推進基于知識圖譜的教育智能化最迫切的任務(wù)是準確識別知識能解決問題的合適場景。我們的應(yīng)用往往分為模式內(nèi)蘊或者背景關(guān)聯(lián)兩類。所謂模式內(nèi)蘊的任務(wù)是指其答案可以單純從數(shù)據(jù)中獲得。所謂背景關(guān)聯(lián)是指解決某個任務(wù)需要輸入之外的背景知識。比如識別一幅圖是貓還是狗，不需要關(guān)聯(lián)到什么背景知識就能完成。但是，沒有豐富的背景知識要讓機器理解“關(guān)公戰(zhàn)秦瓊”的不合理是很困難的。不難發(fā)現(xiàn)教育領(lǐng)域有著太多的背景關(guān)聯(lián)類的任務(wù)。這類任務(wù)恰是知識圖譜的用武之地。此外，數(shù)據(jù)稀疏的場景也往往需要借助知識圖譜。“數(shù)據(jù)不夠，知識來湊”，但凡數(shù)據(jù)不充分所導(dǎo)致的應(yīng)用效果低下的場景，往往也是知識圖譜能夠發(fā)揮顯著效力之處。尋找適合的場景需要跨學(xué)科的知識背景，需要對于教育本身有著深刻的理解，同時對知識圖譜等技術(shù)的本質(zhì)有著深入的理解。
面對各階段教育教學(xué)繁多的學(xué)科，單一專家來梳理全部學(xué)科的知識體系是不現(xiàn)實的。同樣地，讓機器完全自主、絕對自動化的構(gòu)建教育知識圖譜也是不現(xiàn)實的，教育知識圖譜的建設(shè)需要機器和人的協(xié)作，二者缺一不可。機器智能的發(fā)展仍然需要人類為其設(shè)定認知框架（比如本體設(shè)計）、反饋結(jié)果好壞（比如樣本標注）、驗證事實對錯（比如知識驗證）。以知識點體系梳理為例，上層的知識體系涉及理解一個學(xué)科的思維方法，只有教育專家才能勝任。但是對于細粒度知識點的資源掛載任務(wù)而言，海量的教育資源使得人類專家難以勝任，恰恰需要機器自動化完成。人機協(xié)作是教育知識圖譜的保質(zhì)保量完成構(gòu)建的關(guān)鍵。
知識是人類認知世界的結(jié)果，人類的認知存在主觀性。不同的認知主體，不同的認知視角，均會產(chǎn)生不同認知結(jié)果。教育知識圖譜建設(shè)過程中面臨著同樣的問題。學(xué)習者、教學(xué)者、管理者往往對教育的理解是不盡相同的，普通教師、專家教師對于統(tǒng)一教學(xué)內(nèi)容的看法也往往存在差異。因而教育實踐中往往需要從不同視角表達同一主題的知識圖譜。一類圖譜不能也不必表達所有視角，不同視角的圖譜往往只需共享一個相同的內(nèi)核，在此內(nèi)核基礎(chǔ)上不同視角需要進行相應(yīng)知識內(nèi)容的擴展或調(diào)整，以滿足不同的需求。
知識圖譜技術(shù)需要融入到教育的典型應(yīng)用中。教育知識圖譜的邊界、內(nèi)容、粒度均需要從實際應(yīng)用出發(fā)進行合理界定。教育知識圖譜的建設(shè)與應(yīng)用必須形成閉環(huán)，從應(yīng)用尋求反饋與指引才能更好地建設(shè)知識圖譜，才能保障知識圖譜的效用。應(yīng)用引領(lǐng)、以用促建，是教育知識圖譜落地應(yīng)該堅持的基本原則之一。
教育知識圖譜的建設(shè)是否需要遵循標準化規(guī)范？標準化是保障知識圖譜系統(tǒng)集成、發(fā)揮知識圖譜產(chǎn)業(yè)生態(tài)的集成效應(yīng)的重要保障。但標準化需要結(jié)合實際應(yīng)用，需要建立在具體實踐案例的基礎(chǔ)之上。不能脫離應(yīng)用實際空泛談?wù)摌藴驶?，要讓標準化建立在多樣化的具體的實踐案例基礎(chǔ)之上。應(yīng)在推進標準化的同時，充分考慮教育知識圖譜實踐的實際情況，做到標準化與靈活性兼顧。
當前階段，基于知識圖譜的教育智能化實踐初顯成效。在各學(xué)科專家的指導(dǎo)下，知識工程師能夠完成覆蓋學(xué)科主要知識單元與重要知識點的教育知識圖譜構(gòu)建，并能將少量精選的教育資源以規(guī)則匹配為主的方式掛載到教育知識圖譜的對應(yīng)知識點上。基于知識點與教育資源知識圖譜，實現(xiàn)了教育資源的智慧搜索、智能推薦，針對特定學(xué)科實現(xiàn)了一些智慧閱卷的智能化功能，在一定程度上提升了教師教學(xué)和學(xué)生自學(xué)的效率。
然而，現(xiàn)階段的教育知識圖譜及其智能化成果還遠遠無法惠及“教、學(xué)、練、測、評、研、管、服”等全鏈條中的各教學(xué)環(huán)節(jié)。具體來說：
1）以文字表達為主的學(xué)科知識點，難以準確全面刻畫復(fù)雜場景、多模態(tài)數(shù)據(jù)中的知識點或教學(xué)資源；
2）以專家手工構(gòu)建為主的知識圖譜構(gòu)建方式，無法滿足大規(guī)模教育資源關(guān)聯(lián)的需求，難以滿足新興學(xué)科的快速發(fā)展；
3）以規(guī)則匹配為主的資源掛載方式，無法實現(xiàn)海量教育教學(xué)資源向細粒度知識點的自動掛載；
4）人工判定為主的教育資源質(zhì)量評判方式，難以滿足數(shù)據(jù)驅(qū)動方法所構(gòu)建出的大規(guī)模教學(xué)知識圖譜的質(zhì)量評估；
5）教育知識圖譜的應(yīng)用模式與知識圖譜在消費互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用模式趨同，仍然需要巨大努力挖掘教育知識圖譜的獨特應(yīng)用模式。
為了應(yīng)對教育知識圖譜研究與應(yīng)用的上述問題，仍需在以下方面做出努力：
應(yīng)針對學(xué)科的差異，深入研究以圖譜為核心的不同學(xué)科的知識表示方式；拓展教育知識圖譜的內(nèi)涵，拓展教育核心實體的類型與語義關(guān)系的多樣性；探索多模態(tài)的教育知識表示方式；探索教育知識圖譜與預(yù)訓(xùn)練語言模型的融合表示方式；研究基于這些新型知識表示方式的推理方法。
研究多模態(tài)教育知識圖譜構(gòu)建、教育資源的知識點自動掛載、教育知識圖譜自動更新等關(guān)鍵技術(shù)；研究面向教案、教材、考題與教學(xué)視頻等不同類型教育數(shù)據(jù)的知識獲取技術(shù)；研究學(xué)科知識體系與概念層級的自動化或半自動化構(gòu)建技術(shù)；研究可遷移、可泛化的教育知識圖譜構(gòu)建技術(shù)，大幅降低教育知識圖譜的構(gòu)建成本；開展以術(shù)語、圖表、公式、定義、引用、作者、機構(gòu)、專家為核心的高等教育知識圖譜建設(shè)。
豐富教育知識圖譜應(yīng)用場景，研究基于教育知識圖譜的語義搜索、精準推薦、用戶畫像、學(xué)習路徑規(guī)劃、教學(xué)評估、考查考評、學(xué)科洞察以及可解釋的學(xué)情診斷，探索教育知識圖譜的獨特應(yīng)用場景，深挖教育知識圖譜的潛在價值，實現(xiàn)基于教育知識圖譜的自適應(yīng)學(xué)習、個性化學(xué)習。
建立教育知識圖譜的質(zhì)量評測體系，研究相應(yīng)的評測方法，開展教育知識圖譜評測數(shù)據(jù)集構(gòu)建；探索預(yù)訓(xùn)練語言模型與教育知識圖譜的聯(lián)合評價機制；建立教育應(yīng)用驅(qū)動與反饋下的知識圖譜評測方法；實現(xiàn)教育知識圖譜的客觀可信評價，保障教育知識圖譜的高質(zhì)量建設(shè)，提升教育知識圖譜的應(yīng)用效果。
教育智能化征程已經(jīng)開啟，基于知識圖譜的教育智能化將會進入發(fā)展的快車道。教育智能化應(yīng)用將牽引知識圖譜技術(shù)向領(lǐng)域認知的縱深方向持續(xù)發(fā)展。知識圖譜技術(shù)也將持續(xù)助力教育的高質(zhì)量發(fā)展。最后作出以下提醒。教育是人類的最偉大事業(yè)之一?；谥R圖譜的教育智能化一定程度上實現(xiàn)了教育的提質(zhì)增效，其本質(zhì)是在輔助教師完成“授業(yè)”或者“解惑”的工作，然而以培養(yǎng)人的內(nèi)在品質(zhì)為核心的“傳道”仍然難以假手于機器，這或許正是教師工作者無法推脫的根本使命。
致謝：本人的研究生郭放、陳石松、石庭豪整理了我的演講報告，課題組的馮紅偉、李直旭老師提供了部分素材，基于這些材料形成了這篇文章，在此表示感謝。
聯(lián)系客服
